罗马尼亚公关与传播教育中人工智能的采纳：一项基于技术接受模型（TAM）启示的调查研析

《Heliyon》：Adoption of AI in Romanian PR and communication education: A TAM-informed survey study

　　

本研究考察了罗马尼亚传播与公共关系（PR）学生对人工智能（AI）的熟悉程度与态度。研究人员于2023年9月至10月开展了一项横断面在线调查，并通过定向Facebook广告招募参与者。从未经处理的调查导出数据出发，主要样本包含207名同时明确满足两项预设资格标准的受访者：当前大学在读且专业与传播/PR相关或相近。未对题项层面数值进行插补。学生自评AI理解水平中等（M=2.72，SD=1.30），自评技术素养较高（M=3.76，SD=1.12）。机会导向与AI理解呈正相关（Spearman's rho=.323，p<.001），而AI理解也与AI相关担忧呈弱正相关（rho=.251，p<.001）。在采用HC3异方差一致标准误的普通最小二乘（OLS）模型中（完全病例n=202），技术素养独立预测了更强的机会导向观点（B=.179，beta=.248，p=.008），而AI理解（B=.075，beta=.119，p=.253）、既往AI工具接触史与年级均不显著。对五项连贯的AI熟悉度/认知题项进行主轴因子分析，经碎石图检验与5000次迭代平行分析支持单因子结构（载荷.649至.886；alpha=.891；omega=.897）。研究结果支持以实操为基础、植根伦理的AI教育，同时也表明双变量关联不应被解读为独立或因果效应。

研究背景与立项依据

人工智能（Artificial Intelligence，AI）在教育中的渗透正在重塑学习与职业准备路径。既有跨国、跨学科研究提示，学生在熟悉度、信心与担忧上存在差异，性别与既往技术经验亦会调节其回应，因而本地语境证据尤为关键。然而，针对罗马尼亚传播与公共关系（Public Relations，PR）学生的实证证据仍十分有限。尽管AI对罗马尼亚高等教育及传播实务具现实相关性，且技术接受模型（Technology Acceptance Model，TAM）提供了以感知有用性与感知易用性为核心的解释框架，但现有问卷并未施测完整验证版TAM量表，故本研究定位为“TAM启示下”的探索。研究人员由此提出三项研究问题（RQ1–RQ3）及两项假设（H1：技术素养越强，机会导向越强；H2：自评AI理解越高，机会导向越强），旨在为罗马尼亚传播与PR课程规划提供描述性与关联性证据。该文发表于《Heliyon》。

主要技术方法概览

研究人员采用横断面在线调查设计，于2023年9–10月通过定向Facebook广告自罗马尼亚15所大学招募受访者；严格按“当前在读”且“专业与传播/PR相关”双筛选项从原始Google Forms导出中核定主要样本N=207（完全病例202）。测量工具由Bisdas等量表改编译罗后施测，含自评技术素养、AI理解、社媒AI/聊天机器人熟悉度、内容创作与PR分析中的AI意识、既往AI工具暴露及机会导向单题项。统计端以Python 3.9.6（NumPy、SciPy）复现：描述统计用可用病例法；有序变量用Spearman相关；机会导向由OLS回归预测并报告HC3异方差一致标准误；因子结构用主轴因子分析（Principal-Axis Factoring，PAF）配合KMO、Bartlett检验与5000次Horn平行分析定维；无题项插补，无院校聚类（导出无院校标识）。

研究结果

3.1 人口学剖面

严格合格样本N=207，均值年龄22.79岁（SD=4.77），女性62.3%、男性37.2%、非二元0.5%；本科62.1%、硕士33.0%、博士4.9%；三年级居多（n=75）。社媒招募约300点击、216份提交，剔除9份不合资格后留207份，无法算常规应答率。

3.2 描述统计与AI态度

自评技术素养高（M=3.76，SD=1.12），77.6%选4或5分档；分性别看女性M=3.59、男性M=4.04。自评AI理解中等（M=2.72，SD=1.30）。内容创作中AI意识均值2.97（1–4标度），67.1%达中高。课程融入偏好：50.8%选选修课，35.4%必修加开，13.8%独立考试科目。机会导向总体正向（M=3.70，SD=0.81），59.7%选4或5分。

3.3 统计关联诠释

AI理解与机会导向双变量正相关（rho=.323，p<.001），与AI担忧亦弱正相关（rho=.251，p<.001）；技术素养与AI理解中等正相关（rho=.496）。研究人员强调上述均为未调整关联，不隐含因果。

3.4 多元回归分析

以机会导向为因变量，AI理解、技术素养、既往暴露、年级为自变量（n=202），HC3稳健OLS：R²=.143，调整R²=.125，omnibus F(4,197)=9.22，p<.001。仅技术素养显著正向预测（B=.179，beta=.248，p=.008）；AI理解不显著（B=.075，p=.253），既往暴露与年级亦不显著。故H1在调整模型中获支持，H2仅双变量层面成立。

3.5 探索性因子分析（EFA）

七题诊断块（五熟悉度题+两态度题）PAF适切（KMO=.872），但两态度题载荷低，不并入熟悉度构念。五题主块（AI理解、社媒AI、聊天机器人、内容创作AI、PR分析AI）KMO=.875，Bartlett χ²(10)=605.39，p<.001；观测特征值首轴3.533远超平行分析95百分位1.290，留单因子不旋转，载荷.649–.886，Cronbach's alpha=.891，McDonald's omega=.897。

讨论与结论翻译

讨论指出，技术素养而非AI理解在调整模型中独立预测机会导向，反映通用技术自信可成为课程抓手，但需叠加AI概念与伦理风险实操；双变量显著不等同独立效应，理解提升与担忧并存。局限含社媒招募偏数字活跃群体、无起步者分母、单题项结局无多题信度、横断面不可因果、非概率代表样本。

结论节译：在本严格界定样本中，罗马尼亚传播与PR学生自评AI理解中等、技术素养较高、态度偏机会导向；调整模型中仅技术素养显著独立预测机会导向，AI理解未获独立效应；五题EFA支持单一熟悉度/意识因子，态度题另析；发现支持植根伦理的实操AI教育，但不立因果与代表性，需概率或多校样本独立验证。