《Journal of Intelligence》：From Confidence to Commitment: Self-Perceived Competence and the Motivational Pathways to Intellectual Engagement with AI Learning Tools
编辑推荐：
人工智能（AI）工具正逐渐成为学生思考方式的一部分，而不仅仅是他们使用的工具。学习者是与这样的工具互动还是将其任务委派出去，这关乎其自身认知资源如何部署的决策，从而将该决策置于人类智能的研究范畴内。智力发展的投资理论认为，能力是通过对认知要求高的材料进行有动机
人工智能（AI）工具正逐渐成为学生思考方式的一部分，而不仅仅是他们使用的工具。学习者是与这样的工具互动还是将其任务委派出去，这关乎其自身认知资源如何部署的决策，从而将该决策置于人类智能的研究范畴内。智力发展的投资理论认为，能力是通过对认知要求高的材料进行有动机的投入而建立的，然而技术接受框架强调效用判断，却低估了驱动这种投入的动机过程。本研究测试了一个扩展的技术接受模型（Technology Acceptance Model, TAM），在该模型中，自我效能感通过动机和愉悦感塑造感知有用性。研究采用偏最小二乘结构方程模型（partial least squares structural equation modeling），分析了来自沙特某大学商学院185名在课程作业中使用生成式AI工具的本科生的调查数据。所有九个假设均得到支持。自我效能感强烈预测了动机和愉悦感，但动机是通向感知有用性的主导中介路径（β = 0.295, p < 0.001），愉悦感则是一条较弱的情绪路径（β = 0.086, p < 0.05），同时存在一条从自我效能感经由动机再到愉悦感的显著序列路径（β = 0.113, p < 0.001）。该模型解释了行为意向（behavioral intention）54.4%的方差。研究结果表明，关于自身技术能力的信念，而非仅仅对工具的评估，决定了学生如何投入于智能系统，这对AI的使用是发展还是取代学习者自身的智力能力具有启示意义。
论文解读文章
研究背景、现存问题与研究目的
随着人工智能（AI）在高等教育中的深度融合，理解学生如何使用和采纳这些新型工具变得至关重要。现有研究表明，AI工具带来的认知益处高度依赖于学习者的自我调节能力，而无指导的依赖可能导致“元认知懒惰”模式，即学习者将监控和评估任务卸载给系统。因此，促使学生选择“参与”而非“委托”的关键因素，不仅是技术接受问题，更是关乎人类智力如何发展的问题。
尽管技术接受模型（TAM）被广泛用于解释教育领域的采纳行为，但其核心构念——感知有用性和感知易用性——可能无法完全捕捉驱动学生与智能、自适应工具互动的情绪和认知因素。现有研究存在三大空白：第一，鲜有研究系统地考察自我效能感、动机和愉悦感之间的串行-并行中介路径；第二，现有的TAM扩展研究主要关注通用教育技术，而非具备自适应和个性化特征的AI平台，后者因其智能和响应特性带来了独特的心理需求；第三，实证证据主要集中在西方和东亚背景下，中东地区尤其是海湾国家的研究严重不足。
为解决上述空白，本研究旨在开发和测试一个扩展的TAM模型，纳入自我效能感、动机、愉悦感和感知有用性，以预测学生对AI学习工具的使用意向。研究将自我效能感视为一种针对特定工具的、对自身能力的评估，并将使用意向视为学习者愿意在智能系统中投入认知努力的指标。
研究方法与技术
本研究采用定量、基于问卷调查的方法。研究对象为沙特阿拉伯一所大型公立大学商学院某一门课程的本科生，共计185份有效问卷。学生在课程中被要求使用如ChatGPT等生成式AI工具来完成研究和数据分析作业。研究人员使用结构化问卷收集数据，所有项目均采用7点李克特量表进行评估。数据分析采用SmartPLS软件进行偏最小二乘结构方程建模（PLS-SEM），该方法适用于探索性研究并能处理相对较小的样本量。
研究结果
测量模型评估：
