高校VR思政教育接受度影響因素研究基于UTAUT模型的實證分析

Research on the influencing factors of acceptance of VR ideological and political education inuniversities： Empirical analysis based on UTAUT model

YUAN Ying

Abstract：Therapid developmentofVR has brought newchallngesandopportunities to ideological and political educationinuniversities.ThisarticlecollctsdataontheacceptanceofVRideologicalandpoliticaleducationinuiversitis from 689 collge students throughaquestionnaire.Based onthe technology integration acceptance theory，this study employs thestructural equation method toanalyze thekeyfactorsandtheircorrelations thataffct theacceptanceof VR ideologicalandpolitical education inuniversities.Theresearch findsthatthesocial supportforVRideologicaland politicaleducationinuniversitiesandthepleasantfelings broughtbyVR significantlypromote students‘aceptance ofVRideologicalandpoliticaleducation;the levelof enjoymentthatstudentsexperience when using VRisinfluenced by personalhabitsriskperception，pformanceexpectations，asellasthelevelofrecognitionofVRbymajorsocialport groups.Basedontheresearch findings，thisstudyputs forward improvementsuggestions fromfouraspects：optimizing the technical hardware environment，creatinga VRusage community environment，emphasizing individual diferences，and improving teaching design according to teaching needs.

Keywords：ideologicaland political education inuniversities;virtualreality technology;UTAUTmodel

推動新時代思政工作創新發展是我國高校落實立德樹人根本任務的重要組成部分。習近平總書記指出，“要運用新媒體新技術使工作活起來，推動思想政治工作傳統優勢同信息技術高度融合，增強時代感和吸引力”。虛擬現實技術（VirtualReality，VR）的飛速發展，與高校思政教育工作碰撞生發出了新課題——高校VR思政。基于VR在當前教育領域的實踐應用及發展態勢，高校VR思政已成為大勢所趨。在政策層面上，《關于深化新時代學校思想政治理論課改革創新的若干意見》指出，要“大力推進思政課教學方法改革，提升思政課教師信息化能力素養，推動人工智能等現代信息技術在思政課教學中應用，建設一批國家級虛擬仿真思政課體驗教學中心”，為推動高校VR思政提供了堅實的政策支撐；在實踐導向上，越來越多的高校開設了VR相關專業，建立思政課VR實驗室，嘗試探索思政教育的融合實踐；在學術研究上，已有研究表明VR能夠建立可多次使用的虛擬場景以降低教學成本，呈現了學生體驗與學習成果優化的顯著優勢，增強思政教育的創新性和有效性，提升教學效果。①但當前高校VR思政教育仍存在內容創新稍顯不足、技術應用融合程度不夠、學生接受度不高、學習效果遇阻等問題，且學界對高校VR思政教育的探討還不夠深人，尤其是對學生的接受度及其影響因素探究還不足?；诖?，本研究根據現實情境拓展技術整合接受理論（UnifiedTheoryofAcceptanceandUseofTechnology，UTAUT），采用結構方程模型方法分析影響高校VR思政教育接受度的關鍵因素及變量之間的關系，以期探討如何進一步提升高校VR思政教育的效果。

一、文獻回顧

（一）VR思政教育

VR基于現實創設虛擬環境，通過現代化傳感裝置，使個體在虛擬與現實的交互中獲得親臨實境的感受和體驗。隨著VR技術在教育領域的廣泛應用，\"VR思政”這一新興教育模式應運而生，被認為是能夠打破固化的傳統思想政治教育的新模式。②在場感是VR賦能思政教育、拉近課堂與學生距離、為學生提供感知與感情更高參與感的核心要素，③可以有效彰顯沉浸感、交互性與構想性等特征，有助于學生理解過于抽象、針對性不強、親和力不夠、感染力不足的思政內容。④研究表明，VR能夠提供具有臨場感與沉浸感的個性化學習條件，對學生的移情想象、情感共鳴、心理健康、交流能力、探索能力、創作能力、手眼協調能力等方面的培養具有積極效用。 ⑤⑥_VR 思政教育能夠有效創新教學手段，實現多方共贏，既能提升課堂趣味性、吸引學生注意力，也能夠減輕教師備課負擔。①寧波四明山的紅色教育平臺運用建模與VR設備相結合，展示了VR思政教育的先進性、畫面逼真性、交互性與教學有效性。黃增心驗證了VR具有提高學生成績、強化學生理論認同感、推進思政工作實效的作用，建議運用VR進行逼真情境模擬等。于麗麗認為，VR的虛擬性與現實性能夠豐富視聽體驗，可以將‘ v_R⁺ 美育 + 思政教育”的形式應用于紅色主題教育場館。可見，VR能夠在思政教育中拓展新的教育模式并實現更好的教育效果，其與思政教育的結合具有必要性與可能性。然而，VR思政教育是否能充分發揮技術優勢，還需要考慮學生對新技術的接受程度這一現實問題。

