📄 social_science

The Influence of ChatGPT Usage, Learning Content, and Digital Competence on Biology Students’ Learning Motivation in the Digital Education Era: A Moderated Effect Analysis Model

本研究对366名生物系学生进行了结构方程模型分析，旨在证明虽然ChatGPT的使用和学习内容对学习动机具有正向影响，但数字素养起到了关键的调节作用，既增强了内容的有效性，也决定了ChatGPT在多大程度上促进了学生的参与度。

原作者： Ibrahim Ibrahim, Juli Firmansyah, Jalaluddin Jalaluddin, Marwan Marwan

发布于 2026-08-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Ibrahim Ibrahim, Juli Firmansyah, Jalaluddin Jalaluddin, Marwan Marwan

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下未来的教室，它不再是一个有黑板的房间，而是一个通过对话进行学习的巨大数字游乐场。在这个世界里，有三个主要角色试图弄清楚如何激发学生的学习热情。首先是 ChatGPT，一个超级聪明、不知疲倦的 AI 导师，它可以随时随地与你聊天，即时回答你的问题，并帮你理清复杂的概念。把它想象成一本会说话的神奇百科全书。第二是 学习内容，也就是你实际学习的东西——教科书、视频和作业。如果这些内容很枯燥，即使是最好的 AI 也无法挽救局面；但如果内容有趣且具有相关性，它就会成为你大脑的火箭助推器。最后是 数字素养，这简单来说就是你使用技术的能力。它是指一个人是仅仅能打开一台电脑，还是能利用它来建造一艘宇宙飞船之间的区别。

长期以来，教育工作者一直在思考：拥有一个酷炫的 AI 导师和优秀的课程，是否会自动让学生更有学习欲望？或者，学生的“技术水平”是否至关重要？这个问题至关重要，因为学校正忙于引入 AI 工具，但他们不想在那些无法真正激发学生好奇心的电子产品上浪费时间。这项研究深入探讨了这个谜团，观察了这三种成分是如何混合在一起（或未能成功混合）以创造（或无法创造）印度尼西亚大学生的学习动机的。

研究：混合 AI、课程与技术技能

一支研究团队决定通过询问 366 名印度尼西亚大学生关于他们的习惯来测试这个“配方”。他们想看看使用 ChatGPT、课程质量以及学生自身的技术技能是否可以预测这些学生的学习动机。他们使用了一种名为“结构方程模型”的高级统计工具（把它想象成一张显示一个事物如何推动另一个事物的超精确地图）来处理数据。

以下是他们的发现，为了保持清晰，我们使用了几个类比：

1. AI 导师是动力源，而非技能构建器
研究发现，使用 ChatGPT 对学习动机有着巨大的推动作用。当学生使用 AI 时，他们感到更加渴望和投入。这就像有一个随时待命的私人拉拉队员，随时为你解释难题或帮助完成作业；它让整个过程感觉不再孤单，而且更有趣。

然而，转折点在于：使用 ChatGPT 并不会自动提高学生在通用技术方面的能力。研究人员发现，在与 AI 聊天和实际提高“数字素养”之间仅存在非常微弱的联系。这有点像玩电子游戏：你可能会在特定的游戏里变得非常厉害，但这并不意味着你学会了如何修车或组装电脑。仅仅与 AI 交谈并不会神奇地将一个初学者变成技术专家，除非他们在聊天之外被引导去做更多的事情。

2. 好的课程才是真正的超能力
组合中最强大的成分是学习内容。研究表明，高质量、有趣且结构良好的课程对动机和数字技能都有巨大的影响。如果材料很好，学生会感到兴奋，并且也会变得更擅长使用工具来探索它。这就像给某人提供一份美味、营养丰富的食物；他们获得了能量（动机），也获得了成长所需的营养（技能）。研究人员发现，优质的内容是所有因素中最强的驱动力。

3. “技术达人”因素：一把双刃剑
这部分非常有趣。研究人员观察了数字素养（学生的技术水平）如何改变其他因素的作用方式。他们发现，精通技术起到了过滤器或透镜的作用。

