高校大学生对人工智能技术持续使用行为意向的影响因素研究

作者简介：

1.严倩芸 ，女，2004年2月出生，江西赣州人，景德镇陶瓷大学，2022级人工智能专业在校本科生 ，研究方向：人工智能

2.曹艳丽，女，2004年8月出生，江西九江人，景德镇陶瓷大学，2022级人工智能专业在校本科生，研究方向：人工智能

3.邱悦浠，女，2006年7月出生，江西萍乡人，景德镇陶瓷大学，2024级人工智能专业在校本科生，研究方向：人工智能

摘要：随着人工智能技术的迅速发展，其在教育领域的应用日益广泛，尤其是对高校大学生的学习与生活产生了深远影响。本文旨在探究影响高校大学生对人工智能技术持续使用的行为意向的因素。通过文献综述和实证分析，构建了包含技术接受模型（TAM）扩展变量、个体差异性因素以及社会环境因素在内的综合理论模型。通过问卷调查收集相关数据，同时运用结构方程模型对假设进行检验。研究发现，感知有用性、感知易用性和满意度是影响大学生持续使用人工智能技术的关键因素；个体特征如性别、年级和专业背景也对使用意向产生影响；此外，社会环境因素如同伴影响和学校支持同样扮演重要角色。本文不仅丰富了技术接受与持续使用的理论研究，也为高校在推广人工智能技术提供了实践指导。

关键词：人工智能技术；持续使用行为意向；高校大学生；影响因素

一、引言

1 .研究背景及意义

随着人工智能技术的迅猛发展，其在教育领域的应用已成为推动教学创新的关键力量。特别是在高等教育层面，人工智能技术不仅被用于提升教学效率，还融入到学生的学习日常中，进而塑造他们的学习模式和习惯。尽管人工智能技术为教育带来了许多便利，但其长期应用仍面临用户接受度的挑战。因此，深入研究高校大学生对人工智能技术持续使用行为的意向及其背后的影响因素，对于促进该技术的广泛采纳和提升教育质量具有重大意义。

2 .国内外研究现状

国际上关于人工智能技术接受度的研究已取得一定成果，多数研究集中在技术接受模型（TAM）的应用和扩展上。国内学者也开始关注这一领域，但大多侧重于初步接受阶段，对持续使用行为的研究相对较少。此外，现有研究多从技术特性和用户心理出发，较少涉及社会环境和个体差异性因素的影响。

3. 研究内容与问题提出

本研究旨在填补现有研究的空白，深入探讨高校大学生对人工智能技术持续使用的行为意向及其影响因素。

具体研究内容包括：

（1）分析技术接受模型在持续使用情境下的适用性；

（2）考察个体差异性因素如何影响大学生的持续使用意向；

（3）探讨社会环境因素对大学生持续使用人工智能技术的影响机制。通过对这些问题的研究，本文期望为高校推广人工智能技术提供理论依据和实践指导。

二、 理论基础与研究假设

1. 人工智能技术概述

人工智能技术指的是由人造系统所展现的智能行为，它能够执行那些通常需要人类智能才能完成的任务。在高等教育领域，人工智能技术的应用范围广泛，包括但不限于智能教学系统、个性化学习平台和自动化评估工具等。这些技术的应用目的在于提升教学效率，优化教育资源的分配，并推动学生个性化学习的发展。

2 .持续使用行为意向的理论基础

持续使用行为意向指的是用户在未来继续使用特定技术的倾向。在信息技术领域，这一概念的研究主要基于期望确认理论（ECM）和科技接受模型（TAM）。期望确认理论提出，用户的持续使用行为受到他们对先前使用经历的满意度和期望确认的影响。科技接受模型则突出了感知有用性和感知易用性作为决定用户接受和使用新技术的核心因素。

3 .研究假设的提出

在前述理论框架的基础上，本研究构建了以下假设：

H1： 高校大学生对人工智能技术的感知有用性对其持续使用行为意向具有正向影响。

H2： 高校大学生对人工智能技术的感知易用性对其持续使用行为意向具有正向影响。

H3： 高校大学生对人工智能技术的满意度对其持续使用行为意向具有正向影响。

H4： 个体差异性因素（如性别、年级、专业背景）对高校大学生持续使用人工智能技术的行为意向有显著影响。

H5： 社会环境因素（如同伴影响、学校支持）对高校大学生持续使用人工智能技术的行为意向有显著影响。

三、研究方法与数据收集

1 .研究对象与样本选择

本研究的目标群体为在校高校大学生，他们构成了人工智能技术的主要用户群体之一。在样本选择上，本研究采用分层随机抽样方法，以确保样本能够代表不同年级、专业和性别的学生群体。

2 .研究工具与数据收集方法

研究主要采用问卷调查法收集数据。问卷设计基于技术接受模型（TAM）和期望确认理论（ECM），并结合个体差异性因素和社会环境因素进行扩展。问卷包括基本人口统计信息、对人工智能技术的感知有用性、感知易用性、满意度、持续使用意向以及个体差异性和社会环境相关的问题。所有问题均采用李克特五点量表进行评分，以便进行量化分析。

