《Frontiers in Psychology》:AI literacy is directly associated with positive attitudes and indirectly associated with negative attitudes through AI anxiety: a cross-sectional study of preservice teachers
编辑推荐:
摘要翻译:背景:对人工智能(AI)的积极与消极态度可能部分具有不同的心理关联。本项横断面研究检验了在职前教师中,AI焦虑是否在统计上解释了AI素养与对AI积极及消极态度之间的关联。方法:研究对象为335名就读于土耳其某教育学院的在职前教师。研究采用人工智能素养
摘要翻译:背景:对人工智能(AI)的积极与消极态度可能部分具有不同的心理关联。本项横断面研究检验了在职前教师中,AI焦虑是否在统计上解释了AI素养与对AI积极及消极态度之间的关联。方法:研究对象为335名就读于土耳其某教育学院的在职前教师。研究采用人工智能素养量表、人工智能焦虑量表、人工智能态度量表及个人信息表收集数据。使用PROCESS Model 4配合5000次bootstrap重抽样估计了两个间接效应模型,并控制了先前的AI培训经历。结果:AI素养与AI焦虑呈负相关,与对AI的积极态度呈正相关。AI焦虑与消极态度呈正相关,但与积极态度无显著关联。经由AI焦虑的间接关联对消极态度显著,而对积极态度不显著;直接bootstrap对比证实两种间接效应存在显著差异(B = ?0.118, 95% CI [?0.201, ?0.039])。先前的AI培训经历与任一态度维度均无显著关联。一项排除三个反向计分AI素养条目的敏感性分析复现了这一模式。讨论:研究结果表明,对AI的积极与消极态度可能部分具有不同的心理关联:AI素养与积极评价直接相关,而其与消极评价的关联则在统计上与AI焦虑相联。由于数据为横断面设计,间接效应不应被解释为因果中介的证据。
论文解读文章
**一、研究背景与现存问题**
人工智能(artificial intelligence, AI)在教育领域的应用日益广泛,不仅涉及技术与教学变革,也带来了知识、不确定性、焦虑、感知风险与评价性态度等心理适应挑战。AI支持的系统可提供个性化指导、反馈、评估与决策支持,但同时也可能引发关于控制、就业、隐私、公平及人类能动性的担忧。对于职前教师而言,这些认知与情感反应尤为重要,因为它们可能塑造未来教育工作者如何理解与应对AI支持的学习环境。已有研究指出,教师教育项目在AI就绪性方面存在不足(Lucas et al., 2025),职前教师常将AI视为机械工具而非动态教育伙伴(Guan et al., 2025),且对AI机制的理解存在显著缺口(Pei et al., 2025)。因此,AI素养(AI literacy)作为个体差异变量,对于理解职前教师如何感知与评价AI具有重要意义。同时,心理学研究表明,对AI的积极与消极评价并非单一连续体的两极(Schepman & Rodway, 2020;Sindermann et al., 2021),但现有研究对AI素养与两类态度之间心理路径的差异性关注不足。本研究旨在检验AI焦虑(AI anxiety)是否在统计上解释了AI素养与积极及消极态度之间的关联差异。
**二、研究概况与主要结论**
研究人员开展了一项定量、横断面相关设计研究,以土耳其某教育学院335名职前教师为样本(其中96人报告曾接受AI培训,239人未接受),使用人工智能素养量表、人工智能焦虑量表、人工智能态度量表及个人信息表收集数据。通过PROCESS Model 4估计两个间接效应模型,以5000次bootstrap重抽样评估间接效应,控制先前AI培训经历。研究发现:AI素养与AI焦虑呈显著负相关,与积极态度呈显著正相关;AI焦虑与消极态度呈显著正相关,但与积极态度无显著关联;经由AI焦虑的间接效应对消极态度显著(B = ?0.1237, 95% CI [?0.2065, ?0.0398]),对积极态度不显著(B = ?0.0056, 95% CI [?0.0306, 0.0151]),直接bootstrap对比确认两间接效应存在显著差异(B = ?0.1181, 95% CI [?0.2007, ?0.0394])。排除三个反向计分条目的敏感性分析复现了主模式。该研究揭示,积极与消极态度可能具有部分不同的心理关联:AI素养与积极评价直接相关,而其对消极评价的影响在统计上经由AI焦虑这一路径。
**三、关键技术与方法**
研究人员采用定量横断面相关设计,通过非概率自愿抽样招募土耳其某教育学院335名职前教师。主要测量工具包括:?elebi等人(2023)土耳其语改编的12条目人工智能素养量表(七点Likert量表,含意识、使用、评价、伦理四维度);Akkaya等人(2021)土耳其语改编的16条目人工智能焦虑量表(五点量表,含学习、工作替代、社会技术失明、AI配置四维度);?akan和Ak?n(2024)改编的12条目人工智能态度量表(含积极与消极态度两子维度)。数据分析采用PROCESS Model 4进行间接效应模型估计,以5000次bootstrap重抽样构建95%置信区间;采用HTMT(heterotrait-monotrait ratio of correlations)评估判别效度;并实施HC3异方差一致性标准误、排除异常值及备选变量排序等多项敏感性分析。
