|
研究背景研究问题探讨了生成式人工智能（Generative AI）使用频率对大学生自我效能感和技术依赖性的影响，揭示了其中的悖论关系，并对包容性教育实践提出了启示。研究难点如何量化生成式AI的使用频率及其对自我效能感和技术依赖性的影响，以及如何解释这种复杂的双向关系。相关工作生成式AI可以提升学习者的自信心和效率，从而增强自我效能感（Liang et al., 2023b; Meyer et al., 2019; Yilmaz and Yilmaz, 2023）。然而，过度依赖生成式AI可能会削弱学生独立解决问题的能力（Huang et al., 2020; Zhang et al., 2024）。研究假设假设 1a 增加生成式人工智能（Generative AI）使用的频率会增强学生的自信心。 假设 1b增加生成式人工智能（Generative AI）使用的频率会增强学生的问题解决效率。 假设 2生成式人工智能（Generative AI）使用的频率与技术依赖程度呈正相关。 假设 3生成式人工智能（Generative AI）的使用积极影响学生对效率的感知，这反过来会导致技术依赖的增加。 假设 4生成式人工智能（Generative AI）的使用积极影响学生的自信心，这随后增强他们对效率的感知，最终导致技术依赖的增加。 研究方法这篇论文提出了一个研究模型，用于解决生成式AI使用频率对大学生自我效能感和技术依赖性的双重影响问题。具体来说： 生成式AI使用频率使用四点Likert量表来量化受访者每周使用生成式AI的频率，范围从“从不”到“每天”。技术依赖性使用五点Likert量表来评估受访者在使用生成式AI后完成任务时对技术的依赖程度，范围从“强烈不同意”到“强烈同意”。自我效能感基于Bandura的自我效能理论，设计了两个维度来评估自我效能感：信心感知评估生成式AI对个体在面对挑战时的信心影响。效率感知评估生成式AI在解决问题时提高效率的影响。中介变量假设生成式AI使用频率通过提高效率感知和信心感知来增加技术依赖性。控制变量性别，年级图片 实验设计数据收集通过在线平台对中国某一线城市高校的本科生进行问卷调查，共发放348份问卷，回收200份有效问卷，响应率为57%。样本选择样本包括大一到大四的学生，涵盖了广泛的学科领域，以确保样本的多样性和代表性。参数配置使用结构方程模型（SEM）进行路径分析，样本量为200个观测值，满足最小样本量要求。图片 结果与分析描述性统计：生成式AI使用频率的平均得分为3.28，信心感知平均得分为3.43，效率感知平均得分为3.71，技术依赖性平均得分为3.33。 结构方程模型分析：模型拟合指数显示模型与数据高度一致，CFI和TLI均大于0.95，RMSEA小于0.06。生成式AI使用频率显著提高了学生的自我效能感和效率感知，进而增加了技术依赖性。 中介效应分析：生成式AI使用频率通过提高效率感知和信心感知间接增加了技术依赖性。具体路径包括：AI使用频率→效率感知→技术依赖性，以及AI使用频率→信心感知→效率感知→技术依赖性。 总体结论这项研究揭示了生成式AI使用频率对大学生自我效能感和技术依赖性的复杂关系。尽管AIGC显著提升了学生的自我效能感和效率感知，但同时也加剧了他们的技术依赖性。这表明在教育环境中整合AI技术需要平衡其优势与避免过度依赖的风险。未来的研究应进一步探讨AI对学生长期学习成果的影响，并探索如何在不同类型的教育环境中应用这些发现。 摘要原文In the era of proliferating artificial intelligence (AI) technology, generative AI is reshaping educational landscapes, prompting a critical examination of its influence on students’ learning processes and their self-efficacy amid concerns over growing technological dependence. This study investigates the nuanced relationship between generative AI use and university students’ self-efficacy and technological dependence, illuminating the underlying paradoxes and implications for inclusive education practices. Through a survey of 348 university students, with 200 valid responses analyzed, we uncover the direct and indirect impacts of generative AI usage frequency on AI dependence. Our findings reveal a paradoxical effect: enhanced AI usage significantly amplifies students’ confidence and efficiency in learning, yet simultaneously intensifies their dependence on AI. This dual impact both supports and complicates the incorporation of AI technologies into educational settings, underscoring the need for a balanced approach to leveraging AI in teaching and learning. Our study underscores the critical importance of a nuanced understanding of AI’s role in education. It highlights the necessity of crafting an educational landscape where technology augments learning processes without compromising independent learning capabilities. By navigating the complex interplay between technological advancement and educational inclusivity, our findings guide the development of AI-assisted learning environments that are not only effective but also equitable and accessible. Zhang, L., & Xu, J. (2025). The paradox of self-efficacy and technological dependence: Unraveling generative AI’s impact on university students’ task completion. Internet and Higher Education, 65, 100978. https://doi.org/10.1016/j.iheduc.2024.100978 本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。 |
