《Frontiers in Psychology》：AI overuse in education extending the technology acceptance model with Confucian cultural moderation
编辑推荐：
摘要：人工智能（AI）辅助写作工具（如ChatGPT）迅速兴起，在高等教育中引发了快速技术采纳的社会技术现象。传统模型聚焦于早期采纳，但理解导致AI过度使用的行为路径至关重要。总之，本研究通过开发一个序列中介模型丰富了技术接受模型（TAM）：感知（有用性PU/
摘要：人工智能（AI）辅助写作工具（如ChatGPT）迅速兴起，在高等教育中引发了快速技术采纳的社会技术现象。传统模型聚焦于早期采纳，但理解导致AI过度使用的行为路径至关重要。总之，本研究通过开发一个序列中介模型丰富了技术接受模型（TAM）：感知（有用性PU/易用性PEOU）→满意度→习惯→AI过度使用，并探讨了儒家文化价值观作为调节变量对该过程的边界条件。通过混合模式调查，从2024年12月至2025年2月，研究人员采用系统随机抽样方法，对中国重庆市六所高校的教育工作者进行了个体拦截和在线分发相结合的数据收集。基于偏最小二乘结构方程模型（PLS-SEM）检验了直接效应、中介效应和调节效应。结果证实了部分中介：效用和易用感知驱动用户满意度，进而激发行为自动化（习惯），从而促进高强度使用；研究将AI过度使用描述为技术加速过程中的相对高强度和目标导向的行为结果，区别于临床成瘾。在调节能力方面，儒家价值观基于对集体福祉的重视，显著增强了感知有用性对满意度的影响。有趣的是，当变量为感知易用性（认知障碍）和习惯（心理边界）时，这些文化效应被调节。理论上，本研究为分析加速技术采纳提供了新视角，并在儒家教育模式中指导了针对性的数字可持续性干预措施。
**论文解读：教育中AI过度使用的行为路径与儒家文化调节作用——基于扩展技术接受模型的研究**
**1. 研究背景、问题及意义**
人工智能（AI）辅助写作工具（如ChatGPT、Grammarly、讯飞输入法）的普及极大改变了学术写作实践，在教育领域，教师利用这些工具制作教学材料、撰写反馈、改善学术沟通并减轻文书工作，提升了效率与语言准确性。然而，这种快速正常化也引发了公众对过度依赖的担忧，尤其是在写作与专业权威和学术诚信紧密关联的高等教育领域。已有文献多将数字过度使用（Digital Overuse）视为成瘾行为，但教育工作者使用AI写作工具的模式并非必然具有病理性，更多是出于追求工作效率的理性动机。因此，将AI过度使用重新概念化为一种社会技术现象——即持续依赖AI文本来完成基本写作任务，使人类作者从主动写作者转变为被动监督者——具有重要理论与实践意义。
传统技术采纳模型（Technology Acceptance Model, TAM）聚焦于初始采纳，但不足以解释采纳后的行为。满意度（satisfaction）与习惯（habit）在持续使用中发挥关键作用，然而尚未有研究在AI辅助写作情境下检验满意度—习惯路径。此外，传统文化（如儒家价值观）是影响个人技术采纳决策的重要系统因素，尽管技术可能具有功能上的有用性和易用性，但只有当其与稳定的传统文化价值观匹配时，人们才会真正接受。儒家价值观强调集体福祉、社会和谐与责任，可能促使教育工作者在感知AI工具有利于集体效率时过度使用，从而加剧依赖。
基于上述缺口，本研究提出了AI写作过度使用模型，旨在回答两个研究问题：（1）教育工作者的AI写作工具感知（有用性PU和易用性PEOU）如何通过满意度与习惯的序列中介影响AI过度使用？（2）儒家价值观如何调节技术感知、满意度与习惯形成之间的关系？本研究不采用零假设显著性检验框架，而是基于PLS-SEM的探索性导向。贡献在于：将AI过度使用重构为非病理性的行为结果；将TAM扩展至包含采纳后心理机制与社会文化调节；为负责任且可持续的AI集成提供政策启示。
