基于UTAUT模型的大學生AIGC工具使用行為影響因素研究

摘" 要：以ChatGPT為代表的人工智能生成內容（AIGC）在大學生群體中得到廣泛應用。為深入了解大學生AIGC工具使用行為影響因素，引導其正確認識、合理使用，在技術接受與使用整合模型UTAUT的基礎上新增風險保障、個體創新性兩個因素，同時納入性別、年級、學科門類、使用頻次四個因素，構建大學生AIGC工具使用行為影響因素模型。提出相關假設，并通過問卷調查收集數據，采用多元線性回歸分析方法進行實證分析與檢驗。研究結果顯示，個體創新性、社會影響、績效期望、風險保障、努力期望（按影響力大小排序）均對大學生AIGC工具使用意愿存在顯著正向影響，使用意愿和促進條件對使用行為產生直接影響。此外，研究發現不同性別、年級、使用頻次的大學生在AIGC工具使用行為上不存在顯著差異，不同學科的大學生在AIGC工具使用行為上存在顯著差異。根據分析結果，為推動AIGC工具在高等教育中的有效應用和發展提供針對性建議。

關鍵詞：AIGC工具；UTAUT模型；ChatGPT；大學生；人工智能；使用行為

文章編號：1671-489X（2025）02-00-08

DOI：10.3969/j.issn.1671-489X.2025.02.0

0" 引言

自2022年11月30日美國開放人工智能研究中心（OpenAI）發布ChatGPT（Chat Generative Pre-

trained Transformer）以來，AIGC（Artificial Intelligence Generated Content，人工智能生成內容）迅速發展，掀起一場全球技術革命，逐步從專用走向通用，從小眾走向大眾。作為一種新興生產力，AIGC引發各行各業的高度關注。如今，AIGC

通過更適合人類的對話交互方式，已滲透到各個領域，更是引發教育領域的高度關注，高等教育領域對其的研究逐漸增多。無論是理論研究還是實踐應用，均對AIGC工具的推廣和應用起到積極的促進作用。但在教育領域，再先進的技術最終都是為教與學服務的，當代大學生對AIGC工具使用的意愿和行為直接影響自身的AIQ（Artificial Intelli-

gence Quotient，人工智能商數），而其利用人工智能技術的能力也決定了自身是否能適應智能社會對未來人才的需求[1]。因此，有必要對大學生AIGC工具使用行為影響因素進行深入剖析。

在國內研究中，李艷等[2]探究了大學生生成式人工智能的應用現狀與影響因素，主要聚焦于使用頻率、常用功能等基本情況，未能深入分析影響學生接受和持續使用ChatGPT的關鍵因素。毛太田等[3]通過質性研究方法確定了影響ChatGPT接受意愿的主要因素，包括信息質量、用戶感知和技術特點。任海芝等[4]結合UTAUT（Unified Theory of

Acceptance and Use of Technology，技術接受與使用整合模型）、創新擴散理論和感知風險理論，構建科研用戶使用行為影響因素模型，并發現ChatGPT相比其他信息搜索系統的優越性是影響科研用戶使用意愿的最關鍵因素。然而，這些研究主要聚焦于ChatGPT這一特定工具，由于其對中國用戶的使用限制，單一關注ChatGPT可能導致忽視其他在我國廣泛應用的AIGC工具的特性和影響。

在國外研究中，部分學者基于技術接受模型（TAM，Technology Acceptance Model）探討了感知有用性、感知易用性和使用態度對使用行為的影響[5-7]。隨后，研究者轉向采用更為成熟的UTAUT模型，以探究影響大學生接受和使用ChatGPT的因素。學者在UTAUT模型基礎上根據具體研究情境不斷引入新概念，如感知風險、個體創新性、相對優勢、感知交互性、數字技能和人機交互等。然而，雖然這些研究提供了寶貴的理論洞見，但其采用的理論框架和研究對象可能并不完全契合我國高等教育的環境和學生群體的特殊性。

基于此，本研究采用更廣泛的AIGC工具定義，不僅包括ChatGPT，還涵蓋其他人工智能生成內容工具，基于UTAUT模型，運用多元線性回歸分析方法，評估多個自變量對因變量的影響，揭示各因素對大學生AIGC工具使用行為的相對重要性。

