大学生数智技术学习行为影响因素

摘要：在“大云物智”时代，数智素养成为当代大学生必备的素养，然而当前大学生数智技术的学习和应用情况并不容乐观。基于UTAUT模型和过度自信理论，考察学生数智技术学习行为的影响因素，并分析过度自信对学习行为意向的调节作用，以及不同性别、年级和学习成绩学生的异质性。研究发现：绩效期望和付出期望对数智技术学习行为具有显著促进作用，且绩效期望可通过提高学生的学习意向来促进学习行为；过度自信负向调节了绩效期望对学生学习意向的影响；绩效期望和付出期望对学习行为的促进作用仅在高年级、学习成绩较好的学生群体中显著，过度自信对学习行为的负向调节效应在男生中表现更明显。有鉴于此，可通过强化激励机制、提供学习支持、完善知识体系、分层精准施策等方式来引导学生的学习行为，提高学生的数智素养。关键词：数智技术；学习行为；UTAUT模型；过度自信一、问题的提出培养在校生应用数智技术的能力、提升学生的数智素养成为数智时代高等教育人才培养的必然要求，更是支持国家数字化跨越式发展的一项重要的基础性和先导性工作［1］。当代大学生成长于信息化环境，被称为“数字原住民”，但其对数智技术的学习与应用实践多是浅尝辄止。相关研究发现，虽然大学生熟悉数字资源环境和相关技术，但在信息搜索和信息的批判性评估等方面的表现却不尽如人意［2］。凌征强［3］的调查研究表明，我国大学生数字内容创作能力和数字安全意识薄弱，欠缺批判性思维和解决问题的能力。特别是对于人文社会科学专业的学生而言，数智技术涉及学科交叉度高，知识更迭速度快，学习难度较大，导致学生出现更严重的信息素养缺失现象［4］［5］。此外也有研究指出，在信息素养教育领域，学生普遍存在信心水平与能力水平脱节的现象，虽然学生对自己的能力非常自信，但在实际测试和实践中并没有表现出足够的信息素养［6-8］。相关研究普遍在技术接受模型（TechnologyAcceptanceModel，TAM）、整合型技术接受与应用模型（UnifiedTheoryofAcceptanceandUseofTechnology，UTAUT）等经典理论的基础上研究人们对新技术的学习行为。邢文明和刘我［9］基于UTAUT模型和自我决定理论，构建大学生数智素养发展影响因素模型，并采用结构方程模型与模糊集定性比较分析相结合的方法探讨大学生数智素养形成发展的影响因素。研究人员还通过增删变量的方式在基本模型上进行拓展，研究人们对信息搜索系统、ChatGPT等数智技术的学习和应用［10］［11］。也有一些研究发现，年龄、性别、学习经验等个人特征在各类因素和数智技术的学习行为意愿之间起到调节作用［12］。综上所述，尽管现有研究在数智技术的学习行为方面已取得显著成果，但针对跨学科、跨专业学生的学习行为的研究尚显不足。金融与数智技术融合程度较高，很早便通过科技手段降低信息不对称，提升金融服务与产品的质量［13］。掌握数智技术成为金融学专业学生的必备素养，但金融学专业学生的数智技能和数理知识仍十分欠缺［14］。此外，大多数研究聚焦于客观个人特征对学习行为的影响，忽视了主观心理认知状态可能产生的作用。基于此，以某财经类院校金融学专业学生为研究对象，在经典UTAUT模型的基础上，创新性地引入数智素养过度自信这一变量，分析金融学专业学生数智技术学习行为的影响因素，并分析过度自信的调节作用，以及不同性别、年级和学习成绩的学生行为的异质性。二、理论分析与研究假设Venkatesh等人［15］提出的UTAUT模型，集成了理性行为理论、计划行为理论、技术接受模型等理论，使用努力期望、绩效期望、社会影响和便利条件等四个变量解释人们学习新技术的行为意向，具有较高的解释力度，得到了广泛应用，因此基于UTAUT模型分析学生的数智技术学习意愿和行为。（一）绩效期望对学习行为的影响绩效期望是指个人相信使用数智技术有助于提高他们的学习和工作效率，对生活具有帮助［16］。相关研究指出，绩效期望对使用新技术的行为意愿不仅有直接的影响，而且还是最稳定、最重要的影响因素［17］。随着金融行业的不断发展和技术的不断进步，数智技术已成为金融行业不可或缺的一部分。金融机构普遍使用算法模型对借款人的信用风险进行评估，对金融数据进行深度挖掘以分析市场变化规律，利用大数据实现客户画像和精准营销。如果学生认为掌握数智技术有助于提高自己的学业，帮助自己将来获得更好的工作机会，便会更加积极地学习数智技术。基于此，提出研究假设1：绩效期望对数智技术学习行为具有显著正向影响。