学术研究报告：大学生对人工智能工具用于自主学习的认知研究

作者与发表信息

本研究由Gertrudis Amarilis Laínez Quinde（第一作者）、Mónica Yiomar Tumbaco Muñoz、Jessenia Margarita Ricardo Suárez、Ruth Esther Peñafiel Villarreal、Wilson Alexander Zambrano Vélez和Andrea Annabella Del Pezo Laínez合作完成，所有作者均来自厄瓜多尔圣埃伦娜半岛州立大学（Universidad Estatal Península de Santa Elena）。研究发表于期刊 *rev. gest. soc. ambient.*（Revista de Gestão Social e Ambiental），2024年第18卷第2期，文章编号e06170。

学术背景

研究领域与动机

本研究属于教育技术与高等教育交叉领域，聚焦人工智能（Artificial Intelligence, AI）在自主学习（autonomous learning）中的应用。研究背景源于COVID-19大流行后，高校普遍转向虚拟学习环境，但学生因数字技术不熟悉导致学习效果未达预期。AI作为个性化学习工具，其潜力尚未被充分挖掘，而学生对AI的接受度是技术整合的关键。

理论基础

研究基于两大理论框架：
1. 技术接受模型（Technology Acceptance Model, TAM）：分析学生对AI工具的“感知有用性（perceived usefulness）”和“感知易用性（perceived ease of use）”。
2. 建构主义理论（Constructivism）：强调学生在AI工具支持下主动构建知识的能力。

研究目标

探索大学生对AI工具用于自主学习的认知，为高校制定技术整合策略提供依据。

研究方法与流程

研究设计

采用定量描述性研究，样本为圣埃伦娜半岛州立大学教育科学与语言学院（FCEI）的665名学生，通过链式抽样（chain sampling）选取，覆盖教育学、社区家庭儿童发展管理、体育教育学等专业。

数据收集工具

设计“人工智能用于自主学习的认知问卷”，包含两大变量（AI和自主学习），每变量下设4个维度：
1. AI变量：工具效用、学习中的使用、先前经验、准确性信心。
2. 自主学习变量：独立性、自导资源、学习目标设定、学习过程调节。
问卷通过在线表单分发，采用5点李克特量表（1=“完全不同意”至5=“完全同意”），Cronbach’s α=0.945，信度良好。

数据分析

使用SPSS 29进行统计分析，通过频数分布和百分比呈现结果。

主要结果

学生对AI工具的认知

1. 效用维度：79%学生认为AI工具“非常有用”或“相当有用”，仅3%认为“无用”。
   
2. 使用态度：83.7%学生支持AI用于学习，但13.3%持中立态度，反映技术接受度分化。
   
3. 先前经验：92.3%学生有AI使用经验，但7.7%缺乏接触，表明技术普及不均。
   
4. 准确性信心：93.1%学生信任AI输出，但6.9%持怀疑态度，可能与算法偏见有关。
   

自主学习能力

1. 独立性：41.7%学生偏好自主学习，45.4%态度中立，提示需混合教学模式。
   
2. 资源利用：53.7%熟练使用在线资源，但5%仍需支持。
   
3. 目标设定：61.7%能自主设定学习目标，体现建构主义下的主动学习倾向。
   

AI与自主学习的关系

1. 学术表现影响：61%学生认为AI提升学习效果，但4.1%持负面看法。
   
2. 易用性：39%认为AI工具易用，50.2%态度中性，反映技术门槛存在。
   
3. 利弊权衡：29.2%肯定AI益处，15%担忧挑战（如依赖性问题）。
   

结论与价值

科学意义

1. 验证TAM模型在AI教育场景的适用性，揭示“感知有用性”是接受度的核心因素。
   
2. 从建构主义视角，证实AI工具可支持学生知识构建，但需平衡技术与教师引导。
   

实践价值

1. 为高校提供AI整合策略，如开设技术培训、开发自适应学习系统。
   
2. 提示需关注“技术鸿沟”，针对低接受度学生设计过渡方案。
   

研究亮点

1. 样本代表性：覆盖多专业的665名学生，数据具有统计效力。
   
2. 多维分析：首次将AI工具效用与自主学习能力关联，提出“技术-认知”双变量框架。
   
3. 矛盾发现：多数学生认可AI价值，但中性态度群体需进一步研究动机障碍。
   

其他价值

研究呼吁制定AI教育伦理框架，避免技术滥用。未来可扩展至教师认知分析或纵向追踪AI长期影响。