引言

以ChatGPT为代表的生成式人工智能技术以其能根据使用者的个性化需求自动创建文本、图像和视频内容的特点，为教育领域带来新的机遇和挑战。然而，目前生成式人工智能技术仍处于部署阶段，易被误解和误用，其是否能在教育中真正发挥作用，取决于影响其被接受的关键因素。尽管已有研究探讨了不同视角下师生使用生成式人工智能的意愿及其影响因素，但鲜有研究者基于计划行为理论（TPB）和技术接受模型（TAM）对高校学生这一群进行深入研究。因此，本研究整合TPB和TAM，聚焦于高校学生，探究感知易用性、感知有用性、态度、主观规范、感知行为控制与使用意愿及使用行为之间的关系，旨在解决以下问题：高校学生对生成式人工智能的接受程度如何；关键影响因素是什么；提升使用意愿的路径有哪些。以期为推动生成式人工智能在教育领域的有效应用提供理论支持和实践指导。

一、文献综述

（一）生成式人工智能使用影响因素研究现状

生成式人工智能使用意愿影响因素研究主要集中于科研领域和高等教育领域，涉及研究方法、研究领域和研究对象等方面。大部分学者使用实证研究方法基于已有理论模型对不同因素与使用意愿之间的关系进行探索和验证，如计划行为理论、创新扩散理论、技术接受模型、任务技术适配模型、S-O-R理论、行动者网络理论等。

在科研领域，基于扎根理论的研究发现，系统质量、信息质量、社群影响、期望确认程度、满意度、感知有用性、感知易用性、感知风险、相对优势和个体创新能力是影响科研人员使用ChatGPT的重要因素。大学生作为新技术的活跃使用群体，其使用意愿具有非常重要的影响。基于技术接受模型，加入感知风险、技术焦虑、社会影响等变量搭建研究模型，发现感知有用性、感知易用性、社会影响对大学生的使用意愿产生显著的正向影响，感知风险和技术焦虑则对大学生的使用意愿产生显著的负向影响。在高等教育领域，基于技术接受模型和计划行为理论建构模型，发现感知有用性、感知价值、态度、主观行为规范、感知行为控制对意向有正向作用，感知风险对感知行为控制不具有正向作用。此外，还有研究者基于期望确认理论和使用与满足理论探究大学生持续使用生成式人工智能的意愿，研究表明满意度是大学生用户持续使用意愿的关键影响因素。可见，大多数研究以高校学生为研究对象，显著的影响因素集中在生成式人工智能的效用以及用户自身感知等方面，但缺乏对影响的强弱以及不同群体之间的影响差异的相关研究。

（二）生成式人工智能在教育领域的研究

生成式人工智能在教育领域的研究主要包含教育变革与发展以及人机关系与素养培养研究两个方面。人工智能技术的突破性进展为教育发展和变革提供了动力，在教、学、评、测、辅等教育系统的各个环节人工智能都发挥了重要作用。生成式人工智能系统可以为教师教学提供多种形态的帮助和服务，为学生提供交互式学习环境，定制个性化学习资源，辅助技能训练。同时，生成式人工智能影响和推动教育空间和环境的营造。

然而，人工智能的迅猛发展也对教育带来了极大挑战，主要表现在对毕业生市场的冲击、教学评价方式的变革和学生学习方式的改变，还带来数据安全、算法偏见等伦理风险，可能压抑教育主体的主体性。生成式人工智能的快速发展对人才培养提出新的要求，学生需要具备底层技术的基础知识与包容自觉的公民意识、提示工程的应用技能与特定任务的指令微调能力，以及人类对齐的道德判断与伦理反思的应用规范能力。此外，越来越多的研究聚焦于生成式人工智能和学科教育融合，如中文教育、高校思想政治教育、外语教学及写作、美育教学和生物医学教育等方面。

生成式人工智能融入教育已是大势所趋，师生对其好处持积极态度，但也对学术诚信和抄袭方面的潜在风险表示担忧，认为有必要制定相关规定来管理相关的潜在风险。此外，生成式人工智能对高等教育中师生的主体性带来挑战，可能削弱主体能动性和创造性。尽管师生亟需生成式人工智能在教育中的“使用指南”，但是目前国内尚未有高校明确制定相关规定来规范师生对生成式人工智能的使用。

