《Sustainable Futures》:AI-enabled learning practices in higher education: A motivational-cognitive pathway to sustainable entrepreneurial competence
编辑推荐:
人工智能(Artificial Intelligence, AI)逐渐嵌入高等教育,但现有文献主要从技术采纳和接受视角解释其作用。针对这一局限,本研究通过一个涉及自主性(autonomy)、能力感(competence)、认知投入(cognitive enga
人工智能(Artificial Intelligence, AI)逐渐嵌入高等教育,但现有文献主要从技术采纳和接受视角解释其作用。针对这一局限,本研究通过一个涉及自主性(autonomy)、能力感(competence)、认知投入(cognitive engagement)和创造性思维(creative thinking)的动机-认知框架,考察了AI赋能学习实践(AI-enabled learning practices)与可持续创业能力(sustainable entrepreneurial competence)之间的关联,同时检验了AI自我效能感(AI self-efficacy)和对AI的信任(trust in AI)的调节作用。研究人员对263名大学生进行了定量横截面调查,并使用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM)分析数据。结果表明,AI赋能学习实践与自主性和能力感正相关,而自主性和能力感又与认知投入正相关。认知投入进一步与创造性思维正相关,创造性思维进而与可持续创业能力正相关。尽管AI赋能学习实践对可持续创业能力的直接效应不显著,但间接效应和序列间接效应显著,表明该关系主要通过动机和认知过程起作用。AI自我效能感和对AI的信任的调节作用未得到支持。这些发现表明,AI在高等教育中的教育价值不在于直接产生能力,而在于创造支持学生心理需求满足、深度投入和创造性问题解决的学习条件。
**研究背景与问题**
数字转型正在重塑高等教育的教学设计与组织方式,人工智能(AI)作为关键技术,已从辅助工具发展为学习环境的有机组成部分。然而,现有文献多从技术采纳或接受模型(如TAM、UTAUT)解释AI的作用,忽略了学习过程中的心理与认知机制。同时,在可持续创业教育领域,现有研究较少关注AI支持的学习环境如何培养可持续创业能力(sustainable entrepreneurial competence)。为弥补这些空白,本研究以自我决定理论(Self-Determination Theory, SDT)为核心视角,将AI赋能学习实践(AI-enabled learning practices)视为环境条件,考察其通过自主性(autonomy)、能力感(competence)、认知投入(cognitive engagement)和创造性思维(creative thinking)的动机-认知路径,与可持续创业能力的关联。研究还检验了AI自我效能感(AI self-efficacy)和对AI的信任(trust in AI)的调节作用。论文发表在《Sustainable Futures》。
**技术方法**
研究采用定量横截面设计,便利抽样自越南芹苴市一所大学修读创业或创新相关课程的263名大学生。数据通过在线问卷收集,测量量表基于既有文献改编,采用五级Likert量表。分析使用偏最小二乘结构方程模型(Partial Least Squares Structural Equation Modeling, PLS-SEM),通过自助法(bootstrapping)10,000个子样本检验路径系数、中介效应和调节效应的显著性。测量模型评估了因子载荷、内部一致性信度(Cronbach’s α和组合信度)、收敛效度(平均方差萃取值AVE)和区分效度(Fornell-Larcker准则和异质-单质比率HTMT)。结构模型评估了共线性(内层VIF)、解释力(R2)、效应量(f2)和预测相关性(Q2)。
**研究结果**
**4.1. 测量模型评估**
通过验证性因子分析,所有保留指标的因子载荷均高于0.7,Cronbach’s α值介于0.800至0.894,组合信度介于0.878至0.927,AVE介于0.645至0.759,表明测量模型具有良好的信度和收敛效度。Fornell-Larcker准则和HTMT比率(最高0.574)均支持区分效度。
**4.2. 结构模型评估**
内层VIF值均低于1.247,无严重共线性问题。模型对自主性(R2=0.260)、能力感(R2=0.203)、认知投入(R2=0.249)、创造性思维(R2=0.204)和可持续创业能力(R2=0.252)的解释力适中。
**直接效应**:AI赋能学习实践正向预测自主性(β=0.430, p<0.001)和能力感(β=0.338, p<0.001);自主性(β=0.355, p<0.001)和能力感(β=0.278, p<0.001)均正向预测认知投入;认知投入正向预测创造性思维(β=0.436, p<0.001);创造性思维正向预测可持续创业能力(β=0.493, p<0.001)。但AI赋能学习实践对可持续创业能力的直接效应不显著(β=0.047, p=0.377)。
**调节效应**:AI自我效能感对AI赋能学习实践与自主性、能力感关系的调节效应均不显著(p>0.05);对AI的信任对认知投入与创造性思维关系的调节效应也不显著(p=0.635)。
**中介效应**:所有假设的中介路径均显著,包括AI赋能学习实践通过自主性和能力感影响认知投入,以及通过自主性、能力感、认知投入和创造性思维的序列路径影响可持续创业能力(β值在0.020至0.153之间,p<0.01)。
**效应量与预测相关性**:创造性思维对可持续创业能力的效应量最大(f2=0.318),接近大效应。所有内生变量的Q2值均大于零(0.139至0.189),表明模型具有预测相关性。
**讨论总结**
讨论部分指出,AI赋能学习实践的教育价值不在于直接培养能力,而在于创造支持自主性和能力感的学习条件,进而通过认知投入和创造性思维间接促进可持续创业能力的形成。自主性和能力感是激发认知投入的关键心理基础,而创造性思维是连接认知投入与可持续创业能力的核心机制。直接路径不显著说明AI暴露本身不足以产生高阶能力,需依赖动机-认知过程的转化。调节效应不显著表明AI自我效能感更可能作为直接前因而非边界条件;对AI的信任可能需在更具体的情境下(如对AI生成想法的信任)才发挥调节作用。研究建议高等教育将AI嵌入开放式任务、反馈迭代和系统性反思的教学设计,而非仅用于效率提升。
**研究结论翻译**
本研究考察了AI赋能学习实践如何通过动机-认知路径与高等教育中的可持续创业能力相关联。结果表明,AI赋能学习实践与学生的自主性和能力感正相关,而自主性和能力感又与更强的认知投入、更高的创造性思维以及可持续创业能力间接正相关。同时,AI赋能学习实践与可持续创业能力之间的直接关联不显著,表明AI不会仅仅因为存在于学习环境中就自动转化为高阶教育成果,其贡献依赖于学生参与AI支持学习体验的动机和认知过程。本研究做出三项主要贡献:第一,将AI赋能学习实践概念化为学习环境设计要素,而不仅是技术工具;第二,阐明AI支持学习与可持续创业能力之间的关系可通过自主性、能力感、认知投入和创造性思维的动机-认知机制更好地理解;第三,指出在高等教育中,AI的教育价值不在于直接产生能力,而在于支持深度投入、创造性问题解决和有意义的学习过程。总体而言,高等教育机构应超越将AI视为效率或信息获取工具的观点,将其整合到支持学生自主性、感知能力、深度投入和创造性思维的教学设计之中。