（二）UTAUT模型

2004年，Venkatesh等人提出了UTAUT模型，包括4個核心變量：努力期望、績效期望、社群影響、促成因素，以及4個調節變量：年齡、性別、經驗、自愿性（見圖1）。其中，努力期望、績效期望、社群影響對使用意愿有正向影響，使用意愿、促成因素對使用行為有正向影響。 O2012 年，Venkatesh等人對UTAUT模型進行修改補充，提出了UTAUT2，在4個核心變量基礎上加入了享樂動機、性價比、習慣等3個預測變量。 模型檢驗結果表明，UTUAT模型能夠解釋 74% 的使用者行為意圖差異和 52% 的使用者技術使用差異。 因此，UTUAT被認為是預測和解釋個體接受信息技術的重要理論工具。①

已有研究使用UTAUT模型對引入新興技術的教育教學進行了探究。Makransky等通過實驗驗證了使用績效期望和努力期望的聚合變量預測技術接受行為意圖的合理性。 OShen 等借助結構方程分析發現，績效期望、努力期望和社會影響都是大學生使用VR進行學習時的行為意圖的重要預測因素。？Noble等通過實驗驗證績效期望是UTAUT模型中影響學生使用VR進行學習的最主要因素。 然而，現有UTAUT模型并未在VR思政教育場景下進行合理拓展。學生對VR的使用習慣、對VR這類新興技術和事物樂于嘗試的個體特點都將影響其對VR思政教育的接受程度，而這些影響因素之間的相互作用機制尚未得到充分探究，亟待基于UTAUT模型這一較為成熟、效果優良的理論模型對VR思政教育的影響因素及作用機制進行深入探討，從而進一步促進VR思政教育的發展。

（三）UTAUT變量與研究假設

行為意向是影響個體決定是否采取某些特定行為的可能性，其與具體行為存在關聯，可有效解釋意向對行為傾向性的影響，是實際行為的直接決定因素。①而享樂動機代表用戶對新技術的主觀情感和感受，對行為意向有直接的影響。促成因素是現有平臺對用戶使用新技術的支持度，影響著個體的行為意向。

社群影響是個體認為對其重要的人或群體支持使用該技術的程度。UTAUT中的社群影響源于這樣一種觀念，即個人行為會受到其他人使用（或未使用）相關技術的看法的影響。班杜拉的社會學習理論認為，當個人受到其他人（例如朋友、老師、同事等）的鼓勵和支持時，個人將更有可能參與行為。@Ajzen的計劃行為理論也認為，執行某項行為的感知社會壓力會影響執行行為的意圖。 社群觀點會對個體對新技術的感受產生影響。此外，個人習慣與對風險的感知，同樣會影響其面對新技術的感受與主觀情感。

績效期望是個人認為使用技術會提高其績效的程度。代表績效期望的變量主要是感知有用性、外在動機、結果期望等，這些變量都已被證明可以有效預測使用技術的行為意圖。如果人們認為使用新技術所需的努力將在有用的收益方面“得到回報”，并且有動力避免使用無法提供效用的技術，則他們更有可能接受新技術，也就是說績效期望可能影響個體對新技術的感受與態度。而且，績效期望可能影響個人使用技術的習慣以及感知技術風險的程度。

努力期望是個體對技術難易程度的感知。Venkatesh等指出，當個體初次接觸一項新技術時，類似的變量（例如，感知易用性、復雜性）已被證實可以用來預測行為意圖。因此，需要較少努力或精力的技術更有可能被接受。個體對技術難易的感知可能影響其對新技術的主觀體驗、使用技術的個人習慣以及對技術風險的感知情況。