二、理论基础与模型建构

（一）生成式人工智能定义

人工智能技术可以根据功能价值划分成分析式人工智能和生成式人工智能。分析式人工智能主要指能够在海量数据中发现模式，完成诸如垃圾或欺骗邮件识别或算法推送TikTok视频等工作。生成式人工智能可以通过人工智能的相关技术，自动化生成文本、图像、视频、音频等多类型内容。本研究所指的生成式人工智能包括生成式人工智能技术以及基于大语言模型生成式人工智能技术所搭建的应用工具，如Chat GPT、文心一言、DeepSeek、Sora、Kimi、豆包等平台。

（二）计划行为理论

计划行为理论（The Theory of Planned Behaviour）由Ajzen 在20 世纪80 年代末首次提出，用于探索使用技术时人类行为的动态过程。该理论认为行为是由态度、主观规范和感知行为控制塑造的，它们共同影响行为意图和随后行动的形成。态度指的是一个人对相关行为有利或不利评价以及评价的程度；主观规范是指感知到的执行或不执行行为的社会压力；感知行为控制指的是感知到的行为执行的难易程度。在教育情境中，积极的态度源于对教学活动相关结果的良好认知，可以推动意图的发展和随后的教学参与。一般来说，拥有良好的态度、主观规范和高水平的感知行为控制的人更有可能有实施正确行为的意图。意图和感知行为控制水平越高，实际行为发生的概率也就越高。图1表示该理论提出的各变量间关系。

（三）技术接受模型

技术接受模型是运用理性行为理论研究用户对信息系统接受时所提出的一个模型。1989年，Davis提出了最早的技术接受模型（Technology Acceptance Model，TAM），该模型指出，感知有用性和感知易用性是影响人们使用信息技术的态度、意向乃至行为的主要因素。根据技术接受模型，感知有用性也受到感知易用性的影响，因为在其他条件相同的情况下，系统越容易使用，它就越有用。

（四）模型建构

近年来，随着人工智能技术的不断发展，人工智能教育应用在全球范围内引起了广泛关注。影响人们接纳和使用新技术的因素非常复杂。MALIK S基于TAM提出了TAME-Chat GPT模型，该模型对于态度的测量包括感知风险、技术或社会影响、焦虑，行为的测量变量包括感知有用性、感知易用性、感知风险、行为。张池基于TAME-Chat GPT构建模型，提出感知易用性与感知有用性是影响大学生使用意愿的两个重要因素。这两个因素是使用者对于生成式人工智能工具的实用性的主观判断，当大学生感知到生成式人工智能工具越易用、有用，其使用意愿就越强烈。态度是指个体对使用特定系统或技术持有的积极或消极情感，它是由感知有用性和感知易用性共同决定的。因此，本研究提出以下假设：

H1：师生对生成式人工智能的感知有用性与他们的态度呈正相关。

H2：师生对生成式人工智能的感知有用性与他们的使用意愿呈正相关。

H3：师生对生成式人工智能的感知易用性与他们的态度呈正相关。

H4：师生对生成式人工智能的感知易用性与他们的使用意愿呈正相关。

H5：师生对生成式人工智能的感知易用性与他们的感知有用性呈正相关。

H6：师生对生成式人工智能的态度在感知有用性与使用意愿的关系中具有中介作用。

H7：师生对生成式人工智能的态度在感知易用性与使用意愿的关系中具有中介作用。

S.Ivanov基于计划行为理论提出研究模型，他认为师生对生成式人工智能的感知优势、益处正向影响态度、主观规范和感知行为控制，从而影响生成式人工智能的使用意愿和使用行为，对生成式人工智能的感知风险会负向影响使用生成式人工智能的意图，态度、主观规范和感知行为控制正向影响使用生成式人工智能的意愿。因此，本研究提出以下研究假设：

