《Frontiers in Psychology》：Modeling foreign language majors’ adoption intention of Chinese GenAI tools: an extended TAM with perceived teacher attitude and peer influence
编辑推荐：
本研究探讨了塑造外语专业学生对中国生成式人工智能（Generative Artificial Intelligence, GenAI）工具采纳意愿的关键决定因素。研究人员采用扩展的技术接受模型（Technology Acceptance Model, TAM）
本研究探讨了塑造外语专业学生对中国生成式人工智能（Generative Artificial Intelligence, GenAI）工具采纳意愿的关键决定因素。研究人员采用扩展的技术接受模型（Technology Acceptance Model, TAM），考察了两个未被充分探索的关键社会因素的作用：感知教师态度（Perceived Teacher Attitude, PTA）和同伴影响（Peer Influence, PI）。研究采用了定量方法，通过在线问卷调查收集了来自中国多所高校的423名外语专业学生的数据。研究人员通过结构方程模型（Structural Equation Modeling, SEM）对所提出的理论模型和假设关系进行了严格分析。结果显示，同伴影响（PI）和态度（Attitude, ATT）是采纳意愿的直接正向预测因子。值得注意的是，限制性的同伴影响（PI）与采纳意愿无显著关联，而支持性的感知教师态度（PTA）则显示出显著的正向关联。本研究扩展了技术接受模型（TAM），并表明简单的禁止或被动倡导不足以促进人工智能的有效应用。教育利益相关者应采取措施顺应人机协作的未来趋势。
论文解读
研究背景
随着人工智能（Artificial Intelligence, AI）技术的飞速发展，其在语言教育领域的创新浪潮为学习者提供了个性化支持，显著提升了语言熟练度、学习动机与自主性。特别是在计算机辅助语言学习（Computer-Assisted Language Learning, CALL）中，AI极大地增强了交互性、反馈及时性和资源整合能力。然而，对于外语专业学生而言，这一技术进步带来了前所未有的挑战。不同于将语言视为纯粹工具的一般英语学习者，外语专业旨在培养专业的语言人才、跨文化交际者和文学研究者。主流AI语言工具现已能高效处理常规翻译、基础文案撰写、语法纠错和语音对话等核心技能，这直接冲击了传统外语专业的定位，削弱了学生的核心竞争力，引发了其对学术发展与职业前景的焦虑。与此同时，中国高校的外语教学仍深陷传统模式，多数院校未针对AI浪潮调整人才培养方案，教师的AI素养参差不齐，导致学生缺乏深度协作意识与能力，往往仅将AI用于浅层作业完成。在此背景下，中国语境下的GenAI应用呈现出独特性，受可及性、成本和数据安全考量影响，国产GenAI应用（如DeepSeek、豆包、文心一言）凭借免费、用户友好及本地化支持等优势占据主导，但针对此类工具在外语专业中接受度的系统性研究尚属空白。
研究方法
本研究聚焦于中国南方广西与湖南两省六所本科院校的423名外语专业学生。研究人员采用定量研究设计，通过“超星”在线问卷调查平台收集数据。研究工具包含三个部分：第一部分收集人口统计学信息及对国产GenAI工具的熟悉度与使用频率；第二部分测量核心TAM构念，包括感知有用性（Perceived Usefulness, PU）、感知易用性（Perceived Ease of Use, PEU）、使用态度（Attitude Toward Using, ATT）和行为意向（Behavioral Intention, BI），共13个题项，改编自成熟量表；第三部分测量两个外部变量，即感知教师态度（PTA）和同伴影响（PI），共8个题项。所有量表均采用李克特五点量表，并经过严格的翻译、回译、专家评审及预测试以确保文化适应性。数据分析采用SPSS 29.0和RStudio进行，包括探索性因子分析（Exploratory Factor Analysis, EFA）、验证性因子分析（Confirmatory Factor Analysis, CFA）和结构方程模型（SEM），并使用偏差校正百分位Bootstrap法检验中介效应。
