预测高等教育学生持续使用生成式人工智能工具进行学术工作的意愿和自我报告使用：一项扩展的UTAUT混合方法研究

《Acta Psychologica》：Predicting higher education students' continued intention and self-reported use of generative AI tools in academic work: An extended UTAUT mixed-methods study

　　

本研究调查了影响中国高等教育学生持续使用生成式人工智能（GenAI）工具进行学术工作的意愿和自我报告使用的因素。基于扩展的技术接受与使用统一理论（UTAUT）模型，研究人员考察了绩效期望（PE）、努力期望（EE）、社会影响（SI）、促进条件（FC）、行为意图（BI）、使用行为（UB）和感知知识（PK）的作用。采用了解释性顺序混合方法设计。在定量阶段，使用结构方程模型分析了580名大学生的调查数据。在定性阶段，进行了后续的半结构化访谈，以解释和阐述定量结果。结果显示，绩效期望、社会影响和感知知识显著预测了学生使用GenAI的行为意图，而促进条件与行为意图与自我报告的使用行为相关。努力期望并未显著预测行为意图，表明仅凭易用性可能不足以解释已经认为这些工具可访问的学生对GenAI的持续使用。访谈结果进一步表明，学生主要将GenAI用于头脑风暴、校对、解释和问题解决，但他们也表达了对过度依赖、学术诚信以及AI生成内容可靠性的担忧。该研究通过展示学生在学术环境中使用GenAI受到预期有用性、社会影响以及他们对如何使用和评估AI输出的感知知识的影响，为GenAI持续使用研究做出了贡献。为设计AI素养培训、课堂指导和负责任使用GenAI的机构政策提供了实践意义。

**论文解读：预测高等教育学生持续使用生成式人工智能工具进行学术工作的意愿和自我报告使用——一项扩展的UTAUT混合方法研究**

**研究背景与问题**

生成式人工智能（GenAI），特别是大型语言模型（LLMs），正深刻重塑高等教育范式。与基于规则的早期AI不同，GenAI具备自主内容生成、创造性综合和情境敏感的自然语言交互能力，为学生提供个性化对话、自适应问题解决和动态知识创造。然而，其非确定性输出引发准确性、可靠性（“幻觉”）和认知依赖等担忧。现有技术接受模型（如UTAUT）虽在确定性系统中稳健，但可能无法完全捕捉GenAI集成中的复杂性与不确定性。此外，现有研究多依赖定量调查，忽视情境依赖的动机与伦理关切，且非西方文化背景研究匮乏。中国高等教育背景具有独特性：高集体主义与权力距离可能放大社会影响和制度权威；高利害考试文化（如高考）使绩效导向工具尤为突出；国内GenAI工具（如DeepSeek、文心一言、豆包）生态与西方不同。因此，本研究旨在：（1）扩展UTAUT框架，引入感知知识（PK）作为额外解释构念；（2）探索中国高等教育背景下塑造学生持续使用模式的文化特定性与涌现行为。

**研究设计与方法**

研究人员采用解释性顺序混合方法设计，定量阶段收集并分析来自北京、上海、广州、深圳25所大学的580份有效问卷（发放1200份，回收率48.3%），使用结构方程模型（SEM）检验假设；定性阶段从定量受访者中选取15名进行半结构化访谈，使用主题分析法解释定量结果。样本纳入标准为近六个月内至少使用过一种GenAI工具（如ChatGPT、DeepSeek、文心一言、Bing Chat、豆包）进行学术活动的在校本科生或研究生。定量数据通过问卷星平台收集，历时5个月；定性数据通过腾讯会议转录，由第一、第二作者独立编码，在NVivo中分析以达到主题饱和。

