学生生成式人工智能依赖问卷的开发与验证：基于心理测量学与网络分析的研究报告

研究作者与发表信息

该研究由江苏师范大学教育科学学院的于战宇副教授和闫嘉琪硕士研究生共同完成，作为2025年国家社会科学基金教育学一般项目“生成式AI赋能青少年高阶思维的心理机制与实践路径研究”（项目编号：bba250058）的研究成果，于2026年发表于《远程教育杂志》（Journal of Distance Education）第44卷第1期，页码83至91。

研究背景与目的

生成式人工智能（Generative Artificial Intelligence, GAI）正以前所未有的深度融入大学生的学习与生活。虽然它能够提升学习效率和自我效能感，但过度依赖可能削弱学习动机与批判性思维，并诱发“谷歌效应”（Google Effect），即个体将人工智能视为认知延伸，抑制高阶思维能力的发展。因此，对学生生成式人工智能依赖进行科学评估，是防范认知替代风险、引导学生适度使用的关键前提。然而，已有测量工具存在明显局限：实验法将依赖操作化为遵循AI建议的概率，难以评估情感与认知等多维心理成分；单项目测量或改编自社交媒体成瘾的量表无法捕捉生成式人工智能独特的“认知替代”机制；新兴的多维量表多源于西方文化背景，且与特定情境高度绑定，缺乏跨文化适配性和心理计量学严谨性。为弥补上述不足，本研究基于中国高校学生的真实使用体验，旨在编制一套兼具理论结构完整性、心理测量学属性与文化情境适配性的“学生生成式人工智能依赖问卷”，并通过网络分析（Network Analysis）揭示其内在结构特征。

研究方法与工作流程

研究严格遵循标准化流程，依次进行了质性访谈、初始问卷编制、项目分析与探索性因素分析、验证性因素分析与信效度检验，以及网络分析验证，涉及两个独立样本和一个访谈样本。

质性访谈与初始问卷编制 研究首先采用目的性抽样，招募了23名符合“每周主动使用生成式人工智能工具不少于5次且持续使用超过3个月”标准的高校学生进行半结构化访谈。访谈提纲以“认知—情感—行为”三元交互模型为总体框架，并整合技术依赖与人机交互理论，最终确定了七个开放式问题。访谈结束后，研究者遵循扎根理论（Grounded Theory）方法，对669个参考点进行开放式编码、主轴编码和核心编码，自下而上地归纳出生成式人工智能依赖的三个核心维度：认知及行为依赖（Cognitive–Behavioral Dependence）、功能依赖（Functional Dependence）和情感依赖（Emotional Dependence）。认知及行为依赖包含使用模式、认知替代与批判、戒断反应及生活显著性四个主范畴，刻画了从行为优先到认知外包的深层依赖状态；功能依赖由效率提升、任务代偿和功能可靠性构成，反映了对工具使用价值的深度倚重；情感依赖则整合了情感联结与陪伴、情绪调节效用及情感信任与态度，揭示了超越工具属性的情感纽带。在此理论框架下，研究综合借鉴成熟量表（如卑尔根社交媒体成瘾量表、人工智能使用动机问卷）的项目表述，编制了包含53个项目的初始问卷。经心理学专家评定和试填后，删减调整至35个项目，采用李克特5点计分法，所有项目正向计分。

项目分析与探索性因素分析 样本1包含522名高校学生（男生148人，女生374人，年龄17-27岁），用于条目筛选和结构初探。项目分析中，高、低分组在所有项目上的得分差异显著（t=3.331～9.690, p<0.001），删除与总分相关系数低于0.40的6个项目后，保留的29个项目与总分相关为0.439～0.680。随后进行探索性因素分析（Exploratory Factor Analysis, EFA），KMO值为0.844，Bartlett球形检验显著。采用主成分分析与正交旋转，根据特征值、负荷值和理论结构，逐步剔除因子载荷低于0.50或有交叉载荷的项目，最终保留17个项目，抽取3个特征值大于1的因子，累积方差解释率达66.377%。三个因子分别对应认知及行为依赖（如“我会因无法使用生成式人工智能而推迟完成学习任务”）、功能依赖（如“使用生成式人工智能处理繁琐学习事务能有效减轻我的压力”）和情感依赖（如“我会像对朋友一样向生成式人工智能倾诉心事”）。

