约旦工程与信息技术学生中的人工智能焦虑、数字福祉与未来职业关注

《Frontiers in Artificial Intelligence》：Artificial intelligence anxiety, digital well-being, and future career concerns among engineering and information technology students in Jordan

　　

摘要：引言：人工智能（AI）的快速发展正从根本上改变教育和就业格局，在技术密集型领域的学生中引发了日益增长的心理担忧。本研究考察了工程与信息技术（IT）学生中的人工智能相关焦虑、数字福祉和职业不确定性，重点关注其普遍性、相互关系及人口统计学差异。方法：采用横断面定量设计，通过结构化调查对来自四所约旦大学的820名本科生进行施测。使用标准化量表评估人工智能焦虑、数字福祉和职业相关关注。统计分析包括描述性统计、相关分析以及基于性别和学科的分组比较。结果：研究结果表明，人工智能焦虑水平较高（均值M=5.26，标准差SD=0.32），数字福祉水平较低（M=1.75，SD=0.20），职业关注水平中等（M=4.07，SD=0.34）。人工智能焦虑与数字福祉呈强负相关（r=?0.849，p<0.01），与职业关注呈正相关（r=0.680，p<0.01）。女性学生报告的人工智能焦虑和职业关注显著高于男性学生（p<0.001）。此外，IT学生相比工程学生表现出更高的人工智能焦虑和职业不确定性（p<0.001）。讨论：这些发现凸显了人工智能整合对学生产生的心理影响，强调了针对性的AI素养项目、数字福祉干预和职业指导策略的必要性。解决性别差异和学科特异性差异对于增强学生在人工智能驱动的劳动力市场中的韧性、适应性和准备度至关重要。

研究背景：随着人工智能（AI）技术的飞速发展，高等教育与就业市场正在经历深刻变革。对于工程与信息技术（IT）专业的学生而言，这一转型带来机遇的同时也引发了显著的心理不确定性，其中人工智能焦虑（AI anxiety, AIA）——即对智能系统威胁自身能力、专业身份或未来职业稳定的担忧——尤为突出。与此同时，数字福祉（digital well-being, DWB）——在持续连接与数字需求下维持健康功能与平衡边界的能力——已成为教育环境中的关键议题。而未来职业关注（future career concerns, FCC）则反映了学生对就业能力、技能相关性及职业身份形成的前瞻性压力。尽管这三个概念各自受到关注，但将它们整合于同一解释框架下的实证研究仍有限，尤其在非西方背景及STEM学生群体中。在约旦，国家政策将数字化转型与AI采纳置于经济现代化核心，然而官方失业率高达21.3%（2025年第一季度），加剧了学生对AI驱动劳动力市场职业不稳定性的敏感度。因此，本研究旨在探讨约旦工程与IT学生中人工智能焦虑、数字福祉与未来职业关注的水平、相互关系及人口统计学差异。

研究内容与结论：研究人员采用横断面定量设计，对来自约旦四所大学的820名本科生进行结构化调查，使用标准化量表评估AI焦虑（人工智能焦虑量表AIAS）、数字福祉（数字福祉量表DWBS）和未来职业关注（职业未来关注量表CFCS）。结果显示：AI焦虑水平较高（M=5.26, SD=0.32），数字福祉水平较低（M=1.75, SD=0.20），职业关注水平中等偏高（M=4.07, SD=0.34）。AI焦虑与数字福祉呈强负相关（r=?0.849, p<0.01），与职业关注呈正相关（r=0.680, p<0.01）；数字福祉与职业关注呈强负相关（r=?0.932, p<0.01）。女性学生AI焦虑和职业关注显著高于男性（p<0.001），IT学生AI焦虑和职业不确定性显著高于工程学生（p<0.001）。这表明整合的AI-职业压力模型（AI–Career Stress Model）得到实证支持：高AI焦虑通过削弱数字福祉进而加剧职业关注。该论文发表在《Frontiers in Artificial Intelligence》。

关键技术与方法：研究采用横断面调查设计，样本来自约旦四所大学的820名本科生，通过便利抽样招募。主要测量工具包括：人工智能焦虑量表（AIAS, Wang & Wang, 2019），经阿拉伯语翻译与文化适应；数字福祉量表（DWBS, Arslankara et al., 2022），包含12个条目；职业未来关注量表（CFCS, 改编自Tsai et al., 2017），含5个条目。数据分析采用IBM SPSS 26，使用描述性统计、Pearson相关分析及多变量方差分析（MANOVA）检验性别与学科差异，并报告效应量Cohen's d和partial η2。验证性因子分析（CFA）评估测量模型拟合度（CFI=0.95; RMSEA=0.04）。

研究结果：
1. 描述性统计：820名学生中，AI焦虑均分为5.26（SD=0.32），数字福祉均分为1.75（SD=0.20），未来职业关注均分为4.07（SD=0.34）。数据近似正态分布，置信区间稳定，表明高AI焦虑对应低数字福祉与高职业关注。
2. 相关性分析：Pearson相关显示，AI焦虑与数字福祉呈强负相关（r=?0.849, p<0.001），AI焦虑与未来职业关注呈正相关（r=0.680, p<0.001），数字福祉与未来职业关注呈强负相关（r=?0.932, p<0.001）。方差膨胀因子（VIF）低于2，无多重共线性。
3. 性别差异：MANOVA显示显著总体效应（Wilks’ Λ=0.96, F(3, 816)=10.89, p<0.001, partial η2=0.04）。女性学生AI焦虑（F(1, 817)=42.08, p<0.001, η2=0.049）和未来职业关注（F(1, 817)=41.32, p<0.001, η2=0.048）显著高于男性；数字福祉无显著性别差异（p=0.057）。
4. 学科差异：IT学生AI焦虑（F(1, 817)=27.35, p<0.001, η2=0.032）和未来职业关注（F(1, 817)=29.99, p<0.001, η2=0.035）高于工程学生，工程学生数字福祉更高（F(1, 817)=29.26, p<0.001, η2=0.035）。性别与学科交互效应不显著（p>0.05）。

讨论与结论：讨论部分强调，高AI焦虑与约旦国家数字化政策及高失业率背景下的未来导向压力相关；性别差异反映了女性在技术密集型领域面临的结构性障碍；低数字福祉表明持续连接导致心理疲劳，需通过数字正念项目增强韧性。该研究提出AI-职业压力模型，将AI焦虑视为威胁评估（primary appraisal），数字福祉作为应对资源（secondary appraisal），进而影响职业适应性。研究结论（翻译）：本研究凸显了针对学科特异性和性别敏感干预措施的必要性，以支持学生应对AI对高等教育与就业的加速影响。通过揭示AI焦虑、数字福祉与职业关注之间的心理机制，研究加深了对未来专业人士如何体验技术变革的理解。大学与政策制定者应优先平衡技术能力与情绪适应性的AI素养项目，职业韧性工作坊与心理健康倡议可赋能学生（尤其是IT专业与女性群体）将焦虑转化为准备与自我效能。同样重要的是，将伦理AI教育融入工程与IT课程，帮助学生批判性理解自动化的社会、道德与职业影响。在政策层面，加强校企合作与AI实习路径可弥合教育与劳动力市场之间的鸿沟，培养学生在AI时代的就业能力与信心。通过主动应对这些问题，约旦高等教育机构可培养出具备AI素养、心理韧性与社会责任感的劳动力——他们能够塑造而非恐惧技术未来。