✨ 要点🔬 技术摘要
在现代课堂中，学习工具的变化速度比以往任何时候都快。人工智能——一个机器学习执行通常需要人类思维才能完成的任务的计算机科学领域——现在已经融入了学生日常生活的方方面面。随着这一技术变革，教育工作者和心理学家也正密切关注一种特定的感受：学生在面对学业要求时产生的担忧。这被称为学业焦虑。它不仅仅是考试前的紧张，而是一种由思想、情绪和生理反应组成的复杂交织，可能让学习过程变得令人难以承受。另一个关键的拼图碎片是数字自我效能感。这简单来说就是一个人对自己有效使用技术能力的信心。当学生感到能够熟练驾驭数字工具时，他们往往会对自己的学习感到更有掌控感。理解这三个要素——新技术、使用技术的信心以及学校带来的压力——是如何相互作用的至关重要。如果学校不了解这些联系，它们可能会面临引入强大工具却意外增加压力而非减轻压力的风险，特别是对于那些正在为高压职业（如医学）做准备的学生而言。
伊朗贡纳巴德医科大学的研究人员决定直接调查其学生群体中的这些联系。他们想看看接受并使用人工智能工具是否与学生对学业的焦虑程度相关，以及他们在使用数字工具方面的信心是否发挥了作用。为此，他们收集了来自医学、护理学和公共卫生等不同医学领域的237名学生。研究人员要求这些学生填写详细的调查问卷。其中一份调查问卷基于一个用于理解技术采用的标准模型，测量了学生对AI工具的接受度和使用意向；另一份测量了他们在处理数字任务方面的信心；第三份则评估了他们的学业焦虑水平。研究人员还询问了基本信息，如年龄、性别、每天使用AI的时间以及整体成绩。
数据呈现出的图景清晰且具体。大多数受访学生具有中等的数字素养，即既不是专家也不是完全的初学者。他们使用AI工具的时间也倾向于每天少于一小时。当研究人员观察数据时，他们发现，数字技能较低的学生报告说，他们对使用技术的能力缺乏信心，并且不太可能将AI工具纳入其学习常规中。然而，当研究人员转向焦虑感进行观察时，情况发生了变化。数字技能水平或对AI的接受度并不能直接预测学生对学业感到更焦虑还是更少焦虑。相反，另一个因素脱颖而出：性别。女性学生报告的学业焦虑水平明显高于男性同学。
最令人惊讶的发现出现在研究人员按性别对学生进行分类后，考察技术信心与焦虑之间的关系时。对于男性学生来说，这种关系非常直接：那些对自身数字能力感到更加自信的人，报告的学业焦虑水平较低。似乎对于他们而言，掌握技术的能力有助于缓解对学业的担忧。然而，对于女性学生，模式却有所不同。数据显示，较高的数字信心实际上与略高的焦虑水平相关联，尽管这种联系不如在男性身上那么强。这表明，对于该群体中的女性来说，感到具备数字能力并不一定意味着减轻了学业压力；事实上，这可能与其他的压力有关。研究人员发现的最强的联系仅仅存在于数字信心与使用AI工具的意愿之间：那些对自身数字技能感到良好的学生，更有可能拥抱AI。
这些发现表明，技术对学生福祉的影响并非一个简单的、一成不变的故事。虽然提高数字技能有助于学生在使用新工具时感到更加舒适，但它并不会自动降低学业压力。研究人员指出，他们的研究只是一个时间点的快照，因此无法证明其中一个因素导致了另一个因素，但其中的模式是非常明显的。他们得出结论，教育项目需要保持谨慎。仅仅教授学生如何使用AI可能不足以减轻焦虑，而且应对方式可能需要因性别而异。对于报告焦虑水平较高的女性学生，学校需要超越单纯的技术培训，考虑她们在数字时代应对医学教育需求时所需的更广泛的情绪和心理支持。这项研究强调，随着学校整合人工智能，必须密切关注“人的因素”，意识到技术信心与学习压力是复杂的，并且在不同的人身上有着不同的表现。
技术摘要：AI 工具接受度与数字自我效能感与学业焦虑的关系
问题陈述 学业焦虑 。学业焦虑被定义为对学业压力的认知、情感和生理反应，由于新技术带来的复杂性、对人类能力下降的恐惧以及对未来职业角色的不确定性，这种焦虑可能会被放大。
尽管现有文献广泛研究了驱动 AI 工具接受度 （例如通过技术接受与使用统一理论，UTAUT）和 数字自我效能感 （使用数字技术的信心）的因素，但关于 AI 接受度、数字自我效能感与学业焦虑之间综合关系的证据仍然有限。此外，先前的研究主要关注行为结果而非心理结果，在伊朗等发展中国家的医学教育背景下存在明显的数据空白。本研究旨在探讨这些构念如何相互作用，以及人口统计学变量（如性别）是否调节了这些关系。
研究方法
