心理社会因素对大学生人工智能使用有何影响？

背景

近年来，人工智能（AI）在包括高等教育在内的各个领域的应用变得越来越重要。本研究调查了影响秘鲁大学生采用人工智能的心理社会因素，并使用扩展的 UTAUT2 模型来检查可能影响人工智能接受和使用的各种结构。

方法

这项研究采用了基于调查的设计的定量方法。共有 482 名来自秘鲁公立和私立大学的学生参与了这项研究。该研究利用偏最小二乘结构方程模型（PLS-SEM）来分析数据并测试结构之间的假设关系。

结果

调查结果显示，六个假设因素中的三个显着影响了秘鲁大学生对人工智能的采用。研究发现，绩效预期（β=β0.274）、社会影响力（β=β0.355）和人工智能学习自我效能感（β=β0.431）对人工智能的采用。与预期相反，在此背景下，道德意识、感知的游戏性、人工智能准备度和人工智能焦虑对人工智能的占用没有显着影响。

结论

这项研究强调了秘鲁高等教育中采用人工智能的实际效益、社会背景和自信的重要性。这些发现有助于理解人工智能在不同教育环境中的采用，并为在高等教育机构中制定有效的人工智能实施策略提供了框架。研究结果可以指导大学和政策制定者制定有针对性的方法，以加强人工智能在学术环境中的采用和整合，重点展示人工智能的实用价值，利用社交网络，并建立学生对自己学习和使用人工智能技术能力的信心。

人工智能 (AI) 正在全球范围内显着改变高等教育，彻底改变传统教育流程并提供新的学习机会。人工智能在这一领域的应用范围从任务自动化到个性化学习体验，这些都影响着教学、学习和组织管理。1,2]。高等教育中人工智能的关键应用包括自适应学习系统、个性化学习体验和智能虚拟环境。1,3]。这些进步正在改变传统的教育模式，将重点从传统的课堂转移到人工智能增强的学习环境，从而提高学生的学习成绩并优化管理任务。4,5]。

然而，人工智能融入高等教育并非没有挑战。关于数据隐私、算法偏见以及人工智能可能取代教育工作者的道德担忧出现了[1,6,7]。此外，围绕全球不平等和人工智能资源分配不平等的问题也被提出[2,4,8]。

尽管存在这些挑战，人工智能在民主化和个性化学习、解决持续存在的教育问题以及降低总体教育成本方面的潜力是巨大的。8,9]。尽管如此，制定全面的道德准则至关重要，以确保人工智能在高等教育中的实施符合学术诚信和社会责任的基本价值观。

正如最近的文献所揭示的那样，人工智能在高等教育中的采用受到社会心理因素复杂相互作用的影响。研究已确定对实用性和有效性的看法是关键决定因素[9,10]，以及道德和隐私方面的考虑，这可能会成为其实施的障碍[10,11]。人工智能对学生心理健康的影响呈现出双重性，提供个性化支持，但也会产生潜在的压力和焦虑。12]。学习成果和成本效益成为学生接受度的影响因素[11]，而人工智能工具的适应性和个性化被认为是关键驱动因素[13]。对教育人工智能的认知信任由透明度、可靠性和道德考虑形成，在其采用过程中发挥着重要作用。14]。绩效期望、努力期望、社会影响和便利条件等情境因素也会影响使用意图和用户行为。15,16]。学生对这些技术的态度和看法显着影响他们的接受和使用[15]。重要的是，这些因素以复杂的方式相互作用，它们的相关性可能会根据教育和文化背景的不同而有所不同。17 号]，强调需要进行更广泛的研究，以充分了解人工智能在不同大学环境中采用的动态。

然而，尽管对大学生采用人工智能 (AI) 所涉及的心理社会因素进行了各种研究，但仍然存在巨大的知识差距。与秘鲁大学教授的一项研究表明，人们对人工智能及其教育应用的了解存在相当大的差距。18]，这表明这种知识的缺乏可能会影响到学生，从而可能限制他们有效使用人工智能工具的能力。虽然其他背景下的研究已经确定认知能力、有利环境和心理态度等因素对于人工智能的采用至关重要[19]，缺乏对这些因素在不同文化和教育背景下的相互作用和变异性的全面理解。此外，尽管人们已经认识到缺乏技术知识、隐私问题和人工智能资源获取不平等等挑战，但仍需要进一步探索以了解它们对长期采用的影响。教育意义和对学生心理健康的影响，从个性化支持到压力的产生 [12]，代表当前知识有限的另一个领域。因此，这一差距强调需要进行更详尽和纵向的研究，以解决全球不同背景下大学生采用人工智能时心理社会因素的复杂性。

