《Sustainability》:Higher Education Students’ Trust Formation and Behavioral Intention Toward GenAI in Interdisciplinary Learning: A Behavioral Reasoning Theory Perspective
编辑推荐:
生成式人工智能(Generative Artificial Intelligence, GenAI),凭借其整合多学科知识并解决复杂问题的能力,已在高等教育学生的跨学科学习中得到广泛应用。然而,由于其存在幻觉(hallucination)与隐私担忧等问题,其可
生成式人工智能(Generative Artificial Intelligence, GenAI),凭借其整合多学科知识并解决复杂问题的能力,已在高等教育学生的跨学科学习中得到广泛应用。然而,由于其存在幻觉(hallucination)与隐私担忧等问题,其可靠性仍备受争议,导致学生在实际使用中常在信任与怀疑之间摇摆。为考察GenAI信任形成的内在机制及其对行为意向的影响,本研究采用行为推理理论(Behavioral Reasoning Theory, BRT),并结合偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM)与模糊集定性比较分析(fuzzy-set Qualitative Comparative Analysis, fsQCA)的混合分析方法。PLS-SEM结果表明,感知有用性、信息准确性和信息清晰性正向影响信任,而幻觉风险与跨学科情境不敏感(Interdisciplinary Context Insensitivity, ICI)则阻碍信任形成。自主性学习(Autonomous Learning, AL)强化了使用GenAI的支持性理由,同时部分抑制了反对性理由(隐私担忧除外)。此外,感知有用性、信息清晰性和信任对行为意向具有显著正向影响。fsQCA结果揭示,信息清晰性和低幻觉风险是高信任的核心条件,感知有用性和信任则是高行为意向的核心条件。值得注意的是,一种组态显示,对GenAI的信任与对幻觉风险的担忧并存,表明用户的GenAI使用意愿反映的是一种妥协而非风险担忧的缺失。总体而言,本研究为技术信任与采纳背后的心理机制提供了细致入微的理解,并为GenAI在跨学科学习中的应用提供了实践启示。
**论文解读:高等教育学生跨学科学习中GenAI信任形成与行为意向的双路径机制研究**
**一、研究背景与问题提出**
生成式人工智能(Generative Artificial Intelligence, GenAI)的快速发展正在深刻改变高等教育领域的面貌。与传统人工智能系统依赖开发者预设规则不同,GenAI通过对大规模多学科数据集的深度学习,能够生成文本、图像、音频等多模态内容,并能在一定程度上模拟人类推理过程,实现复杂问题的解释、综合与拓展。这一技术特性使其在跨学科教育中展现出独特优势,为长期困扰高等教育的跨学科学习难题提供了新的破解思路。
跨学科学习长期被视为高等教育中的复杂领域,涉及整合多学科的知识、方法和视角来理解单一学科无法有效回应的复杂问题。然而,这一学习模式面临双重挑战:学生方面,学习者往往缺乏其他学科的背景知识,制约其有效理解和整合多学科知识的能力;教师方面,教师倾向于固守自身学科专长,且面临教学时间成本高、协调机制不足等现实约束,进一步限制了跨学科学习的有效实施。GenAI的出现为解决这些挑战提供了新的可能,其在功能层面可帮助学生弥补学科知识鸿沟、整合多学科洞见,在学习体验层面可增强学生的自我调节能力、元认知、学习效果与自我效能感。