研究结果
信效度检验
问卷整体Cronbach's α系数为0.862，各构念α值在0.766至0.842之间，超过0.70阈值，表明内部一致性良好。组合信度（Composite Reliability, CR）均大于0.7，平均方差萃取量（Average Variance Extracted, AVE）除限制性PTA略低（0.482）但其CR达标外，其余均大于0.5，收敛效度可接受。区分效度通过Fornell-Larcker准则验证，各构念AVE平方根均大于其与其他构念的最高相关性。单因子Harmon检验显示第一个未旋转因子解释方差为28.20%，低于50%阈值，表明不存在严重的共同方法偏差。
结构模型结果
结构方程模型拟合指数良好（χ2/df = 2.44, CFI = 0.919, TLI = 0.904, RMSEA = 0.062）。研究假设检验显示：支持性PTA对PU（β = 0.198, p = 0.012）和BI（β = 0.126, p = 0.021）有显著正向影响，但对PEU无显著影响；限制性PTA对PU、PEU及BI均无显著影响。同伴影响（PI）对PU（β = 0.259, p < 0.001）和PEU（β = 0.208, p < 0.001）均有显著正向影响，且对BI（β = 0.343, p < 0.001）有直接正向预测作用。经典的TAM路径得到验证：PEU显著正向影响PU（β = 0.217, p < 0.001）；PU和PEU均显著正向影响ATT（β = 0.363和0.279, p < 0.001）；ATT显著正向影响BI（β = 0.590, p < 0.001），是所有预测变量中对BI影响力最大的。模型解释了BI 55.8%的方差。
中介效应结果
5000次抽样的Bootstrap分析表明，同伴影响（PI）通过PU和ATT的序列中介作用对BI产生显著间接效应（β = 0.016, 95% CI [0.003, 0.033]），以及通过PEU和ATT的序列中介作用产生显著间接效应（β = 0.012, 95% CI [0.001, 0.028]）。然而，PTA的两个维度通过PU、PEU和ATT对BI的间接效应均不显著。核心TAM关系中，PEU通过ATT对BI的间接效应显著（β = 0.086, 95% CI [0.051, 0.124]）。
讨论与结论
讨论
本研究揭示了外部因素对核心TAM构念的差异性关系。支持性PTA与采纳意愿呈边际显著正相关，而限制性PTA则无显著关联。这表明在数字化时代，学生的技术自主性增强，单纯的禁令难以奏效，甚至可能因使用环境的不可见性而被忽视。相比之下，同伴影响（PI）作为多维驱动因素，通过社会比较和观察学习显著塑造了学生的认知与情感评估。经典的TAM核心构念关系在本语境下依然稳健，PEU不仅直接影响ATT，还通过提升PU间接发挥作用。态度（ATT）被证实为连接感知与行为意向的最强桥梁。
结论
本研究通过扩展的TAM框架，探讨了外语专业学生对中国GenAI工具的采纳意愿。结果表明，同伴影响（PI）与行为意向（BI）存在显著的直接关联，并通过PEU和PU产生间接关联。在预测因子中，态度（ATT）对BI的直接关联最大，PU通过其介导显示出显著的间接关联。关于PTA的两个维度，限制性PTA与学生的采纳意愿无直接或间接的显著关联，而支持性PTA则显示出边际显著的正向直接关联。
本研究的意义在于将TAM的应用范围扩展至GenAI工具接受度领域，并将关键外部变量“社会影响”细分为感知教师态度和同伴影响两个维度，明确了其独特作用。研究发现打破了传统技术辅助环境中教师态度必然正向影响学生使用意愿的认知局限，揭示了AI融入外语教学场景的独特性。实践层面，研究启示政策制定者与教育者应将人才培养转向“人机协作”核心轨道，高校需调整方案以嵌入AI素养，教师应主动适应变化，优化教学设计，引导学生掌握提示工程、批判性评估及译后编辑等核心技能。