H8：师生对生成式人工智能的态度与他们的使用意愿呈正相关。

H9：师生对生成式人工智能的主观规范与他们的使用意愿呈正相关。

H10：师生对生成式人工智能的感知行为控制与他们的使用意愿呈正相关。

综上，整合计划行为理论和技术接受模型，构建高校学生对生成式人工智能使用意愿的影响因素研究模型，如图1所示。

三、研究设计与实证分析

（一）样本选择

以全国各地各层次高校在校学生为样本选择的对象，通过问卷星平台在线发布问卷。但由于目前的研究针对全国各地使用过生成式人工智能的学生，使用人数的总规模未知，因此采用非概率抽样。通过电子邮箱或社交媒体（如微信、QQ、微博）以及滚雪球的方式发放问卷。

（二）测量量表与问卷设计

测量量表基于已有成熟量表整合而成，包含感知有用性、感知易用性、态度、主观规范、感知行为控制、使用意愿6个潜变量，共22个题项，采用5点Likert量表（表1）。

变量名称	测量题项	参考来源
感知有用性	1.生成式人工智能工具可以让我快速完成任务。	Anthony（1993）
	2.生成式人工智能工具让我表现更出色。
	3.生成式人工智能工具可以提高我的学习/工作效率。
	4.生成式人工智能工具让我的工作更简单。
	5.在工作中使用生成式人工智能是有用的。
感知易用性	1.我能够很快学会如何使用生成式人工智能工具。	Anthony（1993） 齐艺（2024）
	2.我觉得使用生成式人工智能非常容易。
	3.我觉得生成式人工智能工具的界面是容易使用的。
	4.我觉得很容易就能熟练掌握生成式人工智能工具。
态度	1.我认为使用生成式人工智能是个好主意。	郭英之（2016） 翟姗姗（2022）
	2.我认为使用生成式人工智能对我有帮助。
	3.我认为使用生成式人工智能的过程非常有趣。
主观规范	1.大多数对我很重要的人认为我应该在进行工作/学习时使用生成式人工智能。	Stanislav Ivanov（2024）
	2.大多数对我重要的人希望我在进行工作/学习时使用生成式人工智能。
	3.我重视其意见的人更喜欢我在进行工作/学习时使用生成式人工智能。
感知行为控制	1.我在工作/学习时是否使用生成式人工智能完全取决于我。	Stanislav Ivanov（2024） 翟姗姗（2022）
	2.如果我愿意，我可以在工作/学习时使用生成式人工智能。
	3.我具备使用生成式人工智能所需的软硬件设备。
	4.我具备使用生成式人工智能所需的知识技能。
使用意愿	1.我愿意使用生成式人工智能。	Stanislav Ivanov（2024）
	2.我将来在工作/学习中会经常使用生成式人工智能。
	3.我会推荐其他人使用生成式人工智能。

（三）数据收集

数据通过问卷星平台进行在线收集，完成回收后根据参与者的答题时间和问卷完成情况对问卷处理，剔除作答时间过短、回答不完整的问卷。同时，排除未使用过生成式人工智能工具的参与者。

（四）数据统计与分析结果

1.人口学基本信息统计与差异分析

（1）基本信息统计

本次调查共发放问卷136份，回收问卷117份，经过筛选提出随意填写的10份，最终有效问卷107份。其中，男生19人，女生88人。20岁以下学生占11.21%，21-30岁学生占85.98%，31-40岁学生占2.8%。学生所在年级以硕士研究生阶段为主（53.27%），其次是大三（16.82%）、大四（12.15%）；专业主要是文史类（79.44%），大部分学生都来自普通本科院校（96.26%）。

（2）人口学差异检验分析

为了进一步探究不同类型的学生使用意愿的差异，从性别、年龄、年级、专业、所在学校等方面检验高校学生生成式人工智能的使用意愿。对于“性别”因子，主要采用独立样本t检验，分析不同性别的学生生成式人工智能的使用意愿。结果显示，不同性别的学生生成式人工智能的使用意愿不存在显著差异（p>0.05）。针对“年龄”“年级”“专业”“所在学校”等因子，采用单因素ANOVA检验，结果发现，不同年级的学生对生成式人工智能的使用意愿存在显著差异（p<0.05），对其进行事后检验，硕士研究生的生成式人工智能使用意愿明显强于大四学生（p<0.05）。