通过验证性因子分析，研究人员移除了两个因子载荷低于0.7阈值的题项（EFC1和EFC4），以提升构念效度。剩余的题项均表现出良好的心理测量学属性：所有因子载荷高于0.7，克隆巴赫α系数和组合信度均高于0.7，平均方差提取值（AVE）均高于0.5，表明模型具有良好的收敛效度和信度。通过弗奈尔-拉克准则和异质-单质比率（HTMT）检验，确认了各构念间具有良好的区分效度。
结构模型与假设检验：
所有九条假设（H1-H9）均获得支持。
- •
直接效应： 自我效能感对动机（β=0.594, p<0.001）和愉悦感（β=0.230, p<0.05）均有显著正向影响，支持H1和H2。动机对愉悦感（β=0.512, p<0.001）和感知有用性（β=0.496, p<0.001）均有显著正向影响，支持H3和H4。愉悦感对感知有用性（β=0.372, p<0.001）有显著正向影响，支持H5。感知有用性对使用意向（β=0.738, p<0.001）有显著正向影响，支持H6。
- •
中介效应： 动机在自我效能感与感知有用性关系中起到显著的中介作用（β=0.295, p<0.001），支持H7。愉悦感在自我效能感与感知有用性关系中起到显著但较弱的中介作用（β=0.086, p=0.025），支持H8。动机和愉悦感在自我效能感与感知有用性关系中起到显著的串行中介作用（β=0.113, p<0.001），支持H9。这表明自我效能感对感知有用性的总效应完全由这三条间接路径承载。
- •
模型解释力与拟合度： 模型解释了动机35.3%、愉悦感45.5%、感知有用性62.4%以及使用意向54.4%的方差。所有内生变量的Q2值均大于0，证实了模型的预测相关性。标准化均方根残差（SRMR）为0.075，低于0.08的阈值，表明模型拟合良好。
讨论与结论总结
讨论部分：
- •
区域背景下的发现： 在海湾地区，受国家数字化转型战略驱动的务实教育文化下，学生倾向于将AI工具视为实现学术目标和保障就业的工具。这导致动机（目标导向）在驱动AI采纳中扮演了比愉悦感更为主导的角色。
- •
动机的中介作用： 动机是连接自我效能感与感知有用性的主导中介路径。这表明，对自己AI技能更有信心的学生会表现出更高的动机，进而增强其对工具有用性的认知。这一发现强调了自我效能感通过激发动机来塑造技术价值判断的关键机制。
- •
愉悦感的中介作用： 愉悦感的中介路径虽然显著但较弱。研究发现，自我效能感主要通过激发动机，再由动机促进愉悦感，形成一种级联效应，而非两条平行的独立路径。在正式的学术环境中，功利性目标往往胜过享乐动机。
- •
对人类智能研究的启示： 从智力投资的视角看，研究揭示的模式是“工具性投资”而非“享乐消费”。自我效能感强有力地驱动了动机而非愉悦感，这表明学生将AI视为值得投入努力的工作伙伴，而非减少认知需求的替代品。这与认知卸载文献的预测相反，暗示在此样本中，AI采纳更可能补充而非取代学习者的认知加工。然而，研究仅测量了行为意向，而非实际的认知结果，因此这种乐观解读仍需后续研究验证。
结论部分翻译：
这项研究通过将情感（愉悦感）和认知（动机、自我效能感）维度整合到TAM中，推进了技术接受理论，解决了传统TAM忽视情感因素的批评。至关重要的是，研究证明了动机和愉悦感是中介变量而非直接预测因子，阐明了自我效能感如何转化为感知有用性。这种双重贡献——构念整合与因果路径细化——使TAM超越了增量扩展，走向机制性解释。我们的研究与以往的情感TAM扩展有三个不同之处。第一，我们没有将愉悦感视为额外的预测因子，而是将其理论化为一种中介机制，解释了从自我效能感到有用性感知的心理过程。第二，我们同时检验了双中介路径，揭示了不同的强度，这表明动机是主要机制。第三，我们将这些关系置于AI驱动的学习环境背景下，这些环境相较于通用教育技术提出了独特的心理挑战。
除了技术接受之外，这些发现也回应了智能研究中的一个问题：是什么促使学习者将认知努力投入到智能系统中，而不是委托给它们？通过展示技术性自我评价主要通过动机而非享乐途径驱动投入，该模型识别出对自身特定工具能力的信心是AI使用最有可能变得在智力上富有成效的关键点。重要的是，这种采纳意图反映的是心理前因，而非已实现的认知结果。从这个角度来看，技术接受研究被定位为研究能力如何在技术中介条件下发展的一个输入，与最近模拟AI使用所涉及或绕过的认知过程的研究并列，而不是作为一个独立的文献分支。