为了解决这些知识差距，本研究采用 UTAUT2 模型作为理论基础，并将其扩展为纳入高等教育中人工智能采用所特有的心理和社会因素。15,16]。选择UTAUT2模型是因为它整合了享乐动机和社会影响力，使其特别适合理解学生采用人工智能的复杂心理动态[10,11]。该模型的灵活性能够集成特定于环境的结构，例如 SL 和 EA，这在教育环境中至关重要[12,13]。UTAUT2 的综合框架有助于检查个人心理因素和社会影响，从而提供对人工智能采用行为的更细致的理解。14,15]。研究表明该模型在不同文化背景和技术中具有强大的解释力[16,17 号]，使其非常适合研究秘鲁高等教育背景下的人工智能采用情况。本研究中 UTAUT2 的扩展包括人工智能焦虑和 EA 等心理结构，弥补了理解情感和道德因素如何影响人工智能采用的差距。10,12]，而 SI 因素的纳入承认了教育环境中技术采用的集体性质 [15,16]。这种经过调整的理论框架可以全面检查心理准备、社会动态和道德考虑如何相互作用，从而影响大学生对人工智能的采用。17 号,18]。

在本研究中，考虑了以下结构：绩效预期（PE）、社会影响力（SI）、感知游戏性（PP）、道德意识（EA）、人工智能学习自我效能（SL）、人工智能准备度和人工智能焦虑（AAN））和人工智能拨款（AIO）。

本研究的目的是分析秘鲁大学生采用人工智能的影响因素。指导本研究的一般研究问题如下：哪些心理社会因素影响秘鲁大学生对人工智能的利用？具体研究问题如下：（1）体育如何影响大学生AIO？（2）SI如何影响大学生的AIO？(3)PP如何影响大学生的AIO？(4) EA如何影响大学生的AIO？（5）学习人工智能的自我效能感如何影响大学生的AIO？(6)AAN对大学生AIO有何影响？从理论角度来看，这项研究的合理性在于，在理解大学生如何在不同的教育环境中采用人工智能方面存在重大知识差距。从理论角度来看，这项研究的合理性在于，在理解大学生如何在不同的教育环境中采用人工智能方面存在重大知识差距。虽然之前的研究已经确定认知能力、有利环境和心理态度等因素对于人工智能的采用至关重要，但缺乏对这些因素在不同文化和教育背景下，特别是在秘鲁背景下的相互作用和变异性的全面理解。这项研究通过提供更完整、更切合实际的概念框架，有助于填补这一理论空白。

实际上，这项研究具有为秘鲁高等教育提供信息和改进人工智能实施策略的潜力。确定影响学生采用人工智能的社会心理因素将使教育机构能够开发更有效的方法来整合这些技术，解决诸如缺乏技术知识、隐私问题和人工智能资源获取不平等等挑战。此外，研究结果可以指导为学生和教师设计更有效的培训和支持计划。从社会角度来看，这项研究有可能为秘鲁高等教育的民主化和个性化学习做出贡献。了解人工智能采用所涉及的社会心理因素有助于减少获得和使用这些技术的不平等，促进更公平的教育，满足学生的个人需求。此外，通过解决教育意义和对学生心理健康的影响，这项研究可以有助于在高等教育中更加道德和负责任地使用人工智能，符合学术诚信和社会责任的价值观。

这项研究为高等教育中人工智能的采用领域做出了多项重大贡献。首先，它通过纳入专门针对秘鲁高等教育中人工智能采用而定制的新变量（例如 SL 和 EA）来扩展 UTAUT2 模型，从而提供了理论贡献。这一扩展增强了我们对新兴教育环境中技术接受模式的理解。其次，该研究通过开发和验证衡量大学生 AIO 的综合工具提供了方法论贡献，该工具可以在类似的教育环境中进行调整和使用。第三，它通过提供经验证据做出了实际贡献，可以指导政策制定者和教育管理者制定高等教育机构人工智能实施的有效战略，特别是在发展中国家。最后，这项研究通过从拉丁美洲的角度提供见解，为影响人工智能采用的心理社会因素的知识体系的不断增长做出了贡献，从而为主要关注西方和亚洲背景的文献增添了独特的文化维度。这种多元文化视角丰富了我们对文化和背景因素如何调节先进技术在教育环境中的采用的理解。

文献综述

人工智能沉浸式高等教育最新观点回顾

个性化学习已成为人工智能在高等教育中最有前途的应用之一。研究表明，人工智能有助于创建定制的学习路径，显着提高学生的参与度和学术成果[20,21] [22]。支持这一观点，并指出根据个别学生的需求调整内容代表了教学法的范式转变。然而 [23]，警告不要过度依赖技术，强调人际互动对于教育过程仍然至关重要。

在管理领域，人工智能涉及简化高等教育机构内的流程[24]。报告称，通过人工智能实现管理任务自动化可以提高运营效率，使教育工作者能够将更多时间投入到教学和研究中。25]。呼应了这种观点，强调了人工智能对教育管理的变革潜力。然而 [9]，警告说，获得这些技术的不平等可能会加剧资源丰富和资源贫乏机构之间现有的差距。

