《International Journal of Educational Technology in Higher Education》：Does culture matter in AI adoption? A predictive analysis of cultural dimensions, social influence, and personal innovativeness in the modified UTAUT model
编辑推荐：
尽管人工智能在大学的融合日益加深，但文化维度对学生行为意向和实际使用的影响仍未得到充分探讨，尤其是在撒哈拉以南非洲地区。研究人员在高等教育背景下，于文化适应的技术接受与使用统一模型（UTAUT）框架内，调查了霍夫斯泰德（Hofstede）文化维度在塑造大学生人
尽管人工智能在大学的融合日益加深，但文化维度对学生行为意向和实际使用的影响仍未得到充分探讨，尤其是在撒哈拉以南非洲地区。研究人员在高等教育背景下，于文化适应的技术接受与使用统一模型（UTAUT）框架内，调查了霍夫斯泰德（Hofstede）文化维度在塑造大学生人工智能行为意向和实际使用方面的预测作用。本研究开展了一项横断面、相关性、定量研究，102名学生通过完成在线问卷参与调查。结构方程模型（SEM）结果表明，个人创新性显著影响行为意向。个人主义-集体主义、行为意向、个人创新性和社会影响对行为使用具有显著影响，而放纵-约束、权力距离和不确定性规避对行为意向或行为使用均无影响。在此样本中，文化维度未显著影响社会影响；然而，其影响在其他教育背景下可能仍具有重要意义。研究人员使用PLS-Predict（10折，10次重复）和交叉验证预测能力测试（CVPAT）评估预测性能。结果表明，虽然PLS-SEM（偏最小二乘结构方程模型）优于朴素指标平均（IA）基准，但其预测能力弱于线性回归基准。这些发现突出了在评估高等教育背景下技术采纳时，以预测评估补充解释模型的重要性。此外，这些发现将为指导教师如何制定基于个人创新性、社会影响和集体主义（Ubuntu）的干预措施以促进人工智能使用提供参考，并告知政策制定者和高等教育机构，仅靠文化对齐（框架）不足以驱动人工智能采纳。
研究背景与意义：
随着大型语言模型（LLM）等人工智能技术在高等教育中的日益普及，AI输出的文化偏见与缺乏文化敏感性（尤其在非西方“非WEIRD”文化背景下）成为亟待关注的问题。现有研究多聚焦于技术障碍及传统UTAUT/TAM模型在AI采纳中的应用，而文化维度（尤其是霍夫斯泰德的六个文化维度）作为行为意向和实际使用的预测因子（而非传统的调节变量），在撒哈拉以南非洲等地区的大学生群体中的影响仍鲜有探讨。此外，既往技术采纳研究多侧重解释模型的构建，忽视了模型对新数据（out-of-sample）的预测能力评估。基于此，研究人员旨在明确哪些文化维度影响大学生AI行为意向与使用，并评估修正后UTAUT模型的预测效能，为高校AI教学干预及政策制定提供实证依据。该论文发表于《International Journal of Educational Technology in Higher Education》。
主要关键技术方法：
研究人员采用横断面相关定量设计，以南非一所大学的102名学生（主要来自教育学院、健康科学学院及艺术学院，可访问Microsoft 365 Copilot）为样本，通过目的抽样和在线Google Forms问卷收集数据。问卷基于Venkatesh等的UTAUT量表、Farooq等的个人创新性量表及Huang等改编的霍夫斯泰德文化维度量表编制，采用7点Likert刻度。数据分析使用SmartPLS 4软件，先进行测量模型评估（信度、收敛与判别效度），再通过PLS-SEM（偏最小二乘结构方程模型）进行结构模型分析（ bootstrapping 5000次重采样），最后采用PLS-Predict（10折10次重复）和CVPAT（交叉验证预测能力测试）评估模型预测相关性、功率及性能。
研究结果：
引言（Introduction）：
研究人员指出，AI（如ChatGPT、Gemini）多基于西方文化价值观构建，存在文化偏见，缺乏对非西方学生文化需求的响应，可能导致全球文化不对称放大。现有AI采纳研究多忽略文化维度的作用，尤其在撒哈拉以南非洲地区；且多数研究将文化维度作为调节变量，而非行为意向和使用的预测因子。本研究将霍夫斯泰德文化维度、社会影响、个人创新性纳入修正UTAUT框架，并补充预测性能评估，填补了现有研究空白。
文献综述（Literature review）：
研究人员梳理了霍夫斯泰德六个文化维度的定义及相关研究：权力距离（PD，对权力不平等的接受度）、不确定性规避（UA，对模糊的容忍度）、个人主义-集体主义（IC，个体独立vs群体和谐）、放纵-约束（IND_CON，享乐自由vs社会规范约束）。现有研究表明，集体主义文化更易接受AI（视其为集体身份一部分），个人主义文化可能因感知威胁而抗拒；高权力距离下权威态度会影响AI采纳，高不确定性规避会阻碍新技术采用，放纵文化更倾向尝试新技术。但既往结论存在矛盾，且文化维度在个体层面的适用性及对AI采纳的预测作用仍需验证。