尽管GenAI在跨学科教育中展现出巨大潜力,但其输出的真实性、可靠性和可控性方面的担忧依然普遍存在,制约了其在跨学科学习中的深入应用。GenAI系统固有的不透明性和不可预测性使学生难以理解知识生成的全过程,导致对其输出信息准确性和权威性的质疑;GenAI可能产生幻觉现象,即生成看似合理实则错误或毫无意义的内容,一旦学生意识到此类问题,其对GenAI真实性和可靠性的信任便会降低;此外,隐私与安全担忧也进一步阻碍学生将GenAI视为可信赖的学习伙伴。更重要的是,在跨学科学习中,学生经常接触超出自身知识背景的陌生学科内容,这使其在面对难以验证且缺乏权威支持的GenAI输出时更加谨慎,从而放大了与不可预测性、幻觉和隐私风险相关的担忧。在这些因素的共同作用下,学生在使用GenAI进行跨学科学习时常常陷入信任困境,在依赖与怀疑之间摇摆。
现有关于GenAI信任的研究大多侧重于单一方面,要么聚焦促进信任的因素,要么关注抑制信任(导致不信任)的因素,鲜有研究在统一框架或情境中同时涵盖两者。然而,跨学科学习中的学生往往同时信任和担忧GenAI,因此只有在单一分析框架内同时考察使用GenAI的支持性理由与反对性理由,才能准确捕捉学生与GenAI互动背后的复杂心理过程。
**二、理论基础与研究设计**
本研究以行为推理理论(Behavioral Reasoning Theory, BRT)为理论基础。BRT的核心特征在于将行为的支持性理由与反对性理由整合在统一框架中,以此解释价值观、行为推理、态度与行为意向之间的关系。BRT通过三个递进层次解释个体决策:价值观影响行为推理和态度;行为推理影响态度和行为意向;态度影响行为意向。该理论为捕捉学生如何权衡使用GenAI的潜在收益与风险提供了适切的分析视角。
鉴于BRT的分析主要依赖变量间的线性净效应,难以充分捕捉多因素交互作用产生的复杂因果机制,本研究进一步引入模糊集定性比较分析(fuzzy-set Qualitative Comparative Analysis, fsQCA),从组态视角考察促进因素与抑制因素在不同组合下如何联合运作,从而识别通向高信任和高行为意向的多重路径。
本研究在BRT框架基础上进行了情境化扩展:将原始框架中的态度构念扩展为GenAI信任;将价值观操作化为自主性学习(Autonomous Learning, AL);将支持性理由操作化为四个一阶构念——感知有用性(Perceived Usefulness, PU)、感知易用性(Perceived Ease of Use, PEOU)、信息准确性(Information Accuracy, IA)和信息清晰性(Information Clarity, IC);将反对性理由操作化为三个一阶构念——幻觉风险(Hallucination Risk, HR)、隐私担忧(Privacy Concern, PC)和跨学科情境不敏感(Interdisciplinary Context Insensitivity, ICI)。ICI为本研究新引入的构念,用以捕捉用户对GenAI跨学科能力局限性的感知。
**三、主要关键技术方法**
本研究采用PLS-SEM与fsQCA相结合的混合分析方法。PLS-SEM强调预测和变量间关系的解释,适用于复杂模型和探索性研究情境;fsQCA基于集合论和组态视角,能够识别导致同一结果的多种条件组合,揭示条件与结果之间的非对称关系。两者结合既能检验变量间的对称净效应,又能揭示多因素联合作用的非对称组态机制。数据来源于对中国高等教育学生中有GenAI跨学科学习使用经验者的在线问卷调查,共回收有效问卷275份,有效率为78.57%。问卷采用七点李克特量表,并遵循Brislin倒译程序确保中英文语义等价。