（二）付出期望对学习行为的影响付出期望体现了学习数智技术的难易程度［9］。低难度预期将有效减少学习过程中的压力和挫折感，建立学习自我效能感。如果学生认为学习数智技术相对容易，通过努力即可达成学习目标，便更有可能采取积极主动的学习策略；如果他们认为学习难度过大，或是付出与回报不成正比，则可能会减少学习投入，甚至放弃学习。基于此，提出研究假设2：付出期望对数智技术学习行为具有显著正向影响。（三）社会影响对学习行为的影响社会影响是指个体感受到身边其他人对数智技术的支持程度。相关研究认为，社会影响显著地增加人们接受新技术的积极性［18］。Curtale等人［19］基于UTAUT拓展模型分析了六种心理因素对共享电车使用行为意图的影响，发现其中社会影响是行为意向的重要驱动因素。如果学生所处的社交圈子，如同学、朋友等都在积极学习数智技术，学生便可能会出于社交心理而加入其中。另外，如果父母、教师也在强调学习数智技术的重要性，或是对他们学习行为给予认可和鼓励，也会激发学生学习的积极性［20］。基于此，提出研究假设3：社会影响对数智技术学习行为具有显著正向影响。（四）便利条件对学习行为的影响便利条件是指个体认为自己在学习新技术时可以得到的基础设施等外部条件的支持程度，如是否拥有手机、电脑等设备，是否有稳定的互联网覆盖等［21］。数智技术对于金融学专业的学生来说属于跨学科知识，学习起来有一定难度。充足的便利条件意味着学生更容易接触到数智技术，不仅可以随时通过在线课程、电子书籍进行学习，还可以根据自己的需求制订个性化的学习方案，这将会大幅降低跨学科知识的学习门槛。如果学生能获取足够的学习资源来学习数智技术，便更倾向于采取学习行动。基于此，提出研究假设4：便利条件对数智技术学习行为具有显著正向影响。（五）学习意向的中介机制学习意向是指个人采取某种特定行为的主观意愿。在UTAUT理论中，行为意向对采取行为具有重要的预测作用［22］，是个体采取学习行为最直接的决定因素［23］。在使用UTAUT模型分析数智技术学习行为时，需要充分考虑学习意向的中介机制。基于此，提出研究假设5：数智技术学习意向在上述因素影响学习行为的过程中起中介作用。（六）过度自信的调节机制过度自信是指因高估自身能力而导致的心理偏差［24］。相关研究表明，过度自信的CEO倾向高估自己解决问题的能力和水平，将助长企业非理性投资决策，甚至可能会引发企业的违规行为［25］［26］。丁志宏等人［27］、王建英等人［28］的研究发现，对自己金融素养过度自信的人具有更高的风险偏好，更容易遭受金融诈骗。过度自信的学生往往高估自己的学习能力和知识水平，对自己的学习成果和能力持有不切实际的期望。当面对实际的学习挑战和困难时，如果发现事情并不如人愿，就会丧失学习动力。Aesaert等人［29］、Cleary［30］、夏红玉等人［8］的研究认为，高估自己的能力导致学生不会主动学习并提升自己的信息素养能力，也不太可能改变自己的信息检索习惯。基于此，提出研究假设6：过度自信负向调节数智技术学习意向，进而将抑制学习行为。为探究不同性别、年级和学习成绩的学生在数智技术学习行为上的差异，提出研究假设7：数智技术学习行为在不同性别、不同年级以及不同学习成绩的学生之间存在差异。综上所述，构建数智技术学习行为理论模型如图1所示。三、研究设计（一）问卷设计调查问卷分为三个部分：第一部分为基本情况，包括学生的性别、年级、家庭所在地（城乡）、学习成绩、父母受教育程度等内容。第二部分为数智技术学习等变量的测量题项，分别测度数智技术的学习行为、学习意向、绩效期望、付出期望、社会影响和便利条件等潜变量。绩效期望、付出期望、社会影响、便利条件和学习意向均改编自Venkatesh等人［15］的量表，绩效期望包括“数智技术在我的生活中很有用”等3个题项，付出期望包括“我很容易学会运用生活中出现的新数智技术”等4个题项，社会影响包括“我身边的老师、同学和朋友乐于学习新的数智技术”等4个题项，便利条件包括“学校的网络和资源可以支持我进行数智技术的学习”等4个题项；学习意向包括“我愿意学习新的数智技术”等4个题项。学习行为改编自Bhattacherjee等人［31］的量表，包括“我最近正在学习新兴的数智技术”等3个题项。上述变量均采用五级李克特量表计分。第三部分为数智素养的测度。根据周小李［32］对数智技术的定义与《数字素养全球框架》，结合金融学专业本科生学习情况，从数智意识、数智思维、数智知识、数智技能和数智伦理等5个维度，设计16个问题测度学生数智素养。