人工智能还对高等教育的全球准入和公平产生了显着影响[19]。展示了人工智能如何帮助克服地理障碍，实现高质量教育的民主化[26]。进一步强调了人工智能促进教育包容性的潜力。尽管如此 [27]，强调了如果技术获取方面的差异得不到充分解决，就会出现新形式的数字排斥的风险。

人工智能驱动的教学创新正在重塑课堂动态[28]。说明自适应学习系统和智能教室如何创建更具互动性的学习环境[29]。支持这一观点，强调人工智能发展 21 世纪关键技能的能力。然而 [30]，认为人工智能集成必须与传统方法相平衡，以保留教育中人类互动的有价值的方面。

人工智能在高等教育中的实施带来了重大挑战，特别是在道德和学术诚信方面。28]。强调人工智能算法的准确性、公平性和透明度的必要性。相似地 [31]，强调了培养学生和教育工作者人工智能素养的重要性。另一方面 [32]，认为人工智能在检测剽窃和促进学术诚信方面的好处超过了潜在的风险。

为了应对这些挑战并实现利益最大化，学者们建议采取平衡的方法[20]。主张更新课程并提供人工智能素养培训[33]。还强调了让教育工作者和学生为人工智能驱动的未来做好准备的重要性。然而 [27]，建议谨慎行事，呼吁对人工智能对高等教育的长期影响进行更多研究。

总之，人工智能融入高等教育带来了独特的机遇和挑战。虽然研究人员如[20] 和 [24]强调人工智能的变革潜力，其他，包括[9] 和 [27]，强调相关风险。普遍的共识表明，成功的人工智能整合将取决于平衡的战略，在降低风险的同时实现利益最大化，确保人工智能有助于提高全球高等教育的质量和可及性。

影响大学生人工智能应用的心理社会因素

PE是指个人相信使用人工智能技术将提高他们的学业成绩和生产力的程度[34]。在教育背景下，体育被认为是技术接受的基本驱动力，因为学生评估人工智能工具在提高学习成果和学术效率方面的潜在好处[35]。

SI 代表学生认为重要的其他人（包括同龄人、教授和教育机构）认为他们应该使用人工智能技术的程度 [35,36]。教育机构内的社会环境在塑造学生对人工智能采用的态度和行为方面发挥着至关重要的作用[10]。

PP，也称为享乐动机，反映了使用人工智能技术所带来的乐趣、享受或快乐。36]。在教育环境中，技术交互的有趣方面可以显着影响学生出于学习目的而参与和采用人工智能工具的意愿[15]。

EA 涵盖学生对学术环境中人工智能使用相关伦理影响和责任的理解和意识。10]。随着教育机构努力解决学术诚信和负责任的人工智能使用问题，这种结构变得越来越重要[15,16]。

SL 是指学生对自己学习和有效使用人工智能技术能力的信心[37]。这种结构在教育环境中尤其重要，因为它会影响学生掌握新人工智能工具的毅力和努力。34,35]。

AAN 代表两个相互关联的方面：采用人工智能技术的准备以及对其使用的担忧或担忧[37]。准备程度反映了学生将人工智能融入学习实践的心理和技术准备，而焦虑则反映了可能阻碍采用人工智能的情感和心理障碍。10,15]。

AIO代表了学生将人工智能技术融入和整合到他们的教育实践中的程度[38]。这种结构不仅仅是接受，还包括学生如何积极适应和利用人工智能工具来支持他们的学习目标。34,38]。

这些结构在教育环境中动态互动，影响学生如何采用人工智能技术并将其整合到他们的学术实践中。15,16]。了解这些相互作用对于制定有效的策略以促进人工智能在高等教育中的成功整合至关重要。37,38]。

研究假设的科学支持

最近的几项研究证明，体育运动对大学生的 AIO 有显着影响。研究表明，体育对学生接受人工智能辅助学习环境的意愿产生积极影响[34]，这是AIO的一个明确指标。此外，体育会显着影响学生使用生成式人工智能产品的行为意图[39]，AIO 的另一个重要方面。体育是高等教育中人工智能工具接受和使用的重要预测因素，这一发现强化了这种关系。40]，直接契合AIO的概念。

PE 和 AIO 之间关系的强度已在各种情况下得到证实，包括一项关于大学生使用 ChatGPT 的研究，该研究表明体育显着影响学生使用这种人工智能工具的行为意图。16]。从更广泛的角度来看，研究将UTAUT2模型扩展为包括道德因素，发现体育对学生使用生成式人工智能产品的行为意图有积极影响。39]。这些在多项研究和背景下得到的一致发现[16,34,39,40] 为体育显着影响大学生 AIO 的假设提供了强有力的支持，尽管值得注意的是，这些研究涵盖了不同的人工智能应用和环境。因此，我们提出以下建议：