基于以上討論，本研究構建了基于UTAUT理論的高校VR思想政治教育接受度影響因素模型，形成以下研究假設（見圖2）。

H1：享樂動機對大學生通過VR進行思想政治學習的行為意向有顯著影響。

H2：促成因素對大學生通過VR進行思想政治學習的行為意向有顯著影響。

H3：社群影響對大學生通過VR進行思想政治學習的享樂動機有顯著影響。

H4：個人習慣對大學生通過VR進行思想政治學習的享樂動機有顯著影響。

H5：風險感知對大學生通過VR進行思想政治學習的享樂動機有顯著影響。

H6：績效期望對大學生通過VR進行思想政治學習的享樂動機有顯著影響。

H7：績效期望對大學生通過VR進行思想政治學習的個人習慣有顯著影響。

H8：績效期望對大學生通過VR進行思想政治學習的風險感知有顯著影響。

H9：努力期望對大學生通過VR進行思想政治學習的個人習慣有顯著影響。

H10：努力期望對大學生通過VR進行思想政治學習的風險感知有顯著影響。

H11：努力期望對大學生通過VR進行思想政治學習的享樂動機有顯著影響。

H12：個體創新性對大學生通過VR進行思想政治學習的社群影響有顯著影響。

三、研究設計

（一）研究變量與分析方法

在UTAUT模型和已有研究基礎上，本研究結合VR技術和高校思想政治教育的特征，對UTAUT模型進行了擴展，增加了享樂動機、風險感知、個人習慣、個體創新性四個重要變量（見表1）。結構方程模型能夠將因子分析與路徑分析結合起來，較好地展現無法直接觀察的變量及變量間的因果關系，因此，本文采用結構方程模型對潛在變量之間的關系假設進行驗證。由于潛在變量無法直接測量，需對其進行可操作化處理，即設計可以測量的問項獲取所需要的樣本數據。

（二）測量工具

本研究在借鑒相關研究量表的基礎上，結合VR技術和思政教育實際情況自編問卷，經信效度分析后形成最終問卷。問卷包括人口統計學信息、高校VR思政教育UTAUT模型相關變量兩大部分。其中，第一部分包括年齡、性別、專業和年級；第二部分包含9個變量的測量指標，分別是績效期望（10個題目）、努力期望（4個題目）、社群影響（4個題目）、促成因素（4個題目）、享樂動機（3個題目）、風險感知（6個題目）、個人習慣（4個題目）、個體創新性（3個題目）、行為意向（4個題目），共42個題項。

（三）數據收集與樣本分布

本研究采用橫截面法重點收集經驗數據樣本資料，從北京8所大學按照專業和年級分布抽取具有使用VR學習經歷的樣本，共收集892份問卷，清理少量作答和無效作答，經篩選后有效問卷689份，有效率為 77.24% 。樣本人口統計信息如表2所示。

四、數據分析

（一）測量模型信度評估

如表3所示，本研究問卷所有變量的信度系數均超過0.7，整體信度達到了0.976，表明問卷具有較高的信度。本研究通過因素分析的負荷量來判斷問卷的收斂效度與區別效度，運用SPSS的主成分分析的萃取方法，含Kaiser常態化的Varimax轉軸對42個項目進行分析，結果顯示對同一變量來說，其所包含的每個題項的因素負荷量均大于0.8，可認為該變量的收斂效度佳；每個題項在其所不屬的變量中，因素負荷量接近于0，可認為該問卷區別效度佳。

（二）測量模型效度評估

在變量的區分效度方面，采用驗證性因子分析，對角線值為該變量的平均變異萃取量（AverageVarianceExtracted，AVE）均方根，代表因子的聚合性，每個變量的AVE均方根大于0.7，說明各測量指標信度較高，具有較好的內部一致性和收斂效度。對角線值以下的值為兩兩變量間的相關系數，各潛變量AVE值均方根基本上高于該變量與其他變量之間的相關系數，說明本研究的測量模型具有良好的區分效度。

（三）參數估計和假設檢驗

根據研究假設，在概念模型基礎上，構建了待驗證的結構方程模型。將數據代入后，得到圖3的結構方程模型。

在模型擬合度方面，卡方自由度為 4.167lt;5 ；擬合優度指數為0.802，調整擬合優度指數為0.775，非標準擬合指數為0.888，模型比較適合度和增值擬合指數均為0.896，均接近0.9；近似誤差均方根為0.068lt;0.1 總體而言，模型擬合優度達到可接受程度。

