📄 other

AI Literacy and Undergraduate Self-Perceived Employability: Roles of AI Competency, Career Decision-Making Self-Efficacy, and Growth Mindset

基于社会认知职业理论，这项针对381名中国本科生的研究表明，人工智能素养通过提升人工智能能力和职业决策自我效能感来增强自我感知就业能力，且这些正向关系受到成长型思维的进一步强化。

原作者： Hazem Ali, Min Li

发布于 2026-07-27

📖 1 分钟阅读☕ 轻松阅读

原作者： Hazem Ali, Min Li

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，你正站在一片名为“就业市场”的广阔而繁忙的海洋边缘。在过去，人们用来穿越这片海洋的船只由木头制成，依靠人力划桨。但今天，这片海洋正在发生变化。由人工智能（AI）驱动的巨型高科技轮船正飞速驶过，航海规则也被重新改写。对于大学毕业生来说，一个巨大的问题是：“我准备好航行在这些新水域了吗？还是会被抛在身后？”

为了回答这个问题，研究人员观察了几个关键要素。首先是人工智能素养（AI Literacy），这就像是一张地图和指南针，向你解释这些新式船只是如何运作的。它意味着了解什么是人工智能，以及如何与它进行交流。其次是人工智能能力（AI Competency），这是指利用该技术驾驶船舶、修理引擎并应对波浪的实际技能。第三是职业决策自我效能感（Career Decision-Making Self-Efficacy）。你可以把它想象成你内在的船长信心——即相信即使在浓雾弥漫时，你也能够做出正确的选择来引导职业方向。最后是成长型思维（Growth Mindset）。这是一种相信大脑就像肌肉一样的信念：如果你努力练习，它就会变得更强壮、更聪明。你不需要在今天成为天才才能在明天成为伟大的船长；你只需要保持学习的热情。

为什么这很重要？因为就业市场的变化如此之快，仅仅知道如何使用电脑已经不够了。学生需要知道如何与人工智能协同工作，才能对获得工作感到充满信心。这项研究深入探讨了这些要素是如何相互结合，从而帮助学生为未来做好准备的。

研究：绘制通往自信未来的路径

在这项研究中，两位学者 Hazem Ali 和 Min Li 决定调查这些不同的要素是如何混合在一起，从而创造出一种**自我感知就业能力（Self-Perceived Employability, SPE）**的。SPE 简单来说，就是一名学生对自己获得并保住工作的能力的信心程度。他们收集了来自中国 381 名本科生的数据，以观察了解 AI、擅长使用 AI 以及拥有“成长型思维”是否真的有助于提高学生的就业感。

研究人员基于社会认知职业理论（Social Cognitive Career Theory）构建了一个模型，该理论认为我们的学习内容以及我们对自身能力的看法会塑造我们的职业选择。他们想要观察 AI 素养是否作为一个基础，进而构建起学生的技能与信心。

他们的发现

研究表明存在一条清晰的连锁反应。首先，他们发现 AI 素养与 AI 能力呈正相关。换句话说，理解 AI 基础知识的学生，在利用 AI 解决实际问题方面表现得更好。这就像了解自行车的原理有助于你更快地学会骑车一样。

其次，研究发现 AI 素്യത也能提升职业决策自我效能感。了解 AI 的学生在做出职业决策时会感到更加自信。他们不再对未来感到恐惧，因为他们觉得自己拥有应对未来的工具。

结果还显示，AI 能力和职业决策自我效能感都是自我感知就业能力的重要预测因子。这意味着，那些既擅长使用 AI 工具又在做职业决策时感到自信的学生，才是那些对进入职场最有准备的人。有趣的是，研究还发现高水平的 AI 能力实际上有助于提升学生在做职业决策时的信心，从而创造了一个技能与信心相互促进的良性循环。

秘密加速器：成长型思维

这里是故事变得真正精彩的地方。研究人员测试了成长型思维是否扮演了“超级充电器”的角色。他们发现事实确实如此。

研究表明，对于拥有高成长型思维的学生来说，AI 素养对 AI 能力和职业决策自我效能感的积极影响会更强。想象两个拥有相同 AI 知识水平的学生：那个相信自己可以成长和进步的学生（高成长型思维），比起那个认为自己的能力是固定不变的学生，更有可能更快地将这些知识转化为实际的技能和信心。数据表明，成长型思维显著加强了“了解 AI”与“能够使用 AI”之间的联系，也加强了“了解 AI”与“在职业决策中感到自信”之间的联系。

这意味着什么（以及不意味着什么）

作者谨慎地指出，由于他们是在单一时间点进行的问卷调查（横截面研究），因此不能确定其中一个因素是否导致了另一个因素。他们认为这些关系确实存在，但并未声称像实验室实验那样证明了因果链条。

然而，研究结果提供了一个充满希望的前景。它表明，为了让学生为 AI 驱动的未来做好准备，大学不仅要教授技术技能，还需要培养一种“成长型思维”——即相信努力会导致进步的信念。通过将技术性的 AI 培训与鼓励学习和韧性的心理环境相结合，教育者可以帮助学生感到更加自信且具备就业竞争力。

研究结论指出，在一个 AI 无处不在的世界里，做好就业准备不仅仅是拥有一份学位；它还需要拥有正确的工具（AI 素养）、正确的技能（AI 能力）、正确的信心（自我效能感）以及应对变化潮流的正确态度（成长型思维）。

