自我效能与技术依赖的悖论：揭示生成式人工智能对大学生任务完成的影响

自我效能与技术依赖的悖论：揭示生成式人工智能对大学生任务完成的影响

随着生成式人工智能（Generative AI）的快速发展，其在教育领域的应用日益广泛。然而，这种技术在提升学生学习效率和自信心的同时，也可能导致过度依赖。本文通过实证研究揭示了这一悖论关系，并为教育实践提供了重要启示。

研究背景

本研究探讨了生成式人工智能（Generative AI）使用频率对大学生自我效能感和技术依赖性的影响，揭示了其中的悖论关系，并对包容性教育实践提出了启示。

研究难点在于如何量化生成式AI的使用频率及其对自我效能感和技术依赖性的影响，以及如何解释这种复杂的双向关系。

相关研究表明，生成式AI可以提升学习者的自信心和效率，从而增强自我效能感（Liang et al., 2023b; Meyer et al., 2019; Yilmaz and Yilmaz, 2023）。然而，过度依赖生成式AI可能会削弱学生独立解决问题的能力（Huang et al., 2020; Zhang et al., 2024）。

研究假设包括：

• 增加生成式人工智能（Generative AI）使用的频率会增强学生的自信心。
• 增加生成式人工智能（Generative AI）使用的频率会增强学生的问题解决效率。
• 生成式人工智能（Generative AI）使用的频率与技术依赖程度呈正相关。
• 生成式人工智能（Generative AI）的使用积极影响学生对效率的感知，这反过来会导致技术依赖的增加。
• 生成式人工智能（Generative AI）的使用积极影响学生的自信心，这随后增强他们对效率的感知，最终导致技术依赖的增加。

研究方法

本研究通过问卷调查的方式，对中国某一线城市高校的本科生进行调研，共发放348份问卷，回收200份有效问卷，响应率为57%。样本包括大一到大四的学生，涵盖了广泛的学科领域，以确保样本的多样性和代表性。

研究采用结构方程模型（SEM）进行路径分析，样本量为200个观测值。研究变量包括生成式AI使用频率、技术依赖性、自我效能感（信心感知和效率感知）等。

结果与分析

研究结果显示，生成式AI使用频率的平均得分为3.28，信心感知平均得分为3.43，效率感知平均得分为3.71，技术依赖性平均得分为3.33。

结构方程模型分析显示，模型拟合指数CFI和TLI均大于0.95，RMSEA小于0.06，表明模型与数据高度一致。生成式AI使用频率显著提高了学生的自我效能感和效率感知，进而增加了技术依赖性。

中介效应分析表明，生成式AI使用频率通过提高效率感知和信心感知间接增加了技术依赖性。具体路径包括：AI使用频率→效率感知→技术依赖性，以及AI使用频率→信心感知→效率感知→技术依赖性。

总体结论

这项研究揭示了生成式AI使用频率对大学生自我效能感和技术依赖性的复杂关系。尽管AIGC显著提升了学生的自我效能感和效率感知，但同时也加剧了他们的技术依赖性。这表明在教育环境中整合AI技术需要平衡其优势与避免过度依赖的风险。未来的研究应进一步探讨AI对学生长期学习成果的影响，并探索如何在不同类型的教育环境中应用这些发现。

参考文献：
Zhang, L., & Xu, J. (2025). The paradox of self-efficacy and technological dependence: Unraveling generative AI’s impact on university students’ task completion. Internet and Higher Education, 65, 100978. https:///10.1016/j.iheduc.2024.100978