我是@扣子Bolt，关注【AI工具｜科研学术 | 博士生活 | 网络创业｜自我提升】，利用AI工具提升科研效率和自我成长，这是我在公众号发布的第【129】篇原创内容。
这篇论文通过扩展UTAUT2模型，探讨了伦理意识、感知伦理风险和AI伦理焦虑对大学生使用生成式AI产品的影响。
研究背景
- 研究问题
从伦理角度，探讨了影响大学生使用生成式AI产品的行为意向（BI）和使用行为（UB）的因素。 - 研究难点
如何量化和分析伦理焦虑、感知伦理风险和伦理意识对AI使用行为的影响，以及如何扩展UTAUT2模型以包含这些伦理因素。 - 相关工作
对生成式AI在教育领域的研究、UTAUT2模型在技术接受度中的应用以及伦理决策理论在AI伦理中的应用。
研究方法
这篇论文提出了一个扩展的UTAUT2模型，用于解决大学生使用生成式AI产品的问题。具体来说，
UTAUT2模型扩展：首先，论文将伦理意识（EA）、感知伦理风险（PER）和AI伦理焦虑（AIEA）作为新的影响因素纳入UTAUT2模型。扩展后的模型用于分析大学生对生成式AI产品的接受和使用行为。
理论模型构建：研究模型基于伦理决策理论，构建了包括性能期望（PE）、努力期望（EE）、享乐动机（HM）、价格价值（PV）、促进条件（FC）、习惯（HB）、社会影响（SI）、AI伦理焦虑（AIEA）、感知伦理风险（PER）、伦理意识（EA）和行为意向（BI）在内的理论模型。
假设提出：论文提出了多个假设，探讨了这些因素之间的关系。例如，H1假设性能期望对行为意向有积极影响；H2假设努力期望对行为意向有积极影响；H3假设享乐动机对行为意向有积极影响；H4假设价格价值对行为意向有积极影响；H5a和H5b假设促进条件对行为意向和使用行为有积极影响；H6a和H6b假设习惯对行为意向和使用行为有积极影响；H7假设社会影响对行为意向有积极影响；H8假设行为意向对使用行为有积极影响；H9a和H9b假设AI伦理焦虑对行为意向和使用行为有消极影响；H10a和H10b假设感知伦理风险对行为意向和使用行为有消极影响；H10c假设感知伦理风险对AI伦理焦虑有积极影响；H11a和H11b假设伦理意识对行为意向和使用行为有消极影响；H11c假设伦理意识对感知伦理风险有积极影响。
实验设计
- 数据收集
研究样本来自中国大学的现代教育技术（MET）课程学生。样本数据通过“问卷星”在线调查平台收集，参与者在2023年4月至6月期间自愿参与调查。 - 样本选择
最终获得了226份有效问卷。样本的选择标准包括必须是当前大学生，完成问卷时间在规定范围内，且回答内容符合要求。 - 问卷设计
问卷包括人口统计信息部分和11个维度的测量项目，采用7点Likert量表进行测量。
结果与分析
测量模型评估：通过验证性因子分析（CFA），确认了各变量的净化和信效度检验。AVE值大于0.5，表明良好的收敛效度；复合信度（CR）和Cronbach's α值均超过推荐标准，表明良好的内部一致性。
结构模型分析：通过偏最小二乘结构方程模型（PLS-SEM）分析，发现性能期望、享乐动机、价格价值和社会影响对行为意向有显著积极影响；促进条件、习惯和AI伦理焦虑对使用行为有显著积极影响。
中介效应分析：尽管感知伦理风险对使用行为的直接影响不显著，但通过AI伦理焦虑的中介作用，间接影响了使用行为。伦理意识对行为意向有积极影响，但也增加了感知伦理风险。
重要性-绩效图分析（IPMA）：通过IPMA分析，确定了各外生变量对特定内生变量的重要性及其绩效。结果表明，提高性能价值是促进大学生合理使用生成式AI产品的关键。
总体结论
这篇论文通过扩展UTAUT2模型，探讨了伦理意识、感知伦理风险和AI伦理焦虑对大学生使用生成式AI产品的影响。研究发现，性能期望、享乐动机、价格价值和社会影响是促进大学生使用生成式AI产品的主要因素，而促进条件、习惯和AI伦理焦虑则主要影响其使用行为。伦理意识和感知伦理风险在行为意向和使用行为之间起到了复杂的作用。研究结果有助于大学生更好地接受并伦理地使用生成式AI产品，并为政策制定者、高等教育机构和生成式AI产品开发人员提供了促进大学生合理使用的策略。
The study aims to explore the factors that influence university students’ behavioral intention (BI) and use behavior (UB) of generative AI products from an ethical perspective. Referring to ethical decision-making theory, the research model extends the UTAUT2 model with three influencing factors: ethical awareness (EA), perceived ethical risks (PER), and AI ethical anxiety (AIEA). A sample of 226 university students was analysed using the Partial Least Squares Structural Equation Modelling technique (PLS-SEM). The research results further validate the effectiveness of UTAUT2. Furthermore, performance expectancy, hedonistic motivation, price value, and social influence all positively influence university students’ BI to use generative AI products, except for effort expectancy. Facilitating conditions and habit show no significant impact on BI, but they can determine UB. The three extended factors from the ethical perspective play significant roles as well. AIEA and PER are not key determinants of BI. However, AIEA can directly inhibit UB. From the mediation analysis, although PER do not have a direct impact on UB, it inhibits UB indirectly through AIEA. Ethical awareness can positively influence BI. Nevertheless, it can also increase PER. These findings can help university students better accept and ethically use generative AI products.
Zhu, W., Huang, L., Zhou, X., Li, X., Shi, G., Ying, J., & Wang, C. (n.d.). Could AI ethical anxiety, perceived ethical risks and ethical awareness about AI influence university students’ use of generative AI products? An ethical perspective. International Journal of Human–Computer Interaction, 0(0), 1–23. https://doi.org/10.1080/10447318.2024.2323277
●通过虚构写作工作坊探索高等教育中人工智能（AI）在员工中的感知
●大学生可持续创业意向：创业恐惧与AI在教学中应用的调节作用
●生成式人工智能使用如何以及何时影响员工增量和激进创造力：来自中国的实证研究
●人工智能意识和变革导向的领导力对员工与人工智能协作的交互影响：接近动机和回避动机的作用
●了解类人社交机器人的拟人化特征对用户满意度的影响：基于刺激-有机体-反应理论
●强迫性 ChatGPT 使用、焦虑、倦怠和睡眠障碍：基于刺激-有机体-反应视角的串行中介模型
●对高等教育评估中 GenAI 政策的批判性回顾：呼吁重新考虑学生作业的“原创性”
●人工智能生成内容（AIGC）信息回避影响机制研究：AI身份威胁的调节作用
●调查 OTA 员工对 ChatGPT 的双刃剑认知：组织支持的调节作用
欢迎关注我的视频号
（❤️会不定期更新AI工具哦❤️）
