《Computers in Human Behavior Reports》：Distal Trait and Proximal Strategic Predictors of Technological Fluency
编辑推荐：
均值分析通过Voss等人的方法（2016版，由Bhattacharya等人验证，2019）估算极小值。在结构方程模型（SEM）结构方程模型中，采用相关矩阵和加权最小二乘法进行估计，通过协方差矩阵调整实现稳健标准误估计并检验模型拟合度（Kline, 2015）。
均值分析通过Voss等人的方法（2016版，由Bhattacharya等人验证，2019）估算极小值。在结构方程模型（SEM）结构方程模型中，采用相关矩阵和加权最小二乘法进行估计，通过协方差矩阵调整实现稳健标准误估计并检验模型拟合度（Kline, 2015）。拟合指标依据Chen等人（2008）的建议进行解读，模型整体拟合通过比较目标模型与Hu和Bentler（1999）推荐的基准值进行评估，包括标准化均方根残差（ standardized root mean square residual）（SRMR）<0.08、近似误差均方根（root mean square error of approximation）（RMSEA）<0.06、比较拟合指数（comparative fit index）（CFI）>0.95，以及非规范拟合指数（ non-normed fit index）（NNFI）>0.95。此外，通过比较每个备选模型与Hu和Bentler（1999）提出的阈值标准来判断相对拟合度是否可接受。
潜在剖面分析（latent profile analysis）（LPA）采用Muthén和Muthén（2008）法的估计方法，心理学研究中剖面数量的确定依据Celeux和Soromenho（1996）、Tein等人（2013）以及Pastor等人（2007）的建议，采用以下拟合指标：爱凯克信息准则（Akaike information criterion）（AIC）、贝叶斯信息准则（Bayesian information criterion）（BIC）、样本量调整贝叶斯信息准则（adjusted BIC）（aBIC）以及基于熵的指标。研究选择BIC值最低且剖面分离度良好（熵>0.80）的模型，同时参考Lo-Mendell-Rubin似然比检验（Lo-Mendell-Rubin likelihood ratio test）（LMR-LRT）和自助法似然比检验（bootstrap likelihood ratio test）（BLRT）以确定最优剖面数量。
## 研究背景与问题提出
随着互联网日益成为非日常性问题即时解决的核心资源，个体利用技术进行问题解决的胜任力却尚未得到充分理解。现有研究多聚焦于计算机素养（computer literacy）或数字素养（digital literacy）等构念，这些概念未能涵盖个体在真实世界情境中利用技术资源解决新颖问题的综合能力。技术流畅性（technological fluency）作为一种特质复合体（trait complex），描述了个体利用技术资源解决现实世界问题的倾向性（即能力/意愿），但支持该构念的实证研究仍显不足。当前研究亟需回答的核心问题在于：不同个体差异变量如何影响个体在技术流畅性评估中的行为表现，以及高效的问题解决者究竟采取了何种策略性方法。
## 研究设计与核心发现
Lyndgaard和Ackerman发表于《Computers in Human Behavior Reports》的此项研究采用混合方法设计，系统考察了133名高等教育学生完成技术流畅性评估时的个体差异。参与者首先完成一系列远端特质（认知能力、人格）和近端心理变量（自我效能、技术态度）的测评，随后在有互联网开放的条件下完成包含21道开放式题目的技术流畅性评估，题目涵盖家居维修等实际生活领域。研究人员通过项目层面的聚类分析识别出三种典型的应答模式：第一类群组将多数时间分配至初始题目，其特征为言语/空间能力相对较低但自我报告的自我调节策略使用频率较高；第二类群组在评估全程保持快速节奏，特征为积极的技术态度；第三类群组则呈现更为适中的答题节奏，特征为相对较高的认知能力和更为消极的技术态度。定性分析进一步探讨了元认知监控与控制过程的差异，发现高言语/空间能力参与者在推理质量和自我纠正能力方面具有优势。
## 主要技术方法
研究样本为133名佐治亚理工学院本科生（平均年龄19.14岁），通过课程学分补偿招募。技术流畅性评估包含21道开放式题目，采用0-5分制双评人评分，最终Krippendorff's α=0.81。远端预测变量涵盖言语、空间、数理能力的认知特质（采用ETS工具、多维能力倾向测验MAB等工具）、NEO-FFI人格量表中的责任心与经验开放性、O*NET兴趣简表中的职业兴趣维度，以及动机特质问卷（MTQ）相关维度。近端预测变量包括技术态度量表（6点李克特式）、既往技术使用经历（生物数据式测量）、自我调节技能量表（整合元认知意识量表、自我调节量表等工具）、技术流畅性自我效能，以及人工智能工具使用情况。数据分析采用稀疏k均值聚类分析和常规k均值聚类分析，后者将21题按序分为三组（1-7题、8-14题、15-21题）作为输入变量；定性分析则选取综合认知能力最高与最低的各5名参与者，对其屏幕录像进行时间戳编码，依据Chi等人（1982）的专家-新手研究框架考察问题要素提取与推理质量。
