人工智能与生成式人工智能在创业教育中的应用：关于能力发展、创业意向与可持续发展脱节的系统性综述

《International Journal of Management Education》：Artificial intelligence and generative AI in entrepreneurship education: A systematic review of competency development, entrepreneurial intention, and the sustainability disconnect

　　

• •
  所有测量了该变量的研究均发现AI与创业意向之间存在正向关联。
• •
  效应量估计不可靠：最大的估计值来自质量最弱的研究。
• •
  胜任力中介效应建立在非生成式AI之上，尚未针对生成式AI进行测试。
• •
  自我效能感调节了AI带来的益处，由此引发了尚未被测量的公平性问题。
• •
  没有研究测量了可持续性结果；与可持续发展目标之间的脱节几乎完全。

引言

2022年11月ChatGPT的发布使生成式人工智能从研究课题转变为日常学术实践，两个月内便拥有了一亿用户（Krause等，2025）。高等教育迅速吸收了这项技术，同时也伴随了一种熟悉的张力：生成式工具如今支持个性化学习、内容生成和虚拟教学辅助（Iatrellis等，2025；Xu & Wang，2026），与此同时，人们对过度依赖、认知努力的外包、学术诚信和算法偏见等方面的担忧也在不断加剧（Farina & Stevenson，2024；Mi?unovi? & Bosan?i?，2025；Neupane等，2024；Qian，2025）。创业教育格外容易受到这种张力的影响，因为其旨在培养的能力——其中包括机会识别、创造性综合以及在不确定性下做出判断——恰恰是生成式系统既可以为学习者搭建脚手架、也可能悄然代替学习者完成的能力。

创业教育研究一直由计划行为理论（TPB）主导，元分析证据也证实了结构化项目能够提升创业意向，其中态度和行为控制感是最一致的预测因子（Duong，2022；Milohni? & Licul，2025）。计划行为理论富有成效，但它留下的缺口在理论上而非仅仅是经验层面的，因为其架构承载了三项在AI介导学习中受到挑战的承诺。它是线性的，将认知视为意向的输入而非干预可能重组的对象（Ng等，2024；Rodrigues等，2024）。它是个体主义的，将意向的成因定位于学习者内部而非学习者所处的社会技术系统之中，这也是其主观规范成分预测力较弱且难以跨文化推广的原因之一（Boucif等，2025；Leffel & Darling，2009；Manosalvas-Vaca & Fernández-Sánchez，2025；Tchokoté等，2025）。它还是以意向为终点的，止步于一个近端替代变量而非创业行为本身（Li?án & Fayolle，2015）。当学习者与生成式模型共同生成一个商业模式时，真正的问题是学习者的态度是否有所改善，而是胜任力如今存在于何处：在人身上、在工具上，还是在人与工具的结合之中。无论是计划行为理论还是附加其后的技术接受模型，都不是为此类问题而构建的。

第二种压力来自可持续发展议程。高等教育机构越来越多地被要求将创业教育项目与联合国可持续发展目标对齐，创业教育通常被认为服务于可持续发展目标4和可持续发展目标8（Crecente等，2021；Nor等，2025）。Shabbir（2023）建立了可持续创业与可持续发展目标达成之间的概念联系，Valencia-Arias等（2025）则表明创业教育能够专门塑造可持续创业意向。然而，将这一联系转化为经过验证的教学模型的努力仍然薄弱：各机构通常采用表面化的方法来嵌入可持续性（Amorós Molina等，2023），基础性的课程文件往往缺乏可持续性框架（Dejo-Vásquez等，2026），且可持续性被视为附加内容而非课程承诺（Kopnina & Bedford，2024）。

我们所讨论的可持续性究竟指向何方至关重要，对此我们明确加以说明。创业领域中的可持续性通常被分解为经济维度（企业可行性、体面工作和增长；可持续发展目标8和9）、环境维度（资源利用、排放和循环经济；可持续发展目标12和13）以及社会维度（包容、公平和社区价值；可持续发展目标5和10）（Apostu & Gigauri，2023；Shabbir，2023）。这一区分并非装饰性的。一项文献可能表面上看上去富有多元可持续发展取向，却仅仅涉及了经济维度，唯有经过分解的阅读才能发现这一点。

此前的综述已描绘了这一领域的一部分版图。Yu等（2025）回顾了生成式AI在创业教育中的四大领域应用——个性化教学、基于模拟的培训、伦理关切和生态系统整合——并指出大多数原始研究仍处于概念性阶段或规模较小。Hammoda（2024）和Branca等（2025）回顾了教育技术如何培养创业胜任力，Bernadó和Bratzke（2024）则回顾了EntreComp作为胜任力框架的框架。生成式AI在高等教育中的更广泛文献记录了自2022年以来研究活动的上升，同时也伴随着实证严谨性方面持续存在的缺口（Bidry等，2025；Garzón等，2025；Nguyen & Truong，2025）。

