哪些因素影响学习者的Gen AI采纳行为——基于模糊集质性比较分析的发现.pdfVIP

哪些因素影响学习者的Gen AI采纳行为——基于模糊集质性比较分析的发现.pdf

此“教育”领域文档为创作者个人分享资料,不作为权威性指导和指引,仅供参考
  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

Vol.35No.62025

哪些因素影响学习者的GenAI采纳行为?*

——基于模糊集质性比较分析的发现

112

陈鹏王蓉白佳鹭

(1.首都师范大学教育学院,北京100048;

2.清华大学附属中学上地学校,北京100084)

摘要:学习者的生成式人工智能(GenerativeArtificialIntelligence,GenAI)采纳行为,是人工智能能否有效赋能教育

教学的前提,受多种因素的交互影响。为探析具体有哪些因素影响学习者的GenAI采纳行为,文章依托UTAUT2模

型,采用模糊集质性比较分析方法,将绩效期望、努力期望、社会影响、便利条件、享乐动机、技术习惯、个人创新、

信息准确作为解释GenAI采纳行为的前因变量,将GenAI采纳行为作为结果变量。通过单变量必要性分析和多变量

组态分析,文章得到3类高采纳行为组态路径和1类低采纳行为组态路径,并发现技术本身、外部环境、内部驱动都

能促进学习者对技术的高采纳行为。基于此,文章从技术应用、多元支持、文化建设三个方面提出建议,以深化对技

术采纳的主观认识,促进人机协同知识建构并实现技术赋能创新人才培养。

关键词:生成式人工智能;采纳行为;UTAUT2模型;组态路径

【中图分类号】G40-057【文献标识码】A【论文编号】1009—8097(2025)06—0036—10【DOI】10.3969/j.issn.1009-8097.2025.06.004

以ChatGPT为代表的GenAI的出现与发展,引发了新一轮人工智能革命,也给教育带来了巨大的机

[1]

遇与挑战。GenAI不仅可以通过对话为人们提供个性化的帮助,并以模仿人类互动的方式提供及时反馈,

[2]

还能帮助人们管理知识、完成学习任务等,目前已被人们越来越多地应用于教育情境。然而,GenAI也

[3][4]

会引起诸如道德伦理风险、内容可信度低、技术依赖导致类脑退化等问题,从而降低人们对GenAI的

采纳意愿。学习者的GenAI采纳行为,对于开展GenAI教育应用起着至关重要的作用。了解学习者的GenAI

采纳行为影响因素,是教育工作者为GenAI教育应用制定合适策略的关键步骤,将有助于学习者在学习中

有效使用GenAI[5]。然而,当前对于学习者采纳GenAI技术的影响因素研究尚未形成成熟且一致的结论,

对于技术采纳各要素之间的相互作用和组态效应也缺少探究。基于此,本研究尝试从组态视角出发,针对

学习者采纳GenAI技术的影响因素展开研究,以期为人工智能技术赋能教育教学提供参考。

一研究回顾

1UTAUT2模型相关研究

技术采纳与使用扩展(ExtendedUnifiedTheoryofAcceptanceandUseofTechnology,UTAUT2)模型是

在技术采纳与使用(UnifiedTheoryofAcceptanceandUseofTechnology,UTAUT)模型的基础上整合创新

扩散理论、社会认知理论等扩展而成,其将影响技术采纳的变量扩展为七个核心变量,即绩效期望、努力

[6]

期望、社会影响、便利条件、享乐动机、学习价值和行为习惯。UTAUT2模型是在不同文化环境和社会

背景下解释不同群体对创新技术采纳意愿和行为的有效模型,已成为预测和分析个人或组织接受信息技术、

文档评论(0)

1、人工智能 2、乡村振兴 3、金融资讯

1亿VIP精品文档

相关文档