2.学生生成式人工智能使用情况统计

据调查，所有的学生都使用过生成式人工智能，大部分学生使用频率达一周3-4次（38.32%），也有很大一部分学生不固定时间使用，有需要时才用（36.45%）。94%以上的学生认为自己了解生成式人工智能，他们使用最多的是DeepSeek（96.26%）、豆包（85.98%）、Kimi（68.22%）。关于生成式人工智能的用途，大部分学生认为生成式人工智能可用于问题求解（96.26%）、日常办公（72.9%）、数据分析（64.49%）。学生认为使用生成式人工智能最可能带来的风险和问题是数据安全（81.6%）、学术剽窃（75.5%）、个人隐私泄露（73.5%）和数据造假（73.5%）。

3.问卷信效度检验

问卷的Cronbach’s α系数为0.913（大于0.8），KMO系数为0.841，Bartlett检验P值小于0.05，说明问卷具有较高的信度和良好的结构效度，适合做因子分析。

4.结构方程模型检验

采用结构方程模型（SEM）分析感知有用性、感知易用性、态度、主观规范、感知行为控制、使用意愿和使用行为之间的关系。本研究使用基于方差的结构方程（PLS-SEM）模型作为主要统计方法，使用SmartPLS4软件作为主要的建模工具。

（1）测量模型评估

测量模型的信度与效度检验结果显示，各个潜变量的Cronbach's α值都大于0.7，组合信度CR值都大于0.8，信度较高，说明测量模型信度达到要求。测量变量中感知有用2、感知易用3、态度3的因子载荷值分别为0.618、0.618、0.696，接近0.7，在可接受范围内，满足研究要求。其他测量变量因子载荷值均大于0.7，说明所选取的变量合适。各潜变量的AVE值均大于0.5，说明收敛效度良好。

（2）模型路径与显著性水平

结构模型的评估标准包含R²值以及路径系数的显著性，采用Bootstrapping方法对所构建的模型进行检验。模型拟合效度通过内生潜变量R²值验证，当R²大于0.5时，说明模型的解释能力较强，构建的模型具有合理性。由图2可知，使用意愿的R²为0.504，表明该模型具有良好的解释能力和拟合效果。

以P值作为路径系数显著性检验的判断标准，若P值小于0.05则说明假设成立。VAF为中介效应与总效应的比值，当比值小于20%则无中介效应，20%—80%起部分中介效应，大于80%属于完全中介。根据表10可知，除态度（0.361）外，感知有用性（0.09）、感知易用性（0.11）、主观规范（0.056）和感知行为控制（0.244）对使用意愿的直接影响不显著。感知有用性（0.486）和感知易用性（0.281）对态度的影响显著，且态度在感知有用性（66.04%）与感知易用性（29.19%）对使用意愿的影响中起部分中介作用。感知易用性对感知有用性的影响显著（0.508）。

研究假设	研究路径	原始样本 (O)	样本平均值（M）	标准差 (STDEV)	T统计数据 (|O/STDEV|)	P 值	VAF	假设结果
H1	感知有用性->态度	0.486	0.482	0.086	5.632	0		支持
H2	感知有用性->使用意愿	0.09	0.095	0.123	0.731	0.465		不支持
H3	感知易用性->态度	0.281	0.283	0.086	3.278	0.001		支持
H4	感知易用性->使用意愿	0.11	0.107	0.104	1.063	0.288		不支持
H5	感知易用性->感知有用性	0.508	0.513	0.094	5.402	0		支持
H6	感知有用性->态度->使用意愿	0.175	0.173	0.072	2.42	0.016	66.04%	支持
H7	感知易用性->态度->使用意愿	0.101	0.101	0.046	2.18	0.03	29.19%	支持
H8	态度->使用意愿	0.361	0.354	0.12	3.009	0.003		支持
H9	主观规范->使用意愿	0.056	0.055	0.068	0.827	0.409		不支持
H10	感知行为控制->使用意愿	0.244	0.255	0.14	1.738	0.083		不支持

四、研究结论与建议

（一）研究结论

1.高校学生对生成式人工智能的使用现状

调查结果表明，高校学生对生成式人工智能的整体意愿较高，且硕士研究生群体的使用意愿强于本科生。绝大部分受访者均使用过生成式人工智能工具，使用频率以“一周3-4次”和“有需要时使用”为主，显示出生成式人工智能已融入高校学生的日常学习与研究活动。在工具选择上，DeepSeek、豆包和Kimi是最常用的平台，反映出国产生成式人工智能工具在高校学生群体中具有较高的渗透率。学生主要将生成式人工智能运用于问题求解、数据分析以及日常办公等场景，说明其在辅助学习、提升效率方面发挥了实际作用。同时，学生对生成式人工智能的潜在风险有较为清晰的认知，使用过程中可能引发的数据安全、学术剽窃以及个人隐私泄露等风险和问题是主要担忧，这提示在推广应用中需加强风险教育与规范引导。

