《Frontiers in Psychology》：Designing for AI literacy: psychological mechanisms and self-determination
编辑推荐：
专业术语翻译摘要
引言： 本研究考察了教学方式（技能型教学[SBI]与思维型教学[TBI]）和任务类型（结构化任务[STT]与开放式任务[OET]）如何通过自主性（autonomy）、胜任感（competence）和归属感（relatedness）影响大学生的
专业术语翻译摘要
引言： 本研究考察了教学方式（技能型教学[SBI]与思维型教学[TBI]）和任务类型（结构化任务[STT]与开放式任务[OET]）如何通过自主性（autonomy）、胜任感（competence）和归属感（relatedness）影响大学生的AI素养表现。
方法： 研究人员开展了一项随机化2×2被试间实验，320名大学生被均等分配到四种实验条件。参与者接受视频教学，随后完成一项AIGC图像生成任务。AI素养表现采用客观任务评分量表（task rubric）进行评估，三种基本心理需求则采用经过验证的自陈量表进行测量。
结果： 双因素方差分析（two-way ANOVA）显示，教学方式与任务类型均存在显著主效应，且二者交互效应显著。在两种任务条件下，TBI均优于SBI，且在OET条件下优势更为明显。在结构模型中，TBI正向预测自主性、胜任感、归属感及AI素养表现。OET正向预测自主性、归属感及表现，但对胜任感的预测不显著。胜任感是表现最强的心理预测因子，其次是自主性，而归属感无独立效应。Bootstrap分析显示，教学方式通过自主性和胜任感发挥间接作用，而任务类型主要通过自主性发挥作用。在纳入心理需求后，单一阶乘交互项不再保留显著的直接效应。fsQCA进一步识别出多种导致高AI素养表现的充分配置。
讨论： 上述发现表明，教学设计通过差异化的动机路径而非对三种心理需求的统一激活来影响AI素养。鉴于本研究为单机构、短时程实验，研究结果应谨慎解读，并需开展更长期、多中心的重复验证。
论文解读文章
一、研究背景与问题提出
随着人工智能生成内容（AIGC）技术的迅猛发展，Midjourney、GPT等易用工具的涌现大幅降低了技术使用门槛，使其成为大学生学习与创作的重要辅助手段。然而，一个日益突出的矛盾随之浮现：学生高频使用AIGC工具的同时，其AI素养水平却普遍偏低。多数学生停留在基础工具操作层面，缺乏对底层机制、算法局限性和伦理风险的系统认知与批判性思考。这种脱节不仅可能削弱学生的自主创造能力，还对学术诚信和数据隐私构成潜在威胁。
现有关于生成式AI教育应用的研究多依赖技术接受模型（Technology Acceptance Model），聚焦感知有用性等外部因素，倾向于将使用行为简化为功利性过程，未能充分揭示驱动深度参与的内在心理机制。自我决定理论（Self-Determination Theory, SDT）认为，持续的行为投入取决于三种基本心理需求的满足：自主性、胜任感和归属感。尽管已有研究开始探索生成式AI情境下的内在动机，但系统地将该理论框架应用于AIGC图像生成的创造性学习情境的实证研究仍然匮乏。
为填补上述空白，本研究整合自我决定理论，采用随机化2×2实验设计，比较技能型教学（SBI）与思维型教学（TBI）在结构化任务（STT）与开放式任务（OET）条件下的效果差异。研究以客观AI素养表现作为主要学习结果变量，将自主性、胜任感和归属感作为潜在心理机制进行检验，并纳入AI素养自我觉知作为补充性主观测量。研究提出三个核心问题：教学方式和任务类型如何影响学生的AI素养表现；三种基本心理需求是否中介教学干预与学习结果之间的关系；是否存在多种导致高AI素养的配置路径。
二、研究设计与关键方法
研究人员从一所大学招募了320名本科生（平均年龄20.1岁，48%男性，52%女性），所有参与者均具有AIGC图像生成工具的使用经验。参与者被随机均等分配到四个实验组（每组80人），先验功效分析表明该样本量足以检测中等效应量。
研究采用的主要关键技术方法包括：其一，双因素方差分析（two-way ANOVA），用于估计教学方式和任务类型对AI素养表现的平均主效应和交互效应；其二，偏最小二乘结构方程模型（PLS-SEM），用于检验直接和间接心理路径，采用5000次Bootstrap重抽样和95%置信区间评估效应显著性；其三，模糊集定性比较分析（fsQCA），用于识别导致高AI素养表现的多种充分条件配置，以95th、50th和5th百分位数作为校准锚点，一致性阈值为0.90（必要性）和0.80（充分性）；其四，客观任务评分量表，由两名对实验条件不知情的评分者独立评估所有提交材料，组内相关系数（ICC）为0.89，表明评分者间信度较高。
实验材料方面，研究人员开发了两段标准化教学视频：SBI视频（6分28秒）强调具体操作、提示词结构和迭代调整策略等程序性技能；TBI视频（6分30秒）强调AI系统原理、局限性、社会影响和伦理后果等概念性理解。任务类型通过生成目标的约束程度进行操纵：结构化任务要求生成包含指定元素的图像，开放式任务则要求自由表达“人与自然和谐共处的未来”这一概念。所有参与者使用同一AIGC工具（Dreamina），采用统一的平台设置和提交格式。