1" 大學生AIGC工具使用行為影響因素模型

的構建與研究假設

1.1" 模型的構建

技術的實際價值取決于其在公眾中的普及程度，探究影響用戶采納和應用新技術的關鍵因素成為技術推廣領域的核心議題。UTAUT是分析影響用戶技術接受和使用因素較成熟的理論模型，由Vis-

wanath Venkatesh與Michael G. Morris等人在2003年提出[8]。該模型整合了理性行動理論（TRA，

Theory of Reasoned Action）、計劃行為理論（TPB，

Theory of Planned Behavior）、技術接受模型（TAM）、創新擴散理論（IDT，Innovation Diffu-

sion Theory）、動機模型（MM，Motivational Mo-

del）、PC利用模型（MPCU，Model of PC Utiliza-

tion）、任務技術適配模型（TTF，Task-Technology

Fit）和社會認知理論（SCT，Social Cognitive Theory）八個模型，在預測用戶對技術的使用意愿和行為方面具有較高的準確性，影響因素預測率高達70%[9]。鑒于此，本研究在保留UTAUT中績效期望、努力期望、社會影響、促進條件四個關鍵因素基礎上新增風險保障因素和個體創新性因素，同時納入性別、年級、學科門類、使用頻次四個因素以探究大學生個體特征在AIGC工具使用行為上的差異，構建大學生AIGC工具使用行為影響因素模型，如圖1所示。相關概念如下：

1）績效期望是指大學生通過使用AIGC工具提高學習效率和學習質量的期望程度；

2）努力期望是指大學生感知使用AIGC工具的難易程度或者需要付出時間和精力的多少；

3）社會影響是指大學生使用AIGC工具受到周圍同伴、教師、媒體以及組織機構的影響程度；

4）促進條件是指大學生使用AIGC工具的方便程度，如政策文件支持、技術支持、資金支持等；

5）風險保障是指大學生使用AIGC工具時所感受到的技術服務的安全程度；

6）個體創新性是指大學生探索和使用AIGC工具以及對AIGC工具相關知識的接受和學習能力，包括個體對AIGC技術的好奇心、試用傾向和適應創新能力等；

7）使用意愿是指大學生使用并持續使用AIGC工具的程度；

8）使用行為是指大學生實際使用AIGC工具的行為，如使用AIGC工具查找資料、潤色文章，向其他學生推薦AIGC工具等。

1.2" 研究假設

基于大學生AIGC使用行為影響因素模型，提出以下假設。

H1：績效期望對大學生AIGC工具使用意愿產生顯著正向影響。

H2：努力期望對大學生AIGC工具使用意愿產生顯著正向影響。

H3：社會影響對大學生AIGC工具使用意愿產生顯著正向影響。

H4：促進條件對大學生AIGC工具使用行為產生顯著正向影響。

H5：風險保障對大學生AIGC工具使用意愿產生顯著正向影響。

H6：個體創新性對大學生AIGC工具使用意愿產生顯著正向影響。

H7：使用意愿對大學生AIGC工具使用行為產生顯著正向影響。

H8：不同性別的大學生在AIGC工具使用行為上有顯著差異。

H9：不同年級的大學生在AIGC工具使用行為上有顯著差異。

H10：不同學科的大學生在AIGC工具使用行為上有顯著差異。

H11：不同使用頻次的大學生在AIGC工具使用行為上有顯著差異。

2" 大學生AIGC工具使用行為影響因素調查

與分析

2.1" 問卷設計與調查

2.1.1" 問卷設計

為了解大學生AIGC工具應用現狀和哪些因素會影響其使用意愿與行為，在參考國內外已有文獻的基礎上，基于UTAUT模型編制《大學生AIGC工具應用現狀調查》問卷。問卷分為三部分：第一部分是樣本的基本信息，第二部分是未使用AIGC工具樣本的基本情況，第三部分是使用過AIGC工具樣本的基本情況。其中，未使用AIGC的調查包括知識、技能和情感三個維度，使用過AIGC工具的調查包括績效期望、努力期望、社會影響、促進條件、風險保障、個體創新性、使用意愿、使用行為和了解途徑、使用目的、使用類型、使用頻次等維度。

問卷采用李克特五級量表進行評分，“非常同意”分值為5，“比較同意”分值為4，“一般”分值為3，“不同意”分值為2，“非常不同意”分值為1。知識、技能、情感各有四個題項，20分為同意態度，12分為中立態度，4分為不同意態度。

