《Sustainability》:Exploring Students’ Intention to Use Generative Artificial Intelligence in Business Administration Education: An Integrated TOE-TAM Model with PLS-SEM and fsQCA
编辑推荐:
工商管理教育依赖于案例分析、战略模拟和复杂决策,所有这些都可以得到生成式人工智能(GenAI)的实质性支持。然而,有限的研究探讨了推动商科学生使用GenAI工具支持其学习意图的机制。为弥补这一空白,本研究旨在通过整合技术-组织-环境(TOE)框架和扩展的技术接
工商管理教育依赖于案例分析、战略模拟和复杂决策,所有这些都可以得到生成式人工智能(GenAI)的实质性支持。然而,有限的研究探讨了推动商科学生使用GenAI工具支持其学习意图的机制。为弥补这一空白,本研究旨在通过整合技术-组织-环境(TOE)框架和扩展的技术接受模型(TAM)(纳入感知信任和感知风险),调查工商管理学生使用GenAI的意图。使用来自385名中国工商管理学生的调查数据,采用结合偏最小二乘结构方程模型(PLS-SEM)和模糊集定性比较分析(fsQCA)的混合分析方法,检查行为意图背后的净效应和配置机制。结果表明,感知易用性和感知信任是使用GenAI意图的两个最强直接预测因子,共同超过感知有用性,并且感知信任是连接认知评估与使用意图的唯一显著中介变量。相比之下,感知风险既没有直接效应也没有中介效应,表明商科学生中存在风险容忍模式。在TOE维度中,环境支持(同伴影响)成为最强大的情境驱动因素,而组织支持促进了感知易用性,但没有直接增强感知有用性。fsQCA结果进一步识别出五种典型的高意图路径,即TAM驱动、信任补偿、环境驱动、组织驱动风险容忍和综合外部支持配置。这些发现为在高等商科教育中设计针对性的GenAI支持策略和同伴驱动干预提供了指导。
**研究背景与问题**
随着生成式人工智能(GenAI)技术的快速发展,如ChatGPT和DeepSeek等工具在内容生成、问答和代码编写等方面展现出接近人类的能力,正在重塑高等教育和信息获取方式。工商管理教育高度依赖案例分析、战略模拟和复杂决策,GenAI可通过情景模拟和实时反馈提供实质性支持。然而,现有研究多聚焦于医学、工程或语言学习等领域,对商科学生使用GenAI意图的机制探讨不足。理论上,现有模型多基于单一框架(如技术接受模型(TAM)或统一技术接受与使用理论(UTAUT)),缺乏整合外部情境因素(技术、组织、环境支持)与内部认知-信任-风险机制的统一分析架构。方法上,多数研究采用线性净效应模型(如回归或结构方程模型),假设各因素对使用意图的影响对称且独立,但实际中学生的意图常由多条件组合形成,且不同配置可能产生相同结果。为此,本研究旨在通过整合技术-组织-环境(TOE)框架与扩展的TAM(纳入感知信任和感知风险),采用偏最小二乘结构方程模型(PLS-SEM)和模糊集定性比较分析(fsQCA)的混合方法,揭示商科学生使用GenAI意图的净效应和配置机制。论文发表在《Sustainability》。
**研究人员开展的研究与结论**
研究人员以385名中国工商管理本科生为样本,通过问卷调查获取数据,采用PLS-SEM检验直接和中介路径,再用fsQCA探索前因条件组合导致高意图的配置。结果发现:感知易用性和感知信任是使用意图的最强直接预测因子,共同超过感知有用性;感知信任是唯一显著中介变量,连接认知评价与使用意图;感知风险既无直接效应也无中介效应,表明商科学生存在风险容忍模式;在TOE维度中,环境支持(同伴影响)是感知易用性最强的情境驱动因素,组织支持促进感知易用性但不直接增强感知有用性;fsQCA识别出五种典型高意图路径:TAM驱动、信任补偿、环境驱动、组织驱动风险容忍和综合外部支持。这些发现为设计针对性的GenAI支持策略和同伴驱动干预提供了指导,推动了GenAI在高等商科教育中的可持续整合。
**主要关键技术方法**
研究人员采用混合分析方法:首先使用PLS-SEM(基于SmartPLS 4.0,10,000次自助抽样)估计直接和中介路径,确保模型信度(Cronbach's α和组合信度均>0.70)、收敛效度(平均方差提取>0.50)和区分效度(Fornell-Larcker准则和HTMT比值<0.85)。随后应用fsQCA 3.0,通过直接校准将变量转换为模糊集隶属分数(5%百分位为完全不隶属,50%为交叉点,95%为完全隶属),进行必要性和充分性分析(频率阈值3,一致性阈值0.80,PRI阈值0.70)。样本来源于中国工商管理本科生,通过问卷星线上收集,经数据清洗后保留385份有效记录。