技术摘要：AI 素养与本科生自我感知就业能力

问题陈述

人工智能（AI）在当代劳动力市场中的快速整合，强化了毕业生具备 AI 相关能力的必要性。尽管现有文献承认 AI 素养（AIL）与学生产出之间的联系，但在考察学生对 AI 的感知如何影响其教育决策和职业抱负方面，仍存在显著的实证研究空白。具体而言，基础 AI 素养转化为实际能力、职业决策信心以及最终的自我感知就业能力（SPE）的具体机制，尚未得到充分探索。此外，在 AI 驱动的职业发展背景下，成长型思维（GM）等心理资源在调节这些关系中的作用也未得到充分研究。

研究方法

本研究采用了定量、横截面研究设计，通过向中国本科生发放结构化问卷进行数据收集。

样本： 数据收集自浙江省七所大学的 381 名全日制本科生。样本在性别（54.39% 为女性）、专业（涵盖从工商管理到艺术与法律的广泛领域）及年级（主要是大三和大四）方面具有多样性。
测量工具： 研究利用改编自既有文献的成熟量表，在五点李克特量表基础上对五个核心构念进行了测量：
- AI 素养 (AIL)： 对 AI 工具的基础知识和程序性理解。
- AI 能力 (AIC)： 在学术和工作语境中有效应用和管理 AI 的能力。
- 职业决策自我效能感 (CDMSE)： 在做出并致力于职业决策方面的信心。
- 成长型思维 (GM)： 关于通过努力使智力和技能发生改变的信念。
- 自我感知就业能力 (SPE)： 学生对自己获取和保持就业能力的评估。
分析方法： 数据分析分三个阶段使用 SPSS 23.0 和 AMOS 23.0 进行：
1. 测量模型评估： 使用验证性因子分析（CFA）评估信度（Cronbach's alpha、组合信度）和效度（通过 AVE 和 Fornell-Larker 标准进行的收敛效度和区分效度）。
2. 偏差评估： 通过程序控制（随机化、匿名性）和统计检验（Harman 单因子检验、CFA 标记变量技术）来减轻共同方法偏差（CMB）。
3. 结构模型： 应用结构方程模型（SEM）来测试假设的直接关系以及 GM 的调节效应。

关键结果

结构方程模型分析得出了以下显著发现：

直接关系：
- AIL $\rightarrow$ AIC & CDMSE： AI 素养与 AI 能力（ $B=0.285, p<0.001$ ）以及职业决策自我效能感（ $B=0.372, p<0.001$ ）均呈显著正相关。
- AIC $\rightarrow$ SPE & CDMSE： AI 能力显著预测自我感知就业能力（ $B=0.108, p<0.05$ ），并与 CDMSE 正相关（ $B=0.261, p<0.001$ ）。
- CDMSE $\rightarrow$ SPE： 职业决策自我效能感是自我感知就业能力的显著正向预测因子（ $B=0.159, p<0.001$ ）。
成长型思维 (GM) 的调节作用：
- GM 显著增强了 AI 素养与 AI 能力之间的正向关系（交互效应： $B=0.155, p<0.001$ ）。
- GM 显著增强了 AI 素养与职业决策自我效能感之间的正向关系（交互效应： $B=0.171, p<0.001$ ）。
- 这表明，拥有更强成长型思维的学生能够更好地将 AI 素养转化为实际技能和职业信心。
模型拟合度： 所提出的五因子模型与数据表现出良好的拟合度（$CFI=0.941, TLI=0.942, RMSEA=0.068$），优于其他一、二、三和四因子模型。

核心贡献

本研究对职业发展和就业能力领域的文献做出了三个主要贡献：

概念推进： 本研究从实证角度将 AI 素养界定为不仅是技术知识，更是一种塑造 AI 驱动型劳动力市场中实际 AI 能力和职业决策自我效能感的基础资源。
理论整合： 本研究以社会认知职业理论（SCCT）为基础，阐明了 AIL、AIC、CDMSE 与 SPE 之间的相互关系，展示了技术学习经验如何与自我效能感信念相互作用以影响职业结果。
识别边界条件： 本研究通过识别成长型思维为一个关键的调节变量，扩展了先前的研究。研究证明，心理资源（GM）能够放大 AI 素养对关键职业能力的影响，凸显了在技术密集型背景下适应性学习信念的重要性。

意义与主张

作者声称，本研究为 AI 时代本科生自我感知就业能力提供了一个更整合的解释。通过超越仅关注技能或态度的模型，本研究证明，有效的 SPE 发展需要技术资源（AIL 和 AIC）与心理资源（CDMSE 和 GM）的汇聚。

研究结果表明，在快速演变的劳动力市场中，学生对自身就业能力的信心不仅取决于是否知道如何使用 AI 工具，还取决于是否具备利用这些知识进行职业规划的心理适应能力。研究结论指出，虽然 AI 素养是基础，但当学生拥有鼓励坚持和持续技能发展的成长型思维时，其提升就业能力的潜力才能得到最大化发挥。

作者注明的局限性：
作者明确承认，横截面设计限制了因果推断。他们还指出，研究依赖于自陈式数据，这可能会引入共同方法偏差，且样本对中国本科生的普适性有限。因此，作者呼吁未来开展纵向、实验性和跨文化研究，以进一步验证这些关系。