假设1

PE显着影响大学生的AIO。

一项涉及南印度大学生的研究表明，SI 对使用人工智能支持的工作申请流程的意图具有显着的直接积极影响。41]。这一发现表明，大学生的社会环境可以强烈影响他们采用和使用人工智能技术的意愿，这是人工智能的一个关键方面。SI 对 AIO 的影响得到了研究的进一步支持，该研究展示了学生如何调整自己的行为以响应 AI 交互。一项针对年轻人的混合方法研究表明，参与者调整了自己的行为以补充不同类型的人工智能队友[42]。这种行为适应凸显了 SI 在塑造学生如何与人工智能技术互动以及如何使用人工智能技术方面发挥的强大作用。

此外，在人工智能教育背景下，社会因素对AIO的影响也很明显。美国的研究强调了人工智能教师中感知的社会存在感的关键作用，表明对教师非语言即时行为抱有很高期望的学生，当他们在人工智能教师中体验到更强的社会存在感时，会对基于人工智能的教育表现出更积极的看法。43]。这一发现强调了社会线索和期望对于学生在教育环境中接受和利用人工智能的重要性。

SI 和 AIO 之间的关系也反映在更广泛的 STEM 集成中。对历史上 STEM 中代表性过高群体的学生进行的纵向研究表明，与 SI 代理的互动，例如教师导师支持和研究参与，可以通过科学认同和社区价值观的发展促进融入 STEM 社区。44]。这表明 SI 可以在塑造学生参与和利用包括人工智能在内的先进技术方面发挥重要作用。

此外，对印度大学院士继续使用基于人工智能的聊天机器人的影响因素的研究强调了同伴网络在影响采用方面的微妙作用。15]。这一发现进一步支持了这样的观点，即 SI 显着影响大学生如何将人工智能技术应用和整合到他们的学术生活中。虽然这些研究[15,30,41,42,44] 为 SI 显着影响大学生 AIO 的假设提供了强有力的支持，它们涵盖了 AI 的各种应用和环境。然而，多项研究和背景的研究结果的一致性为所提出的假设提供了强有力的支持。

假设2

SI显着影响大学生的AIO。

PP（PP）已成为大学生AIO的重要因素。将 PP 集成到基于人工智能的学习平台的 UTAUT 模型中，强调了其在理解学生对人工智能技术的行为意图方面的重要性。45]。这一包容性表明，与人工智能互动的有趣方面可以显着影响学生在学习环境中如何使用和参与人工智能工具。

研究表明，融入游戏元素来提高 PP 对学生的参与度有积极影响。具体来说，徽章的使用已证明与 PP 呈正相关[46]，表明增强人工智能技术的趣味性可能会导致大学生更多地使用和参与。

此外，在玩耍对学生对技术使用的态度的影响方面观察到了性别差异，其中玩耍直接影响女学生的态度。47]。这一发现凸显了 PP 在人工智能应用中的微妙作用，表明其影响可能因学生群体中的不同人口群体而异。

基于人工智能的教育研究进一步强化了 PP 在 AIO 中的重要性。一项研究强调了人工智能教师感知的社会存在感的关键作用，表明对教师的非语言即时行为抱有较高期望的学生对基于人工智能的教育有更积极的看法。43]。虽然这项研究没有直接衡量 PP，但它表明人工智能技术的交互性和参与性方面与 PP 密切相关，可以显着影响学生的看法，进而影响他们在教育环境中对人工智能的利用。在此证据的基础上，虽然还需要进一步直接研究大学生PP与AIO之间的具体关系，但提出以下假设：

假设3

PP显着影响大学生的AIO。

最近的几项研究证明，EA 对大学生的 AIO 有显着影响。研究表明，大学生的 EA 显着影响他们的行为意图和生成式人工智能产品的实际使用[39]。这一发现表明，理解人工智能的伦理影响对于学生如何采用和利用这些技术起着至关重要的作用。

此外，EA 可以积极影响学生使用生成式人工智能产品的意图，尽管它也可能会提高他们对道德风险的认知。39]。这种二元性强调了 EA 和人工智能挪用之间关系的复杂性，表明更高的认识可能会鼓励和调节人工智能的使用，具体取决于个人的道德评估。

对 AI 扫盲计划的研究强化了 EA 在 AIO 中的重要性。一项研究表明，人工智能素养计划成功提高了参与者的 EA，强调了人工智能教育中道德考虑的重要性。48]。这一发现表明人工智能伦理教育可以直接影响学生如何看待和使用人工智能技术。接触道德指导和实习经历也被证明会影响传播学学生的道德观念，包括对人工智能相关道德问题的认识。49]。此外，显式反思在线学习模块显着提高了理工科研究生的人工智能伦理知识以及识别和阐明人工智能伦理问题的能力。50]。这些结果表明，道德教育可以直接影响学生的理解，从而影响他们对人工智能的利用。

对隐私、道德、社会因素和学术资源的担忧极大地影响了大学生对人工智能的采用[10]，强调了 EA 在 AIO 流程中的重要性。此外，与人工智能和物联网相关的道德挑战对隐私和数据安全构成风险，凸显了对与技术相关的道德问题进行教育的必要性。51]。基于这一证据，虽然还需要进一步直接研究大学生中 EA 与 AIO 之间的具体关系，但提出以下假设：