理论框架与假设提出（Theoretical framework and hypotheses development）：
基于Venkatesh等的UTAUT模型，研究人员构建修正框架：将PD、IC、IND_CON、UA作为行为意向、实际使用及社会影响的预测因子，保留社会影响（SI）和个人创新性（PI），排除绩效期望等文化不敏感变量。提出假设：H1a-c（PD正向影响行为意向、实际使用、SI）、H2a-c（IC正向影响行为意向、实际使用、SI）、H3a-c（IND_CON正向影响行为意向、实际使用、SI）、H4a-c（UA正向影响行为意向、实际使用、SI）、H5a（SI正向影响实际使用）、H6a-c（PI正向影响行为意向、实际使用、SI）、H7（行为意向正向影响实际使用）。
方法（Method）：
研究人员采用定量横断面相关设计，PLS-SEM适用于小样本及非正态数据。问卷量表经适配后，各构念Cronbach’s α除PD（0.645）外均达0.755-0.922，满足信度要求；通过Harman单因子测试（31.19%<50%）和VIF（<3.3）排除共同方法偏差与多重共线性。样本为南非某大学102名学生，虽未达最初目标量（受访问限制及低响应率影响），但灵敏度分析表明可检测中到大效应。
数据分析（Data analysis）：
测量模型：所有项载荷除PD3（0.617）、UAI（0.548）外均>0.7，CR（组合信度）>0.7，AVE（平均方差提取）>0.5（PD的rho_A=0.685接近0.7），HTMT<0.85，Fornell-Larcker准则满足，信效度良好。结构模型：VIF<3.3，无多重共线性；bootstrapping显示：PI显著正向影响行为意向（β=0.668, p<0.001）和实际使用（β=0.244, p=0.014）；IC显著正向影响实际使用（β=0.251, p=0.001）；SI显著正向影响实际使用（β=0.242, p=0.008）；行为意向显著正向影响实际使用（β=0.428, p<0.001）；PD、IND_CON、UA对行为意向、实际使用及SI无显著影响。R2：行为意向49.7%，实际使用68.1%，解释力中等至强；SRMR=0.079<0.08，模型拟合可接受。
预测相关性评估（Assessment of predictive relevance）：
Q2predict：行为意向（0.419）、实际使用（0.432）>0，预测相关性显著；SI（0.007）无显著预测相关性。PLS-Predict显示：PLS模型对行为意向和实际使用的大多数指标的预测误差（RMSE）低于线性回归基准，但对SI所有指标高于基准，SI1和SI2的Q2predict为负。CVPAT显示：模型显著优于IA基准（p=0.008），但与线性回归基准无显著差异（p=0.958），表明文化值虽相关但不足以单独预测未来AI采纳/使用。
讨论与发现（Discussion and findings）：
个人创新性（PI）是行为意向的最强预测因子（f2=0.766），表明学生愿意尝试AI技术；PI也直接影响实际使用，与亚洲及美国研究结果一致，但与北欧国家结果不同。不确定性规避（UA）无显著影响，可能与学生对AI实用性的关注超过对不确定性的担忧有关。放纵-约束（IND_CON）无显著影响，因教育场景下AI的感知有用性超过享乐动机，且需人工监督减少偏见。社会影响（SI）直接影响实际使用，与集体主义地区结果一致，也反映大学环境下同伴规范与制度预期的遵从压力。行为意向（BI）显著影响实际使用，与台湾、北欧及美国结果一致，但与中国学生结果不同。个人主义-集体主义（IC）仅显著影响实际使用（小效应f2=0.121），可能与南非学生的Ubuntu集体主义哲学相关，也反映“AI个人主义”与“算法集体主义”对传统人际集体主义的侵蚀。权力距离（PD）无显著影响，可能因AI减少了师生层级依赖，与跨国家分析结果一致。总体而言，除IC外，霍夫斯泰德文化维度未显著预测行为意向或使用，提示国家文化可能不是大学AI采纳的最相关文化分析层面，机构文化、学科亚文化等可能影响更强。PLS-Predict未优于线性回归基准，表明模型未捕获所有影响实际AI行为的因素，需补充其他变量。
结论（Conclusion）：
研究人员得出结论：在所列文化值中，仅个人主义-集体主义（IC）对实际使用有影响（小效应）；权力距离（PD）接近显著性（p=0.061 for BI, p=0.054 for BU），大样本可能确认其影响；个人创新性（PI）对行为意向和使用的影响最大；社会影响（SI）和行为意向（BI）显著影响实际使用；霍夫斯泰德文化维度未显著预测社会影响，可能反映“AI个人主义”与“算法集体主义”削弱了传统集体主义的人际纽带。研究提示，仅文化对齐不足以驱动AI采纳，需结合个人创新性、社会影响及集体主义干预，且解释模型需补充预测评估。