在路徑檢驗方面，在大學生參與VR思政教育時，享樂動機對行為意向有顯著影響（ β=0.145 plt;0.01 ），H1成立。促成因素對行為意向有顯著影響（ β=0.792 ， plt;0.001 ），H2成立。社群影響對享樂動機有顯著影響（ β=1.507 ， plt;0.001 ），H3成立。個人習慣對享樂動機有顯著影響（ β=-0.554 ，plt;0.01 ），H4成立。風險感知對享樂動機有顯著影響（ β=0.119 ， plt;0.05 ），H5成立?？冃谕麑ο順穭訖C有顯著影響（ β=-1.290 ， plt;0.05 ），H6成立?？冃谕麑€人習慣有顯著影響（ β=2.234 plt;0.001 ），H7成立?？冃谕麑︼L險感知有顯著影響（ β=-1.494 ， plt;0.001 ），H8成立。努力期望對個人習慣有顯著影響（ β=2.856 ， plt;0.001 ），H9成立。努力期望對風險感知有顯著影響（ β=2.150 plt;0.001 ），H10成立。努力期望對享樂動機沒有顯著影響（ β=1.009 ， pgt;0.05 ），H11不成立。個體創新性對社群影響有顯著影響（ β=0.680 ， plt;0.01 ），H12成立。

（四）結果分析

通過檢驗，本研究的測量工具有較好的信效度。基于這一工具，本研究使用結構方程模型方法，對提出的擴展UTAUT模型進行驗證性的模型結構分析。經檢驗，模型擬合度良好，假設H1-H10、H12均成立，H11不成立。接下來對主要變量間影響路徑的參數估計結果進行分析。

1.促成因素和享樂動機顯著正向影響大學生對VR思政教育的行為意向

促成因素對大學生在VR思政教育的行為意向有顯著正向影響（路徑系數為0.792， plt;0.001 ），享樂動機對行為意向有顯著正向影響（路徑系數為0.145， plt;0.01 ）。促成因素提升，即大學生收到的各類資源支持增長，對VR思政教育的行為意向有所增加，更積極地參與VR思政教育課堂。此外，促成因素給行為意向帶來的影響比享樂動機更大1 （0.792gt;0.145 ），資源支持比自身樂趣感受更能影響行為意向。

2.享樂動機受到社群影響、風險感知的正向顯著影響，績效期望、個人習慣的負向顯著影響。努力期望對享樂動機的影響并不顯著

社群影響對大學生在VR思政教育的享樂動機有顯著正向影響（路徑系數為1.507， plt;0.001 ），風險感知對享樂動機有顯著正向影響（路徑系數為0.119， plt;0.05 ），績效期望對享樂動機有顯著負向影響（路徑系數為-1.290， plt;0.05 ），個人習慣對享樂動機有顯著負向影響（路徑系數為 -0.554 plt;0.01 ）。努力期望對享樂動機的影響并不顯著。結果表明，教師、父母、同伴等群體對VR技術的態度較好將顯著促進大學生融入VR思政的樂趣，這一效應的效應量較大（路徑系數為1.507，plt;0.001 ）。而大學生感知到的技術風險越強，可能會給樂趣體驗帶來一定提升，這可能與大學生應對風險時的積極態度有關，能從適當挑戰中獲得樂趣?？冃谕麑Υ髮W生融入VR思政的樂趣有負向影響，這可能是因為大學生更多意識到VR給自身學習帶來的各方面幫助，將其視為嚴肅的課程工具，而非興趣類嘗試，一定程度上減弱樂趣體驗。個人習慣對享樂動機有顯著負向影響，可能是由于大學生越熟悉且習慣使用VR，經驗越豐富，對其新鮮感也就越弱，因此較少從VR中獲得樂趣。

3.風險感知受到努力期望的顯著正向影響、績效期望的顯著負向影響

努力期望對大學生在VR思政教育的風險感知有顯著正向影響（路徑系數為2.150， plt;0.001 ），績效期望對風險感知有顯著負向影響（路徑系數為-1.494， plt;0.001 ）。隨著大學生對自身使用VR的能力感知提升，對風險的感知也會相應提升。這可能是因為大學生對VR技術有更深入的了解，對自身能力有更清晰的定位之后，更能判斷VR可能給學習效果帶來的風險。而如果大學生對VR給學習帶來的各方面幫助更抱期望，就會感知到更少的風險。研究結果表明，借助VR開展思政教育給學生帶來的風險感知主要來自生理不適和學習效果兩方面。暈屏癥（Cybersickness）等使用過程中的生理不適會影響學生在學習過程中的體驗，分散學生學習任務的注意力，進而影響享樂動機和績效預期。這種不良的預期效果降低了大學生愿意為之付出的學習成本、向他人推薦的意愿以及接受他人推薦的意愿。