上述综述均未贯穿完整的路径。Yu等（2025）止步于技术层面；Hammoda（2024）止步于胜任力层面。AI增强的创业教育是否能够产生可持续发展导向的胜任力或可持续发展目标结果，尚未得到系统考察，这使得该领域的可持续性主张建立在断言而非证据之上（Fourqoniah等，2025；Helman等，2025）。

因此，本综述整合了21项关于高等教育创业项目中人工智能（包括生成式AI）的实证研究，并提出以下问题：（1）创业教育中使用了哪些类型的AI，它们的教学设计是怎样的？（2）哪些机制解释了AI辅助学习与创业胜任力发展之间的关系？（3）现有研究如何在多大程度上将创业教育中的AI与特定的可持续发展目标结果联系起来？

我们并不声称相对于上述综述具有优先权。本综述的贡献是三重且区别于它们的。第一，本综述遵循了完整的路径——从AI采用到胜任力形成再到可持续性结果——这是此前没有综述所贯穿的。第二，它按AI类型对证据进行分层，因为将人工智能视为单一构念会掩盖哪些发现依赖于生成式系统、哪些不依赖。第三，它将名义上的可持续发展目标相关性与发展目标测量区分开来，从而将一个关于可持续性的修辞性主张转化为一个可实证检验的主张。

章节摘要

概念框架

本综述采用两个框架，二者之间分工协作。CIMO逻辑（情境-干预-机制-结果；Denyer等，2008）用于事前界定综述问题并推导纳入标准。TCM-ADO（理论-情境-方法，前因-决策-结果；Paul等，2017；Paul & Benito，2018）用于事后组织提取的证据。两者均不被视为对现象本身的理论，而都是综述设计的工具。图1展示了如下关系

研究方法

本系统文献综述遵循了系统综述和元分析的首选报告条目（PRISMA）2020指南（Page等，2021），并采用理论-情境-方法-前因-决策-结果（TCM-ADO）框架（Paul & Benito，2018；Paul等，2017）进行综合。综述方案的设计采用了CIMO（情境-干预-机制-结果）逻辑，以确保研究问题、检索策略和分析框架之间的一致性。

研究结果

对21项研究的综合分析按照TCM-ADO框架（Paul & Benito，2018；Paul等，2017）组织。由于证据基础跨越了三个AI层级，以下每一项发现都将与其所支撑的层级或层级一并报告。

讨论

上述所报告的证据在方向上是一致的，但在多个方面比最初看起来的更为薄弱。因此，本讨论将完成两件事：阐释证据所支持的结论，以及明确指出其不支持的内容，因为在本综述最初提出的三项主张中，经过分层和按质量加权的证据并不能支撑我们最初给予它们的解读。

结论

本综述整合了21项关于创业教育中人工智能的实证研究，并根据所考察的AI类型（生成式、广义或分析式）进行分层。其贡献在纠偏与累积两个方面同等重要。该关联与创业意向在方向上始终为正向，但其效应量尚无法确定，因为最大的估计值来自设计质量最弱的研究，且大多数研究未报告不确定性度量。胜任力

CRediT作者贡献声明

Raya Sulistyowati：概念设计。Jejen Jaenal Aripin：撰写——初稿。Khusnul Fikriyah：撰写——审阅与编辑。Ade Sobandi：方法论、概念设计。Merlyn Kurniawati：撰写——审阅与编辑。Asti Putri Kartiwi：项目管理。Farizki Maulana Rafliansyah：撰写——审阅与编辑。

写作过程中生成式AI及AI辅助技术的声明

在准备本作品过程中，作者使用了Claude（Anthropic）和ChatGPT（OpenAI）来协助文献综合组织、语言润色以及在系统综述过程中主题类别的初步结构化。在使用这些工具之后，作者对内容进行了审阅和编辑，并对所发表文章的内容承担全部责任。

资金

本研究未获得公共、商业或非营利部门的任何特定资助。

利益冲突声明

作者声明不存在已知的利益冲突，包括但不限于可能影响本文所报告工作的财务利益或个人关系。

Raya Sulistyowati|Jejen Jaenal Aripin|Khusnul Fikriyah|Ade Sobandi|Merlyn Kurniawati|Asti Putri Kartiwi|Farizki Maulana Rafliansyah