人工智能技术融入高校教学：教师采用行为的多因素解析与策略指引

《BMC Psychology》：Exploring the factors influencing the adoption of artificial intelligence technology by university teachers: the mediating role of confidence and AI readiness

为探究高校教师采用人工智能（AI）技术行为意向的影响因素，鞍山师范学院研究人员开展了相关研究。通过对 504 名教师的调查，发现主观规范（SN）正向影响行为意向，自信（CON）和 AI 准备度（AIRE）起中介和链式中介作用。该研究为推动 AI 技术在教育领域应用提供了理论和实践指导。

　　在当今数字化时代，人工智能（AI）技术正以前所未有的速度渗透到教育领域，从智能辅导系统到在线学习平台，其应用范围不断拓展。AI 技术不仅优化了教学内容的呈现方式，还在学生评估、教学资源个性化分配等方面展现出巨大潜力，为高等教育带来了新的机遇，有效弥补了传统教学方法的不足，提升了教学效果和学生学习体验。

然而，AI 技术在教育领域的有效应用面临诸多挑战。一方面，AI 技术的复杂性对教师的技术能力提出了较高要求，教师在采用 AI 工具和掌握编码等方面可能遭遇技术障碍，进而影响其使用意愿。另一方面，实际应用中还存在个体层面因素（如技术技能不足、缺乏自信）、伦理问题（如数据保护、伦理安全）以及资源相关问题（如技术培训不足、设备支持有限），这些因素限制了教师采用 AI 技术的行为意向（BI） ，也增加了技术应用的复杂性。

目前，针对高校教师采用 AI 技术意愿的研究相对有限。现有研究大多基于经典理论模型，如技术接受模型（TAM）和技术接受与使用统一理论（UTAUT），这些模型主要强调技术的可用性，却较少关注个体因素（如自信和准备度）在技术接受过程中的关键作用。在特定的中国高等教育文化背景下，心理因素、社会支持和文化适应性如何影响教师对 AI 技术的采用，尚未得到充分研究。

为填补这一研究空白，鞍山师范学院的研究人员开展了一项旨在探索自信和 AI 准备度在高校教师采用 AI 技术行为意向中中介作用的研究，为从理论和实践层面提升教师使用 AI 技术的意愿提供实证支持。该研究成果发表在《BMC Psychology》上，为推动 AI 技术在教育领域的应用提供了新的视角和实践指导。

研究人员采用随机抽样方法，选取鞍山师范学院各部门的在职教师作为研究对象，通过文卷星平台发放问卷进行在线调查。最终收集到 504 份问卷，经筛选后保留 494 份有效问卷，有效回收率达 98.02%。在测量工具上，研究使用了经过验证的量表来评估主观规范（SN）、自信（CON）、AI 准备度（AIRE）和行为意向（BI）这四个变量，各量表均采用 6 点量表计分。

数据分析阶段，研究人员运用 SPSS Statistics 27 和 AMOS 26 软件进行统计分析。通过 AMOS 进行验证性因子分析（CFA）以确定各潜变量下的观测变量并评估测量模型的有效性；利用 SPSS 进行描述性统计和相关性分析，探究数据集的基本特征；借助 SPSS PROCESS 4.0 插件中的 Model 6 进行链式中介分析，研究 SN 如何通过 CON 和 AIRE 影响 BI，同时采用 Bootstrap 方法进行中介效应检验。

研究结果

1. 数据正态性与共同方法偏差检验：通过偏度和峰度指数评估数据正态性，结果显示所有关键变量均符合正态分布标准。采用 Harman 单因素检验考察共同方法偏差，结果表明数据不存在显著的共同方法偏差 。
2. 验证性因子分析：CFA 结果显示，观测变量的因子载荷均大于 0.5，测量模型具有可接受的有效性 。
3. 相关性分析：SN 与 CON、AIRE、BI 之间，以及 CON 与 AIRE、BI 之间，AIRE 与 BI 之间均呈现显著正相关 。
4. 中介分析：研究发现，SN 显著正向预测 CON、AIRE 和 BI；CON 显著正向预测 AIRE 和 BI；AIRE 显著正向预测 BI。Bootstrap 检验结果进一步证实了 CON 和 AIRE 在 SN 与 BI 关系中的部分中介效应，具体通过 SN→CON→BI、SN→AIRE→BI、SN→CON→AIRE→BI 这三条间接路径实现，分别占总间接效应的 54.79%、32.34% 和 12.87%。

研究结论与讨论

1. SN 对 BI 的直接影响：SN 显著正向影响 BI，这表明积极的 SN 能够显著提升高校教师采用 AI 技术的意向。当教师感知到同事或学校管理层对 AI 技术的推广时，会受到 SN 的压力，进而增强采用意向。同时，观察到他人通过 AI 技术提升工作效率或学生学习成果，也会强化教师自身使用 AI 技术的动机 。
2. CON 的中介作用：CON 在 SN 与 BI 之间起中介作用。SN 的增强能够提升教师对 AI 技术的自信，进而强化其使用意向。这一发现符合计划行为理论，即 SN 通过影响个体的自信，促使个体形成积极的行为意向 。
3. AIRE 的中介作用：AIRE 在 SN 与 BI 之间起中介作用。SN 的增加有助于提升教师的 AIRE，进而增强其使用 AI 技术的意向。较高的 AIRE 是 AI 技术有效融入课堂教学的重要预测因素，SN 可通过提供资源支持等方式激发教师学习 AI 技术的动机，提升其 AIRE 。
4. CON 和 AIRE 的链式中介作用：CON 和 AIRE 在 SN 与 BI 之间起链式中介作用。当教师感知到较强的 SN 时，其对 AI 技术的自信增加，进而提升 AIRE，最终增强 BI。这一结果符合社会认知理论，进一步揭示了 SN 间接促进教师采用 AI 技术意向的机制 。

该研究具有重要的理论和实践意义。在理论方面，丰富了高校教师技术采纳的理论框架，深化了对 SN 在技术采纳过程中作用的理解，同时揭示了 CON 和 AIRE 在技术采纳过程中的协同效应。在实践方面，为高校推动 AI 技术应用提供了指导，如设计分层培训计划提升教师对 AI 技术的掌握程度和自信，营造支持性文化、实施激励政策等增强社会支持 。

不过，该研究也存在一定局限性。样本主要来自特定地区的高校教师，可能限制了研究结果的普适性；研究采用横断面设计，无法确定变量之间的因果关系。未来研究可扩大样本范围，采用纵向研究设计，进一步深入探究相关问题。总体而言，该研究为推动 AI 技术在高等教育领域的应用提供了有价值的参考，有助于促进教育技术创新和教育质量提升。