4.個人習慣受到努力期望和績效期望的顯著正 向影響

努力期望對大學生在VR思政教育的個人習慣有顯著正向影響（路徑系數為2.856， plt;0.001 ），績效期望對個人習慣有顯著正向影響（路徑系數為2.234，plt;0.001 ）。隨著大學生對自身使用VR技術的能力感知提升，并且更期望VR可能給學習帶來的各方面幫助，個人使用VR的習慣程度會相應升高。

5.個體創新性顯著正向影響社群影響

個體創新性對大學生在VR思政教育的社群影響有顯著正向影響（路徑系數為0.680， plt;0.01 ），個體對新興技術產品的態度越積極，越容易感受到身邊群體對VR的積極態度，從而獲得鼓勵和積極影響。個體創新性是個體具備的長期穩定的人格特質，能夠影響其接受新技術的意向程度。 作為互聯網原住民的大學生們思維活躍、樂于接受新事物、個體創新性普遍較高，使其更樂于接受身邊人推薦的新技術，也樂于將自身所接觸到的新技術分享給他人。

五、討論與結論

（一）討論

本研究在高校VR思政教育的背景下，在UTAUT模型的基礎上增加了享樂動機、風險感知、個人習慣等變量，旨在探究影響學生接受VR思政教育的因素。從結果上看，促成因素和享樂動機能正向促進學生對VR思政教育的接受度，即自身使用與推薦使用的行為意向；個體創新性正向影響社群影響，社群影響正向影響享樂動機，進而正向影響行為意向；努力期望正向影響風險感知，績效期望負向影響風險感知；努力期望、績效期望正向影響大學生的個人習慣，從而負向影響享樂動機，最終正向影響行為意向?？冃谕綇?，學生對于使用VR提升學習效果抱有越強的信念和越高的期待，越習慣使用VR，會明顯降低其享樂動機，使其感知到的興趣減弱，反而對VR技術接受度有一定的不利影響，這也說明了適當的動機水平才有利于促進行為意向?？偠灾?，過往的經驗和個體特質影響了大學生對于VR思政教育的認知，這種認知和外部的技術環境、社會環境又共同影響了大學生對于VR思政教育的接受程度。

本研究的研究結果與以往的UTAUT模型結果基本一致，即促成因素對行為意向有正向的顯著影響，社群影響對享樂動機有正向的顯著影響，努力期望可通過對個人習慣與風險感知的影響，間接影響享樂動機從而影響學生的行為意向。與以往研究不同的是，績效期望對享樂動機呈現邊緣顯著的負向影響，這可能與學生對學習效果過高的期望水平反而導致消耗的心理努力過多有關，從而使學生感受到的樂趣、自主接受與推薦接受的行為意向都偏弱。

結合本研究的結果，對高校VR思政教育提出如下建議：第一，從技術硬件環境來看，學校應著力優化設施，搭建相關技術平臺，降低學生使用VR技術的難度、豐富學習資源；第二，從社群環境來看，學校可以借助豐富的學生社團網絡，鼓勵開設相關興趣社團，開展第一課堂與第二課堂的深入合作，了解學生使用VR的興趣和習慣，有針對性地開展推廣和宣傳；第三，從學生自身來看，教學過程中應該重視個體差異性，包括學生的性別、創新能力、媒介使用習慣等方面的差異，做到“因材施教”。在開設VR思政課程時，可以鼓勵以小組合作的形式完成學習任務，一方面能夠形成學生之間的優勢互補，建立開放共享的交流溝通環境，另一方面還可以讓使用熟練的同學帶動使用生疏的同學，降低學生的學習難度，提高學習體驗；第四，從課程設計來看，當前，實現信息技術與高校思政課教學深度融合在于加強資源、技術與思政課教學主體內容的契合度。虛擬現實技術融人高校思想政治教育也應結合教學的具體需要，開展更加細致的技術接受和行為研究，進而優化課程設計，基于教學目標和教學內容構建課程情境，發揮虛擬現實的高沉浸感、高臨場感優勢，提高學生的參與感、調動學生的積極性。同時，減少不必要的形式化環節，降低學生的認知負荷，避免出現“為了使用VR而使用VR”的情況，力爭用最簡單的操作為學生提供優質的學習環境，確保師生間的人際互動和協作成為教育的核心。@