2.1.2" 問卷調查

1）問卷發放與回收。為保證問卷填寫的可控性和有效性，選取H大學的本科生和研究生為調查對象。問卷通過問卷星發放，調查時間為2024年5月20日至6月20日，共收到838份問卷。問卷回收后，對問卷數據進行清洗與篩選，剔除答題時間過短（小于90秒）、所有選項相同的問卷后，最終獲得有效問卷787份，有效率達94%，調查樣本涵蓋該校經濟學、法學、教育學、文學、歷史學、理學、工學、管理學、藝術學九大學科門類。

2）信效度檢驗。信效度是衡量問卷測試結果準確性和穩定性的依據，信度分析用于測量樣本回答的結果是否可靠，效度分析用于測量題項設計是否合理[10]。使用SPSS 26.0對第二部分未使用AIGC工具樣本的基本情況、第三部分使用過AIGC工具樣本的基本情況的數據進行信效度檢驗，具體分析結果如下。

①第二部分知識、技能、情感三個維度的Cron-

bach’s α值分別為0.873、0.897、0.894，整體信度系數為0.866；第三部分的整體信度系數為0.941。這兩部分的Cronbach’s α系數值均大于0.8，說明問卷信度較高，測量題項間具有較高的內部一致性。

②問卷第二部分和第三部分的KMO值分別為0.87、0.91，通過了顯著性水平為0.05的Bartlett

球形檢驗。在構成因子主成分提取分析結果中，各維度的題項都清晰聚類為一個構成因子，且各題項的因子負荷均大于0.5，方差累計貢獻率分別達到72.8%、76.1%，具有良好的結構效度。

2.2" 調查結果分析

2.2.1" 描述性統計分析

由于研究的重點是AIGC工具使用行為的影響因素分析，因此，描述性統計分析主要針對的是使用過AIGC工具的學生，其中，男生112人，女生140人，占比分別為44.4%、55.6%。由于大三學生正在實習，大四、研三學生面臨擇業、撰寫畢業論文和答辯等事項，問卷填寫以大一、大二、研一、研二學生為主。

依據學生對AIGC工具排序的結果，按照公式“選項平均綜合得分=（Σ頻數×權值）/本題填寫人次”對各AIGC工具計算綜合得分，排名前五的工具分別是ChatGPT（分值為9.52）、文心一言（分值為4.99）、WPS AI（分值為4.22）、訊飛星火（分值為4.16）、無界AI（分值為2.94），如表1所示。表中數據顯示，“使用AIGC工具的類型”最多的是文本類，占比高達84.1%，與“使用AIGC工具的目的”中“查找資料”占79.0%的比例相吻合，表明目前大學生使用AIGC工具主要用于查閱與自身學習相關的信息。“了解AIGC工具的途徑”顯示最多的是“同學或朋友介紹”，占比為71.0%，說明周圍人對AIGC工具的態度和行為會對大學生產生重要影響。“使用AIGC工具的頻次”選擇“總是使用”的比例僅為9.5%，分析其原因，一方面是大學生對AIGC工具有一定的認識，在日常的學習中并未完全依賴AIGC工具，有自己的思考；另一方面是部分大學生尚未了解AIGC工具的功能和優勢，智能教育素養有待提升。

2.2.2" 實證分析與假設檢驗

本部分針對使用過AIGC工具的大學生進行使用意愿和使用行為影響因素分析。

1）大學生AIGC工具使用意愿的影響因素分析。采用多元線性回歸分析方法，將大學生AIGC工具使用意愿作為因變量，績效期望、努力期望、社會影響、風險保障和個體創新性作為自變量，以檢驗假設H1、H2、H3、H5、H6是否成立，結果如表2所示。調整后的R2達到0.414，模型表現出較高的解釋能力，能夠有效地識別影響大學生AIGC使用意愿的關鍵因素。F統計量P值小于0.001，模型顯著，說明至少有一個自變量可以顯著影響因變量使用意愿。績效期望、努力期望、社會影響、風險保障、個體創新性這五個自變量的非標準化回歸系數依次為0.176、0.160、0.192、0.172、0.232，且t檢驗

的P值分別為0.004、0.003、0.001、0.003、0.000，說明這五個影響因素對大學生AIGC使用意愿產生顯著正向影響，假設H1、H2、H3、H5、H6成立。