**四、研究结果**
**4.1 PLS-SEM对称分析结果**
结构模型检验结果显示,23条假设中14条获得支持。在价值观层面,自主性学习对感知有用性、感知易用性、信息准确性和信息清晰性均产生显著正向影响,对幻觉风险和跨学科情境不敏感产生显著负向影响,但对隐私担忧和信任的直接效应不显著。在信任形成层面,感知有用性、信息准确性和信息清晰性显著正向影响信任,幻觉风险和跨学科情境不敏感显著负向影响信任,而感知易用性和隐私担忧对信任的效应不显著。在行为意向层面,感知有用性、信息清晰性和信任显著正向影响行为意向,而感知易用性、信息准确性、幻觉风险、隐私担忧和跨学科情境不敏感的直接影响均不显著。中介效应分析进一步表明,信任在感知有用性、信息准确性、信息清晰性、幻觉风险和跨学科情境不敏感与行为意向之间发挥显著中介作用。
**4.2 fsQCA组态分析结果**
信任的组态分析识别出四条通向高信任的等效路径。信息清晰性和低幻觉风险在所有组态中均作为核心条件出现,构成高信任形成的基础。信息准确性虽在所有组态中出现,但仅作为边缘条件。值得注意的是,感知易用性和隐私担忧虽在PLS-SEM中未显示显著净效应,但在特定组态中却作为核心条件出现,揭示了被对称分析所掩盖的组态效应。
行为意向的组态分析识别出五条通向高行为意向的路径,可归纳为三种类型:价值驱动型路径以全面感知GenAI价值、部分缓解风险担忧并存在信任为特征;风险规避型路径以对GenAI相关风险全面警觉、部分感知价值并存在信任为特征;风险容忍型路径则表明,即使学生对幻觉风险存在担忧,在感知有用性、易用性、信息清晰性和信任水平较高,且隐私担忧和跨学科情境不敏感水平较低的情况下,仍可能形成行为意向。这一发现支持了信任与风险意识可以共存的观念,也印证了Lewicki等人提出的信任与不信任是两个独立维度的观点。
**五、讨论与结论**
本研究结果揭示了GenAI信任形成与行为意向的复杂机制。从BRT视角看,自主性学习作为情境化的价值观构念,同时强化支持性理由并弱化反对性理由(隐私担忧除外),其影响主要通过行为推理过程传递而非直接作用于信任。在跨学科学习情境中,学生更关注GenAI能否有效整合跨学科知识并提供有意义的学习指导,而非仅仅操作便捷,这解释了感知易用性对信任和意向的效应不显著的现象。同时,学生对GenAI输出准确性的评判受限于其跨学科知识储备的不足,因此信息清晰性比信息准确性更能直接决定行为意向。
本研究的理论贡献体现在三个方面:第一,通过双视角路径推进了现有技术接受模型和信任研究,揭示了信任与怀疑共存的动态权衡机制;第二,提出以信任为核心的BRT理论扩展,将信任概念化为新兴AI技术采纳情境中的全局动机,保留“价值观→理由→全局动机→行为意向”的理论序列;第三,证明了BRT与PLS-SEM和fsQCA互补使用的兼容性,从组态视角深化了对BRT双路径机制的理解。
实践层面,研究建议教师应积极培养学生的自主性学习能力,引导学生批判性地评估AI生成内容;学生应全面权衡GenAI的收益与风险,形成平衡理性的使用态度;GenAI开发者应将信息清晰性和低幻觉风险作为设计优先事项,并增强GenAI识别学科边界、跨学科整合知识的能力。
研究结论:基于BRT框架,本研究通过整合PLS-SEM和fsQCA,考察了高等教育学生跨学科学习中GenAI信任形成机制及其对行为意向的影响。PLS-SEM结果显示,学生对GenAI的信任受到支持性理由与反对性理由的共同影响:感知有用性、信息准确性和信息清晰性促进信任形成,而幻觉风险和跨学科情境不敏感阻碍信任形成,反映了学生在信任与怀疑之间的动态权衡。同时,自主性学习作为价值观导向构念,不仅强化了支持性理由的形成,还削弱了反对性理由的影响(隐私担忧除外)。信任在前因变量与行为意向之间发挥显著中介作用,行为意向同时受感知有用性、信息清晰性和信任的直接影响。fsQCA结果表明,高信任和高行为意向并非由单一因素驱动,而是由多种条件组态组合决定:高信任主要由涉及信息清晰性和低幻觉风险的组态驱动,高行为意向则是感知有用性和信任等核心条件联合作用的结果。