（二）結論

本研究在高校VR思政教育背景下，在已有研究中廣泛使用、效果優良的可用于對新興技術接受度進行探究的UTAUT模型的基礎上，開發了測量工具，并收集數據，驗證了擴展UTAUT模型變量結構關系的合理性，對VR技術接受度的相關影響因素進行了探究，并提出了可能改善高校VR思政教育的建設性建議。

參考文獻：

① 李玲玲：《 5G+VR 技術與思政教學的融合研究——以江蘇首家VR思政教育實訓室為例》，《教育現代化》2019年第6期。② 溫旭：《VR技術賦能高校思想政治教育的價值與應用》，《思想理論教育》2021年第11期。

③ Vetehen，P.isapdKeegellsdeComputersinhumanbehavior，vol.91，219.

④ 曠愛萍、黃學寰：《基于VR技術的高校思政教學改革研究》，《教育觀察》2021年第10期。

⑤ 張志禎：《虛擬現實教育應用：追求身心一體的教育——從北京師范大學“智慧學習與VR教育應用學術周”說起》，《中國遠程教育》2016年第6期。

⑥ 黃奕宇：《虛擬現實（VR）教育應用研究綜述》，《中國教育信息化》2018年第1期。

⑦ 林敏建：《VR技術嵌入高校思想政治理論課教學的意義與可能性研究》，《智庫時代》2019年第40期。

⑧ 丁煒、姚雪存：《基于四明山VR紅色教育平臺的思政課程研究》，《現代信息科技》2020年第4期。

⑨ 黃增心：《VR技術在高校黨建思政教育中的運用》，《中國報業》2021年第24期。

⑩ 于麗麗：《新媒體視閾下基于VR技術的思想政治教育研究》，知識產權出版社2020版，第198-212頁。

① VenkateshV.，Moris，M.GDavisG.B.andDavis，F.D“UserAcceptanceofInformationTechnologyTowardaUnifedView”MQuarterly，vol.27，no.3，24.? VenkateshV.gJduXCoseptaedfoatiooEtedingthftocuseof technology”，MISQuarterly，vol.36，no.1，12.

? VenkateshV.ThongJ.Y.LandXuX“UnifiedTeoryofAcceptanceandUseofTechnologyASynthesisndtheRoadAhead，ocialScienceElectronicPublishing，vol.17，no.5，2016.

? 謝虞南、譚西涵、胡瀟月：《高校網絡思想政治教育接受度的影響因素實證研究》，《電子科技大學學報（社科版）》2019年第6期。? Makranskydlt“eiEducational TechnologyResearch and Development，vol.66，2018.

（204號 ① Shen，C.Wylsael：siinformation technology and learning style”，Virtual Reality，vol.23，2019.

（204號 Noble，iles”elTechnologyinHigherEducation，vol.19，no.1，22.

（204號 ① YuehP，HagdngC，“Explongcosinguents’otdWiiueialndbotindUTAUTperspective”，Australasianjournalofeducational technology，vol.31，no.1，2015.

? MathiesoK，“Predictigetetaingholeptaeoelithhyfadviorfaoeresearch，vol.2，no.3，1991.

Bandura，“A.Social learning theory”，Prentice Hall，1977，pp57-86.

Ajzen，I，“Thetheoryofplannedbehavior”，rganzationalBehaviorndHumanDecisionProcesses，ol.991.

②張為忠、肖惠文、許艷鳳：《臨場感與暈屏癥在VR教學中的影響機制分析——以“心理危機團體輔導”虛擬仿真實驗為例》，《現代遠距離教育》2022年第2期。

Rogers，E.M.，Difusion of innovations （3rd），TheFree Press，983，pp34-46.

徐偉：《融媒體時代高校思政教育工作創新實踐研究》，《教育傳媒研究》2023年第5期。

③包麗穎：《信息技術與高校思政課教學深度融合的實踐探索》，《中國高等教育》2021年第 23期。

王強春：《生成式人工智能與高校教育創新研究》，《教育傳媒研究》2024年第6期。