大学生持续使用ChatGPT的心理预测因素：AI素养、信任与学业自我效能感的作用

《Frontiers in Psychology》：Psychological predictors of continued ChatGPT use among university students: the roles of AI literacy, trust, and academic self-efficacy

　　

摘要专业翻译 引言： ChatGPT在高等教育中的快速扩散已超越了对其心理因素的理解，而这些心理因素与学生在多大程度上持续并强化使用该工具有关。本研究借鉴技术接受理论、自动化系统信任理论和Bandura自我效能感理论，检验了一个有调节的序列中介模型，在该模型中，AI素养通过涉及对AI的信任和学业自我效能感的间接路径与ChatGPT的持续使用相关联，且AI焦虑调节素养与信任之间的关联。 方法： 研究收集了450名具有ChatGPT使用经验的中国大学生的调查数据。没有此类经验的学生不符合纳入条件，因此该模型关注的是现有用户中持续使用的变异，而非最初决定采用该工具。验证性因子分析支持测量模型，研究采用全潜变量结构方程模型并结合蒙特卡洛置信区间（20,000次抽样）检验研究假设。 结果： AI素养与持续使用直接相关，也通过信任和自我效能感间接相关。假设的序列间接路径——从AI素养到信任，再到自我效能感，最后到持续使用——显著。AI焦虑削弱了素养与信任之间的关联，且有调节的中介指数表明，在较高焦虑水平下，序列间接效应较弱。当将持续使用意向和当前使用强度分别作为独立结果变量建模时，该模式保持不变。 讨论： 研究结果将信任和自我效能感定位为顺序相关的变量而非平行变量，并识别出焦虑是该模式的一个边界条件。由于研究设计为横断面设计，这种排序是模型设定的而非在时间上确立的；由于样本由已经使用ChatGPT的学生组成，研究结果说明的是持续使用的强度而非首次采纳。研究讨论了AI素养教育及面向学生的生成式AI工具设计的启示。

论文解读

一、研究背景与问题提出

ChatGPT在高等教育领域的扩散速度之快，已远超学界对其背后心理因素的理解。在ChatGPT发布后的数月内，生成式人工智能便从新奇事物转变为学生起草论文、调试代码和修正思维过程中的常用工具。然而，在已经跨越使用门槛的学生群体中，为何有些学生将这类工具深度融入学习，而另一些则将其置于边缘，这一问题尚未得到充分解答。既有研究主要借助技术接受模型（TAM）和整合型技术接受与使用理论（UTAUT）考察ChatGPT的采纳行为，但这些理论传统关注的是初次采纳而非持续使用的强度，且通常将心理构念作为意图的平行前因变量纳入模型，未考察这些构念之间的内在顺序关系。

在既有文献中，三个心理构念反复出现：AI素养——评估、使用和批判性审视AI的知识与技能；对AI的信任——在无法完全验证输出结果的情况下依赖自动化系统的意愿；学业自我效能感——学生对自己完成学业任务能力的信念。三者各自均已被证明与使用行为相关，但尚无研究考察它们是否构成一个有序的心理序列而非一组独立的输入变量。本研究正是针对这一空白，提出三个核心命题：第一，AI素养作为远端相关变量，其与持续使用的关联部分被更近端的心理状态所解释；第二，信任与学业自我效能感不是可互换的平行中介变量，而是有序的链条——素养与对工具的信任相关，信任与学生相信自己能借助工具学习的信念相关，该信念又与持续使用相关，研究者将此称为"能力—认知—行为"模式；第三，素养与信任之间的关联并非均匀一致，AI焦虑可能削弱该关联。

研究以中国大学生为样本，该群体面临特殊的制度环境：ChatGPT在官方层面受到访问限制，学生需通过虚拟专用网络或第三方中继平台才能使用，持续使用并非阻力最小的路径，而需要付出刻意努力，这使得心理因素对使用行为的解释力尤为突出。

