《PLOS One》：Perceived GenAI competency and university teachers’ intention to continue using generative artificial intelligence: Extending the technology acceptance model
编辑推荐：
生成式人工智能（generative artificial intelligence, GenAI）正在重塑高等教育，在此背景下，理解教师持续使用GenAI的意图日益重要。本研究以技术接受模型（technology acceptance model, TAM）
生成式人工智能（generative artificial intelligence, GenAI）正在重塑高等教育，在此背景下，理解教师持续使用GenAI的意图日益重要。本研究以技术接受模型（technology acceptance model, TAM）为基础，考察教师感知GenAI能力的不同维度与感知易用性（perceived ease of use, PEOU）、感知有用性（perceived usefulness, PU）以及GenAI持续使用意图（GenAI use continuance intention, GenAI-UCI）之间的关联。研究人员采用来自中国青岛615名大学教师的调查数据，运用结构方程模型（structural equation modeling, SEM）检验感知GenAI能力维度、基于TAM的信念与持续使用意图之间的假设关系。结果表明，与教学、研究和专业参与相关的感知GenAI能力维度与PU呈正相关，而感知基础理解与PEOU的关联较小且不稳健。PU与GenAI-UCI呈正相关，而PEOU与GenAI-UCI无显著的直接关联。总体而言，研究结果表明，感知GenAI能力并非同质性的能力；相反，在提出的模型中，不同能力维度与不同的基于TAM的信念相关联。研究结果强调了教师对其专业实践中GenAI有用性的感知对于理解高等教育中持续使用意图的重要性。
生成式人工智能（generative artificial intelligence, GenAI）正在深刻改变高等教育的知识生产、教学与学习方式，众多教师已将GenAI工具融入教学设计、评估反馈等实践活动。尽管技术接受模型（technology acceptance model, TAM）已被广泛用于解释教师对新兴技术的接受行为，但现有研究多聚焦于初始采纳，对教师持续使用GenAI意图的关注不足，且较少从教师感知能力的多维视角探讨其与TAM核心信念的关系。已有研究指出，感知GenAI能力涵盖技术、教学、伦理等多个维度，但不同维度如何分别关联感知有用性（perceived usefulness, PU）和感知易用性（perceived ease of use, PEOU），进而影响持续使用意图，尚缺乏实证检验。为此，研究人员提出一个整合模型，将感知GenAI能力四个维度（基础理解、教学、研究、专业参与）纳入TAM框架，考察其与PEOU、PU及GenAI持续使用意图（GenAI use continuance intention, GenAI-UCI）的关联。
研究人员以中国青岛6所高校（3所公办、3所民办）的615名大学教师为样本，通过在线问卷调查收集数据。测量工具包括改编自Xia等开发的GenAI能力自我效能感量表（GAICS-TR）的四个能力分维度量表，以及基于Davis的TAM量表改编的PU和PEOU量表，还有源自Chai等和Bhattacherjee的持续使用意向量表。所有量表均采用5点李克特计分。数据分析使用SPSS 29和AMOS 26，主要方法包括描述性统计、Harman单因素检验与未测量潜在方法构念（ULMC）法评估共同方法偏差、基于Cronbach's alpha和组合信度（CR）的信度检验、平均方差抽取量（AVE）与Fornell-Larcker准则和异质-单质比率（HTMT）的效度检验，以及结构方程模型（SEM）和5,000次Bootstrap抽样检验路径与间接效应。
### 描述性统计
描述性统计显示，各构念均值介于3.176至3.424之间，均高于量表中点。其中GenAI持续使用意图均值最高（M=3.424），感知基础理解均值最低（M=3.176）。所有偏度绝对值小于0.5，峰度绝对值小于0.7，单变量近似正态，但多变量正态性检验显示偏离，故后续采用Bootstrap稳健估计。
### 共同方法偏差
Harman单因素检验中第一因子解释方差为28.386%，低于50%阈值。ULMC分析加入共同方法因子后，模型拟合指标变化很小（ΔRMSEA=0.002，ΔCFI=-0.006等），表明共同方法偏差不构成严重威胁。
### 信度与效度分析
所有构念的Cronbach's alpha介于0.880至0.960之间，CR值介于0.881至0.960，均超过推荐标准。所有标准化因子载荷介于0.647至0.885，AVE值介于0.554至0.750，表明收敛效度良好。各构念AVE平方根均大于构念间相关系数，HTMT值均低于0.85，表明区分效度良好。
### 模型拟合与假设检验
结构方程模型拟合指标显示χ2/df=2.118，RMSEA=0.043，CFI=0.937，TLI=0.934，整体拟合可接受。路径分析结果显示：感知基础理解对PEOU的正向关联在常规显著性检验中显著（β=0.088，p=0.048），但95%偏差校正Bootstrap置信区间包含零，因而被视为不稳健；感知教学能力（β=0.301）、感知研究能力（β=0.230）、感知专业参与能力（β=0.208）均与PU显著正相关；PEOU与PU显著正相关（β=0.166）；PU与GenAI持续使用意图显著正相关（β=0.276）；PEOU与GenAI持续使用意图的直接关联不显著（β=0.067，p=0.114）。该模型解释了PEOU方差的0.8%、PU方差的21.5%和GenAI持续使用意图方差的8.7%。间接效应分析显示，四个感知能力维度通过TAM路径对持续使用意图的间接效应均显著，但感知基础理解的间接效应极小（β=0.010）。
### 敏感性分析
为检验感知专业参与与持续使用意图之间的潜在内容重叠，研究人员移除最可能重叠的条目GenAI-UCI3后重新运行模型。结果显示模型拟合与路径方向、显著性模式与原始模型基本一致，说明实质性结论稳健。
讨论部分指出，研究将感知GenAI能力纳入TAM框架，揭示了不同能力维度与不同TAM信念的差异化关联。感知教学、研究和专业参与能力均与PU正相关，而PU是持续使用意图的关键预测因子；感知基础理解与PEOU的关联微弱且不稳健，PEOU对持续使用意图无直接关联，但通过PU间接发挥作用。这一模式表明，教师对GenAI有用性的感知可能比操作便利性更影响其持续使用意图，尤其在强调科研产出和教学质量的中国高校环境中。研究为TAM在GenAI教育情境中的扩展提供了实证支持，并提示专业发展项目应超越技术操作培训，重视将GenAI融入教学、研究等学术实践。然而，模型对持续使用意图的解释力有限，且横断面设计、方便抽样及样本局限于中国高校等因素限制了因果推断和推广性。未来可采用纵向设计、跨文化比较和质性方法，并纳入机构支持、社会影响、信任等额外变量。
研究结论认为，感知GenAI能力的不同维度与大学教师的TAM信念存在差异化关联：基础理解与PEOU关联不稳健，而教学、研究和专业参与能力与PU正相关；PU进一步与持续使用意图正相关，PEOU则无显著直接关联。研究将感知能力作为TAM的前因拓展了理论框架，并通过TAM路径揭示了能力维度与持续使用意图的间接关联。实践上，高校应鼓励教师将GenAI用于教学和研究实践，而非仅关注易用性或技术培训。鉴于模型解释力有限，后续研究需探索更多影响因素以更全面理解GenAI持续使用意图。