假设4

EA显着影响大学生的AIO。

最近的几项研究证明，SL 对大学生的 AIO 有显着影响。研究表明，人工智能的自我效能感可以积极影响学生对人工智能的态度以及他们对人工智能工具的实际使用。37,52]。这一发现表明，学生对自己学习和使用人工智能能力的信心对于他们如何采用和利用这些技术起着至关重要的作用。

此外，据观察，人工智能自我效能对基于人工智能的技术应用的学习效果有间接的积极影响。53]。这一发现表明，自我效能感较高的学生往往会在学习过程中更好地利用人工智能工具，这可能会导致更多地利用这些技术。

研究表明，学习中的自我效能对人工智能背景下的学习意图产生积极影响，这强化了自我效能在 AIO 中的重要性。52,54]。这种关系表明，对自己的人工智能学习能力更有信心的学生更有可能接触这些技术，从而导致更多的应用。

对人工智能学习的态度、对人工智能学习的信心和主观规范等因素已被证明会显着影响学生学习人工智能的意图。55]。这些发现强调了自我效能与人工智能挪用之间关系的复杂性，表明多种相互关联的因素促成了挪用过程。

在翻译技术的背景下，一项研究证明了计算机自我效能感对易用性和享受的积极预测，这提高了学生使用翻译技术的态度和行为意图。38]。虽然这项研究的重点是翻译技术，但它提供了有关自我效能如何影响基于人工智能的技术的采用和使用的相关见解。

重要的是，自我效能感的影响可能因性别和学习环境而异。一项研究表明，校园学习环境对男性自主学习自我效能感的影响比女性更显着。56]，表明在考察 SL 和 AIO 之间的关系时需要考虑情境因素。在此证据的基础上，虽然还需要进一步直接研究大学生SL与AIO之间的具体关系，但提出以下假设：

假设5

SL显着影响大学生的AIO。

最近的几项研究证明，AAN 对大学生的 AIO 有显着影响。研究表明，人工智能的准备程度、信心和对人工智能的感知相关性会对学生学习人工智能的意愿产生积极影响。57]。这一发现表明，准备程度和对人工智能重要性的认知在学生如何接触和潜在利用这些技术方面发挥着关键作用。

然而，人工智能焦虑与挪用之间的关系更为复杂。一项研究表明，人工智能学习焦虑会对学习动机产生负面影响，而与人工智能相关的工作替代焦虑对外在动机有积极影响。52]。这一发现表明，不同类型的人工智能相关焦虑会以不同的方式影响学生参与人工智能的意愿。

一项针对医学生的研究进一步强调了人工智能准备度和焦虑在 AIO 中的重要性，该研究揭示了人工智能准备度和焦虑之间的反比关系。58]。这一发现强调了提高学生对人工智能应用的准备程度并减少他们的焦虑的重要性，以此作为促进人工智能应用的一种手段。

此外，据报道，人工智能焦虑会对 L2 大学生对人工智能工具的实际使用产生负面预测。37]。这一结果表明了焦虑对人工智能资源参与的实际影响，表明较低的焦虑水平可能会导致更多的人工智能占用（图 1）。1）。

重要的是，人工智能的准备程度和焦虑程度存在性别差异。与女学生相比，男学生对人工智能表现出更大的信心、感知相关性和准备度。57]。这表明在考察 AAN 和 AIO 之间的关系时需要考虑人口因素。基于这一证据，虽然还需要进一步直接研究大学生中人工智能准备度、人工智能焦虑和AIO之间的具体关系，但提出以下假设：

假设6

氨基酸残基AIO对大学生的影响显着。

提出的研究模型。注：绩效预期＝＝PE；SI—=—社会影响力；PP—=—感知到的乐趣；EA—=—道德意识；AI学习自我效能=-SL；AAN=—AI 准备度和 AI 焦虑；AIO—=—AI拨款

为了检验研究假设，研究人员在[的工作基础上进行了实证评估59]。对具有使用人工智能模型经验的大学生进行了一项调查，以收集他们对这些技术的看法和态度的数据。

参加者

该研究涉及秘鲁公立和私立机构的 482 名大学生。样本是通过非概率便利抽样选择的，如 [60]。这种方法允许纳入那些有空并愿意自愿为研究做出贡献的参与者。尽管这种类型的抽样不能保证大学生群体的完全代表性，但它适合这项探索性研究，其主要目标是确定初步趋势和模式，而不是做出广泛的概括。

根据表格 158.3%的参与者为男性（281人），41.7%为女性（201人）。从年龄分布来看，29～33岁年龄段最多，占38.07%（183人），其次是24～28岁年龄段，占31.8%（153人）。大多数受访者来自公立大学（62.33%，300 名参与者），而 37.7%（182 名参与者）来自私立机构。

