《Frontiers in Sports and Active Living》：Associations between generative AI use frequency, technology acceptance, attitudes toward AI, and reported learning preference patterns among students in physical education classes
编辑推荐：
摘要：体育教育(Physical Education, PE)结合了具身实践与认知学习，而生成式人工智能(Generative Artificial Intelligence)正日益被用作学业辅助工具。本研究采用横断面调查(Cross-sectional St
摘要：体育教育(Physical Education, PE)结合了具身实践与认知学习，而生成式人工智能(Generative Artificial Intelligence)正日益被用作学业辅助工具。本研究采用横断面调查(Cross-sectional Study)设计，探讨体育教育专业本科生自报告生成式AI使用频率、基于VARK框架的自报告学习偏好模式(Learning Preference Patterns)、生成式AI态度(Attitudes toward AI)与技术接受模型(Technology Acceptance Model, TAM)信念之间的关联。研究对象为1084名全日制体育专业本科生（年龄19–28岁），完成PE适配版VARK问卷、TAM信念量表、生成式AI态度量表及自报告AI使用频率量表，数据分析采用描述性统计、信度检验、方差分析(ANOVA)及多元回归模型(Multiple Regression Models)。结果表明：学生对生成式AI持中等程度接受度及正向学业使用态度；动觉(Kinesthetic)偏好仍占主导，符合PE学科特点；但较高自报告AI使用频率与较高视觉(Visual)和读写(Reading-Writing)得分及较低动觉得分相关联（β＝.34–.40；β＝?.39，p＜.001）。各学习风格组间所有TAM及AI态度维度均存在显著差异（p＜.001，η2＝.086–.142）。回归分析显示感知有用性(Perceived Usefulness)、感知易用性(Perceived Ease of Use)及正向AI态度是AI使用频率的最强预测因子，解释48%的方差；频繁AI参与与VARK得分模式更大集中性相关联（β＝?.62，p＜.001）。研究人员认为，在本横断面样本中，自报告生成式AI使用与自报告学习偏好差异及更强技术接受信念相关联；尽管动觉得分总体最高，更频繁AI使用与更高视听读写得分及更低动觉得分共存。这些发现属关联性而非因果性，未显示稳定学习偏好的改变。未来研究应考察教学导向的AI整合能否支持多元学习者，尤其是强动觉偏好学生。
论文解读——《Frontiers in Sports and Active Living》发表文章浓缩解读
本研究由研究人员开展，旨在探讨体育教育(Physical Education, PE)专业本科生中，自报告生成式人工智能(Generative AI)使用频率与VARK学习偏好模式(Learning Preference Patterns)、生成式AI态度(Attitudes toward Generative AI)及技术接受模型(Technology Acceptance Model, TAM)信念之间的横断面关联(Cross-sectional Associations)。体育教育兼具认知学习与具身运动体验，现有文献多关注AI在技术可行性层面之应用，鲜有研究考察生成式AI使用与学生AI态度、技术接受度及自报告学习偏好在真实PE情境中之关联。鉴于学习风格争议及VARK框架在PE中缺乏情境化测量，研究人员开展此项大样本调查以填补空白。研究发现：学生对生成式AI持中等接受度与正向态度，动觉(Kinesthetic, K)偏好仍为整体主导模式，但更频繁自报告AI使用与较高视觉(Visual, V)及读写(Reading/Writing, R)得分、较低K得分相关联；TAM之感知有用性(Perceived Usefulness, PU)、感知易用性(Perceived Ease of Use, PEOU)及使用态度(Attitude Toward Using, ATU)与AI使用频率显著正相关，解释48%方差；不同优势VARK组间TAM及AI态度各维度差异具统计学意义；高频AI使用者VARK得分离散度更低（即偏好更集中于单一模态）。研究意义在于首次将TAM与VARK引入PE生成式AI使用关联分析，提示当前文本及屏幕导向之AI工具可能与强动觉偏好者感知相关性较低，呼吁未来开发融合动作反馈之AI界面，并以教学为基础整合AI以支持多元学习者。
主要关键技术方法
