没那么简单:如何利用生成式人工智能培养大学生的创业能力?
《International Journal of Management Education》:Not that simple: How can generative artificial intelligence be used to develop college students’ entrepreneurial ability?
【字体:
大
中
小
】
时间:2026年09月30日
来源:International Journal of Management Education 8.0
编辑推荐:
**摘要**
• 大学生创业中的生成式人工智能(GenAI)应用并非一维度的,而是包含常规性使用和创新性使用两种模式。
• 本研究共收集了825份来自中国大学生的有效问卷。
• GenAI的常规性使用和创新性使用均与创业能力呈正相关。
• 吸收能力(包括潜在吸收能力和实现吸
**摘要**
• 大学生创业中的生成式人工智能(GenAI)应用并非一维度的,而是包含常规性使用和创新性使用两种模式。
• 本研究共收集了825份来自中国大学生的有效问卷。
• GenAI的常规性使用和创新性使用均与创业能力呈正相关。
• 吸收能力(包括潜在吸收能力和实现吸收能力)在其中发挥关键的中介作用。
• 设计思维正向调节GenAI常规性使用和创新性使用与创业能力之间的关系。
**引言**
大学生创业是经济和社会发展的重要驱动力,引起了世界各国政府和学者的广泛关注(Nguyen & Nguyen, 2023;Svotwa等,2022)。特别是在当前行业趋势颠覆性和波动性加剧的大环境下,许多大学生正在利用生成式人工智能(GenAI)来启动和完善创业项目。为应对这一趋势,各高校也在积极拓展与GenAI相关的课程设计、培训、评估和实践学习机会,以支持学生的创业发展(Vecchiarini & Somià, 2023)。虽然GenAI被广泛认为是提升创业能力和提高成功率的有效工具(Liu & Wang, 2024;Zhang等,2025),但全球创业观察组织(GEM)在其2024/2025年 global 报告中指出,人工智能对创业的影响仍存在不确定性,仅有不到30%的早期创业者认为其影响高度显著。这表明GenAI并非总能在大学生的创业实践中产生显著效果。
与此同时,学术界也对GenAI对创业能力的影响表达了关切。主流研究强调了GenAI为有志创业的大学生带来的新机遇。例如,GenAI能够提升创造力(Somià & Vecchiarini, 2024)、增强创业意向(Zou & Guo, 2026)、完善商业计划(Vecchiarini & Somià, 2023),并帮助学生更全面地做好创业准备(Almugren等,2026)。然而,一些研究也指出了GenAI给创业活动带来的挑战。例如,GenAI生成的文本可能具有某些深度伪造特征,这要求学生具备评估可能有偏差或不准确信息的能力,而许多学生尚未具备这一能力(Chan & Hu, 2023)。同时,过度依赖GenAI可能对学生的更高阶思维能力产生不利影响(Bell & Bell, 2023)。此外,GenAI工具的快速发展可能使学生在不断更新中难以跟上步伐,无法全面掌握任何单一工具,从而可能引发焦虑和挫败感(Song等,2026)。总体而言,随着研究的深入,GenAI与创业能力之间的关系正变得越来越复杂。这种观点上的不一致表明,目前我们对GenAI如何影响创业能力的认识仍然有限。
我们认为,这种理解上的不完整源于三个关键局限。
**第一**,尽管GenAI的有效性可能因大学生的使用方式不同而有所差异,但大多数研究将GenAI的使用视为单一、统一的维度。这种传统的分类方式可能会掩盖不同GenAI使用模式的多样化功能,导致对GenAI使用与创业成功之间关系的理解过于简化。在某种程度上,这种一维度的方法可能是导致关于GenAI如何影响创业能力的相互矛盾的发现的原因之一,这凸显了需要对不同使用模式进行更细致理解的需求(Zhang等,2025)。信息觅食理论(IFT)强调评估信息价值的重要性,认为个体在熟悉并深化现有信息路径的同时,也需要探索新的信息路径(Pirolli & Card, 1999;Zeng等,2026)。与这一原则一致,GenAI在创业活动中的应用呈现出双重特征:常规性使用(例如自动化任务、优化商业计划)和创新性使用(例如生成新想法、设计新商业模式)(Duong, 2025)。为了更好地理解GenAI使用与创业能力之间的关系,我们提出第一个研究问题:GenAI的常规性使用和创新性使用与大学生的创业能力之间有何关联?
**第二**,尽管GenAI能够为创业者提供可靠且富有创意的知识,但这些知识并不一定能转化为理想的成果,如果使用不当甚至可能产生负面后果(Kong等,2025),从而对创业活动产生不利影响。这表明,GenAI使用与大学生创业能力之间的关联过程仍未得到充分阐释。在创业项目中,知识的吸收和应用比知识的积累和获取更为重要(Zhang等,2026)。这表明大学生需要提升将GenAI生成的知识进行转化和整合的能力——即吸收能力——以实现更好的创业成果。吸收能力通常分为潜在吸收能力和实现吸收能力,前者侧重于知识的获取和同化,后者强调知识的转化和利用(Cohen & Levinthal, 1990)。尽管这在理论上具有重要意义,但在大学生创业背景下,许多创业者未能意识到吸收能力是将GenAI转化为创业能力的关键。现有研究已探索了吸收能力在管理学习(Fernández-Mesa等,2022)和开放式创新胜任力(Yordudom等,2026)中的作用,但很少在GenAI背景下考察其作用。同时,管理学习和开放式创新胜任力并不等同于大学生的创业能力,这要求采用更严谨的方法来检验吸收能力是否真正发挥桥梁功能。此外,鉴于这两类吸收能力在创新中扮演的不同角色(Li等,2022),我们提出第二个研究问题:吸收能力(包括其潜在吸收能力和实现吸收能力两个维度)如何将GenAI使用与创业能力联系起来?