三、研究结果
3.1 方差分析：教学方式和任务类型的影响
双因素方差分析显示，教学方式主效应显著，F(1, 316) = 50.79, p < 0.001, ηp2 = 0.138，接受TBI的参与者（M = 9.21, SD = 1.99）表现显著优于接受SBI的参与者（M = 7.69, SD = 2.05）。任务类型主效应同样显著，F(1, 316) = 31.45, p < 0.001, ηp2 = 0.091，完成OET的参与者（M = 9.05, SD = 1.97）优于完成STT的参与者（M = 7.85, SD = 2.18）。教学方式与任务类型的交互效应显著，F(1, 316) = 7.22, p = 0.008, ηp2 = 0.022。在OET条件下，TBI组（M = 10.10）与SBI组（M = 8.00）的差异较大；在STT条件下，TBI组（M = 8.33）仍优于SBI组（M = 7.38），但差异较小。假设H1、H2和H3均得到支持。
3.2 描述性统计：变量关系的初步检验
相关分析显示，客观AI素养表现与概念理解（r = 0.396, p < 0.001）和批判性评价（r = 0.474, p < 0.001）呈正相关，表明表现与自我觉知在概念上相关但不可互换。AI素养表现还与自主性（r = 0.494）、胜任感（r = 0.541）和归属感（r = 0.368）均呈正相关（均p < 0.001），其中胜任感与表现的关联最强。
3.3 PLS-SEM分析：直接与间接心理路径
结构模型结果显示，教学方式显著正向预测自主性（β = 0.269, p < 0.001）、胜任感（β = 0.220, p < 0.001）和归属感（β = 0.153, p = 0.004），并在纳入心理需求后仍保留对AI素养表现的显著直接效应（β = 0.229, p < 0.001）。任务类型正向预测自主性（β = 0.221, p < 0.001）和归属感（β = 0.215, p < 0.001），但对胜任感的预测不显著（β = 0.086, p = 0.119），且保留显著的直接效应（β = 0.204, p < 0.001）。教学方式×任务类型的交互项在纳入心理需求后对所有内生变量均无显著预测作用。在三种心理需求中，胜任感是AI素养表现最强的独立预测因子（β = 0.358, p < 0.001），其次是自主性（β = 0.132, p = 0.030），归属感无显著独立效应（β = 0.071, p = 0.153）。
中介分析表明，教学方式通过自主性（β = 0.035, 95% CI [0.003, 0.073]）和胜任感（β = 0.079, 95% CI [0.037, 0.125]）对AI素养表现产生显著间接效应，但通过归属感的间接效应不显著，H4和H5得到支持，H6未获支持。任务类型仅通过自主性产生显著间接效应（β = 0.029, 95% CI [0.002, 0.062]），通过胜任感和归属感的间接效应均不显著，H7得到支持，H8和H9未获支持。模型解释了AI素养表现43.3%的方差（R2 = 0.433），Q2值为0.401，表明具有预测相关性。
3.4 fsQCA——高AI素养的多重路径
必要性分析显示，没有任何单一条件或其否定达到0.90的一致性阈值。充分性分析识别出三种满足标准的配置：配置1以TBI、非OET（即STT）和高胜任感为核心条件，自主性和归属感为边缘条件；配置2以非TBI（即SBI）、OET和高自主性为核心条件，胜任感和归属感为边缘条件；配置3以TBI、OET和高胜任感为核心条件，自主性为边缘条件，归属感无关。三种配置的一致性分别为0.923、0.896和0.941，总体解覆盖度为0.588，总体解一致性为0.913。结果表明，高AI素养表现可通过多种条件组合实现，体现了等效性（equifinality）。
四、讨论与结论
研究讨论部分指出三个核心发现：第一，TBI和OET均能提升客观AI素养表现，且TBI的优势在OET条件下更为显著，表明开放式活动为学习者应用概念理解、批判性评价和自主判断提供了更大空间。第二，心理机制呈差异化而非统一模式：教学方式通过自主性和胜任感间接影响表现，任务开放性主要通过自主性发挥作用，胜任感是最强的独立心理预测因子，归属感虽受教学设计正向影响但对即时个体表现无独立预测作用，这可能与任务为个体独立完成的性质有关。第三，配置分析识别出多种高表现的充分路径，表明教学局限可通过有利的心理条件得到补偿。
研究结论部分翻译如下：本研究证明教学方式和任务设计对大学生的AI素养表现产生不同且有条件的贡献。思维型教学在结构化任务和开放式任务下均优于技能型教学，且在开放式条件下优势更大。开放式任务也提升了整体表现，尤其在伴随思维型教学时效果更为显著。心理机制呈差异化特征：思维型教学通过自主性和胜任感间接影响表现，而任务开放性主要通过自主性发挥作用。胜任感是表现最强的独立心理预测因子，其次是自主性。归属感对教学设计有响应，但不独立预测即时个体表现。配置结果进一步表明，高AI素养可通过教学、任务和心理条件的多种组合实现。有效的AI素养教育因此不仅需要单一的首选教学方法，还需要教学内容、任务要求与学习者行使知情判断、维持胜任感并自主参与AI所需心理资源之间的协调一致。
