基于扩展TAM‑UTAUT与PLS‑SEM分析的高校人工智能焦虑与采纳意向

为何校园里的人工智能忧虑重要

世界各地的大学都在加速将生成式人工智能（AI）融入教学与科研。从起草论文的工具到帮助设计课程的系统，这些技术承诺节省时间并提升创造力。然而，当师生想到使用这些工具时，许多人仍感到不安。本研究考察了这种“人工智能焦虑”，以了解不同类型的担忧如何既可能阻碍，也可能促使高等教育领域的人采用AI工具。

关于人工智能的三类担忧

研究者聚焦于三种不同形式的AI相关焦虑。第一类是学习焦虑：害怕无法掌握复杂的AI工具，或觉得“自己不够懂技术”。第二类称为社会技术盲区焦虑：担心成为系里被落下的人，脱离新的数字实践与讨论。第三类是工作替代焦虑：更深层的恐惧认为AI可能取代自己工作中的关键部分——写作、评分，甚至课程设计——最终使一些学术岗位变得多余。作者主张不应将焦虑视为一种单一、简单的情绪，而应认识到每一种焦虑有其不同根源与后果。

从情感到决策

为了观察这些焦虑如何影响实际选择，研究团队结合了两种通常强调理性信念的技术使用理论：感知有用性、感知易用性、来自他人的社会压力以及支持的可得性。他们在中国四川省三所大学对407名师生进行了问卷，询问他们的AI忧虑、对生成式AI的期望以及是否打算在学习或教学中使用此类工具。通过一种称为结构方程模型的统计方法，他们描绘出情绪反应如何影响对绩效、努力、社会影响与支持的预期，进而最终影响采纳AI的决策。

当恐惧阻碍行动时

工作替代焦虑被证明是最持续性地有害因素。担心AI会削弱其职业价值的人，往往认为AI不那么有用、更难学习、社会支持较弱且机构资源不足。这组负面信念强烈降低了他们使用AI工具的意愿。学习焦虑也削弱了信心，使AI显得更难、更不可及，尽管其影响较弱且更依赖其他因素。在这些情况下，恐惧导致防御性反应：焦虑的用户不是将AI视为助手，而是视为威胁，进而回避尝试的机会。

当恐惧促使行动时

社会技术盲区焦虑呈现出更令人意外的图景。害怕成为学术界“AI文盲”的人，有时反而选择迎头赶上而非退出。这类社会层面的恐惧与更强的预期相关：他们认为自己应当并能够付出努力去学习AI，对同侪如何看待AI使用更为敏感，并且在许多情况下有更高的采纳生成式工具的意向。与此同时，这种焦虑略微降低了他们相信AI能真正提升绩效的程度。换言之，同样一种社会性焦虑既可能损害个人的能力感，也能促使其赶上进度，形成一种既削弱信心又激发学习的“双刃剑”。

谁更能应对人工智能焦虑

研究还显示情境很重要。理工科的师生更倾向于将学习焦虑转化为尝试AI的动力，这反映出他们已有更适应快速技术变迁的文化。相反，人文与社会科学领域的人，通常更倾向于从伦理与意义角度进行批判性思考，更容易将AI视为对核心学术价值的威胁。个体的AI自我效能感——即他们对最终掌握这些工具的信心——也起到了重要作用。具有高自我效能感的人能够将部分焦虑重新解读为改进的信号，而非放弃的理由，并且更擅长把不安转化为建设性的行动。

这对大学意味着什么

对高等教育而言，结论很明确：AI焦虑既不是简单的创新刹车，也不应被轻描淡写。某些担忧，尤其是关于失业的担忧，会严重削弱采纳生成式AI的意愿，需要直接应对，例如明确角色界定、职业发展支持和透明的政策。其他担忧，特别是害怕落后于同侪的恐惧，如果高校提供可及的培训、同伴学习社区以及让人感觉可控而非压倒性的工具，则可以被转化为动机。通过识别并应对这些不同层次的焦虑——而非假定所有恐惧都是有害的——机构能够鼓励在校园内更谨慎、负责任且更公平地使用AI。

引用: Kai, C., Ping, W. & Xiaomin, J. AI anxiety and adoption intention in higher education based on an extended TAM-UTAUT and PLS-SEM analysis. Sci Rep 16, 3672 (2026). https://doi.org/10.1038/s41598-026-35823-9

关键词: 人工智能焦虑, 教育中的生成式人工智能, 技术采纳, 大学教学, 学生态度