对于优质课程： 精通技术使课程的效果更好。已经懂得如何使用数字工具的学生能够从高质量的内容中榨取更多的“汁液”，使他们更加积极主动。这就像在一辆跑车里安装了一个高性能引擎；如果你有驾驶的技术，车子就会跑得更快。
对于 ChatGPT： 令人惊讶的是，技术水平很高实际上削弱了 ChatGPT 对动机的提升作用。研究人员认为，对于那些已经非常熟悉技术的学生来说，他们可能不需要依靠 AI 来保持兴奋。他们可能已经有了自己保持动力的方式，因此 AI 对他们产生的额外火花不如对技术信心不足的学生那么多。

4. 大惊喜：技能并不等于动机
这项研究排除的一个最重要的观点是：“如果你擅长使用电脑，你就会热爱学习。”数据表明，数字素养与学习动机之间没有统计学上的显著联系。简单来说，统计测试（其 p 值为 0.843）证实，仅仅成为技术高手并不会直接转化为更高的学习欲望。动机来自于学习的体验（AI 的帮助和优质的课程），而不仅仅是拥有使用工具的技能。

总结

研究结论指出，虽然像 ChatGPT 这样的 AI 工具对于激发学生的兴奋感非常棒，但它们并不是教授技术技能的魔杖。要真正点燃学生的火焰，你首先需要优质的内容。虽然精通技术有助于学生更好地利用优质课程，但这并不能保证他们首先会对学习产生动机。

研究人员谨慎地指出，这些发现是基于特定的学生群体和特定时间点的快照，因此我们不能确定这是否适用于世界各地的每一个学生。但信息是明确的：不要只是把一个酷炫的 AI 工具交给学生然后听天由命。给他们精彩的课程，帮助他们深入理解如何使用这些工具，并记住，成为技术专家并不自动意味着成为一名有动力的学习者。当正确的工具遇到正确的内容时，奇迹才会发生。

技术摘要：ChatGPT 使用、学习内容及数字素养对生物系学生学习动机的影响

关于范围的说明： 尽管标题提到了“生物系学生”，但研究的方法论和结果部分明确指出，研究对象为印尼 Syiah Kuala 大学教师培训与教育学院的本科生，涵盖了体育教育、英语教育、心理学和数学等专业。以下摘要反映了论文中呈现的实际数据和范围。

1. 问题陈述与研究目标

本研究旨在解决现有文献中关于生成式人工智能（特别是 ChatGPT）对学生学习动机实证影响的研究空白。虽然先前的研究已经描述了 AI 工具的能力，但对于特定的使用模式、学习内容的质量以及学生的数字素养如何相互作用并影响动机，目前的理解还很有限。此外，数字素养作为这些关系中调节变量的角色也尚未得到充分研究。

研究目标包括：

评估 ChatGPT 使用和学习内容对学生数字素养和学习动机的影响。
确定数字素养是否直接影响学习动机。
调查数字素养是否在 ChatGPT 使用、学习内容与学习动机之间的关系中起调节作用。

2. 研究方法

研究设计：
本研究采用定量研究设计，利用基于 SmartPLS 软件的结构方程模型（SEM-PLS）。选择这种方法是为了处理具有中等样本量且包含复杂因果关系和调节效应的模型。

总体与抽样：

总体： Syiah Kuala 大学教师培训与教育学院的本科生（第 4 至 8 学期）。
样本： 通过分层随机抽样选取了 366 名受访者，以确保在性别、学年和专业（体育教育、英语教育、心理学和数学）方面具有比例代表性。
人口统计特征： 样本包括 55% 的女性和 45% 的男性受访者，其中大多数（50%）年龄在 21-23 岁之间。

工具编制：
数据通过结构化问卷收集，条目采用 5 点李克特量表进行测量。该工具评估了四个潜在构念：

ChatGPT 使用 (X1)： 使用频率、持续时间及方式。
学习内容 (X2)： 感知的相关性、质量和交互强度。
数字素养 (X3)： 技术技能、自信心和适应能力。
学习动机 (X4)： 内在和外在动机驱动因素。

效度与信度：
测量模型展示了稳健的效度和信度。所有因子载荷均超过 0.70（除一个为 0.608，基于整体构念效度予以保留）。Cronbach's Alpha 值介于 0.739 至 0.888 之间，组合信度 (CR) 值超过 0.834，且所有构念的平均方差提取值 (AVE) 均高于 0.50 阈值。通过使用 Fornell-Larcker 准则确认了区分效度。