3 .数据分析方法

本研究收集到的数据将利用SPSS和AMOS软件进行综合分析。首先，将通过描述性统计分析来掌握样本的基本特征及其分布情况。接着，运用探索性因子分析（EFA）和验证性因子分析（CFA）来评估问卷的结构效度。然后，通过相关性分析和回归分析来检验研究假设，从而确定各变量间关系强度和方向。最终，采用结构方程模型（SEM）来分析整体模型的适配度和路径系数，进而验证所提出的理论模型。通过这些严谨的分析步骤，本研究旨在揭示影响高校大学生对人工智能技术持续使用行为意向的关键因素。

四、 实证分析与结果讨论

1.描述性统计分析

本研究对收集到的有效问卷数据进行了描述性统计分析。分析结果显示，在性别分布上，男性参与者占比为52%，女性占比为48%，显示出性别比例相对均衡。在年级分布方面，一年级学生占比20%，二年级学生占比25%，三年级学生占比25%，四年级及以上学生占比30%，反映出样本覆盖了各个年级层次。专业背景方面，理工科学生占比40%，文史哲学生占比30%，经管法学生占比20%，其他专业学生占比10%，显示出专业背景的多样性。此外，大多数参与者表示对人工智能技术有一定的了解，并在日常学习和生活中有过接触和使用经历。

2.假设检验与结果分析

本研究采用结构方程模型（SEM）对提出的假设进行了检验。检验结果表明，感知有用性（β=0.24， p<0.01）、感知易用性（β=0.31， p<0.001）和满意度（β=0.47， p<0.001）均与持续使用意向显著正相关，从而支持了假设H1、H2和H3。在个体差异性因素中，性别对持续使用意向的影响不显著，而年级（β=-0.15， p<0.05）和专业背景（β=0.10， p<0.05）对持续使用意向有显著影响，支持了假设H4。在社会环境因素中，同伴影响（β=0.22， p<0.01）和学校支持（β=0.18， p<0.05）均显著正向影响持续使用意向，支持了假设H5。

3. 结果讨论与理论意义

本研究的实证分析结果揭示了多个影响高校大学生对人工智能技术持续使用行为意向的关键因素。感知有用性、感知易用性和满意度作为技术接受模型的核心变量，在本研究中再次证实了它们的重要性。此外，年级和专业背景作为个体差异性因素，以及同伴影响和学校支持作为社会环境因素，也在不同程度上影响了学生的持续使用意向。这些发现不仅为理解高校大学生对人工智能技术的接受行为提供了新的视角，而且对于高校在推广人工智能技术时制定针对性策略具有重要的理论和实践意义。

五、 结论与建议

1 .研究结论

本研究通过实证分析探讨了高校大学生对人工智能技术持续使用行为意向的影响因素。研究结果表明，感知有用性、感知易用性和满意度是影响大学生持续使用人工智能技术的关键心理因素。此外，年级和专业背景作为个体差异性因素，以及同伴影响和学校支持作为社会环境因素，也在不同程度上影响了学生的持续使用意向。这些发现为理解大学生对人工智能技术的接受行为提供了新的视角，并为高校在推广人工智能技术时提供了理论依据。

2 .研究局限与未来展望

尽管本研究取得了一定的成果，但仍存在一些限制。首先，样本仅覆盖了特定地区的高校大学生，这可能限制了研究结果的普遍适用性，无法完全代表所有高校学生的情况。其次，本研究主要依赖于定量研究方法，未来研究可以考虑结合定性研究方法，例如深度访谈或案例研究，以获取更全面的数据和深入的洞见。最后，鉴于人工智能技术的持续发展和教育环境的不断变化，未来的研究应定期更新和调整研究模型，以适应新兴技术和新的教育环境条件。

3 .对高校推广人工智能技术的建议

根据本研究的发现，对于高校推广人工智能技术，以下是几点建议：首先，高校应重视提升学生对人工智能技术的感知有用性和感知易用性，例如通过组织培训工作坊和提供用户友好的人工智能工具。其次，高校应致力于增强学生对人工智能技术的满意度，可以通过优化技术支持服务和提供个性化的学习体验来实现。此外，高校还应考虑学生的年级和专业背景差异，制定差异化的推广策略。最后，高校应积极营造一个积极的社会环境，鼓励同伴间的交流与合作，并提供必要的学校支持，以促进人工智能技术在校园内的广泛应用。

参考文献

[1]闫志明，唐夏夏，武茜等.教育人工智能（EAI）的内涵、关键技术与应用趋势——美国《为人工智能的未来做好准备》和《国家人工智能研发战略规划》报告解析[J].远程教育杂志，2017，35（01）：26-35.

[2] 方旭， 许磊， 窦慧敏. 中学生人工智能技术使用持续性行为意向影响因素研究[J]. 信阳师范学院学报（哲学社会科学版）， 2023， 43（3）： 79-88.

[3] 刘鸣筝， 王硕. 技术想象与技术实践的交织——科学传播视域下公众对生成式人工智能的认知、评估与使用[J]. 国际新闻界， 2024， 04： 32-48.