表2中五個自變量的VIF值均小于5，表明自變

量之間不存在多重共線性；模型的DW值為1.893，在數值2附近，說明數據之間不存在序列相關，且殘差服從正態分布，說明由該回歸模型得出的結論準確可靠。

表2中數據顯示，績效期望、努力期望、社會影響、風險保障、個體創新性的標準化回歸系數分別為0.170、0.168、0.189、0.169、0.216，位居前兩位的分別是個體創新性和社會影響，表明個體創新性和社會影響是影響大學生AIGC使用意愿最為關鍵的兩個因素。也就是說有相當多的大學生具有較高的創新意識，善于接受新生事物，對社會普遍關注的AIGC工具勇于克服困難去主動嘗試和應用；而移動終端的普及、學校良好的上網環境、各種媒體的宣傳報道以及周圍老師、同學的影響，對大學生AIGC使用意愿也產生潛移默化的影響，會激發其體驗、探索AIGC工具的欲望。

2）大學生AIGC工具使用行為的影響因素分析。以大學生AIGC工具使用行為作為因變量，促進條件和使用意愿作為自變量，進行回歸分析，驗證提出的假設H4和H7，結果如表3所示。調整后的R2達到0.306，說明模型擬合度較好。F統計量的P值小于0.001，模型顯著。促進條件和使用意愿的非標準化回歸系數分別為0.322、0.318，且t檢驗的P值均小于0.001，說明促進條件和使用意愿對大學生AIGC工具使用行為產生顯著正向影響，假設H4、H7成立。

表3中兩個自變量的VIF值均小于5，說明自變

量之間不存在多重共線性；模型的DW值為2.033，在數值2左右，表明數據之間不存在序列相關，且殘差服從正態分布，表明由該回歸模型得出的結論準確可靠。

促進條件對大學生AIGC工具使用行為的影響相對較弱，卻是大學生AIGC工具使用行為的直接影響因素，國家、省（自治區、直轄市）、校政策的支持，技術指導和幫扶，可支配的費用等，均會對大學生AIGC工具使用行為產生直接影響。因此，高校應該對AIGC工具在教與學中的應用有明確的方向性的引領，為在校大學生提供有針對性的培訓，并對在相關活動或賽事中成績突出的學生給予一定的獎勵。

3）大學生AIGC工具使用意愿的中介效應分析。為揭示績效期望、努力期望、社會影響、風險保障、個體創新性五個變量對大學生AIGC工具使用行為過程和作用機制的影響，還需要對大學AIGC工具使用意愿的中介效應進行分析，中介效應檢驗步驟如表4所示。

首先，以大學生AIGC工具使用行為作為因變量，績效期望、努力期望、社會影響、風險保障和個體創新性作為自變量，進行回歸分析。回歸Ⅰ中，績效期望、風險保障、個體創新性的β值分別為0.268、0.024、0.192，且P值均達到顯著性水平，說明績效期望、風險保障、個體創新性與AIGC使用行為顯著正相關；而努力期望、社會影響的β值分別為0.059、0.067，P值均未達到顯著性水平，說明努力期望、社會影響對因變量AIGC工具使用行為的直接影響不顯著。

其次，將大學生AIGC工具使用意愿作為因變量，績效期望、努力期望、社會影響、風險保障和個體創新性作為自變量，進行回歸分析。回歸Ⅲ中的五個自變量的β值分別為0.176、0.160、0.192、0.172、0.232，且P值均達到小于0.01的顯著性水平，表明績效期望、努力期望、社會影響、風險保障、個體創新性與使用意愿顯著正相關。

最后，將大學生AIGC工具使用行為作為因變量，績效期望、努力期望、社會影響、風險保障、個體創新性和使用意愿作為自變量，進行回歸分析。回歸Ⅱ中的使用意愿的β值為0.150，且P值小于0.05，表明使用意愿和使用行為顯著正相關，而自變量努力期望和社會影響的P值均未達到顯著性水平，說明努力期望和社會影響對因變量使用行為的直接影響不顯著。績效期望、風險保障和個體創新性的P值雖然達到顯著性水平，但β值分別從0.268、0.024、0.192下降到0.242、0.178和0.157，說明使用意愿的中介效應顯著，即績效期望、努力期望、社會影響、風險保障、個體創新性通過使用意愿的中介效應對AIGC工具使用行為產生影響，反映出大學生使用AIGC工具是一個理性決策的過程。

4）大學生AIGC工具使用行為的差異性分析。為了解性別、年級、學科門類、使用頻次對大學生AIGC工具使用行為方面的影響，以驗證H8、H9、H10、H11假設是否成立，從這四個維度對大學生AIGC工具使用行為進行差異性分析，分析結果如表5所示（表中數據因四舍五入的原因，存在分項合計不等于100%的情況）。