**第三**,以往研究对影响GenAI使用和创业能力的上下文因素提供了有限的洞察。大学生虽然具备较强的理论知识,但往往难以将其转化为市场竞争力。设计思维为弥合这一差距提供了框架。它是一种以用户为中心的创造性问题解决方式(Brown, 2008;Johansson-Sk?ldberg等,2013),有助于营造有利于培养大学生实践和创新能力的氛围(Du & Qiao, 2026)。此前关于设计思维的研究大多属于案例性质,探讨了设计思维在创业活动中的价值(Carella等,2023)及其在创业教育中的适用性(Ilyas等,2024)。然而,尽管有此直觉认知,关于设计思维如何更有效地促进大学生利用GenAI来提升创业能力的量化证据仍然有限。这一研究空白可能导致大学生过度依赖GenAI提供的专业知识和解决方案,而忽视了市场需求这一决定创业活动成败的关键因素(Du & Qiao, 2026)。因此,他们的创业项目可能无法在现实世界中实现预期价值。因此,我们提出第三个研究问题:设计思维如何影响GenAI使用与创业能力之间的关系?
为回答上述问题,我们分析了中国大学生创业项目的定量数据。实证研究结果作出了多重贡献。首先,我们对GenAI的使用进行了更细致的考察。我们对常规性使用和创新性使用的区分,为理解GenAI如何影响创业能力提供了更清晰的视角。我们的发现强调,仅仅认识到GenAI在创业活动中的应用是不够的,需要超越一维度的视角,识别更细粒度的GenAI使用模式,即常规性使用和创新性使用。这有助于调和当前GenAI文献中的矛盾发现(Bell & Bell, 2023)。其次,我们阐明了将GenAI常规性使用和创新性使用与创业能力联系起来的中介机制,即吸收能力,从而为人工智能与创业教育文献作出贡献(Somià & Vecchiarini, 2024)。鉴于对GenAI使用与创业能力之间关系的认识尚不完善,且GenAI的使用可能带来不良后果,我们将潜在吸收能力和实现吸收能力作为中介变量进行考察,从而深化了对GenAI使用与创业能力之间关联的理解。最后,从设计思维的角度,我们探讨了使GenAI使用更有效地转化为创业能力的权变条件,从而拓展了设计思维的应用。实证发现深化了对设计思维在创业教育文献中调节GenAI使用与创业能力之间关系的理解(Sarooghi等,2019)。
**章节摘要**
**创业教育中GenAI的应用**
GenAI是一种能够生成新内容的人工智能技术,包括文本、图像、音频、代码、视频及其组合形式(Lv, 2023)。与一般人工智能不同,GenAI从历史训练数据中学习,生成全新的、前所未见的内容(Liu & Wang, 2024)。在创业教育中,GenAI正被积极引入,以应对现代商业世界的快速变化,这些变化对有志创业的大学生构成了严峻挑战。
**GenAI常规性使用和创新性使用对创业能力的影响**
信息觅食理论为创业决策提供了一个系统性的框架,认为个体在数字环境中需要探索未知领域并熟悉现有领域(Zeng等,2026)。这为创业活动提供了有价值的见解,因为GenAI不仅作为常规工具使用,还用于支持具有创造性的创业项目。因此,我们认为GenAI的常规性使用和创新性使用与大学生的创业能力呈正相关。
**参与者与程序**
我们选择中国大学生作为研究对象,有以下几个原因。首先,中国政府和高等教育机构一贯重视学生创业和创新,在设施、税收和培训等方面提供了广泛支持。其次,中国许多企业正积极寻找或支持由大学生主导的创业项目,通过资助这些项目来发现未来的人才。
**信度与效度**
关于信度,我们采用了两个指标:Cronbach's α系数和组合信度(CR)。如图2所示,所有变量的Cronbach's α值和CR值均超过0.7,表明所有量表的信度可以接受。
效度通过多种方法进行评估。首先,所有测量工具均改编自成熟的已有研究,确保了内容效度。随后,我们进行了验证性因子分析(CFA),发现测量模型拟合良好(χ2...)。
**讨论**
研究结果揭示了GenAI使用与创业能力之间复杂的关系,并在三个方面提供了见解。首先,基于对中国大学生问卷数据的分析,我们发现GenAI对创业能力的影响并非一维度的,而是通过两条不同路径——常规性使用和创新性使用——发挥正向影响。尽管此前研究未直接证实我们的发现,但仍有一些相关证据存在。
**CRediT作者贡献声明**
Ruxin Zhang:撰写——审阅与编辑、撰写——初稿、可视化、方法论、正式分析、数据整理、概念化、资金获取。
Ying Cai:撰写——审阅与编辑、撰写——初稿、方法论、调查、数据整理、概念化、可视化。
Ziwei Lyu:指导。
**利益冲突声明**
作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。
**致谢**
本研究得到了中国甘肃省哲学社会科学规划项目(2025QN10)的资助。
Ruxin Zhang | Ying Cai | Ziwei Lyu
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号