从受教育程度来看，研究生占主体，占样本的59.3%（286人）。其次是独立研究人员，占样本的 33.3%（161 名参与者）。就人工智能使用时长而言，大多数参与者（35.2%，170 名参与者）表示使用人工智能的时间为 1-2 个月，其次是使用人工智能经验 3-5 个月的参与者（24.9%，120 名参与者）。

仪器仪表

使用自行开发的仪器来收集研究数据（见补充文件）。该工具基于文献和 UTAUT2 模型的构建，该模型还纳入了感知道德和学术诚信的概念。该调查问卷是通过 Google Forms 开发的，分为三个主要部分。

第一部分包含知情同意书，提供有关研究的详细信息并确保参与者的匿名。包括一个分支问题以确认自愿参与。第二部分收集了社会人口统计数据，包括年龄、性别、大学类型、教育水平和人工智能使用时间。

第三部分包括旨在衡量所提出模型的构造的评估项目。本部分总共包括 37 个项目，分布在以下结构中：PE、SI、PP、EA、SL、AAN 和 AIO。所有项目均通过 5 点李克特量表进行测量，其中 1 代表“强烈不同意”，5 代表“强烈同意”。

程序和数据分析

该调查为期六个月，从 2023 年 10 月到 2024 年 3 月。研究人员获得了大学和高等教育机构 (HEI) 的许可，可以在网上发布调查结果。该表格通过电子邮件共享，并通过学生 WhatsApp 群组分发。为了分析收集到的数据，研究人员遵循了一个系统过程，包括以下几个步骤：

最初，通过Microsoft Excel进行数据清理，删除缺失值和不完整的调查，以确保信息质量。随后，应用描述性统计技术创建社会人口统计结果表，提供样本特征的概述。采用验证性因素分析（CFA）评估测量模型的主要信度和效度指标。在此过程中，使用了因子载荷和提取的平均方差（AVE）等指标。此外，为了评估内部一致性可靠性，采用了 Cronbach α 和复合可靠性 (CR)（rho_a 和 rho_c）。区分效度通过[61] 和异性恋与单性恋比率 (HTMT) 标准，确保模型结构之间的充分区分。

最后，使用偏最小二乘结构方程模型（PLS-SEM）来检验研究假设。该分析是通过 SmartPLS 软件进行的。

测量模型的结果

本研究使用偏最小二乘结构方程模型（PLS-SEM）。因此，进行了验证性因素分析（CFA）以确认测量模型的收敛有效性。表 2呈现项目的因子载荷，并根据[62]，满足高于0.70的可接受的因子载荷；此外，所有测量的构建体均呈现超过阈值 0.50 的平均方差提取 (AVE) 值，如 [63]。另一方面，项目的标准差在 0.008 和 0.092 之间，这表明项目的均值似乎并没有过度分散。

表 3显示信度和判别效度检验的结果。为了评估结构的可靠性，使用了 Cronbachα 系数 (α) 和复合可靠性 (CR)（rho_a 和 rho_c）的值。考虑到[的标准63,66]，高于 0.70 的值被认为是足够的；如表所示 3，所有结构都超过了这个阈值。此外，决定系数 (R²) 的值表明 AAN、EA、PE、PP 和 SI 解释了 AIO 变化的 60.1%。

判别效度通过 [61]，它指出当提取的平均方差 (AVE)（对角线上的数字）的平方根应大于与其他构造的相关性（同一行和列中对角线之外的数字）时，测量模型呈现判别有效性。如表所示 3，所有构造都满足这个标准。另一方面，使用异性恋单性恋标准 (HTMT)，其中所有评估的构建体的值都低于阈值 0.85 [67]，表明测量工具具有判别效度。

测量模型的拟合优度指数是确定收敛有效性的相关度量[68];因此，这些标准为研究人员确定所获得的值与预期值的吻合程度提供了参考[62]。表 4列出了测量模型的拟合优点指数的值，其中标准化的均方根残差（SRMR）的值为0.078，满足[[69]。卡方/gl（2/df）的值表明该模型具有可接受的拟合，因为它具有1至3之间的足够值，如[70]。最后，归一化拟合指数（NFI）的值为0.923，满足[70]。

检验研究假设

表 5;图。 2使用标准化路径系数（紫）以及p值和置信区间exter呈现分析的主要结果。路径分析允许确定研究中外源变量和内源变量的关系以及这些效应的方向之间的值[62,71]。假设3（H3）揭示了PE和AIO之间的显着效果，路径系数为0.274*，P值为P值p> 0.006*，表明PE在大学生中影响AIO。假设5（H5）揭示了SI和AIO之间的显着影响，路径系数为0.335*，P值为P值p> 0.002 ***，证明SI在大学生中确定了AIO。假设6（H6）在SL和AIO之间显示出显着效果，路径系数为0.431*，P值为P值p> 0.029*，表明学习AI的自我效能感会影响大学生的AIO。最后，假设1、2和4没有显着影响，因此被拒绝。