其中，性別t檢驗的P值為0.558，年級和使用頻次F檢驗的P值分別為0.094、0.120，均大于0.05，說明不同性別、年級和使用頻次的大學生AIGC工具使用行為沒有顯著差異，即大學生AIGC工具使用行為不受性別、年級、使用頻次的影響，假設H8、H9、H11不成立。

上述結果表明，現在的大學生作為“數字原住民”，普遍具有較高的數字素養，對AIGC工具的使用已經成為他們學習的一部分，如同日常生活中的水和電一樣，只要需要就會自然而然地使用，性別、年級等的不同不會對使用行為造成影響。

學科門類F檢驗的P值為0.002，達到小于0.01的顯著性水平，從表5中大學生AIGC“使用行為得分”可以發現，法學、歷史學、管理學學科的大學生在AIGC工具使用行為方面的得分高于其他學科背景的大學生，表明每個學科都有其自身的特點，專業性質和培養目標的不同，會對使用行為產生較大影響，假設H10成立。

2.2.3" 未使用過AIGC工具的大學生使用意愿影響因素分析

由于未使用過AIGC工具的大學生沒有產生使用行為，因此，僅對其使用意愿進行分析。

本次調研中使用過AIGC工具和未使用過AIGC工具的大學生人數之比約為1∶2，未使用過AIGC的大學生占大多數，對此部分群體的各變量進行描述性統計分析，結果見表6。

1）“知識”維度，大學生得分的平均值為13.363，高于12分，說明大學生對AIGC的基本知識具有較高的認知，能夠通過各種途徑獲取自己需要的知識。

2）“技能”維度，大學生得分的平均值為12.157，略高于12分，表明大學生在實踐層面有畏難情緒，在AIGC的使用上還缺乏足夠的信心。

3）“情感”維度，大學生得分的平均值為11.572，略小于12分，表明大學生在情感上比較認可AIGC的價值，日常數字技術的廣泛應用使其對使用過程中的數據安全和可能產生的風險有比較正確的認識，不會為此感到焦慮。

3" 對策和建議

對大學生AIGC工具使用意愿和使用行為的實證分析表明：個體創新性、社會影響、績效期望、風險保障、努力期望對大學生AIGC工具使用意愿產生正向顯著影響，使用意愿和促進條件對使用行為產生直接影響，并且不同學科的大學生在AIGC工具使用行為上存在顯著差異。基于這些發現，為促進AIGC工具在高等教育中的有效應用和發展，提出以下建議。

3.1" 加快高校AIGC使用指南的研制

實證分析結果表明，社會影響和風險保障對大學生AIGC使用意愿具有顯著正向影響。具體而言，政策、技術和資金等方面的支持與工具提供的安全保障，能夠增強大學生使用AIGC工具的意愿。這表明提升AIGC工具的便利性和安全性是推動其在高校普及的關鍵。為實現這一目標，各高校應加快研制AIGC使用指南，為學生提供明確的使用指導，增強其對AIGC工具的信任，從而更好地促進AIGC在高校的應用。

隨著AIGC技術日新月異的發展，國內外紛紛出臺相關政策，為高校制定AIGC使用指南提供了參考。上海交通大學、香港大學、華東師范大學、北京師范大學等高校已率先行動，發布校內指南。然而，由于各校的辦學特色不同，現有的指南仍有局限性。各高校應結合自身實際，制定具有針對性的AIGC使用指南：一方面，指南應明確AIGC的概念、分類、應用場景等基礎知識，并對版權、倫理等問題作出規范，以減輕學生的顧慮；另一方面，指南應鼓勵學生積極探索AIGC在學習、科研中的創新應用，并提供相應的支持和培訓。為確保指南的實用性和時效性，建議各高校采取先行試用、動態調整的策略。

3.2" 加快教育專用大模型的完善和部署

實證分析結果表明，績效期望和努力期望對大學生使用AIGC工具的意愿具有直接的正向影響，并間接影響其實際使用行為。大學生期望AIGC工具能提高學習效率，同時希望工具操作簡便，不增加額外的負擔，說明AIGC工具的易用性和有效性是影響大學生使用意愿的關鍵因素。為進一步提升AIGC工具在教育領域的易用性和有效性，加快教育專用大模型的開發和部署顯得至關重要。

首先，優化用戶體驗和界面設計是提高易用性的核心。通過簡化操作流程，可降低學生的學習成本，縮短適應期。同時，開發適應性強的功能也很重要，如根據學習進度智能推薦資源和制定個性化學習路徑，實現真正的因材施教。