设计与人群： 本研究为 2023 年在贡纳巴德医科大学进行的一项横断面研究，通过比例分层抽样，从医学、护理、医疗技术和公共卫生四个学院中抽取了 237 名参与者。工具： 数据通过四种经过验证的问卷收集：
人口统计学问卷： 记录年龄、性别、学院、GPA 和每日 AI 使用时长。AI 技术接受度问卷： 基于 UTAUT 模型（21 个条目，6 个子量表），采用 5 点李克特量表评分。数字自我效能感量表： 25 个条目，涵盖 5 个子量表（沟通、素养、内容创作、问题解决、安全），采用 6 点李克特量表评分。学业焦虑问卷： 19 个条目，涵盖 4 个子量表，采用 5 点李克特量表评分。
统计分析：
描述性统计： 总结参与者特征。单变量线性回归： 考察人口统计学变量与三个主要变量之间的关联。皮尔逊相关分析： 探索主要因素及其子成分之间的关系。广义线性模型树 (GLMtree)： 作为一种探索性方法，用于识别非线性关系以及关联模式存在差异的人口统计学亚组。模型使用 BIC、AIC 和 Gini 指数标准进行评估。软件： R 版本 4.5.0（使用 ggplot2、partykit 包）。
关键结果
描述性统计： 大多数学生（63.3%）具备中等数字素养 ，56.5% 的人每天使用 AI 工具的时间少于一小时。关于研究变量，69.2% 的学生表现出高水平的数字自我效能感，94.9% 表现出中等的 AI 工具接受度，而学业焦虑分布在低水平（58.2%）和中等水平（41.8%）之间。数字能力的预测因子： 数字素养 是最强且一致的预测因子。较低的数字素养与较低的数字自我效能感（β = − 21.13 , p < 0.001 \beta = -21.13, p < 0.001 β = − 21.13 , p < 0.001 β = − 8.04 , p < 0.001 \beta = -8.04, p < 0.001 β = − 8.04 , p < 0.001 焦虑的预测因子： 性别 是学业焦虑的重要预测因子，男性学生报告的焦虑水平显著低于女性（β = − 7.90 , p = 0.001 \beta = -7.90, p = 0.001 β = − 7.90 , p = 0.001 相关性： 观察到的最强相关性存在于数字自我效能感与 AI 工具接受度 之间（r = 0.50 , p < 0.001 r = 0.50, p < 0.001 r = 0.50 , p < 0.001 GLMtree 发现（性别交互作用）： 性别是数字自我效能感与学业焦虑关系中唯一的拆分变量：
男性学生： 发现显著的负相关 关系（β = − 0.17 , p = 0.026 \beta = -0.17, p = 0.026 β = − 0.17 , p = 0.026 女性学生： 观察到正向趋势 （β = 0.16 , p = 0.053 \beta = 0.16, p = 0.053 β = 0.16 , p = 0.053
核心贡献
综合框架： 本研究提供了在伊朗医学教育背景下，将 AI 接受度、数字自我效能感和学业焦虑纳入单一概念框架进行综合考察的首批研究之一。性别特异性模式： 通过使用 GLMtree 分析，研究识别了一个关键的基于性别的分歧：数字自我效能感对男性是焦虑的保护因素，但对女性则呈现出正向（潜在风险相关）的趋势。素养作为基础： 研究证实，数字素养是 AI 工具接受度和数字自我效能感发展的先决条件，尽管它并不直接转化为降低整体学业焦虑。
意义与主张 性别 的必要性。研究表明，虽然提高数字素养对于 AI 接受度至关重要，但它并不能统一地降低学业焦虑。
论文指出，数字自我效能感与焦虑之间的关系是复杂且依赖于情境的。对于女性学生，较高的自我效能感可能与较高的焦虑感并存，这可能反映了信心、高学业期望以及适应新兴技术压力之间复杂的相互作用。因此，作者认为教育干预不应是“一刀切”的。相反，他们建议：
实施性别敏感型教育计划 ，以应对女性学生特定的需求和焦虑模式。
开展针对性工作坊 来增强数字素养，因为它是 AI 接受度的基础。
提供整体性支持 ，在提供技术培训的同时，解决更广泛的心理因素（教育压力、期望）。
研究结论认为，虽然 UTAUT 模型很好地解释了技术接受度，但理解学业焦虑需要整合心理社会和情境因素，特别是性别动态。
每周获取最佳 social_science 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。