超越易用性：非技术学生AI辅助编程中的技术采纳动态与认知负荷

《Behavioral Sciences》：Beyond Ease of Use: Dynamics of Technology Adoption and Cognitive Load in AI-Assisted Programming for Non-Technical Students

　　

将生成式人工智能（GenAI）整合到非STEM教育中引入了认知需求，挑战了对技术接受的静态解释。关于GenAI接受的证据主要来自横断面设计，应用于通用学术任务以及已经具备先前技术知识的计算机专业学生，留下了非技术学生在面对持续高负荷编程工作时接受感知如何演变的问题未解决。为填补这一空白，研究人员对117名智利会计与审计本科生进行了前测/后测随机现场实验，采用重复测量，分为对照组（教学视频；n=57）或实验组（Google Gemini 1.5；n=60）。参与者完成了从基本条件语句到向量运算的认知复杂性递增的Java编程练习。该研究未评估客观学习成果；而是通过整合感知易用性（Perceived Ease of Use）、行为意向（Behavioral Intention）与感知愉悦感（Perceived Enjoyment）、价值/有用性（Value/Usefulness）的混合动机框架追踪用户感知的变化。基线结果显示GenAI组初始感知易用性较低，与初始认知摩擦（cognitive friction）一致。干预后分析表明，对照组仅在行为意向维度有显著增加，而实验组在所有测量维度上均表现出统计显著的组内增益。这些发现表明，对于非STEM学生，GenAI的感知易用性和价值不一定是即时的，而是可能通过与认知要求高的任务持续互动而发展。该研究通过将易用性框定为高摩擦GenAI学习环境中习得的能力（acquired proficiency），为技术接受研究（technology acceptance research）做出贡献。

**论文解读：非技术学生AI辅助编程中的技术采纳动态与认知负荷**

**研究背景与问题**
随着商业领域的数字化转型，非STEM专业人员需从被动用户转变为算法逻辑的主动评估者。然而，传统编程语言（如Java）带来的高认知负荷（cognitive load）常导致商科学生早期产生学业挫败感并拒绝技术。计算思维（computational thinking）已从纯技术技能演变为以问题理解为核心的更广泛能力，但将编程融入非STEM课程仍面临困难。现有研究多采用被动、异步资源（如教学视频），虽易获取，却无法在学生遇到复杂编程抽象时提供自适应实时支持。生成式人工智能（GenAI）的引入虽有望实现“自然语言编程”，但其采纳伴随调整成本，导致初始认知摩擦（cognitive friction），挑战了技术接受模型（Technology Acceptance Model, TAM）中将易用性视为静态基线的传统假设。当前关于GenAI接受的证据存在三个局限：第一，主要基于横断面设计，在通用学术任务中测量接受度，未在认知压力下观察操作性易用性；第二，编程教育中的GenAI研究多招募计算机或工程学生，其先前语法知识降低了任务入门成本，忽略无此背景的学习者；第三，TAM及其扩展将感知易用性（Perceived Ease of Use）视为相对稳定的行为意向前因，但少有重复测量检验当工具本身与学科内容均施加学习成本时的情况。因此，本研究旨在探讨非技术学生在高认知负荷编程任务中，技术接受感知的动态演变，以及GenAI作为脚手架工具（scaffolding tool）的采纳机制。论文发表在《Behavioral Sciences》（行为科学）。

**主要技术方法**
本研究采用前测/后测随机现场实验（randomized field experiment），包含重复测量设计。样本来自智利一所大学的117名会计与审计专业二年级本科生，通过Moodle学习管理系统自动随机分配至对照组（教学视频，n=57）或实验组（Google Gemini 1.5，n=60）。干预持续五周，参与者完成认知复杂性递增的Java编程练习（从基本条件语句到向量操作）。数据收集使用整合技术接受模型（TAM）与内在动机量表（IMI）的自陈问卷，测量感知易用性、行为意向、价值/有用性和感知愉悦感四个维度。数据分析采用配对t检验与Wilcoxon符号秩检验进行组内前测-后测比较，并使用可靠变化指数（Reliable Change Index, RCI）评估个体层面的变化。

**研究结果**
**4.1 各组前测与后测变化**
通过组内比较发现，对照组仅在行为意向维度表现出显著前测-后测差异（t(56)=4.489, p<0.001, d=0.59），而愉悦感、感知易用性和价值/有用性维度无显著变化。实验组则在所有四个维度均表现出统计显著的组内增益：愉悦感（V=26, p=0.002, r=0.40）、感知易用性（t(59)=4.906, p<0.001, d=0.63）、行为意向（V=14, p<0.001, r=0.52）和价值/有用性（t(59)=14.99, p<0.001, d=1.94）。这表明，教学视频仅维持了稳定但未提升的感知，而GenAI经历了从初始认知摩擦到全面显著改善的采纳曲线。

**4.2 个体结果**
个体RCI分析显示，在愉悦感和感知易用性维度，大多数学生报告正向变化，但仅实验组中一名学生超过+1.96阈值。行为意向维度中，更多个体变化的绝对值超过阈值，且涵盖两组学生。价值/有用性维度中，所有超过+1.96阈值的正向变化均属于实验组。尽管组水平效应显著，但仅少数个体超过保守阈值，说明干预产生了系统性整体偏移而非极端个体异常。

**总结与讨论**
本研究的主要理论贡献在于质疑TAM对易用性的静态处理，将易用性重新概念化为高摩擦GenAI学习环境中习得的能力（acquired proficiency）。讨论部分指出，初始认知摩擦是真实存在的，但内在动机（感知愉悦感与价值/有用性）在吸收摩擦并维持行为意向中起关键作用。任务复杂度与支持模式交互作用：被动资源在简单任务中易被接受，但在高认知负荷任务中不足以维持参与；GenAI通过提供个性化环境降低无关负荷，支撑逻辑抽象。教学意义方面，GenAI可增强非技术学生对复杂技术任务的参与意愿，但需警惕“胜任感错觉”（illusion of competence），重视验证生成代码准确性的技能。研究结论部分翻译如下：本研究考察了无技术准备的大学生面对递增复杂度的Java编程任务时对生成式人工智能的采纳，结合技术接受构念与内在动机构念。两种支持模式产生不同感知轨迹：教学视频提供即时稳定的易用性，在干预期间未变化；而GenAI遵循一条从初始困难开始随后在所有四个维度上均出现显著组内增长的采纳曲线。在对照条件下，唯一显著变化发生在行为意向维度。与GenAI相关的感知复杂性降低并非即时发生，因为与工具互动最初需要以提示素养（prompt literacy）形式付出认知努力，压低了感知易用性。感知数据表明，学生对工具教学价值及其脚手架能力的欣赏在接触更抽象内容（如数组）时变得明显，且愉悦感仅在实验组中显著增加。本研究的理论贡献在于质疑技术接受模型的静态处理。与常规软件不同——初始易用性是采纳前提——此处记录的趋势表明，只要工具在高认知负荷任务中提供工具性脚手架，对GenAI的行为意向能够抵御初始认知摩擦。在实践层面，这意味着商科课程设计不应将工具的最初技术难度视为需避免的障碍，而应纳入有意识的引导阶段，促使学生从感知困难走向技术胜任，这是未来审计师和分析师所需数字自我效能的基础。这些结论描述了特定拉丁美洲学生群体在组内设计下的感知与行为意向，不延伸至学业表现或认知技能习得。确定此处记录的接受与愉悦感是否能转化为持久编程能力，需要客观绩效数据及超越初始新奇期的纵向追踪。