**研究结果**
**4.1 共同方法偏差**:通过程序性预防(专家评审、预测试、匿名保证)和统计检验(未旋转因子分析第一因子解释45.7%方差,低于50%门槛;所有指标方差膨胀因子介于1.538至2.608,低于3.3),表明共同方法偏差不构成显著威胁。
**4.2 测量模型评估**:所有潜变量的Cronbach's α(0.813-0.865)和组合信度(0.813-0.870)均超过0.70;平均方差提取(AVE)介于0.662-0.778,超过0.50;Fornell-Larcker准则中每个构造的AVE平方根大于其与其他构造的相关系数;HTMT比值介于0.439-0.844,低于0.85,且自助法95%置信区间上限均低于1.0,确认区分效度。
**4.3 结构模型评估**:直接效应中,感知易用性对行为意图影响最强(β=0.263,p<0.001),感知信任次之(β=0.218,p<0.001),感知有用性显著(β=0.166,p<0.05),支持H1a、H1b、H2a;感知风险对行为意图不显著(β=0.058,p>0.05),拒绝H2b。感知易用性正向预测感知有用性(β=0.527,p<0.001),支持H1c。技术支持正向预测感知有用性(β=0.180,p<0.01)和感知易用性(β=0.149,p<0.05),支持H3a、H3b;环境支持对感知易用性影响最强(β=0.303,p<0.001)并预测感知有用性(β=0.215,p<0.001),支持H5a、H5b;组织支持显著预测感知易用性(β=0.215,p<0.001)但不预测感知有用性(β=0.019,p>0.05),支持H4b、拒绝H4a。行为意图强烈预测实际使用(β=0.701,p<0.001),支持H7。模型解释力:感知有用性R2=0.600,感知易用性R2=0.581,感知信任R2=0.529,感知风险R2=0.437,实际使用R2=0.491,行为意图R2=0.301;Stone-Geisser Q2均大于0。中介分析显示,感知信任在感知有用性→行为意图(间接效应0.097,p<0.001,VAF=36.9%)和感知易用性→行为意图(间接效应0.065,p<0.001,VAF=25.8%)中起显著互补性部分中介作用,支持H6a、H6b;感知风险的中介效应不显著,拒绝H6c、H6d。
**4.4 fsQCA结果**:校准后无单一条件是必要条件(一致性均低于0.90)。充分性分析识别出7个配置,分为5条典型路径:(1)TAM驱动路径(配置1和2),以感知有用性、感知易用性和技术支持为核心,环境支持或感知信任为外围;(2)信任补偿路径(配置3和4),感知信任存在而感知易用性缺失,风险共存,组织或环境支持缺失;(3)环境驱动低风险路径(配置5),以环境支持、感知有用性和低风险感知为核心,组织支持和感知信任为外围;(4)组织驱动风险容忍路径(配置6),以组织支持、感知有用性、风险和环境支持缺失为核心,感知易用性和感知信任为外围;(5)综合外部支持路径(配置7),所有三个TOE因素、感知易用性、感知信任和风险共存,感知有用性非必要。整体解一致性0.918,覆盖度0.685。敏感性分析显示,在交叉点±5%扰动下,五条核心路径保持稳定。
**讨论与结论**
讨论部分总结了线性机制与配置机制的互补性:感知易用性和感知信任超越感知有用性成为更强预测因子,源于GenAI的对话界面使易用性成为区分因素,而信任在自主性AI中至关重要;环境支持作为同伴影响主导,组织支持仅促进易用性而不增强有用性,反映了中国集体主义文化及大学对GenAI政策的分化;感知信任作为唯一中介揭示认知-情感路径,而感知风险无显著效应表明风险容忍模式,与隐私悖论文献一致。fsQCA结果进一步揭示:感知风险在净效应中不显著,但在配置中呈现双重角色(存在或缺失),组织支持在不显著净效应下成为特定子群体的补偿性资源。结论部分翻译:本研究探讨了塑造工商管理学生使用GenAI工具支持学业意图的机制。PLS-SEM与fsQCA的整合提供了对这些机制的全面理解。PLS-SEM结果显示,感知易用性和感知信任是意图的最强直接预测因子,环境支持是感知易用性最强的情境驱动因素,技术支持在塑造感知有用性中作用最显著;组织支持呈现不对称性,促进易用性但未能增强有用性;感知信任是唯一显著中介,形成连接认知评价与意图的认知-情感路径;相比之下,感知风险既不直接抑制意图也不作为中介机制,表明商科学生中存在风险容忍模式。fsQCA结果通过识别7个配置(归为5条典型路径)补充了线性模型,这些路径导致高行为意图;感知风险和感知组织支持在净效应分析中不显著,但在特定学生群体中发挥决定性配置作用;强同伴影响和高感知信任是跨多条路径的基础条件,而感知有用性的缺失可由综合外部支持补偿。