《Sustainable Futures》：Student adoption of meta AI-supported learning tools in business education: A TAM-informed study of self-reported use behavior
编辑推荐：
本研究考察了商科学生对Meta AI辅助学习工具的自报使用行为。研究将Meta AI辅助学习界定为学生在学习相关任务中使用Meta AI赋能的生成性或适应性学术辅助，包括概念澄清、内容支持、个性化学习辅助、寻求反馈及商业相关问题解决。研究未涉及学生对Faceb
本研究考察了商科学生对Meta AI辅助学习工具的自报使用行为。研究将Meta AI辅助学习界定为学生在学习相关任务中使用Meta AI赋能的生成性或适应性学术辅助，包括概念澄清、内容支持、个性化学习辅助、寻求反馈及商业相关问题解决。研究未涉及学生对Facebook、Instagram、WhatsApp、Messenger、AR/VR设备或开源大语言模型开发者工具的一般性使用。研究采用基于技术接受模型（TAM）的采纳视角，而非对原始TAM的完整检验，将感知价值（PV）、个性化（P）、技术信任（TT）与伦理AI实践（EAI）作为预测变量，技术使用行为（TB）作为结果变量。研究采用定量横截面调查设计，通过在线结构化问卷在2025年10月至12月三个月期间对孟加拉国多所高等教育机构商科相关专业的本科生和研究生进行便利抽样调查，共获得423份回复，剔除23份不完整或不可用回复后保留400份有效样本。数据采用偏最小二乘结构方程模型（PLS-SEM）以SmartPLS 4.1.1.8进行分析，通过5000次重抽样进行自举检验，所有假设均事先设定为正向方向关系，故采用单尾p值进行结构路径评估。研究结果表明，感知价值、个性化、伦理AI实践与技术信任均与技术使用行为呈正相关，其中感知价值为最强预测因子，其次为个性化、伦理AI实践，技术信任关系最弱。模型解释了技术使用行为52.5%的方差。研究结论仅限于自报采纳行为，未声称Meta AI能提升学业成绩、学习质量、参与度或教育公平。研究为商科教育中负责任且价值导向的AI辅助学习采纳提供了实证依据。
研究背景方面，人工智能（AI）融入高等教育的研究关注点已从学生是否接触AI工具转向学生如何评价和使用这些工具。在商科教育中，AI辅助工具日益重要，因为学生需要培养数字化、分析性和决策支持能力以适应技术密集型工作环境。然而，现有采纳证据尚不完整，学生对AI辅助学习工具的使用不仅取决于技术可得性，还取决于他们是否认为这些工具有价值、个性化、可信赖且得到伦理管理。已有AI教育研究考察了学习技术、生成系统和AI辅助学习架构，但对商科学生在决定是否将AI辅助工具用于学业任务时如何评价这些工具关注不足。来自商业、营销和平台情境中AI使用的证据有助于理解感知价值和用户评价，但不能直接作为教育成果的证据。商科教育情境的重要性在于学生常将AI工具用于准备作业、解读概念、评估示例和解决课程相关问题等实际学业任务。本研究以基于TAM的采纳视角为引导，将TAM作为组织性采纳逻辑，并扩展以AI相关感知因素，包括伦理AI实践、个性化、技术信任和感知价值。研究目标有三：第一，将Meta AI辅助学习使用界定为AI赋能辅助的自报学业使用而非一般Meta平台使用；第二，考察伦理AI实践、个性化、技术信任和感知价值对商科学生技术使用行为的影响；第三，提供与可持续高等教育中负责任AI辅助学习相关的采纳层面证据。
在研究方法上，本研究采用定量横截面调查设计，通过在线结构化问卷收集数据。样本来源为孟加拉国多所高等教育机构商科相关专业（包括工商管理、管理、营销、会计、金融、旅游与酒店管理及相关学术领域）的本科生和研究生，采用目的性抽样技术，要求受访者具有使用Meta AI辅助学习工具的先前学业经验。调查通过学术沟通渠道、学生群体和机构联系人分发，参与自愿。样本覆盖达卡大学、贾汉吉尔纳加大学、吉大港大学、孟加拉国专业大学、沙赫贾拉尔科技大学、拉杰沙希大学、诺阿卡利科技大学、库尔纳大学等多所公立和私立院校。研究进行了50名受访者的预测试以评估条目清晰度、措辞、顺序和表面效度。数据分析采用PLS-SEM，分两阶段进行：第一阶段通过指标载荷、Cronbach's alpha、rho_A、组合信度、平均方差提取量（AVE）和区分效度评估测量模型，区分效度采用HTMT值及自举HTMT置信区间检验，并通过完整共线性方差膨胀因子（VIF）评估共同方法偏差；第二阶段通过路径系数、t值、p值、R2、f2、预测评估和模型拟合指标评估结构模型，预测评估采用PLSpredict指标包括Q2predict、RMSE和MAE。由于所有假设均事先设定为正向方向关系，结构路径评估采用单尾p值。