研究人员于2025年10月至12月，招募罗马尼亚某高校1084名全日制体育专业本科生（女468人，男616人；年龄19–28岁，M＝21.03，SD＝1.89；均近半年使用过至少一种数字学习工具）进行横断面调查。采用PE适配版VARK学习偏好量表（测Visual、Auditory[A]、Reading/Writing、Kinesthetic四模态得分）、PE适配版TAM量表（含PU、PEOU及ATU子维度，5点Likert）及PE适配版生成式AI态度量表（含兴趣Interest、行为意向Behavioral Intention、感知安全性Perceived Safety三维度，5点Likert）；AI使用频率为单题自报告5点频率量表。学习画像清晰度(Learning Profile Clarity)操作为四模态得分之标准差（值越小代表越集中于单一优势模态）。数据分析使用SPSS v.26进行描述性统计、Cronbach's α信度检验、单因素方差分析(One-way ANOVA)比较不同优势VARK组间TAM及AI态度差异、多元线性回归估计AI使用频率及各变量对VARK维度之关联，并回归分析AI使用频率等对学习画像清晰度之预测作用；检验正态性、多重共线性(Variance Inflation Factor, VIF＜5)等前提假设，显著性水平p＜.05。
研究结果
- •
描述性统计与信度：TAM各子维度均值接近量表中点（PU：M＝3.08，SD＝0.81；PEOU：M＝3.00，SD＝0.85；ATU：M＝3.18，SD＝0.76），AI态度三维也呈中等偏正向（兴趣M＝3.47，行为意向M＝3.41，安全感M＝3.40）；VARK中K得分最高（M＝10.03，SD＝3.21），V、A、R相近且较低（约M＝6.0），符合PE具身特性。Cronbach's α：TAM_PU＝0.961，TAM_PEOU＝0.964，TAM_ATU＝0.875，AI态度各维度＞0.91，表明PE适配量表具良好内部一致性。性别在各量表无显著差异（p＞.05，Cohen's d近零），故全样本合并分析。
- •
ANOVA——不同优势VARK组间TAM与AI态度差异：以最高模态分数划优势VARK组（平票为多模态排除），单因素ANOVA显示各TAM子维度（PU：F＝54.998；PEOU：F＝51.388；ATU：F＝59.425）及AI态度各维度（兴趣F＝47.331；行为意向F＝45.942；安全感F＝33.710）跨组差异均达p＜.001，效应量η2＝.086–.142（中度）。事后比较显示：优势V与R组报告更高PU、PEOU及正向AI态度；优势K组上述评分偏低，反映具身偏好与文本/屏幕型AI工具感知契合度较低。
- •
多元回归——VARK维度之预测因素：以AI使用频率、TAM(PU、PEOU、ATU)、AI态度(兴趣、行为意向、安全感)为预测变量，分别回归四VARK得分。AI使用频率对V(β＝.38)、A(β＝.34)、R(β＝.40)呈显著正向关联，对K(β＝?.39)呈显著负向关联（均p＜.001），支持假设H1；PU与ATU亦对各VARK维度具显著但较小效应。模型解释VARK_V 26%、VARK_A 22%、VARK_R 29%、VARK_K 31%方差。
- •
回归——生成式AI使用频率之预测：以TAM三维度及AI态度三维度预测自报告AI使用频率，模型显著，R2＝.48。PU(β＝.28)、PEOU(β＝.25)、ATU(β＝.27)及行为意向(β＝.13)、感知安全(β＝.08)均显著正向预测(p≤.001或.034)；兴趣边际显著(p＝.056)，支持H2、H3。表明认知性评价（TAM）较情感性态度更能预测报告之AI参与。
- •
回归——学习画像清晰度(Learning Profile Clarity)之预测：以同组建模预测四VARK得分标准差（学习画像清晰度），仅AI使用频率具显著负向预测(β＝?.62，p＜.001)，即更频繁自报告AI使用与VARK得分更大集中性（低离散）相关联；TAM及AI态度各预测因子均不显著。此结果为探索性分析。
讨论与结论翻译
讨论指出本研究为横断面关联而非因果，VARK得分应理解为情境依赖之自报告偏好而非固定认知风格或匹配教学效果之证据；AI使用仅为自报告频率未记录质量与客观日志。强K得分整体存在说明具身学习未被取代，但AI使用与V/R升高及K降低共存可能反映屏文类AI工具吸引本具视/读偏好者，或二者共享广泛学业投入倾向。TAM是AI使用频率最强预测因子印证有用性为教育技术采纳核心驱动。V/R优势组更高AI接受提示当前GenAI文本视觉输出与部分学习者偏好更合，而强K偏好者可能觉其相关性低，未来可探索动作捕捉、AR等具身导向AI界面。性别无影响支持后续不分性别建模。学习画像集中性之关联须谨慎解读，非指偏好更稳定或更佳。局限性包括横断面无法定方向、未测自决理论(Self-Determination Theory, SDT)动机构念、全自报告可能共同方法偏差、PE适配量表仅做内部一致性未做验证性因子分析、AI使用为单题频率、单地域样本及画像集中度指数为衍生探索指标。
结论（翻译）
本研究表明，在高等教育体育教育情境中，自报告生成式AI使用与学生自报告若干学习环境特征相关联。学生对AI有用性及易用性持中等正向认知，动觉得分总体仍最高，符合该学科运动本位性质。与此同时，更频繁自报告AI使用与较高视觉及读写得分及较低动觉得分相关联。上述发现应解释为关联性而非因果性，不代表稳定学习偏好模式发生改变、不代表客观核实之AI使用、亦非直接测量之AI相关动机感知。技术接受信念是自报告AI使用频率最强预测因子，解释报告参与度之可观比例方差；但该变量反映的是自报告学业生成式AI参与而非客观观察之使用行为，故发现应理解为自报告构念间关联。具较视觉及文本取向自报告偏好模式之学生亦倾向于报告更强AI接受度。此外，较高自报告AI使用频率与VARK得分模式更大集中性相关联，虽此发现应作探索性看待。总体而言，结果支持自报告AI使用、AI态度、技术接受度与自报告学习偏好模式间之关联。本研究未确立因果效应、发展性变化或潜在机制，尤不能判定是视/读偏好者更多使用文本屏显AI致关联、偏好因AI使用强化或双向影响，结果严格视为特定高等教育体育教育情境下横断面关联。