**四、研究结果**
**3.1 各变量的描述性统计与相互关系**
描述性统计与Pearson相关分析显示,AI素养与AI焦虑呈显著负相关(r = ?0.178, p < 0.01),与积极态度呈显著正相关(r = 0.290, p < 0.01),与消极态度呈显著负相关(r = ?0.150, p < 0.01)。AI焦虑与消极态度呈强正相关(r = 0.667, p < 0.01),但与积极态度相关不显著(r = ?0.012, p > 0.05)。HTMT分析表明AI焦虑与消极态度之间判别效度充分(HTMT = 0.746, 95% CI [0.667, 0.817])。
**3.2 AI素养通过AI焦虑与消极态度的间接关联**
PROCESS Model 4分析显示,AI素养显著负向预测AI焦虑(B = ?0.1775, p = 0.0020)。在消极态度结果模型中,AI焦虑显著正向预测消极态度(B = 0.6968, p < 0.001),而AI素养的直接效应不显著(B = ?0.0328, p = 0.4790)。总效应模型中AI素养显著负向预测消极态度(B = ?0.1565, p = 0.0100)。经由AI焦虑的间接效应为B = ?0.1237,bootstrap 95% CI [?0.2065, ?0.0398],不包含零,表明间接关联显著。
**3.3 AI素养通过AI焦虑与积极态度的间接关联**
在积极态度结果模型中,AI素养显著正向预测积极态度(B = 0.2674, p < 0.001),但AI焦虑与积极态度关联不显著(B = 0.0315, p = 0.4849)。总效应显著(B = 0.2618, p < 0.001)。经由AI焦虑的间接效应不显著(B = ?0.0056, 95% CI [?0.0306, 0.0151])。直接bootstrap对比显示消极态度与积极态度间接效应差异显著(B = ?0.1181, 95% CI [?0.2007, ?0.0394])。
**3.4 反向计分AI素养项目的敏感性分析**
排除三个反向计分条目后,以九个非反向计分条目组成的替代性AI素养复合分数进行敏感性分析。AI素养仍显著负向预测AI焦虑(B = ?0.1321, p = 0.012),消极态度模型中AI焦虑仍显著正向预测消极态度(B = 0.7030, p < 0.001),间接效应仍显著(B = ?0.0929, 95% CI [?0.1736, ?0.0083])。积极态度模型中AI素养仍显著正向预测积极态度(B = 0.2490, p < 0.001),间接效应仍不显著(B = ?0.0032, 95% CI [?0.0235, 0.0122])。主模式得到复现,但AI素养与消极态度的总关联在该替代评分下不显著。
**3.5 回归诊断与稳健性检验**
回归诊断显示无多重共线性问题(VIF值介于1.019至1.043),最大Cook距离远低于1。HC3异方差一致性标准误下,各实质结论不变。排除学生化删除残差绝对值大于3的观测后,消极态度模型中间接效应仍显著(B = ?0.1267, 95% CI [?0.2114, ?0.0377]),积极态度模型中仍不显著。结果表明研究结论不依赖异常值。
**3.6 备选排序敏感性分析**
为评估横断面数据对变量排序的敏感性,实施了多项备选排序分析。当AI焦虑为预测变量、AI素养为中介变量、消极态度为结果时,间接效应不显著;当AI素养为预测变量、消极态度为中介变量、AI焦虑为结果时,间接效应显著。这表明数据无法唯一确定AI焦虑与消极态度之间的时间顺序,主模型应视为关联性分解而非因果序列。
**3.7 研究假设的检验情况**
假设检验汇总显示:H1(AI素养与AI焦虑负相关)、H2(AI焦虑与消极态度正相关)、H4a(AI焦虑统计上解释AI素养与消极态度的间接关联)、H5(AI素养与积极态度正相关)均获支持;H3(AI焦虑与积极态度负相关)与H4b(AI焦虑统计上解释AI素养与积极态度的间接关联)未获支持。
**五、讨论与结论**
研究发现支持积极与消极态度可能具有部分不同心理关联的二元评价观点。AI素养与积极评价直接相关,而消极评价的相关因素在统计上经由AI焦虑的路径。AI素养与AI焦虑的关联虽显著但幅度有限(β = ?0.169),AI焦虑解释了消极态度结果模型44.7%的方差(β = 0.659),提示AI素养并非AI焦虑的主导解释因素。先前AI培训经历与态度维度无显著关联,但这不能解释为培训无效,因为该变量未捕捉培训内容、时长、质量与实践性。研究局限性包括横断面设计无法确立时间顺序、自我报告可能存在共同方法偏差、单一机构自愿样本限制推广性、AI培训为二分变量、AI素养量表内部一致性中等(α = 0.744)。未来研究应采用纵向或实验设计、多机构样本、行为或表现性AI素养指标。结论部分指出,AI素养与对AI的积极和消极态度以不同方式关联:与积极态度直接正相关,且通过AI焦虑与消极态度存在显著的负向间接关联。积极态度缺乏相应焦虑关联间接效应,强化了将积极与消极评价视为相关但独立心理维度的价值。由于测量针对一般性AI相关构念而非教学AI使用,研究结果不应推广至职前教师将AI整合于教学中的意向或对具体AI支持教学实践的评估。