大学生人工智能技术依赖与学习倦怠的关系：技术接受与人工智能自我效能感的链式中介分析

《Frontiers in Psychology》：The relationship between college students' AI technology dependence and learning burnout: a chain mediation analysis of technology acceptance and AI self-efficacy

　　

目的：在生成式人工智能深度融入高等教育的背景下，大学生对人工智能学习工具的非适应性使用已成为影响学习心理与学业适应的关键风险因素。方法：研究人员基于技术接受模型(Technology Acceptance Model, TAM)和自我效能感理论(Self-Efficacy Theory, SET)，构建了链式中介模型，以检验技术接受与人工智能自我效能感在人工智能技术依赖与学习倦怠关系中的序列中介关联。结果：研究表明，人工智能技术依赖与学习倦怠呈显著正相关；技术接受在人工智能技术依赖与学习倦怠之间起显著独立中介作用；人工智能自我效能感在人工智能技术依赖与学习倦怠之间起显著独立中介作用；技术接受与人工智能自我效能感形成显著的链式中介路径。结论：本研究阐明了人工智能技术依赖与学习倦怠相关的多层次心理传导机制，丰富了人工智能教育应用与学习倦怠领域的理论成果，为高校开展人工智能素养教育、缓解大学生学习倦怠、促进健康可持续的人机协同学习模式提供了实证依据与实践启示。

研究背景与问题提出

随着生成式人工智能(Generative Artificial Intelligence, GenAI)在全球教育场景中的快速迭代与应用，以ChatGPT、Gemini及各类智能问答系统为代表的AI学习工具已深度嵌入大学生的课堂学习、课后作业及文献研究等过程。GenAI凭借自然语言处理、信息整合及个性化内容生成能力显著提升了学习效率，但也催生了过度使用、认知卸载、被动完成任务及情感依恋等非适应性技术使用行为，逐渐形成了以人工智能技术依赖为核心的新兴学习问题。此类依赖不仅表现为使用频率过高，更伴随着独立思考减少、元认知参与度下降及学业成就感降低等深层心理变化。学习倦怠(Learning Burnout)作为预测学业中断、拖延及心理健康问题的核心指标，其与数字技术使用的关系虽已被广泛探讨，但在AI学习的具体情境下仍存在理论空白：现有研究多将AI使用视为整体变量，未区分赋能性使用与依赖性使用；缺乏揭示AI技术依赖影响学习倦怠的完整心理联动机制；鲜有研究同时纳入技术接受与AI自我效能感以解释外部技术行为如何通过内部认知与效能信念影响学习心理结果。鉴于此，研究人员基于TAM与SET，构建了“AI技术依赖→技术接受→AI自我效能感→学习倦怠”的链式中介模型。该研究发表于《Frontiers in Psychology》。

关键技术方法

研究人员采用方便抽样法，于2025年9月至10月通过问卷星平台对中国五所普通高校的全日制本科生进行在线问卷调查。研究对象纳入标准为至少使用过一种AI学习工具（如ChatGPT、Gemini、豆包等）并能完整作答。共回收有效问卷466份，有效率91.73%，样本男性占72.75%。研究采用标准化量表进行测量：AI技术依赖采用Chen Y.等人(2025)编制的量表，包含不可控性、戒断症状等4个维度；技术接受采用Molefi等人(2024)的量表，选取感知有用性与感知易用性2个维度；AI自我效能感采用Wang和Chuang(2024)编制的量表；学习倦怠采用Lian等人(2005)编制的大学生学习倦怠量表。数据分析使用SPSS 26.0进行描述性统计与Pearson相关分析，使用AMOS 27.0构建结构方程模型，并采用偏差校正Bootstrap法(5000次重复抽样)检验中介效应。

研究结果

4.1 共同方法偏差检验

采用Harman单因子检验对所有量表项目进行未旋转探索性因子分析，提取出特征根大于1的11个公因子，首个公因子方差解释率为39.316%，低于40%的临界标准，表明数据无严重共同方法偏差。

4.2 描述性统计与相关分析

各变量均值分别为：AI技术依赖2.644、技术接受3.787、AI自我效能感4.028、学习倦怠2.150。偏度与峰度绝对值均在可接受范围内，数据符合正态分布。相关分析显示，AI技术依赖与技术接受(r = -0.362, p < 0.01)、AI自我效能感(r = -0.334, p < 0.01)呈显著负相关，与学习倦怠(r = 0.241, p < 0.01)呈显著正相关。技术接受与AI自我效能感呈显著正相关(r = 0.713, p < 0.01)，二者均与学习倦怠呈显著负相关。

4.3 中介效应检验

Bootstrap检验结果显示，技术接受的独立中介效应值为0.171，95%置信区间为[0.099, 0.247]；AI自我效能感的独立中介效应值为0.053，95%置信区间为[0.014, 0.096]；链式中介效应值为0.149，95%置信区间为[0.096, 0.205]，各路径置信区间均不包含0，表明间接效应显著。总间接效应占总效应的60%以上。结构方程模型拟合指数理想(χ²/df = 2.314, CFI = 0.946, RMSEA = 0.054)，验证了假设模型。

讨论与结论

讨论部分指出，AI技术依赖不仅直接正向预测学习倦怠，还通过削弱技术接受与AI自我效能感产生间接影响。这一发现深化了对智能时代大生学习心理机制的理解。技术接受反映了学生对AI工具的理性认知评价，而AI自我效能感则体现了其在特定领域的能力信念。链式中介路径揭示了从外部技术使用行为到内部认知评估，再到核心能力信念，最终影响学习心理适应的完整传导链条。

研究结论表明，高校应通过加强AI素养教育引导学生区分辅助工具与独立思考的边界，通过优化平台体验提升学生的理性技术接受度，并通过过程性评价保护学生的AI自我效能感，从而阻断依赖导致倦怠的传导路径，构建健康可持续的人机协同学习生态。