研究结果方面，在测量模型评估中，EAI4、P1、TT1和PV1因外部载荷未达到指标保留标准而被剔除。保留指标的载荷范围为0.757至0.925，所有构念的信度系数均高于建议最低水平，AVE值均超过0.50，支持测量模型的内部一致性、信度和收敛效度。在区分效度评估中，HTMT值均低于0.85阈值，最高HTMT值出现在感知价值与技术使用行为之间，自举HTMT置信区间不包含1.00，支持构念的实证区分性。在共同方法偏差评估中，完整共线性VIF值范围为1.023至1.674，低于3.3阈值，表明共同方法偏差不太可能实质性扭曲估计关系。在路径系数与假设检验中，伦理AI实践→技术使用行为（β=0.141，t=3.030，p=0.001）、个性化→技术使用行为（β=0.196，t=4.103，p<0.001）、感知价值→技术使用行为（β=0.580，t=12.546，p<0.001）、技术信任→技术使用行为（β=0.098，t=1.860，p=0.031）四条假设在单尾方向检验下均获支持，感知价值与技术使用行为关系最强，其次为个性化、伦理AI实践和技术信任，技术信任路径虽获支持但效应量较小需谨慎解读。在解释力方面，模型解释了技术使用行为52.5%的方差（R2=0.525，调整R2=0.520），表明中等解释力水平。在效应量评估中，感知价值→技术使用行为（f2=0.602）为大效应，个性化→技术使用行为（f2=0.072）和伦理AI实践→技术使用行为（f2=0.034）为小效应，技术信任→技术使用行为（f2=0.018）效应最小。在预测评估中，Q2predict为0.504，RMSE为0.711，MAE为0.517，Q2predict正值提供预测相关性支持证据。在模型拟合评估中，SRMR值为0.069低于0.08阈值表明可接受的近似拟合，d_ULS为0.643，d_G为0.308，卡方值为758.522，NFI值为0.782低于0.90基准需谨慎解读，但PLS-SEM模型评估主要依赖测量信度、收敛效度、区分效度、共线性诊断、结构路径显著性、解释力、效应量和预测相关性，整体拟合指标表明可接受但非确定性的框架表征。
讨论部分总结如下：本研究考察了伦理AI实践、个性化、技术信任和感知价值与商科学生自报Meta AI辅助学习工具使用的关系。研究发现支持全部四条假设关系，但预测因子贡献不等。感知价值与技术使用行为关系最强，其次为个性化、伦理AI实践和技术信任。这一模式表明学生自报使用主要受工具感知学术收益驱动，而伦理、个性化和信任相关感知发挥额外但相对较小的作用。研究发现应解读为对基于TAM采纳逻辑的支持而非对完整TAM序列的验证。感知价值的最强效应与本研究的TAM知情逻辑一致，TAM认为当用户感知技术对任务有用时更可能采纳。本模型中感知价值捕捉更广泛的基于收益的评价，因为学生评估Meta AI辅助工具是否节省时间、支持课程作业并提供足够学术收益相对于使用所需努力。感知价值的大效应量强化了这一解读，表明商科学生使用Meta AI辅助学习工具不太可能仅由新颖性驱动，而更可能取决于学生是否在日常学习任务中看到明确的学术效用。个性化也显示与技术使用行为正相关，表明当辅助看似与学习需求、节奏和学业任务相关时学生报告更高使用。在商科教育中学生常处理应用概念、案例分析、作业和问题解决活动，个性化解释、任务特定建议和适应性支持可能使AI辅助在学习工作中更可用。然而个性化效应小于感知价值，表明个性化重要但主要在学生能将个性化辅助与实践学术收益联系时起作用。伦理AI实践与技术使用行为正相关，尽管效应小于感知价值和个性化，表明学生自报使用不仅是功能收益问题，对透明度、公平性、隐私保护和负责任使用的感知也与报告采纳行为相关。这一结果在理论上重要，因为AI辅助学习涉及算法输出、用户输入和学术内容可能引发对可靠性、隐私、偏见和负责任学术行为的担忧。同时相对较小的效应表明伦理AI实践可能更多作为使能条件而非主要行为驱动因素运作。学生可能将负责任的AI实践视为基线要求，而实际使用行为仍更强地受感知学术价值塑造。