偏差控制：
采用了程序性补救措施（匿名性、清晰的条目措辞）和统计检验（Harman 单因子检验）来减轻共同方法偏差。

3. 核心结果

结构模型分析得出以下发现：

直接效应：

ChatGPT 使用 $\rightarrow$ 学习动机： 存在强烈的、高度显著的正向效应 ( $\beta = 0.422, p < 0.001$ )。频繁使用 ChatGPT 能显著增强学生的动机。
学习内容 $\rightarrow$ 学习动机： 模型中强度最大的直接效应 ( $\beta = 0.550, p < 0.001$ )。高质量、相关性强且具交互性的内容是动机的主要驱动力。
学习内容 $\rightarrow$ 数字素养： 存在显著的正向效应 ( $\beta = 0.171, p < 0.05$ )。参与性强的内容有助于数字技能的发展。
ChatGPT 使用 $\rightarrow$ 数字素养： 存在边际显著的正向效应 ( $\beta = 0.146, p = 0.067$ )。虽然使用 ChatGPT 倾向于提高数字素养，但其效果相对较弱。
数字素养 $\rightarrow$ 学习动机： 未获得支持。 该关系在统计上并不显著 ( $\beta = -0.005, p = 0.843$ )。仅拥有数字技能本身并不能直接转化为更高的学习动机。

调节效应：

数字素养调节 ChatGPT 使用 $\rightarrow$ 动机： 存在显著的负向调节效应 ( $\beta = -0.091, p = 0.032$ )。较高的数字素养会削弱 ChatGPT 使用与动机之间的正向关系。作者将其解释为一种补偿效应：具备高数字技能的学生可能不再依赖 ChatGPT 来获取动力，因为他们拥有其他自我调节学习的能力。
数字素养调节学习内容 $\rightarrow$ 动机： 存在显著的正向调节效应 ( $\beta = 0.132, p = 0.024$ )。较高的数字素养会强化学习内容与动机之间的关系。具备更好数字技能的学生能够更有效地利用高质量内容来提升自身的动机。

模型拟合度：

该模型解释了学习动机 81.3% 的方差 ( $R^2 = 0.813$ )，表明具有极高的预测能力。
该模型仅解释了数字素养 8.7% 的方差 ( $R^2 = 0.087$ )，这表明除了本研究中的变量外，其他因素（如先前经验、基础设施）在决定数字素养方面发挥着更大的作用。

4. 核心贡献与主张

本文提出了以下对数字教育领域的贡献：

AI 在动机中的作用： 研究实证证实，ChatGPT 是学习动机的重要驱动力，这可能归功于其提供即时、个性化反馈和支持自主性的能力。
内容质量的首要地位： 研究强调，虽然 AI 工具很有益处，但学习内容的质量和设计仍然是学生参与度和动机的关键因素。
数字素养的细微作用：
- 研究挑战了“数字技能会自动导致更高动机”的假设，发现两者之间没有直接的显著联系。
- 它将数字素养确立为一个关键的调节变量而非直接预测因子。它充当了一个“过滤器”或“放大器”的角色：它能增强优质内容的益处，但也可能降低高技能学生对 AI 工具的依赖。
AI 对技能发展的局限性： ChatGPT 对数字素养的边际显著性表明，仅仅接触 AI 对于全面的数字技能发展是不够的；还需要引导式的使用和更广泛的数字素效策略。

5. 意义与启示

作者得出结论，整合 ChatGPT 等 AI 工具对于增强学生动机是有效的，但这种有效性是有条件的。研究强调：

教学设计至关重要： 技术必须与高质量、互动性强的学习内容相结合，以实现动机最大化。
技能 vs. 动机： 提高数字素养对于获取工具是必要的，但它不能替代动机驱动因素。动机受学习环境和内容相关性的影响，比受技术熟练度本身的影响更大。
情境依赖性： 技术的影响因学生的数字素养水平而异。教育者应当认识到，高素养的学生与低素养的学生在从 AI 工具中获得动机收益方面可能存在差异。

文章总结道，未来的教育策略应侧重于高质量内容、战略性 AI 使用以及数字素养开发的协同整合，而不是仅仅依靠技术作为提升动机的单一解决方案。