感知到的AI生成音乐有用性通过注意力和对AI的信任预测学习参与度和心流体验

《Scientific Reports》：Perceived usefulness of AI-generated music predicts learning engagement and flow through attention and AI trust

　　

摘要

人工智能与教育环境的融合引发了人们日益增长的兴趣，即AI生成的内容如何与学生学习相关联。本研究探讨了将AI生成音乐的感知有用性与大学生学习投入及心流体验联系起来的心理路径，其中正念注意意识和AI信任作为并行中介变量发挥作用。基于技术接受模型（TAM）和认知负荷理论，本研究检验了一个结构模型，其中感知有用性预测注意和AI信任，而这两者又预测学习投入和心流。在为期四周的自然主义AI音乐聆听方案后，对407名大学生进行了一项暴露后横断面调查。数据使用SmartPLS 4.0通过偏最小二乘结构方程建模（PLS-SEM）进行分析。感知有用性显著预测了注意和AI信任，且两个中介变量都与学习投入和心流呈正相关。所有六个假设的直接路径和四个间接路径都得到了支持。通过将技术评估、注意倾向和学习体验整合到一个模型中，本研究将TAM的扩展超出采用意愿范畴，并确定了两条互补路径，通过这些路径学生对照AI生成音乐的评价与学习相关结果相关联。