《Acta Psychologica》：Research on influencing factors of college students' dependence on AI painting tools: A hybrid method based on SEM-ANN
编辑推荐：
随着近期技术进步，AI绘画工具已成为数字创作的主流组成部分。然而，关于学生对AI绘图工具依赖的研究有限。因此，研究人员以大学生为案例，分析影响AI绘画工具依赖的关键因素。基于I-PACE模型（Interaction of Person-Affect-Cogni
随着近期技术进步，AI绘画工具已成为数字创作的主流组成部分。然而，关于学生对AI绘图工具依赖的研究有限。因此，研究人员以大学生为案例，分析影响AI绘画工具依赖的关键因素。基于I-PACE模型（Interaction of Person-Affect-Cognition-Execution，人-情感-认知-执行交互模型），构建了AI绘画工具依赖模型，纳入创意压力、自我效能感、积极体验、认知惯性与信息处理依赖。研究采用结合结构方程建模（SEM）与人工神经网络（ANN）的混合方法分析，基于中国高校320份有效问卷。SEM结果显示，创意压力、积极体验、认知惯性、信息处理依赖与AI绘画工具依赖呈正相关；自我效能感与AI绘画工具依赖无显著相关。ANN发现，信息处理依赖是AI绘画工具依赖最重要的预测因子（归一化重要性=100%），其次为认知惯性（80.6%）、创意压力（33.6%）与积极体验（20.1%）。这些实证发现为大学生依赖AI绘画工具提供了新见解与证据。基于此，建议应对学生AI依赖，推动从工具依赖转向理性应用，最终实现人机协同发展。
研究背景方面，生成式AI（GAI）在创意文化领域重塑了设计工作流，MidJourney与Stable Diffusion等AI绘画工具将文本描述高效转为高质量图像，成为数字创作重要生产力工具。然而过度依赖可能致学生独立思维与知识保持下降，手绘基本功与视觉思维退化，出现无法脱离AI辅助、决策控制减弱等问题。既有I-PACE模型多用于游戏、购物等成瘾行为或通用大模型依赖，尚未系统应用于艺术创造中AI绘画依赖，亦未比较认知与情感预测因子相对强度。为此，研究人员基于I-PACE四维框架（个人特征P、情感反应A、认知加工C、执行功能E）构建含创意压力、自我效能感、积极体验、认知惯性、信息处理依赖五前因与AI绘画工具依赖（AID）为结果的理论模型，以探明大学生依赖生成路径与因子权重。
关键技术方法上，研究人员于2025年10至11月采用目的抽样，从中国某省三所开设AI融合课程的高校抽取修过绘画课且至少用过一次AI绘画工具的学生，经在线（问卷星）与线下混合发放，回收367份、剔除无效后得320份有效问卷（艺术专业占75.6%，女性65.3%，19–22岁占78.4%）。量表为7点李克特自陈式，经43人预测试修正为6维度22题，Cronbach's α介于0.72–0.95。分析以SPSS 27.0做描述统计、信度与ANN（多层感知机MLP，4输入-双隐藏层3+2节点-单输出，10次90/10随机拆分），以SPSSAU做SEM（最大似然估计）与验证性因子分析（CFA），并施Harman单因子检验控共同方法偏差，G*Power 3.1验样本力（需138，实320）。
研究结果部分，测量模型显示χ2/df=2.405，RMSEA=0.066，CFI=0.946，各潜变量AVE>0.5、CR>0.7，Fornell-Larcker与HTMT<0.85达标。SEM路径中，创意压力→AID（β=0.152，p=0.004）、积极体验→AID（β=0.139，p=0.040）、认知惯性→AID（β=0.200，p=0.011）、信息处理依赖→AID（β=0.547，p<0.001）均显著正向，自我效能感→AID（β=?0.074，p=0.263）不显著，五变量共解释AID方差66.4%。ANN敏感分析归一化重要性排序为信息处理依赖100%、认知惯性80.6%、创意压力33.6%、积极体验20.1%，测试集平均R2=0.924，训练与测试RMSE分别为0.092与0.089，SEM与ANN排名完全一致。
讨论部分指出，创意压力契合认知负荷理论下外部工具减压逻辑；自我效能感不显著可能源于AI绘画情境下高自信反而促频繁深度使用抵消保护效应，或受任务复杂度调节；积极体验通过正强化与心理需求补偿形成多巴胺奖赏回路；认知惯性与信息处理依赖体现“认知外包（cognitive offloading）”主动取认知捷径本质，而非个体能力缺失。结论部分翻译为：本研究扩展了I-PACE在人机交互依赖中的框架，首将四维度系统用于AI绘画依赖实证，辨明认知机制（信息处理依赖与认知惯性双核）相对于情感因素的主导性，揭示依赖本质为认知替代；方法上SEM-ANN混合兼顾线性因果与非线性预测，R2达0.924；实践上从学生元认知反思、教师过程性评价与分阶段无AI创作、高校将AI伦理嵌入核心课程三方面提出干预，推动从工具依赖转向理性人机协同，防认知萎缩同时保留创作增益。论文发表于《Acta Psychologica》。