## 研究结果详解
**预备分析与描述统计**：九项认知测验通过主成分分析（主轴法，斜交旋转）提取三因子结构，验证性因素分析支持言语、空间、数理三维度的理论建构，采用单位加权z分数合成领域水平的能力合成分数。
**聚类分析与群组会员决定因素**：探索性分析旨在识别具有相似评估策略的参与者群组，以及评估过程中行为表现的决定因素而非表现本身。初始稀疏k均值聚类分析因 silhouette 分数偏低（0.15）且近100%聚类归因单一变量（第17题）而被判定为拟合不佳。常规k均值聚类分析采用三组题项总分作为输入变量，比较二至五类方案后，三类方案（silhouette score=0.35）因理论可解释性而被采纳。
第一群组（N=20）早期题项表现高于均值0.67个标准差，但中期和晚期题项急剧下滑至-1.84和-1.06；该群组言语能力（-0.35）、空间能力（-0.24）和言语自我概念（-0.42）较低，但自我调节技能（0.42）和探究兴趣（0.25）最高，完成题项数最少（M=9.9）。第二群组（N=65）早期题项低于均值0.55个标准差，但中后期回升至0.24和0.89；该群组技术态度最积极（0.20）、对AI高质量解决方案的信念最强（0.30），自我调节技能（-0.17）和自我效能（-0.16）最低，完成题项数最多（M=20.52），呈现最小化的满意性应答策略。第三群组（N=48）早期表现略高于均值（0.47），中期维持（0.44），晚期下滑（-0.76）；该群组言语能力（0.33）、空间能力（0.18）、言语自我概念（0.26）和自我效能（0.20）最高，但技术态度（-0.27）和对AI高质量解决方案的信念（-0.30）最消极，完成题项数次之（M=14.71）。时间分配模式显示第一群组将大量时间投入早期题项，第二群组时间分配最为均衡，第三群组则呈现适度的渐进式时间管理。
**定性分析**：针对能力最高与最低各五名参与者的前六道题目录像分析揭示：推理质量与视觉线索利用方面，高能力组更善于整合问题情境选择适当搜索方向，更频繁使用图像搜索并依据视觉线索进行验证；低能力组则倾向于采纳网络描述中最为常见的解决方案，虽声称基于视觉线索但未能实际核实。自我纠正能力方面，高能力组中四名最初错误者全部成功自我纠正，低能力组五名错误者仅一人纠正。AI工具使用性质方面，低能力组使用频率更高（14/30题次 vs. 5/30题次），且多将AI信息作为决定性来源而不加验证；高能力组则将AI作为补充信息源或搜索思路生成工具，结合常规搜索进行迭代验证。
## 讨论、结论与意义
**讨论总结**：研究结果支持技术流畅性作为多维度特质复合体的理论定位，强调测量不应仅聚合为基于正确性的单一分数，而应纳入适应性策略的运用程度。聚类分析表明行为模式是策略性方法的关键区分指标，但仅凭行为尚不足完整解释个体差异——第一群组与第三虽呈现相似的时间分配模式，能力与动机轮廓却截然不同。元认知 deficits（如自我监控不足或自我评估不准确）可能是第一群组表现受限的关键因素：尽管具备较高的自我调节动机，但缺乏适时调整行为的能力。定性分析进一步揭示，高能力者的优势并非体现为初始信息识别的优越性，而在于推理质量、视觉线索整合、错误自我纠正等过程性要素，这与物理学专家-新手研究（Chi et al., 1982）的发现跨领域呼应。
研究局限性包括：AI技术环境在数据收集期间（2024年2-9月）快速演变（ChatGPT 3.0升级至4o mini、Google AI Overview推出），约半数样本获得高可见性的AI搜索功能，可能影响其行为模式；样本局限于课程学分补偿的本科生群体，年龄与经验的同质性限制外部效度；未纳入领域知识测验，难以区分领域特定知识与一般搜索技能的影响；定性分析样本量小（N=10）且采用单一编码者，结果属探索性质需进一步验证。
**研究结论**：当前研究作出三方面主要贡献。第一，开发了针对技术流畅性的效标测量工具，克服了既往计算机素养和数字素养评估在任务现实性和搜索环境真实性方面的局限——评估涵盖多领域真实情境、复杂度要求多步骤解决、评分兼顾问题解决过程与结果质量，并允许最大化的信息搜索灵活性。第二，系统整合并组织了远端能力与近端非能力相关变量对技术流畅性的相对贡献，以人中心分析揭示心理差异与策略性方法的关联，这些效应未能被与聚合表现的相关所捕捉。第三，多方法途径涵盖定性分析，强调推理制定和自我纠正能力的重要性，并指出过程质量与解决质量的分离可能源于评分协议局限和技术工具开放性使用的混合效应。研究特别揭示，技术辅助问题解决中的元认知加工质量与个体能力及非能力特质相关，这为理解技术对元认知的影响提供了一个考虑个体差异的关键方向。