2.影响高校学生使用生成式人工智能意愿的关键因素

基于计划行为理论和技术接受模型的偏最小二乘结构方程模型分析，本研究得出以下关键结论：

态度是影响使用意愿的核心中介变量。经过验证发现，感知有用性和感知易用性均显著正向影响态度，而态度显著正向影响使用意愿。中介效应分析表明，态度在感知有用性与使用意愿之间，以及感知易用性与使用意愿之间均起部分中介作用。这意味着，学生对生成式人工智能的实用性判断和操作便捷性体验，首先转化为对工具的积极或消极评价，进而影响其最终的使用决策。这一发现揭示了技术接受过程中“认知→情感→意向”的传导机制。

积极的态度是驱动高校学生使用生成式人工智能意愿的关键因素。具体而言，感知有用性与感知易用性并非直接作用于使用意愿，而是通过塑造学生对技术的态度发挥间接影响——当学生认为生成式人工智能工具实用且易于操作时，他们更容易形成积极评价，进而增强使用意愿。相比之下，主观规范和感知行为控制对使用意愿的直接影响并不显著。这一结果表明，在高校学生群体中，尽管社会环境压力和个人能力条件在理论层面被预期会影响技术接受，但在实际决策过程中，它们并未成为关键的驱动因素。换言之，学生对生成式人工智能的内在认知与情感评价（即态度）比外部社会压力或自我效能感知更能预测其使用意向。

感知有用性、感知易用性、主观规范及感知行为控制对使用意愿的直接影响均不显著。这与经典技术接受模型和计划行为理论的已有发现存在差异。在生成式人工智能这一新兴技术情境下，学生并非直接因为工具“有用”或“易用”就产生使用意愿，而是需要经过态度这一情感过滤机制。可能的原因有三：一是生成式人工智能仍处于快速发展阶段，学生对其功能边界、可靠性及伦理风险尚存在不确定性，态度评价在决策中更为关键；二是其使用具有较强的个体化和私密性，学生较少受到他人期望或社会压力的影响；三是当前高校学生普遍具备所需的基本设备、网络条件和操作技能，感知行为控制已处于较高水平，个体间差异不足以产生显著的意愿区分。

（二）启示与建议

基于上述结论，本研究从高校管理、教学支持和技术治理三个维度提出以下建议，以促进生成式人工智能在教育领域的有效、规范和安全应用。

1.提升师生数字素养，强化批判性思维与伦理意识

高校应将生成式人工智能素养纳入数字素养教育的核心内容。针对不同专业背景和使用需求的师生，定期组织数字素养培训课程，包括生成式人工智能的使用方法、优势及风险，帮助师生掌握其在教学与学习中的高效应用技巧，帮助学生精准利用生成式人工智能进行文献综述撰写、数据分析等，以提升教学与学习效果。同时，在教学过程中要融入对生成式人工智能结果的批判性思维培养，引导学生分析其生成内容的准确性、可靠性和潜在偏差等维度进行交叉验证，避免“算法盲从”。定期举办数据安全、学术诚信和隐私保护讲座，结合真实案例进行警示教育，帮助学生明确使用边界，培养负责任的使用习惯。

2.建设生成式人工智能的教学和学习支持环境

一方面，高校要积极探索生成式人工智能与各学科教学的深度融合，根据不同学科特点和教学目标，设计相应的教学活动与项目，为学生创造更多实践机会；鼓励教师将生成式人工智能作为教学辅助工具嵌入课程设计，探索差异化的融合模式，形成可供教师参考的案例库。另一方面，要完善技术支持体系性，确保校园网络稳定畅通，满足师生使用生成式人工智能工具时的高流量需求；同时，要建立专业的技术维护团队，及时解决师生在使用过程中遇到的技术难题，保障教学和学习活动的顺利开展。