**2. 主要关键技术方法**
本研究采用混合模式抽样（mixed-mode sampling）收集数据。样本取自中国重庆市六所大学（包括重庆大学、西南大学、重庆工程学院、重庆城市管理职业学院等），通过分层随机抽样确保机构多样性。数据收集时间为2024年12月至2025年2月，采用面对面拦截与在线分发（通过问卷星平台）相结合的方式，最终获得445份有效问卷。采用偏最小二乘结构方程模型（PLS-SEM）进行数据分析，并通过自助法（bootstrapping，5000次重抽样）检验路径显著性。调节效应采用简单斜率分析。
**3. 研究结果**
**3.1 测量模型评估**
在删除因子载荷介于0.4-0.7且删除后能提升信度的题项（CV03和HAB04）后，所有构念的复合信度（CR）均高于0.7，平均方差提取量（AVE）均高于0.5，表明具有良好的信度与收敛效度。判别效度通过HTMT比率检验，所有值均低于0.85，满足要求。方差膨胀因子（VIF）均小于5，不存在多重共线性问题。
**3.2 结构模型评估**
直接效应：感知有用性（PU）对满意度（SAT）有显著正向影响（β=0.342, p<0.001），支持H1；感知易用性（PEOU）对满意度有显著正向影响（β=0.364, p<0.001），支持H2；满意度对习惯（HAB）有显著正向影响（β=0.405, p<0.001），支持H3；习惯对AI过度使用（AO）有显著正向影响（β=0.456, p<0.001），支持H4。
中介效应：PU通过满意度-习惯序列对AO的间接效应显著（β=0.063, p<0.001），支持H5；PEOU通过满意度-习惯序列对AO的间接效应显著（β=0.067, p<0.001），支持H6。这表明感知通过满意度驱动习惯形成，进而导致过度使用。
调节效应：儒家价值观（CV）显著正向调节PU与SAT之间的关系（H7: β=0.059, p<0.10）。简单斜率分析显示，高儒家价值观组（β=0.401, p<0.001）比低儒家价值观组（β=0.283, p<0.001）的PU对SAT的影响更强。而CV对PEOU与SAT关系的调节（H8）不显著（β=0.014, p>0.05），对SAT与HAB关系的调节（H9）也不显著（β=-0.023, p>0.05）。
模型解释力：PU和PEOU共同解释了SAT 35.8%的方差（R2=0.358），SAT解释了HAB 17.2%的方差，HAB解释了AO 20.8%的方差。所有Q2值均大于0，表明模型具有良好的预测相关性。
**4. 讨论与结论**
**讨论**：本研究证实了满意度与习惯在感知与过度使用之间的序列中介作用，将传统TAM扩展至采纳后阶段。AI过度使用并非源自病理性成瘾，而是由生产力驱动的目标导向行为通过满意度与习惯强化所致，这一点与成瘾框架形成对比。儒家价值观正向调节了PU与满意度之间的关系，表明具有较强儒家价值观的教育工作者在感知AI工具有用时会获得更高满意度，从而更易沿满意度→习惯→过度使用路径发展。但儒家价值观并未调节PEOU与满意度之间的关系，因为易用性属于功能认知评估，受文化影响较弱；也未调节满意度与习惯之间的关系，因为习惯形成主要基于通用心理强化机制，文化影响在后期自动阶段减弱。
**结论**：本研究将AI过度使用概念化为一种非病理性的社会技术现象，通过序列中介模型阐明了感知→满意度→习惯→过度使用的行为路径，并证实了儒家价值观在早期评价阶段的调节作用。研究建议教育政策应关注AI工具的设计与培训需与集体文化价值观对齐，并解决系统性的工作量压力，而非单纯限制使用。未来研究应在跨文化与纵向设计中验证本模型的普适性与因果方向。