解决的研究模型。注意：在关系线的交集处是左侧的路径系数，右侧的p值（括号内）

该研究的目的是首先检验假设H3，这表明PE在大学生中显着影响AIO。该假设被接受。这一发现与以前的研究相吻合，该研究表明，体育在在教育环境中采用AI技术方面的重要性。例如，[34] 和 [39]表明，PE对学生的愿意接受AI辅助学习环境并使用生成的AI产品的意愿。研究强调PE是高等教育中AI接受的关键预测指标的研究进一步支持[15,16,40]。本研究的结果加强了这一趋势，这表明秘鲁大学的学生在认为会改善他们的学习成绩时更有可能适合AI。

假设H5也有人接受了SI在大学生中对AIO的影响。该结果与以前的研究一致，该研究强调了SI在采用AI技术中的关键作用。例如，[41]印度南部的大学生揭示了SI对使用支持AI支持的工作申请流程的直接积极影响。相似地 [42]，展示了学生如何根据AI互动来适应自己的行为，并强调社会影响力的强大作用。研究表明社交网络和同伴影响如何形成AI采用模式的研究进一步支持了这一点[15,35,36]。这项研究的结果表明，秘鲁大学学生的社会环境在他们决定适当的AI技术的决定中起着重要作用。

假设H6也接受了SL在大学生中显着影响AIO的假设。该结果与以前的研究相符，表明自我效能在采用AI技术中的重要性。例如 [37,52]，据报道，AI自我效能可以积极影响学生对AI的态度及其实际使用AI工具。这项研究的结果表明，秘鲁大学的学生对学习和使用AI的能力更有信心更有可能适合这些技术。

另一方面，假设H1，H2和H4没有显着影响，并且被拒绝。该假设H1提出AAN会显着影响AIO，但并未得到数据的支持。该结果与先前研究的结果形成对比[57]，报告说，AI准备就会积极影响学生学习AI的意愿。其他研究表明，AAN如何影响学习动机和实际的AI工具使用[37,52,58]。在这项研究中，缺乏意义可能表明，在秘鲁的情况下，其他因素在AIO中的重量要比准备和焦虑症。

假设H2认为EAS显着影响AIO，也被拒绝。这个结果与[研究的研究39]，他报告说，大学生会极大地影响他们的行为意图和生成AI产品的实际使用。先前的研究强调了道德考虑在AI采用中的重要性[10,11,48,49]。在这项研究中缺乏重大影响可能表明，对于秘鲁大学的学生而言，道德考虑并不是决定适当AI的决定因素，或者这些考虑因素被更直接的因素所掩盖。

提出PP显着影响AIO的假设H4被拒绝。这一发现与[45]，强调了嬉戏方面在采用AI技术中的重要性。其他研究表明，PP在技术采用中的作用[46,47]。在这项研究中缺乏重大影响可能表明，对于秘鲁大学的学生而言，与享乐因素相比，AIO更受功利因素驱动。

总而言之，这些结果对秘鲁大学学生影响AIO的因素有细微的看法。在PE中，学习AI作为关键因素，其他方面（例如AI准备和焦虑，EA和PP）在PE中，在这种特定情况下似乎起着不太突出的作用。这些发现强调了在研究教育环境中采用AI技术时考虑上下文和文化因素的重要性。

理论和实践意义

这项研究的发现为高等教育中的AI采用带来了重要的理论和实际意义。从理论的角度来看，这项研究扩展了UTAUT2模型，通过在教育环境中纳入了AI采用的心理结构，从而有助于不断增长的有关技术接受模型的文献[72,73]。该研究验证了自我效能感作为技术采用的关键因素的重要性，与最近对教育环境中计划行为的研究保持一致[74,75]。此外，关于绩效预期和社会影响之间相互作用的发现提供了有关这些因素如何在非西方教育环境中运作的新见解[76,79]。

道德意识和AI焦虑症的整合代表了重要的理论贡献，尤其是在新兴的AI技术（例如ChatGpt）的背景下[76,77]。UTAUT2模型的这种扩展为了解教育环境中的技术采用提供了一个更全面的框架，尤其是在发展中国家[73,79]。这项研究还有助于理论上了解文化和情境因素如何调节心理因素与技术采用之间的关系[78,79]。

从实际的角度来看，这些发现为实施AI技术的教育机构提供了宝贵的见解。预期绩效的强烈影响表明，机构应专注于展示AI工具在改善学术成果方面的切实好处[75,76]。社会影响的重要性突出了建立支持性的同伴网络并促进积极的制度文化对AI采用的重要性[77,78]。

教育管理人员和政策制定者可以使用这些发现来制定更有效的AI实施策略。该研究表明，倡议应专注于通过有针对性的培训计划来建立学生的自我效能，同时解决焦虑问题[75,77]。有关道德意识的发现表明，需要有关负责人AI使用的全面准则和教育计划[76,78]。

此外，该研究还提供了解决AI实施中文化和背景因素的实用建议。在类似文化背景下的机构可以从了解这些因素如何影响采用模式中受益[79]。研究结果表明，成功的AI实施需要一种平衡的方法，以考虑技术和社会心理因素[75,78]。

