文献：Huang, Q., Xu, J., Zhang, R., & Song, G. (2026). Psychological drivers and barriers affecting students’ sustained usage intention of AIGC tools in educational settings: An integrated perspective of Uses and Gratifications Theory and Perceived Value Theory. Frontiers in Psychology, 17, 1892349. DOI 10.3389/fpsyg.2026.1892349（CC BY 开放获取）。

研究问题：AIGC（人工智能生成内容）工具已大规模进入高校——文本生成、图像创作、设计辅助、信息检索等。多数研究关注“学生是否接受/使用”，却很少回答更关键的问题：初次尝试之后，学生为什么会持续使用、或者为什么放弃？ 论文要检验的正是教育情境下 AIGC 工具**持续使用意向（sustained usage intention）**的心理驱动与障碍机制。

论证思路：论文整合两条互补的理论线：**使用与满足理论（UGT）**负责解释“积极动机”——内容满足（信息检索、学习需要）、享乐满足（愉悦、新奇）、功利满足（感知有用、成就感）、技术满足（智能交互、便利）、社会满足（社会影响、就业能力）五类满足十因子；感知价值理论（PVT）负责解释“消极代价”——感知风险与感知成本构成持续使用的“刹车”。两线之外再引入感知信任作为调节变量，检验信任能否放大动机的作用、并缓冲风险/成本带来的阻碍（图1，原文 Figure 1）。

一、理论框架

1. 五类使用与满足：动机侧的“油门”

满足类型	具体因子	理论来源
内容满足	信息检索（INS）、学习需要（LN）	使用与满足理论、期望—价值理论
享乐满足	愉悦（ENJ）、新奇（NOV）	心流理论、创新扩散
功利满足	感知有用（PU）、成就感（SOA）	TAM、成就目标理论
技术满足	智能交互（INI）、便利（CON）	用户体验理论、UTAUT
社会满足	社会影响（SI）、就业能力（EMP）	UTAUT、社会认知理论

与传统 TAM/UTAUT 相比，UGT 的增量价值在于：它不仅看“功能有用性”，还捕捉使用过程中的情感与体验（愉悦、新奇、成就感、智能交互），这正是 AIGC 这类多模态工具区别于普通软件的独特之处。

2. 感知价值理论：代价侧的“刹车”

• 感知风险（PR）：隐私泄露、数据安全、系统可靠性、过度依赖（如把生成内容不经核对直接照抄）带来的负面预期；
• 感知成本（PC）：订阅费用、升级费用以及使用所需的时间精力投入。

3. 感知信任：调节枢纽

感知信任指向工具在可靠性、效率与数据隐私保护三个维度上值得信赖的程度。论文假设信任能增强“信息检索/学习需要 → 持续使用意向”的路径，并削弱“感知风险/感知成本 → 持续使用意向”的负向关系（H7a–H7d）。

二、样本与方法

问卷面向中国高校学生（艺术设计、媒体等专业背景为主），回收 549 份、剔除无效后保留 528 份有效问卷（有效率高）。样本结构：

变量	类别	占比
性别	男 46.78% / 女 53.22%	—
年龄	18–24 岁 55.3%；25–29 岁 34.09%；30 岁以上 10.61%	—
学历	本科 42.24%；硕士 33.33%；博士 24.43%	—
AIGC 使用经验	不足 3 个月 20.27%；3–6 个月 22.54%；6–12 个月 24.05%；1 年以上 33.14%	—
使用频率	每天至少一次 18.56%；每周至少一次 36.36%；每月至少一次 33.15%	—

分析采用 SmartPLS 4 的 PLS-SEM：测量模型全部为反映型构念，路径显著性经 5000 次自助抽样（bootstrap）双尾检验。模型拟合良好（SRMR = 0.034），信度（Cronbach α 均 > 0.8）、收敛效度（AVE > 0.5、载荷 > 0.7）与区分效度（Fornell-Larcker + HTMT < 0.85）均达标。

三、核心发现

1. 主效应：9 条正向、2 条负向、1 条不显著

路径	β	结论
H3a 感知有用 → 持续使用	0.213***	支持（效应量 f² 最大）
H1b 学习需要 → 持续使用	0.198***	支持
H1a 信息检索 → 持续使用	0.160***	支持
H5b 就业能力 → 持续使用	0.144***	支持
H3b 成就感 → 持续使用	0.142***	支持
H2b 新奇 → 持续使用	0.100**	支持
H5a 社会影响 → 持续使用	0.092*	支持
H4a 智能交互 → 持续使用	0.084*	支持
H4b 便利 → 持续使用	0.077*	支持
H2a 愉悦 → 持续使用	0.013（n.s.）	不支持
H6a 感知风险 → 持续使用	−0.184***	支持（负向最强）
H6b 感知成本 → 持续使用	−0.103**	支持（负向）