技术信任在单尾方向检验下也与技术使用行为正相关，路径系数和效应量小于其他预测因子，因此该结果应谨慎解读。这一发现表明信任对学生自报使用有贡献，但当感知价值、个性化和伦理AI实践同时考虑时其独立作用较弱。这一结果不应解读为信任在理论上不重要，而表明信任在本模型中可能作为较弱的行为条件运作，尤其在已具有Meta AI辅助先前学业经验的学生中。研究结果细化了基于TAM的采纳框架，支持将感知价值、个性化、伦理AI实践和技术信任作为自报技术使用行为的预测因子纳入，同时路径相对强度表明这些构念不应被视为同等影响。感知价值成为中心采纳因素，而个性化、伦理AI实践和信任提供额外解释支持。研究结果应在研究范围内解读，因变量为基于学生自报的技术使用行为，因此结果不能证明Meta AI辅助学习工具提升学业成绩、学习效率、学生参与度或教育公平，仅表明选定感知与报告学业使用相关。采纳是教育影响的必要但不充分条件。研究结果对商科教育中负责任AI辅助学习也有启示：如果学生使用强烈受感知价值塑造，机构应避免仅通过广泛创新声明推广AI工具，而应将指导聚焦于AI辅助可负责任使用的特定学业任务如概念澄清、形成性反馈和问题探索。同时伦理AI实践和信任的支持效应表明采纳不应与治理分离，关于隐私、透明度、学术诚信和AI生成内容验证的明确规则可能有助于学生以学术适当方式使用Meta AI辅助工具。总体而言，本研究贡献了商科教育中Meta AI辅助学习的采纳层面证据，主要贡献不是Meta AI改善学习成果的证据，而是学生报告使用与清晰感知层级相关的证据：感知价值为最强因素，个性化增加相关性，伦理AI实践提供可接受性条件，信任贡献较弱但正向的基于信心的效应。这一解读使贡献与横截面自报设计保持一致，同时仍解释这四个预测因子在AI辅助学习采纳中为何重要。
结论部分翻译如下：本研究考察了商科学生对Meta AI辅助学习工具的自报使用。研究发现表明感知价值、个性化、伦理AI实践和技术信任与学生自报技术使用行为正相关。感知价值为最强预测因子，技术信任显示最弱的 supported 关系。研究发现表明当学生感知明确学术价值、相关支持、负责任AI实践和可靠技术时，他们报告更高使用Meta AI辅助学习工具。研究未声称Meta AI提升学业成绩、学习质量、参与度或教育公平，其贡献限于采纳行为并应在横截面和自报设计范围内解读。在此范围内，研究通过展示商科教育中负责任且价值导向的AI辅助学习采纳如何被理解，为可持续高等教育做出贡献。结果支持对教育中AI的谨慎观点，将AI辅助学习采纳与感知学术价值、伦理使用和负责任学生指导相联系。理论启示方面，本研究通过将基于TAM的框架应用于商科教育中Meta AI辅助学习，为AI辅助学习采纳研究做出贡献。研究发现表明感知价值是学生报告使用行为的中心因素，支持TAM的有用性逻辑，同时表明基于价值的评价可能捕捉学术收益、努力和相关性的更广泛判断。研究也阐明了个性化、伦理AI实践和技术信任的作用：个性化通过表明当辅助符合学业需求时学生响应AI辅助工具而增加解释价值；伦理AI实践表明负责任设计和可接受数据使用是采纳的一部分而不仅是采纳后治理问题；技术信任获支持但效应较弱表明当学生已感知强学术价值时信任可能作为背景条件运作。理论贡献因此不是对TAM的完整扩展，而是提供聚焦的基于TAM的自报AI辅助学习使用解释，表明采纳取决于收益导向和责任导向感知两方面。实践启示方面，对教育者而言，研究发现建议Meta AI辅助工具应作为学术支持工具引入而非教学、反馈或独立推理的替代品，学生需要明确指导何时AI辅助适当、如何验证AI生成内容以及如何在不削弱学术诚信的情况下使用此类工具。对机构而言，结果表明AI采纳应通过负责任学习政策管理，这些政策应涉及隐私、透明度、公平性、AI辅助工作引用和自动化学术支持的限制。对可持续高等教育而言，实践信息温和但重要：当获取、伦理和学生能力一并考虑时，AI辅助学习可能有助于更灵活和资源节约的学术支持，机构应因此减少将AI作为创新推广而更多建设学生和教师的负责任AI素养。局限与未来研究方面，研究发现基于孟加拉国商科学生的目的性样本，不应统计推广至所有学生或教育情境。未来研究应考察AI技术暴露程度不同的情境中学生对AI技术的信心，评估AI应用包括Meta AI是否支持信息验证、学业任务完成和可测量的学习相关成果，并可通过纵向或实验研究考察AI辅助学习系统的长期教育影响。