（二）数据搜集选择河北省某财经类院校金融学专业本科生为被调查对象，采用分层抽样与便利抽样相结合的方式，请班主任、辅导员和任课教师在各班发放调查问卷，共发放和回收问卷300份。为保证问卷的有效性，我们在问卷中设置了“为验证本次问卷的有效性，本题请选择‘非常不符合’”这一问题。剔除无效问卷后，共获得有效问卷252份，问卷有效率84%。有效样本的描述性统计情况如表1所示。其中，男生58人，占比23.02%，女生194人，占比76.98%，与本校该专业学生性别比例大致相同。被调查对象在大一到大四各个年级都有分布。家庭位于城市的学生有144人，占比57.14%，来自农村的学生有108人，占比42.86%。从学生的数智素养得分情况来看，数智素养平均评分为3.355（满分5分），说明学生的数智素养水平处于一般水平。主观数智素养平均得分为3.746，客观数智素养平均得分只有2.964，学生对自己数智素养的主观评价明显高于客观得分，说明存在明显的数智素养过度自信现象，且这一现象在不同性别、不同年级的学生之间均有所体现。四、实证结果与分析（一）共同方法偏差检验收集的数据主要来自被调查者的自我报告，因此可能存在共同方法偏差，使用Harman单因素方法进行共同方法偏差检验。KMO统计值为0.921，在0.01的显著性水平下显著，表明数据适合作因子分析。以特征值大于1的原则提取了10个公因子，其中第一个公因子的解释率为37.425%，小于40%的临界标准［33］，表明不存在共同方法偏差问题。（二）信效度检验采用Cronbach’sα对问卷数据进行信度检验，各个潜变量的Cronbach’sα在0.767～0.938之间，均大于0.7，表明潜变量具有较好的内部一致性。所有题项均参考已有成熟量表，可以认为其具有较好的内容效度。收敛效度检验结果显示，每个变量的标准化因子载荷在0.548～0.947之间，均大于0.5，平均方差抽取率（Averagevarianceextracted，AVE）在0.562～0.820之间，均大于0.5；组合信度（Compositereliability，CR）在0.788～0.941之间，均大于0.7，说明问卷的测量题项能有效反映各个潜变量的特征，收敛效度较好。用平均方差抽取量法对构建模型的区分效度进行检验，AVE的平方根大于所有潜变量之间的相关系数，可以说明变量具有较好的区分效度。（三）路径分析从结构方程模型的各项拟合指标来看，绝对适配度指标RMSEA=0.071＜0.08；增值适配度指标CFI=0.950＞0.9，TLI=0.938＞0.9；简约适配度指标PNFI=0.748＞0.5，PGFI=0.647＞0.5，CMIN/df=2.281，表明模型的拟合度良好。模型路径系数估计结果如表2所示。从直接影响来看，绩效期望和付出期望影响学习行为的路径系数均显著为正（β=0.428，plt;0.01；β=0.228，plt;0.01），说明当学生认为学习数智技术对他们的学习生活比较有用或者学习数智技术比较容易时，便会投入更多时间和精力去学习，研究假设1和假设2得到验证。社会影响和便利条件对学习行为的影响均未通过显著性检验。其原因可能是多数学生可获得的学习资源非常丰富，便利条件不是制约他们学习的重要因素，学生可以在不受他人影响的情况下由自己决定是否学习以及如何学习数智技术［12］。从间接影响来看，绩效期望对学习意向的影响显著为正（β=0.542，plt;0.01），当学生认为学习数智技术可以给他们的学习生活带来好处时，学习的积极性和主动性也会显著提高。学习意向对学习行为也存在显著的正向影响（β=0.148，plt;0.01），说明绩效期望可以通过提高学生的数智技术学习意向，进而促进学习行为。为进一步验证中介效应，使用Bootstrap法进行重复抽样1000次，在95%的置信区间内，如果区间估计不包含0，则表示中介效应是显著的。中介效应检验结果显示，付出期望和绩效期望都对学习行为起到显著促进作用。付出期望的影响仅表现为直接效应；绩效期望既有直接效应，又有间接效应。绩效期望影响学习行为的总效应为0.508，直接效应为0.428，占比84.25%，间接效应为0.080，占比15.75%，学习意向在绩效期望影响学习行为的过程中起到部分中介作用。（四）过度自信的调节效应为了检验过度自信的调节效应，在上述结构方程模型的基础上引入过度自信变量。