对人工智能时代中数字态度、认知投入和数字自我效能作为学习效果决定因素的两阶段结构方程模型-人工神经网络分析

《Scientific Reports》：A two-stage SEM–ANN analysis of digital attitude, cognitive engagement, and digital self-efficacy as determinants of learning effectiveness in the AI era

　　

摘要

尽管人工智能的快速发展对教育产生了深远影响，但学生的学习效果依然是学习者和教育者追求的最终目标。本研究旨在探讨人工智能时代影响学习效果的核心因素。具体而言，我们研究了数字自我效能感、数字态度与认知投入之间的相互作用，以及它们在数字化学习过程中如何提升学习效果。在这项实证研究中，我们采用了结构方程模型和人工神经网络相结合的双重分析方法，来分析这些因素之间的关联，并评估所提出模型的预测能力。研究结果证实了各变量之间所有直接和间接关联的重要性。尤其是，认知投入在数字态度与学习效果之间的关系中起着中介作用，而人工智能自我效能感则对态度对学习投入的影响具有调节作用。为充分考虑模型的非线性和复杂性，我们还通过引入人工神经网络来分析该模型的预测能力。这种方法不仅能够帮助我们评估预测能力，还能确定自变量对因变量预测效应的重要程度。研究结果显示，数字自我效能感是影响学生感知学习效果的最关键因素，其次是认知投入以及对教育人工智能技术的数字态度。