**研究结果**

**5.1. 定量结果**

**5.1.1. 描述性统计**：所有测量题项均值大于3.5（六点李克特量表），表明学生对GenAI工具持积极态度。标准差介于0.64至1.5，显示适度变异。

**5.1.2. 可靠性/效度检验**：克朗巴赫α值均超过0.70，组合信度（CR）均高于0.70，平均方差提取量（AVE）均大于0.50，表明收敛效度可接受。异质-单质比率（HTMT）值介于0.648至0.816，低于0.85阈值，表明区分效度良好。模型拟合指数（CFI=0.94, RMSEA=0.027, SRMR=0.02）均达到推荐标准。

**5.1.3. 假设检验**：七项假设中六项得到支持。绩效期望（PE→BIU, β=0.24***, p<0.001）、社会影响（SI→BIU, β=0.21***, p<0.001）和感知知识（PK→BIU, β=0.36***, p<0.001）显著正向预测行为意图；促进条件（FC→UB, β=0.47***, p<0.001）、感知知识（PK→UB, β=0.31***, p<0.001）和行为意图（BIU→UB, β=0.18***, p<0.001）显著正向预测自我报告使用行为。努力期望（EE→BIU, β=?0.002, p=0.785）未显著预测行为意图。模型解释行为意图60%方差（R²_BIU=0.60），解释使用行为52%方差（R²_UB=0.52）。

**5.2. 定性结果**

**5.2.1. 主题1：GenAI工具的有效性**：参与者强调GenAI的便利性、可访问性和多功能性，如24/7陪伴、多模态交互、个性化反馈。学生将其视为“智能学者”或“学习导师”，提升学习效率和情感投入。

**5.2.2. 主题2：可供性与感知便利性作为GenAI工具采用的驱动因素**：直观设计、用户友好界面和随时随地的可用性驱动初始采用和持续使用。但访谈表明，易用性被视为基线期望，而非行为意图的决定性因素，这与定量中EE不显著一致。

**5.2.3. 主题3：使用GenAI工具的局限性、犹豫与陷阱**：学生担忧过度依赖导致批判性思维侵蚀、AI生成内容缺乏深度、模板化输出以及学术诚信问题。部分学生承认产生认知负荷转移，反思性使用不足。

**讨论与结论**

**讨论**：定量结果确认了感知知识作为扩展UTAUT构念的强预测力（β=0.36），定性访谈揭示其双重角色：高PK学生利用GenAI进行元认知任务（如校对草稿），低PK学生依赖其进行基本信息检索。绩效期望的显著效应（PE→BIU, β=0.24***）与以往研究一致，表明学生重视工具对学术目标的提升。努力期望不显著，结合定性数据，解释为易用性已成为既定期望，不再区分意图强弱。社会影响的显著效应（β=0.21）在中国高语境文化中被放大，符合集体主义规范。促进条件对使用行为的强直接效应（β=0.47）表明资源可及性至关重要。定性主题进一步揭示GenAI作为“游戏改变者”的双刃剑特性：既是高效学习伴侣，又引发对可靠性、依赖性和伦理的深层担忧。

**结论**：该顺序解释性混合方法研究在扩展UTAUT框架下，量化了影响中国高等教育学习者持续使用GenAI工具（如Bing Chat、豆包、ChatGPT-4.0、文心一言、DeepSeek）进行学术支持的意愿和自我报告使用的因素。定性发现补充了三个主导主题：GenAI作为学术伴侣的有效性与情感共鸣；可供性和感知便利性作为持续使用驱动因素；对过度依赖、学术诚信和AI生成内容可靠性不均的担忧。研究结果表明，持续使用更多由感知有用性和社会规范驱动，而非易用性，且伦理素养必须伴随技术培训。理论贡献在于将感知知识纳入UTAUT，显示持续使用是知识引导的过程；实践建议包括设计AI素养培训、制定清晰课堂和机构指南，以及设计需要学生评估而非仅接受AI输出的学习活动。未来研究应跨学科、跨机构、跨文化考察持续使用，并采用纵向设计捕捉感知知识与使用行为的演变。