局限性和未来研究

本研究具有解释其发现时应考虑的方法上的局限性。数据收集的横截面性质限制了有关变量之间关系的因果推断[72,73]。在秘鲁大学使用便利抽样的使用可能会限制调查结果对其他教育环境的普遍性[75,76]。此外，这项研究仅专注于学生的观点，而没有考虑教育者和管理人员的观点，他们在AI实施中起着至关重要的作用[77]。

这些限制为未来的研究方向提供了机会。纵向研究可以提供更深入的见解，了解AI如何随着时间的流逝而演变，以及不同因素如何影响各个阶段的采用模式[74,78]。跨文化比较研究可以帮助识别不同教育环境中AI采用的普遍和背景特异性因素[76,79]。包括多种利益相关者观点（包括教育者，管理人员和技术人员的观点）的研究将对高等教育中的AI采用有更全面的了解[77,78]。

未来的研究可以检查人口统计学变量的调节作用，并探讨诸如学科，以前的技术经验和文化背景等因素如何影响AI拨款模式[75,79]。对AI拨款与学习成绩之间关系的调查将为教育政策和实践提供宝贵的见解[76,78]。此外，探索机构支持系统与个人采用因素之间相互作用的研究可能会增强对组织环境如何影响AI占用的理解[77,79]。

这项关于影响秘鲁大学学生AI占用的因素的研究揭示了采用过程中的三个关键决定因素。PE是一个至关重要的预测指标，表明秘鲁学生在采用AI技术时在学习成绩中优先考虑切实的好处。SI被证明是一个重要因素，反映了秘鲁文化的集体主义本质及其对技术采用决策的影响。此外，SL是一个关键的决定因素，强调了学生对学习和使用AI技术能力的信心会影响其采用模式。

EA，PP和AAN对AI拨款的非显着影响为秘鲁高等教育中技术采用的特定背景性质提供了重要的见解。这些发现挑战了有关普遍采用因素的假设，并强调了对文化改编的实施策略的需求。

该研究使用扩展的UTAUT2模型的方法论方法为理解教育环境中的AI采用提供了精致的框架。这种适应包含特定于上下文的结构，有助于在不同的教育环境中技术接受模型的演变。

随着人工智能继续改变教育格局，这项研究提供了基于证据的见解，以在高等教育中制定有效的AI实施策略，尤其是在类似于秘鲁的教育环境的情况下。这些发现强调了在教育环境中引入AI技术时考虑技术和文化因素的重要性。

Universidad Nacional de Trujillo, Trujillo, Perú

1. Benicio Gonzalo Acosta-Enriquez & Karina Saavedra Tirado

   Universidad Tecnológica del Perú, Lima, Perú

2. María de los Ángeles Guzmán Valle

   Universidad César Vallejo, Trujillo, Perú

3. Marco Arbulú Ballesteros, Julie Catherine Arbulú Castillo, Carmen Graciela Arbulu Perez Vargas, Isaac Saavedra Torres & Pedro Manuel Silva León

   贡献

Conceptualization: Benicio Acosta-Enriquez, María de los Ángeles Guzmán Valle, Karina Saavedra Tirado;

Methodology: Julie Catherine Arbulú Castillo, Carmen Graciela Arbulu Perez Vargas;Formal analysis: Marco Arbulú Ballasteros, Benicio Acosta-Enriquez;Writing - preparation of the original draft: Isaac Saavedra Torres, Isaac Saavedra Torres;Writing - revision and editing: María de los Ángeles Guzmán Valle, Karina Saavedra Tirado, Julie Catherine Arbulú Castillo.所有作者均已阅读并批准最终稿件。

通讯作者

通讯至María de los Ángeles Guzmán Valle。

道德批准并同意参与

The research that led to these results was approved by the Ethics Committee of the Universidad Nacional de Trujillo and by the University Council by resolution N° 1762–2023/UNT. Informed consent was obtained from all participants included in the study; if participants were under 18 years of age, parents or legal guardians provided informed consent. The intervention was conducted in accordance with the Declaration of Helsinki.

同意发表

不适用。

利益竞争

作者声明没有竞争利益。

出版商的注释

施普林格·自然对于已出版的地图和机构隶属关系中的管辖权主张保持中立。

开放获取本文获得 Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License 的许可，该许可允许以任何媒介或格式进行任何非商业使用、共享、分发和复制，只要您给予原作者适当的署名即可和来源，提供知识共享许可的链接，并指出您是否修改了许可材料。根据本许可，您无权共享源自本文或其部分内容的改编材料。本文中的图像或其他第三方材料包含在文章的创意共享许可证中，除非在材料的信用额度中另有说明。如果文章的创意共享许可中未包含材料，并且您的预期用途不得由法定法规允许或超过允许的用途，则需要直接从版权所有者那里获得许可。要查看此许可证的副本，请访问http://creativecommons.org/licenses/by-nc-nd/4.0/。转载和许可

关于本文