学术研究报告：大学生对ChatGPT态度的5-T模型研究

一、研究作者与发表信息
本研究由台湾的三位学者合作完成：第一作者Sen-Chi Yu（国立台中教育大学心理咨询与应用心理学系）、通讯作者Yueh-Min Huang（国立成功大学工程科学系）及Ting-Ting Wu（国立云林科技大学技术与职业教育研究所）。论文《Tool, Threat, Tutor, Talk, and Trend: College Students’ Attitudes Toward ChatGPT》发表于期刊Behavioral Sciences 2024年第14卷，文章编号755，于2024年8月27日正式出版。

二、学术背景与研究目的
科学领域：本研究属于教育技术与人工智能（Artificial Intelligence, AI）交叉领域，聚焦于大学生对生成式AI工具ChatGPT的心理态度及其性别差异。
研究背景：ChatGPT作为革命性AI技术，已深刻影响高等教育（如学习辅助、语言翻译）和日常生活（如行程规划）。然而，此前研究多基于技术接受模型（Technology Acceptance Model, TAM），缺乏针对ChatGPT态度的专门量表，且性别差异的结论存在矛盾（如机器人研究中男性更积极，但社交媒体中女性更倾向社交功能）。
研究目标：
1. 开发并验证“ChatGPT态度量表（ChatGPT Attitude Scale, CAS）”；
2. 分析大学生使用ChatGPT的行为模式（频率、满意度等）；
3. 探究性别对ChatGPT态度的影响。

三、研究流程与方法
1. 量表开发与验证
- 理论基础：整合计算机/互联网态度的“5T/6T模型”（如Taylor的“Tutor-Tool-Tutee”框架）和AI态度研究（如GAIS量表的两维度“积极-消极”结构），提出ChatGPT态度的5-T假设模型：工具性（Tool）、导师性（Tutor）、威胁性（Threat）、对话性（Talk）、趋势性（Trend）。
- 量表设计：初步设计21题项，采用4点李克特量表（1=完全不同意，4=完全同意）。
- 样本与数据收集：通过方便抽样招募516名台湾大学生（女性350人，男性166人，平均年龄20.61岁），通过在线问卷（Google Forms）收集数据。

1. 统计分析方法

   • 探索性因子分析（EFA）：随机抽取半数样本（n=256），采用主轴提取和方差最大旋转，验证5-T模型的结构效度。结果显示21题项归入5因子，因子载荷均>0.30（例如“工具性”题项“我用ChatGPT规划旅行”载荷0.734）。
     
   • 验证性因子分析（CFA）：对另半数样本（n=256）进行验证，模型拟合优度良好（RMSEA=0.061，CFI=0.97，SRMR=0.081）。
     
   • 信度检验：总量表Cronbach’s α=0.870，各子维度α值均达标（如“工具性”α=0.83）。
     

2. 性别差异分析

   • 采用独立样本t检验比较男女在CAS总分及子维度的差异，控制年龄和专业变量。
     

四、主要研究结果
1. ChatGPT使用行为
- 使用频率：24.2%学生每周使用1次，19.4%每2-3天使用，5.6%每日使用；
- 满意度：对回答准确性（平均6.61/10）和回答深度（6.53/10）评价中等，但整体满意度较高（7.08/10）。

1. 5-T模型验证

   • 工具性（Tool）：学生最认可ChatGPT的实用功能（如信息搜索、行程规划）；
     
   • 导师性（Tutor）：在学术支持（如语言学习、作业辅助）中作用显著；
     
   • 威胁性（Threat）：担忧数据泄露（67.3%）、作业抄袭（59.7%）和失业风险（45.1%）；
     
   • 对话性（Talk）：34.5%学生通过ChatGPT缓解孤独感；
     
   • 趋势性（Trend）：81.2%认为ChatGPT是未来技术趋势。
     

2. 性别差异

   • 男性在总分及“工具性”“导师性”“趋势性”得分显著高于女性（p<0.05），但“威胁性”和“对话性”无性别差异。
     

五、研究结论与价值
1. 理论贡献：
- 开发首个基于5-T模型的ChatGPT态度量表，弥补了AI态度研究的工具空白；
- 揭示ChatGPT的多维态度结构，尤其强调其“对话性”和“趋势性”的独特维度。

1. 实践意义：
   
   • 教育领域：需平衡ChatGPT的学术辅助潜力与作弊风险；
     
   • 技术设计：建议增强隐私保护功能以降低威胁感知；
     
   • 性别差异：男性更关注实用功能，提示AI推广需差异化策略。
     

六、研究亮点
1. 方法创新：首次将互联网态度的“T模型”拓展至生成式AI研究，并通过EFA-CFA双阶段验证；
2. 结论特殊性：发现ChatGPT“威胁性”无性别差异，不同于传统AI研究（如机器人领域女性更焦虑）；
3. 跨文化启示：台湾样本对“趋势性”的高认同（81.2%）反映技术乐观主义的地域特征。

七、其他价值
研究数据已开源（Dataverse仓库），可供后续跨文化比较。局限性包括样本性别不平衡（女性较多）和未涵盖ChatGPT-4等更新版本，建议未来进行纵向追踪。