《Computers and Education: Artificial Intelligence》：Human-AI collaboration in higher education: Exploring the impact of technology expectations and distrust
编辑推荐：
基于期望确认理论（ECT），本研究探索了影响人类-人工智能（AI）协作的因素，并调查了学生对生成式人工智能（GenAI）的不信任所产生的影响。研究人员对高等教育中使用GenAI的学生进行了一项在线调查（N=245）。研究发现，如ECT所预测，努力期望与绩效期望
基于期望确认理论（ECT），本研究探索了影响人类-人工智能（AI）协作的因素，并调查了学生对生成式人工智能（GenAI）的不信任所产生的影响。研究人员对高等教育中使用GenAI的学生进行了一项在线调查（N=245）。研究发现，如ECT所预测，努力期望与绩效期望之间存在正向且显著的关系，并且对GenAI协作的积极确认显著影响意图并对学生行为产生正向影响。研究进一步揭示，GenAI不信任负向调节（1）努力期望与绩效期望之间，以及（2）对GenAI协作的期望确认与协作意图之间的关系。因此，本研究有助于理解不信任在人机协作中的作用，并扩展了ECT在高等教育情境中的理论边界。在实践上，研究结果为教育者和GenAI从业者提供了见解，以开发有效弥合学生不信任与初始期望以及负责任的人机协作行为的战略方法。
**研究背景与目的**
随着生成式人工智能（GenAI）系统（如ChatGPT）在高等教育中的广泛应用，人机协作已成为教育领域的新兴现象。全球调查显示，80%的学生已使用GenAI工具支持学习，但超过一半的学生担忧其提供不准确信息，暴露出不信任问题。现有研究主要关注技术接受模型（如UTAUT）和期望确认理论（ECT）在技术使用中的作用，但尚未深入探讨初始期望如何转化为实际协作行为，以及不信任如何影响这一转化路径。此外，高等教育中关于GenAI协作的实证证据有限，尤其缺乏对北欧国家学生视角的分析。基于此，本研究以ECT为核心理论框架，结合UTAUT中的期望构念，提出三个研究问题：学生对GenAI的期望如何影响协作意图？协作的感知益处和缺点是什么？不信任在协作中起什么调节作用？研究发表于《Computers and Education: Artificial Intelligence》。
**主要技术方法**
本研究采用定量分析路径，通过在线问卷调查收集丹麦一所大学（该校政策从禁止转向负责任整合GenAI）的245名有效学生样本（有效回收率65.5%）。测量工具基于ECT和UTAUT文献改编，包括努力期望、绩效期望、确认、协作意图、人机协作行为和不信任等构念，采用5点Likert量表。数据分析使用偏最小二乘结构方程模型（PLS-SEM）及SmartPLS 4软件，通过5000次自助法评估路径系数，并辅以重要性-绩效地图分析（IPMA）和Harman单因素检验等。
**研究结果**
**5.1 学生感知的协作缺点与益处**
描述性统计显示，学生认为最显著的缺点包括抄袭风险（72.2%同意或强烈同意）、回答不准确（70.6%）、错误引用（58.0%）等；最主要的益处包括节省时间（89.0%）、用户友好（79.2%）、提高生产力（76.7%）和改善学习过程（66.1%）。学生主要使用GenAI进行解释概念、编辑文本、总结文献等高阶认知任务（学习增强），而非单纯自动化写作。这些发现表明，学生同时感知到益处和缺点，为不信任的来源提供了实证基础。
**5.2 测量模型**
通过PLS-SEM评估，各构念的Cronbach's alpha和组合信度（rho_a和rho_c）均高于0.7，平均方差提取量（AVE）大于0.5，表明信度和收敛效度良好。区分效度通过Fornell-Larcker准则和HTMT比值（均低于0.9）验证。方差膨胀因子（VIF）介于1至2.409之间，低于3.3阈值，无多重共线性问题。Harman单因素检验显示最大因子解释44.18%方差，低于50%，且完整共线性VIF值均低于3.3，表明共同方法偏差不显著。
**5.3 结构模型**
路径分析支持H1至H5：努力期望（EE）显著正向影响绩效期望（PE，β=0.530，p<0.001）；EE显著正向影响确认（CON，β=0.122，p<0.05）；PE显著正向影响CON（β=0.571，p<0.001）；CON显著正向影响协作意图（IC，β=0.587，p<0.001）；IC显著正向影响人机协作行为（HC，β=0.513，p<0.001）。调节效应检验显示，不信任（DT）负向调节EE与PE的关系（β=-0.169，p<0.01），支持H6a；DT负向调节CON与IC的关系（β=-0.099，p<0.05），支持H6d；但DT对EE与CON、PE与CON、IC与HC的调节效应不显著，拒绝H6b、H6c和H6e。模型拟合指标SRMR=0.070，NFI=0.884，表明模型拟合良好。R2值分别为PE 50.2%、CON 55.3%、IC 47.2%、HC 31.2%，Q2值均大于0，显示预测相关性。
**5.4 重要性-绩效地图分析（IPMA）**
IPMA结果显示，对于预测IC，CON是最重要的预测因子（总效应0.587），但EE具有最高的绩效水平（76.598）；对于预测HC，CON同样是最重要预测因子（总效应0.301），EE绩效最高（76.709）。这表明尽管确认是关键，但努力期望的现状表现最佳，是优先改进的领域。
**讨论与结论**
讨论部分总结了三个主要贡献。第一，基于ECT，研究澄清了从初始期望到实际协作的路径，发现努力期望正向影响绩效期望，进而影响确认、意图和协作行为，验证了ECT的序列关系。第二，学生同时感知到协作的益处和缺点，表明人机协作并非单一正面或负面体验，其中抄袭风险和不准确回答是主要不信任来源。第三，不信任在期望确认阶段起关键调节作用，削弱了努力期望对绩效期望的正面影响，以及确认对意图的转化，但不影响其他阶段，表明不信任主要阻碍意图形成而非感知或执行。
研究结论翻译如下：本研究探讨了不信任对学生人机协作意图和行为的影响，基于期望确认理论（ECT）提供了三个主要贡献。首先，研究阐明了从学生初始期望到实际人机协作的影响路径，确认了ECT在教育情境中的解释力。其次，研究揭示了学生对GenAI协作的感知益处和缺点可以共存，其中抄袭风险和不准确回答是最突出的缺点，而时间节省和生产力提高是主要益处。最后，研究证实不信任在期望确认阶段起负向调节作用，削弱了努力期望对绩效期望的影响以及确认对协作意图的转化，但未影响其他阶段。这些发现将不信任定位于人机协作中的关键瓶颈，其作用在于阻碍意图形成而非改变感知或执行。理论贡献包括扩展ECT纳入不信任构念，并推动教育创新视角，将不信任视为促进批判性思考和负责任协作的机制。实践上，研究为教育者提供了管理学生不信任、设计AI素养培训及优化协作策略的指导，例如通过开发任务特定教程和反馈机制来弥合期望与行为差距。