验证性因素分析与信效度检验 样本2包含670名高校学生（男生111人，女生559人，年龄17-24岁），用于验证量表结构并提供信效度证据。验证性因素分析（Confirmatory Factor Analysis, CFA）结果显示，三因素模型的拟合指数（χ2/df=4.642, RMSEA=0.074, NFI=0.903, CFI=0.922, IFI=0.922, GFI=0.913）显著优于单因素模型，支持了探索性因素分析所确定的三维结构。信度方面，总问卷的Cronbach’s α系数为0.877，认知及行为依赖、功能依赖、情感依赖三个分量表的α系数分别为0.856、0.877和0.923，分半信度介于0.755至0.865之间，表明问卷具有较高的内部一致性。

效度检验涵盖结构效度、聚合效度、区分效度和效标关联效度。聚合效度分析显示，三个维度的平均方差提取量（Average Variance Extracted, AVE）为0.418～0.727，组合信度（Composite Reliability, CR）为0.808～0.930，尽管个别维度AVE略低于0.50，但总体上仍可接受。区分效度方面，每个维度的AVE平方根均大于该维度与其他维度的相关系数。效标关联效度以卑尔根社交媒体成瘾量表和人工智能使用动机问卷为效标，生成式人工智能依赖总分及其三个维度得分与两项效标均呈显著正相关（r=0.347～0.743, p<0.01），表明问卷能有效捕捉到行为成瘾倾向与使用动机强度。此外，跨性别多组验证性因子分析显示，该三因素模型在形态等值、弱等值、强等值和严格等值模型上均达到可接受水平，且相邻模型间CFI、TLI和RMSEA的变化绝对值均小于0.01，证明了问卷在男女生群体中具有测量等值性。

网络分析验证 研究采用gLASSO正则化方法构建了项目网络，以从系统视角揭示依赖各成分之间的关联模式。网络模型中，每个项目代表一个节点，边权重为正则化偏相关系数。结果显示，认知及行为依赖、功能依赖、情感依赖三个维度的内部项目平均边权重分别为0.40、0.43和0.72，表明情感依赖维度内项目间的连接最为紧密。维度间连接方面，认知及行为依赖与情感依赖、功能依赖的平均连接强度（0.175和0.102）均高于情感依赖与功能依赖之间的连接（0.069），提示认知及行为依赖在三个维度中扮演着整合与衔接的角色。节点中心性分析指出，项目q4（“我会因无法使用生成式人工智能而推迟完成学习任务”）、q9（“使用生成式人工智能处理繁琐学习事务能有效减轻我的压力”）和q13（“我会像对朋友一样向生成式人工智能倾诉心事”）具有较高的强度中心性（Strength Centrality），是网络中的核心节点。网络的强度中心性相关稳定性系数（CS-coefficient）高达0.75，表明网络结构高度稳定。此外，该网络的小世界指数（Small-world Index, SWI）为1.12，大于1，说明依赖的心理结构既在维度内高度聚集，又在维度间高效连通，兼具局部聚集与整体耦合的特征，为三因素模型的合理性提供了补充性证据。

研究结论与价值

本研究开发并初步验证了一份包含17个项目的“学生生成式人工智能依赖问卷”，确立了认知及行为依赖、功能依赖和情感依赖三个维度，问卷具有良好的内部一致性信度、结构效度、聚合与区分效度以及效标关联效度，且跨性别测量等值。网络分析进一步证实了结构的稳定性，并阐明了认知及行为依赖的衔接作用和核心节点的关键地位。这一工具不仅弥补了现有量表在“认知替代”机制测量和文化适配性上的不足，还为相关心理机制研究和教育干预评估提供了可靠工具。

研究亮点与应用价值

本研究的亮点主要体现在三个方面。第一，在内容层面上，首次从中国高校学生的真实体验出发，系统构建了生成式人工智能依赖的三维理论模型，并将“认知替代”这一核心机制操作化为可测量的项目，超越了简单行为依赖的视角。第二，在方法学层面上，创新性地将经典心理测量学检验与网络分析相结合，不仅确认了量表的维度结构，还从系统论视角揭示了维度间的关联模式和核心节点，为量表的结构评价提供了新范式。第三，在应用层面上，该问卷具有广阔的前景：在学术研究中，可用于探究依赖与学业压力、批判性思维、焦虑等的关联，并利用网络核心节点作为干预靶点；在教育实践中，可用于识别依赖风险较高的学生群体，为高等教育管理和学校心理工作提供实证依据，同时也能为制定科学的学生生成式人工智能使用指南提供参考。未来研究可纳入不同教育阶段和文化背景的样本，并采用纵向设计追踪依赖网络的动态演变，以深化对人机协作心理机制的理解。