参考丁志宏等人［27］的做法，使用主观数智素养和客观数智素养得分之差来衡量过度自信程度。模型绝对适配度指标RMSEA=0.057＜0.08，增值适配度指标CFI=0.926＞0.9，TLI=0.914＞0.9；简约适配度指标PNFI=0.768＞0.5，PGFI=0.563＞0.5，CMIN/df=2.631，拟合度较好。从路径系数估计结果来看，绩效期望和付出期望分别有助于促进学习行为（β=0.370，plt;0.01；β=0.289，plt;0.01），同时绩效期望也可以通过提高学习意向来促进学习行为（β=0.630，plt;0.01；β=0.196，plt;0.01），上述实证结果与前文实证研究结论相一致。从过度自信的调节效应来看（如图2所示），绩效期望与过度自信的交互项影响学习意向的路径系数显著为负（β=-0.091，plt;0.05），说明过度自信负向调节了绩效期望对学习意向的促进作用。过度自信的学生会高估自己的数智素养，认为自己已经具备足够的能力与水平，这种自我认知偏差会削弱学生的学习意向，进而抑制学习行为。（五）多群组分析本文使用多群组分析研究学生数智技术学习行为的异质性。根据学生性别、所在年级和学习成绩，将样本划分为男生-女生、低年级-高年级、学习成绩差-学习成绩好不同组别进行多群组分析。从性别差异来看，无论是男生还是女生，绩效期望均能显著地促进数智技术学习行为（β=0.298，plt;0.01；β=0.324，plt;0.01）。对于女生而言，付出期望和便利条件也对数智技术学习行为有显著正向影响（β=0.382，plt;0.01；β=0.148，plt;0.05），但同样的路径在男生分组不显著。从学习意向的中介作用来看，绩效期望正向影响学习意向（β=0.872，plt;0.01；β=0.505，plt;0.01），同时学习意向也能正向影响学习行为（β=0.228，plt;0.01；β=0.127，plt;0.01）。从过度自信的调节效应来看，在男生分组，过度自信负向调节了绩效期望和付出期望对学习意向的影响（β=-0.305，plt;0.01；β=-0.146，plt;0.01）；而在女生分组，过度自信的调节效应不显著。男生更倾向于高估自己的能力，更容易因过度自信而产生自我满足和松懈的心态，女生则普遍更加谨慎。此外，过度自信还正向调节了社会影响对男生数智技术学习意向的影响（β=0.363，plt;0.05）。过度自信的男生可能更容易接受周围人对自己的认同，但从总体来看，过度自信的调节效应仍然表现为抑制作用。从年级差异来看，在高年级学生分组，路径系数的显著性和上文基本一致，即绩效期望和付出期望分别显著地促进数智技术学习行为（β=0.308，plt;0.01；β=0.289，plt;0.01），同时绩效期望也可通过提高学习意向而促进学习行为（β=0.627，plt;0.01；β=0.420，plt;0.01）。而且在高年级分组中，过度自信负向调节了绩效期望对学习意向的影响（β=-0.075，plt;0.1），但在低年级分组，路径系数均没有通过显著性检验。其可能的原因是：低年级学生目前只学习了通识课和少量专业基础课，对专业的认知水平相对较低，还没有完全理解学习数智技术的重要性。从学习成绩的差异来看，对于学习成绩较好的学生而言，绩效期望和付出期望对学习行为均具有显著促进作用（β=0.186，plt;0.01；β=0.268，plt;0.01），同时学习意向的中介作用以及过度自信的调节效应也是显著的。对于学习成绩较差的学生而言，路径系数没有通过显著性检验，这说明成绩较差的学生的学习行为意向还有待激发。五、结论与建议（一）结论首先，绩效期望和付出期望对数智技术学习行为具有显著的促进作用。付出期望对数智技术学习行为的影响主要体现为直接效应；绩效期望不仅可以直接促进学习行为，还可通过提高学习意向来促进学习行为，即学习意向在绩效期望影响学习行为的路径中起到部分中介作用。其次，学生对自己的数智素养存在过度自信的认知偏差，而这种认知偏差将负向调节绩效期望促进学习意向的作用效果，进而将对学习行为产生负面影响。最后，数智技术学习行为在不同性别、年级、不同学习成绩的学生之间存在差异。对于高年级和学习成绩较好的学生，绩效期望和付出期望能够对学习行为产生显著的促进作用；对于低年级和学习成绩较差的学生，各类因素的作用效果没有通过显著性检验；过度自信的负向调节效应在男生群体更显著。（二）