模型对持续使用意向的解释力 R² = 0.558（调整后 0.543），盲折叠预测相关性 Q² = 0.443（强预测力）。最大的意外是“愉悦”不显著——在教育情境中，学生要的是工具“真的有用、帮我学成”，而不是“好玩”。

2. 调节效应：感知信任全线生效

路径	β	解读
H7a 信任 × 信息检索 → 持续使用	0.078*	信任增强信息检索的正向作用
H7b 信任 × 学习需要 → 持续使用	0.080*	信任增强学习需要的正向作用
H7c 信任 × 感知风险 → 持续使用	0.066*	高信任削弱风险对使用的抑制
H7d 信任 × 感知成本 → 持续使用	0.067*	高信任削弱成本对使用的抑制

3. 分组差异（MGA）

• 研究生 vs 本科生：信息检索对持续使用的作用在研究生中显著更强（β = 0.258 vs 0.088）；而“信任×学习需要”的调节在本科生中更强（0.189 vs −0.042）——研究生更看重检索效率，本科生更靠信任来降低不确定性；
• 高频 vs 低频使用者：“新奇”对持续使用的作用仅在低频使用者中显著（0.185 vs 0.003），说明对重度用户而言“新奇感”已退居其次；
• 性别、年龄、使用经验各组间无显著差异。

四、讨论与启示

为什么“有用”和“学习需要”最管用？ 因为教育场景里 AIGC 的持续使用本质是“学习任务被真正支撑”——精确的知识推荐、个性化学习路径、任务式引导与实时反馈，比娱乐性更能决定留存。

为什么“愉悦”失效？ 学生能区分“玩 AI”与“用 AI 学习”：娱乐价值在校园场景里不足以支撑持续使用，说明 AIGC 教育整合应围绕学业功能设计，而非包装成“好玩的玩具”。

风险与成本是真实存在的“刹车”：感知风险是负向影响最强的一条路径，隐私、数据安全、系统可靠性与“过度依赖”的担忧直接压低持续使用意向；感知成本（付费订阅、时间投入）次之。

信任是把双刃剑的调节器：它既放大动机类路径，也缓冲风险/成本路径——因此工具提供方的透明度（数据怎么用、答案可不可信、费用是否清晰）直接决定学生能否“放心持续用”。

实践建议：高校与教师应①强化 AIGC 工具的学习支持功能（学科化场景、任务模板、实时反馈）；②制定明确使用指南并加强隐私保护；③为学生提供差异化支持——为研究生加强信息检索训练、为本科生建立信任机制、为低频新手用好“新奇感”做入门引导；④把 AIGC 纳入协作学习与就业导向任务（团队项目、行业趋势分析）。

精读笔记

核心论点：教育情境中 AIGC 工具的持续使用是“动机（五种满足）与代价（风险/成本）“权衡的结果，感知有用与学习需要是最强正向驱动，感知风险是最强负向刹车，愉悦不显著，而感知信任能同时”加油“与”缓冲”。

方法要点：

• UGT × PVT 的“动机—代价—信任调节”整合框架，把“为什么继续用”拆成正反两个半场，可复用于任何生成式工具的采纳后研究
• PLS-SEM 完整报告：测量模型 + 结构模型 + 调节 + MGA，含 R²/Q²/f² 与 HTMT 区分效度
• 多群组分析（学历 × 使用频率）给出“不同学生需要不同支点”的精细化结论

局限与边界：

• 528 名中国高校学生（艺术设计/媒体类占比高），向全学科与跨文化情境外推需谨慎
• 横断面自报数据，持续使用意向 ≠ 实际持续使用行为
• 未收集具体 AIGC 平台/工具类型，平台差异（免费 vs 付费、通用 vs 学科专用）未被刻画
• 未细分“使用目的”（课程作业 vs 论文写作 vs 创作）对结果的影响

可延伸方向：

• 纵向追踪“初次尝试 → 持续使用 → 学习成效/依赖风险”的全链路
• 引入实际行为数据（使用日志、作业中 AI 痕迹比例）校准意向—行为差距
• 比较免费与付费、通用与学科专用 AIGC 工具下风险—成本结构差异
• 在信任调节上做干预实验：透明化披露机制能否系统性地提升持续使用并降低过度依赖

原文地址

• DOI：10.3389/fpsyg.2026.1892349
• 期刊：Frontiers in Psychology（SSCI，IF 2.9，Q1），2026 年，第 17 卷
• 图表来源：原文 Figure 1（概念模型）、Figure 2（PLS 结构模型结果）、Table 4/10/11/13（开放获取，CC BY）