其次，教育專用大模型應著重提高生成內容的準確性和相關性。此外，數據安全和隱私保護不容忽視，這直接關系到用戶對AIGC的信任度。在部署方面，通過簡化安裝配置流程，為不同教育場景提供靈活、定制化的部署方案。

最后，鼓勵產學研各界共同參與，推動AIGC在教育領域的標準化建設與廣泛應用。

3.3" 強化大學生創新能力的培養

實證分析結果表明，個體創新性是影響大學生AIGC使用意愿最關鍵的因素，進而影響使用行為。AIGC目前已經能夠完成知識問答、文本創作，以及圖像、音頻、視頻的自動生成等復雜任務，教什么、如何教、怎么評亟待教師高度關注和思考。現在，學生獲取知識的渠道非常多元，學習資源也極為豐富，因此，對學生的培養必須從“學知識”向“強能力”轉變，尤其要培養學生“從0到1”的創新能力[11]，謹防學生淪為AIGC的依賴者。

高校應該為此提前謀劃，為學生提供創新能力提升的條件和路徑：

一是增設創新思維訓練、STEAM、人工智能創新應用等相關通識必修課，對學生的創新能力進行系統訓練；

二是完善評價體系，將學生的創新成果作為增值評價標準之一納入現有評價標準中，以此激發學生的創新熱情；

三是為學生創新實踐提供必要條件的支持，如由校內跨專業導師、行業專家、企業精英組成的導師群的個性化指導，創新實驗室、創客空間、創業孵化器、設備及資金等外部條件的支持等；

四是組織全校范圍內的基于人工智能的創新賽事、活動、課題、講座等，營造利用AIGC創新的氛圍，讓學生在參與、創作中體驗成功帶來的快樂，增強創新的自信心和滿足感，同時，深層次思考和感悟AIGC對其未來發展的影響。

4" 結束語

本研究基于UTAUT模型，深入探討影響大學生AIGC工具使用行為的關鍵因素。此外，研究還分析了性別、年級、學科門類和使用頻次對使用行為的影響。本研究也存在一些局限性：

一是數據主要通過問卷調查收集，可能存在主觀偏差；

二是研究樣本僅限于H大學的學生，這可能限制研究結論的普適性和推廣適用性。

為提高研究的外部有效性，未來研究應擴大樣本范圍，涵蓋更多高校，并結合多種研究方法，如問卷調查、訪談和行為觀察等，進行交叉驗證，從而獲得更全面和準確的研究結論。

5" 參考文獻

[1] 王作冰.人工智能時代的教育革命[M].北京：北京聯合出版公司，2017.

[2] 李艷，許潔，賈程媛，等.大學生生成式人工智能應用現狀與思考：基于浙江大學的調查[J].開放教育研究，2024，30（1）：89-98.

[3] 毛太田，湯淦，馬家偉，等.人工智能生成內容（AIGC）用戶采納意愿影響因素識別研究：以ChatGPT為例[J].情報科學，2024，42（7）：126-136.

[4] 任海芝，吳彥瑾.科研用戶生成式信息搜索行為研究：以ChatGPT為例[J].大學圖書情報學刊，2024，42（1）：3-14.

[5] LIU Guangxiang， MA Chaojun. Measuring EFL learners’ use of ChatGPT in informal digital learning of English based on the technology accep-tance model[J].Innovation in Language Learning and Teaching，2024（2）：125-138.

[6] YILMAZ H， MAXUTOV S， BAITEKOV A， et al. Student attitudes towards ChatGPT： A technology accep-tance model survey[J].International Educational Review，2023（1）：57-83.

[7] SALLAM M， SALIM N A， BARAKAT M， et al. Assessing"health students’ attitudes and usage of ChatGPT"in Jordan： validation study[J].JMIR medical education，2023（1）：e48254.

[8] VENKATESH V， MORRIS M G， DAVIS G B， et al. User acceptance of information technology： Toward a unified view[J].MIS quarterly，2003（3）：425-478.

[9] OYE N D， IAHAD N A， RAHIM N A. The history of UTAUT model and its impact on ICT acceptance and"usage by academicians[J].Education and informa-tion technologies，2014（3）：251-270.

[10] 王潤蘭，李夢雪.師范生智能教育素養：框架構建、現狀調查與培養路徑[J].中國電化教育，2023（3）：120-126.

[11] 王繁，劉永強，周天華.人工智能引領高等教育數字化創新發展[J].中國高等教育，2024（增刊1）：9-12.