二、研究设计与核心结论

研究人员对450名具有ChatGPT真实使用经验的中国大学生进行了问卷调查，样本中56%为女性，44%为男性，覆盖各年级和学科背景，平均使用时长7.96个月。研究采用全潜变量结构方程模型检验假设，并使用蒙特卡洛置信区间（20,000次抽样）检验间接效应。

研究得出以下核心结论：AI素养与持续使用直接正相关，也通过信任和学业自我效能感间接相关；假设的序列间接路径——AI素养→信任→学业自我效能感→持续使用——显著成立；AI焦虑显著调节素养与信任之间的关联，高焦虑水平下该关联减弱，序列间接效应也随之减弱。所有六条直接路径均显著且方向符合假设，模型分别解释了信任、学业自我效能感和持续使用40%、38%和40%的方差。

三、主要技术方法

研究采用的主要技术方法包括：验证性因子分析（CFA）评估测量模型，检验信度（Cronbach's α和组合信度CR）、收敛效度（平均方差提取AVE）和区分效度（Fornell–Larcker准则和异质—单质比率HTMT）；全潜变量结构方程模型（SEM）检验结构假设；潜变量交互效应采用双均值中心化乘积指标法（匹配配对策略）设定，并以潜变量调节结构方程（LMS）作为敏感性检验；间接效应采用基于20,000次抽样的蒙特卡洛置信区间检验；有调节的中介效应以调节中介指数及其置信区间评估；共同方法偏差采用Harman单因子检验和未测量潜方法构念法评估。样本来源为中国大陆高校学生，通过线上问卷以便利抽样和滚雪球抽样方式收集。

四、研究结果

4.1 共同方法偏差

Harman单因子检验显示第一个未旋转因子仅解释31.6%的方差，低于50%阈值。加入未测量潜方法构念后，模型拟合仅微小改善（ΔCFI = 0.003），所有实质载荷仍显著，方法因子平均解释方差（10.6%）远小于实质因子平均解释方差（48.2%），表明共同方法偏差不太可能解释观察到的关系。

4.2 测量模型

验证性因子分析拟合良好，χ2(769) = 853.57，CFI = 0.99，TLI = 0.99，RMSEA = 0.02，SRMR = 0.03。标准化因子载荷范围为0.66至0.84，组合信度介于0.91至0.94，Cronbach's α介于0.90至0.94，平均方差提取介于0.56至0.61，均超过标准阈值。区分效度在Fornell–Larcker准则和HTMT标准下均成立（最大HTMT = 0.58）。

4.3 描述性统计与相关分析

AI素养、信任、自我效能感和持续使用之间呈显著正相关，而AI焦虑与信任呈负相关，与其他变量相关性较弱，与假设模型中焦虑主要作用于素养—信任链条的设定一致。

4.4 结构模型与假设检验

全潜变量模型拟合良好，χ2(1,102) = 1258.41，CFI = 0.99，TLI = 0.99，RMSEA = 0.02，SRMR = 0.04。六条直接路径均显著：AI素养→持续使用（β = 0.16）、AI素养→信任（β = 0.50）、AI素养→学业自我效能感（β = 0.20）、信任→学业自我效能感（β = 0.48）、信任→持续使用（β = 0.31）、学业自我效能感→持续使用（β = 0.28），假设H1至H6全部获得支持。将中介变量顺序反转的替代模型拟合不如假设模型，但差异幅度较小（ΔCFI = 0.003），仅能说明反向排序拟合不更优，不能作为序列方向的强证据。

4.5 中介分析

蒙特卡洛置信区间支持所有中介假设：通过信任的间接效应为0.16 [95% CI (0.10, 0.22)]，通过学业自我效能感的间接效应为0.06 [95% CI (0.02, 0.09)]，序列间接路径（AI素养→信任→学业自我效能感→持续使用）的间接效应为0.07 [95% CI (0.04, 0.10)]，总间接效应为0.28 [95% CI (0.21, 0.36)]。由于直接效应仍显著，信任和自我效能感共同构成部分互补中介。