3.制定生成式人工智能使用规范与伦理准则

针对学生对学术剽窃、数据安全等风险的普遍担忧，高校应制定详细的生成式人工智能使用规范，明确规定在学术写作、作业完成、考试等场景中使用生成式人工智能的行为边界，规定标注要求、禁止性行为及违规处理机制，确保学术诚信。此外，加强数据安全与隐私保护教育，对师生开展数据安全和隐私保护的专题教育活动，提高师生的安全意识，使其了解在使用生成式人工智能过程中可能面临的数据泄露等风险，掌握保护个人隐私信息的方法和技巧。

参考文献：

1. [1] Ma X, Huo Y. Are users willing to embrace ChatG-PT? Exploring the factors on the acceptance of chatbots from the perspective of AlDUA framework[J]. Technology in Society,2023,75:102362.
2. [2] 张逾千. 科研人员ChatGPT使用意愿影响因素研究[D]. 吉林大学,2024.
3. [3] 张池. 大学生对于生成式人工智能工具的使用意愿研究——基于技术接受模型[J]. 科技传播,2023,15(23):131-135.
4. [4] 刘齐平, 张泽清, 杨平. 高等教育领域生成式AI工具的用户使用意愿研究[J]. 湖北第二师范学院学报,2024,41(08):85-93.
5. [5] 邱均平, 龙康, 徐中阳. 基于ECT-U&G的生成式AI用户持续使用意愿的实证研究——以大学生为例[J].现代情报,2025,45(06):46-59.
6. [6] 胡佳健, 汪维富, 钟志贤. 国内外生成式人工智能教育现状分析与热点探究[J]. 数字教育,2024,10(06):84-92.
7. [7] 姜华, 王春秀, 杨暑东.生成式AI在教育领域的应用潜能、风险挑战及应对策略[J].现代教育管理,2023(07):66-74.
8. [8] 孙立会, 周亮.生成式人工智能素养：概念演变、框架构建与提升路径[J].现代远距离教育,2025(01):11-21.
9. [9] 周瑞冬, 谢超凡.生成式人工智能对高等教育人的主体性的挑战及应对[J]. 高教发展与评估,2025,41(02):100-110+133.
10. [10] Ajzen, I. The theory of planned behavior[J]. Organizational Behavior and Human Decision Processes,1991,50(02):179-211.
11. [11] Bosnjak M, Ajzen I, Schmidt P. The Theory of Planned Behavior: Selected Recent Advances and Applications[J]. Europe's Journal of Psychology,2020,16(03):352-356.
12. [12] 吴文胜, 梁函. 中小学教师教育惩戒的意图与行为——基于计划行为理论框架的调查[J]. 教育研究与实验,2022(06):59-65.
13. [13] Davis F D. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology[J]. MIS Quarterly,1989,13(03):319-340.
14. [14] Van Dis E A M, Bollen J, Zuidemaw, et.al. ChatGPT: five priorities for research[J]. Nature,2023,614(02):224-226.
15. [15] Malik S, Nesreen S, Muna B, et al. Assessing Attitudes and Usage of ChatGPT in Jordan among Health Students: A Validation Study of the Technology Acceptance Model-Based Scale (TAMEChatGPT)[J]. JMIR medical education,2023.
16. [16] Al-Mamary Y H S, Abdulrab M, Alwaheeb M A, et al. Factors impacting entrepreneurial intentions among university students in Saudi Arabia: testing an integrated model of TPB and EO[J]. Education+Training,2020,62(7/8):779-803.
17. [17] Hendrickson, Anthony R, Massey, et al. On the Test-Retest Reliability of Perceived Usefulness and Perceived Ease of Use Scales[J]. MIS Quarterly,1993.
18. [18] 齐艺. ChatGPT用户持续使用意愿的影响因素研究[D]. 武汉大学,2024.
19. [19] 郭英之, 李小民. 消费者使用移动支付购买旅游产品意愿的实证研究——基于技术接受模型与计划行为理论模型[J]. 四川大学学报(哲学社会科学版),2018(06):159-170.
20. [20] 翟姗姗, 陈欢, 王左戎. 基于SES差异下用户AI学习平台持续使用意愿影响机理研究[J]. 情报科学,2022,40(02):28-35.