《Frontiers in Psychology》：Unpacking the dual-path trust mechanism driving students' continuance intention toward campus GenAI: a hybrid SEM-machine learning approach within the S-O-R framework
编辑推荐：
随着生成式人工智能（GenAI）代理嵌入高等教育，理解学生的持续使用意愿（CUI）至关重要。为解决关于校园AI环境如何与用户信任相关联这一尚未充分探索的机制，研究人员采用刺激-机体-反应（S-O-R）框架，研究双路径信任机制：AI系统类信任（AST）和AI人类
随着生成式人工智能（GenAI）代理嵌入高等教育，理解学生的持续使用意愿（CUI）至关重要。为解决关于校园AI环境如何与用户信任相关联这一尚未充分探索的机制，研究人员采用刺激-机体-反应（S-O-R）框架，研究双路径信任机制：AI系统类信任（AST）和AI人类类信任（AHT）。通过结合偏最小二乘结构方程模型（PLS-SEM）和非参数随机森林分类的混合方法，研究人员分析了大学生对校园GenAI的持续使用意愿（CUI）。研究结果表明，信息质量（IQ）和服务质量（SQ）与AST和AHT路径均呈正相关。相反，促进条件（FC）和绩效期望（PE）在同时结构估计中未表现出独立的线性关联。这一配置并非表明功能价值的经验缺失，而是揭示了数字原生代中的整体评估机制，其中基本功能可供性作为基线卫生约束，其方差被质量属性所吸收。值得注意的是，虽然AST和AHT在结构路径框架内对CUI均施加了显著且显著的线性驱动力，但探索性机器学习分析表明，在递归划分下，AHT表现出更高的相对预测权重。此外，在线性中介渠道内存在局部不对称性，其中服务质量（SQ）选择性地调动AHT而非AST以驱动持续使用。事后检查表明，绩效期望（PE）通过非线性阈值动态运作，主要转变为用户感知积极范围内的主动预测催化剂。研究人员的研究有助于校园AI服务评估，强调在当代GenAI生态系统中，学生的评估重点优先考虑关系质量和认知质量而非功能可及性。建议校园应用管理员和开发者优先考虑内容严谨性和响应式、共情式交互设计，以培养与持续参与相关的关系信任。
**论文解读：基于S-O-R框架的校园GenAI持续使用意愿双路径信任机制研究**
**研究背景与问题**
随着生成式人工智能（GenAI）在高等教育中的深度嵌入，理解学生持续使用意愿（CUI）成为关键。现有研究多将信任视为单维结构，未充分解释校园AI环境配置如何通过认知型（AI系统类信任，AST）与情感型（AI人类类信任，AHT）双路径信任动态激活用户持续行为。为此，研究人员整合技术接受与使用统一理论（UTAUT）和信息系统成功模型（ISS），在刺激-机体-反应（S-O-R）框架下构建双路径信任中介模型，探讨环境刺激（促进条件、绩效期望、信息质量、服务质量）如何通过AST与AHT影响CUI。该研究发表于《Frontiers in Psychology》。
**研究内容与结论**
研究人员采用混合方法：偏最小二乘结构方程模型（PLS-SEM）检验理论假设路径，非参数随机森林（RF）分类进行数据驱动预测验证。样本来自中国上海商学院和上海第二工业大学两所部署校园AI代理的高校，通过便利抽样收集633份有效问卷（年龄17-24岁，本科生）。结果表明：信息质量（IQ）和服务质量（SQ）对AST和AHT均有显著正向影响（IQ→AST: β=0.538, p<0.001; IQ→AHT: β=0.433, p<0.001; SQ→AST: β=0.227, p<0.001; SQ→AHT: β=0.322, p<0.001）；而促进条件（FC）和绩效期望（PE）的线性路径均不显著。中介分析显示，IQ和SQ通过双路径信任对CUI产生显著间接效应（IQ总间接效应β=0.338，SQ总间接效应β=0.205）。RF分类器在测试集上达到87.4%准确率，AHT为最强预测因子（重要性权重0.5094），且PE存在非线性阈值激活——仅在用户感知达到积极临界值后转化为有效预测催化剂。
**关键技术方法**
1. **PLS-SEM**：用于评估测量模型（信度、收敛效度、判别效度）和结构模型（假设检验、中介效应），采用5000次Bootstrap重抽样。
2. **随机森林分类**：基于均值降维（MDI）进行特征重要性排序，通过五折交叉验证优化超参数（n_estimators=100-800, max_depth=5-30等），并利用偏依赖图（PDP）揭示PE的非线性阈值动态。
样本来源：中国上海两所高校（上海商学院、上海第二工业大学）的本科生，排除未使用或低频用户。
**研究结果**
**5.1 测量模型评估**
所有构念的Cronbach‘s α（0.896-0.932）、组合信度CR（0.924-0.952）、平均方差提取量AVE（0.694-0.846）均超过阈值，Forner-Larcker准则与HTMT比值（AST与AHT的HTMT=0.874，低于0.90上限）证实判别效度。
**5.2 结构模型评估**
模型解释力：AST的R2=0.536，AHT的R2=0.527，CUI的R2=0.477，Q2均为正。假设检验显示：H3a、H3b、H4a、H4b、H5a、H5b成立；H1a、H1b、H2a、H2b不成立。嵌套模型比较证实双路径信任框架优于单维信任模型（CUI的R2: 0.477 vs 0.423；GoF: 0.630 vs 0.578）。
**5.3 中介分析**
通过偏差校正Bootstrap置信区间，IQ通过AST和AHT对CUI的间接效应显著（β=0.146及β=0.192），SQ通过AHT的间接效应（β=0.143）显著大于通过AST的间接效应（β=0.062），而FC和PE的间接效应均不显著。
**5.4 随机森林分析**
优化RF分类器准确率87.4%，加权平均F1=0.87。特征重要性排序：AHT（0.5094）> IQ（0.1682）> AST（0.1645）> PE（0.0751）> SQ（0.0532）> FC（0.0295）。与PLS-SEM结果收敛：AHT为最强预测因子，IQ为关键刺激；但PE在RF中保留预测足迹（排名第4），而PLS-SEM中其线性路径不显著。PDP揭示PE在阈值>4.0时出现局部跃升，证实非线性激活机制。
**讨论与结论**
讨论部分指出：IQ和SQ作为双路径信任的关键锚点，其中IQ兼具认知与情感触发功能（符合计算机作为社会行动者范式），SQ更倾向激活AHT。FC和PE的线性不显著反映数字原生代中功能可供性已演变为基线卫生约束，其方差被质量属性吸收。并行信任路径的Bootstrap差异检验显示AST与AHT对CUI的直接效应统计等价，但SQ通过AHT的中介效应显著强于通过AST，表明服务交互性优先通过情感信任渠道。跨方法验证揭示PE的非线性阈值动态——仅在用户感知积极范围内激活。结论部分强调：校园GenAI环境中，信息质量和服务质量是双路径信任的结构性锚点，促进条件和绩效期望在全局线性模型中不显著，但绩效期望通过非线性阈值发挥作用；情感型关系信任（AHT）是与行为承诺关联的主要心理锚点。建议校园开发者优先内容严谨性与响应式共情交互设计，以培养关系信任和持续参与。