4.6 有调节的中介

AI焦虑对AI素养—信任路径的调节效应显著（交互项β = ?0.25，p < 0.001），支持假设H8。简单斜率分析显示，素养与信任的正向关联随焦虑水平升高而减弱：低焦虑（?1 SD）时为0.76，均值时为0.50，高焦虑（+1 SD）时为0.25。序列路径的调节中介指数为负且显著 [?0.03, 95% CI (?0.05, ?0.02)]，表明高焦虑水平下序列间接效应更弱。LMS方法作为敏感性检验得到一致结果（β = ?0.26，p < 0.001）。

4.7 结果变量的稳健性检验

将结果变量区分为持续使用意向和当前使用强度的双因子模型并未比单因子模型拟合更优（Δχ2(1) = 1.51，p = 0.219），两因子间潜变量相关高达0.98，表明在现有用户样本中二者不可区分。将两个成分作为独立结果变量重新估计结构模型后，所有路径的方向和显著性均保持不变。使用时长与两个结果成分仅弱相关（r = ?0.10和?0.13），表明协变量与当前使用强度并不冗余。

五、讨论与结论

讨论部分总结

研究的核心贡献在于将接受研究从平行预测变量的描述推进到对心理状态间假设顺序的建模。序列间接路径的显著成立支持"能力—认知—行为"的解释框架：对工具的理解、信任以及学业成功的信念构成持续使用的有序相关变量。信任在模型中处于枢纽位置，素养通过信任与动机状态相关联，这提示AI素养教育不应仅关注操作技能，还应致力于培养校准的信任——教会学生了解生成模型的优势、局限以及如何验证输出，可能比单纯覆盖功能特性更为重要。

调节效应结果识别出一个常被忽视的干预靶点：焦虑。高焦虑学生的素养—信任关联更弱，这意味着仅提升能力而忽视情感因素，可能恰恰在最需要支持的学生群体中效果不佳。低风险、有支架的接触体验，如监督练习、示范案例和明确的不确定性正常化，可能有助于降低焦虑从而使知识转化为信任。值得注意的是，AI焦虑与持续使用直接相关几乎为零（r = ?0.06，不显著），说明焦虑并非通过全面压低使用来起作用，而是精准地作用于素养转化为信任这一特定环节。研究者同时指出，高焦虑下更平缓的素养—信任斜率也可能反映校准而非障碍——高焦虑学生可能持有准确知识但选择不据此行动，将此视为需要纠正的缺陷可能并不恰当。

研究局限包括：横断面设计无法确立时间先后顺序；样本限于已有使用经验的学生，不能推广至首次采纳；结果变量为自我报告的使用频率；学业自我效能感为一般性测量而非ChatGPT特定测量；共同方法偏差虽经统计诊断未显示严重问题，但程序性分离测量仍是更优策略。

结论部分翻译

理解为什么一些大学生将ChatGPT深度融入学习而另一些则将其置于边缘，需要的不仅仅是对其相关变量的罗列。在已经使用该工具的学生中，本研究发现AI素养与持续使用的关联模式与一个有序心理序列一致：素养与对工具的信任相关，信任与学业自我效能感相关，自我效能感与持续使用相关。在该模型中，信任和自我效能感不是可互换的平行相关变量，而是连续的环节，AI焦虑通过削弱素养—信任关联在该序列的起点处施加调节作用。通过设定这一有调节的序列模式，本研究将生成式AI使用的心理相关变量从一个清单重构为一个有序集合，并指出了教育投入最可能发挥作用之处：培养校准的信任和管理焦虑，使学生对AI的了解能够反映在他们如何使用AI之中。由于证据来自横断面设计且样本为现有用户，该排序是一种有待纵向研究检验的建模假设，且该解释适用于持续参与而非首次采纳。随着生成式AI深入高等教育肌理，考察有序关联而非仅做预测的使用研究，可能成为更好地支持学生的指南。