文献：Li, W., Zhang, X., Li, J., Yang, X., Li, D., & Liu, Y. (2024). An explanatory study of factors influencing engagement in AI education at the K-12 level: An extension of the classic TAM model. Scientific Reports, 14, 13922. DOI 10.1038/s41598-024-64363-3。

研究问题：AI 教育正在大规模进入 K-12 课堂，但学生对 AI 课程的学习参与（engagement）受哪些因素影响，仍缺乏来自中小学真实课堂的证据。论文要回答：在经典技术接受模型（TAM）的“感知有用性—感知易用性”框架之上，哪些认知因素与人机交互（HCI）因素共同决定 K-12 学生对 AI 课程学习的态度？

论证思路：以经典 TAM 为骨架，扩展纳入四类认知因素——AI 内在动机（AIIM）、AI 准备度（AIRD）、AI 自信（AICF）、AI 焦虑（AIAX）——与三类人机交互因素——界面（UI）、内容（C）、学习者界面交互（LINT），构建“因素 → 感知有用性/感知易用性 → 学习态度”的假设模型；210 名中国初一至初三（K7–K9）学生参与为期 1 个月的 AI 课程后填写问卷，对 197 份有效问卷用结构方程模型（SEM）检验全部假设。

一、理论框架：经典 TAM 的 K-12 扩展

经典 TAM 的核心与不足

经典 TAM 认为，技术接受由**感知有用性（PU）与感知易用性（PEOU）**两个信念驱动。该模型在成人学习与工作场景中已被大量验证，但直接套用于 K-12 AI 教育有两个问题：一是学生是未成年人，其认知与情感状态（动机、自信、焦虑）比成人更不稳定；二是 AI 课程高度依赖人机交互界面，课程内容与界面的质量可能比一般软件更能左右学习体验。因此本研究在 PU 与 PEOU 之前增设两类前置因素。

认知因素：学生的“内心里程碑”

• AI 内在动机（AIIM）：学生对 AI 本身的好奇心与内在兴趣，预期正向影响 PU 与 PEOU；
• AI 准备度（AIRD）：学生已有的 AI 知识与技能基础，预期降低学习阻力、提升有用感；
• AI 自信（AICF）：学生对自己能学会 AI 的信念，预期同时提升有用感与易用感；
• AI 焦虑（AIAX）：对 AI 技术及学习过程的担忧与紧张，预期负向侵蚀 PU 与 PEOU。

HCI 因素：课程“好不好用”的三张面孔

• 界面（UI）：课程平台界面的清晰度与友好度；
• 内容（C）：课程内容的质量、难度与相关性；
• 学习者界面交互（LINT）：学生在课程中的操作流畅性与交互参与度。

三者共同刻画 AI 课程作为“产品”的可接受程度，预期均正向影响 PU 与 PEOU。

二、研究设计与样本

样本与流程：210 名中国初一至初三（K7–K9）学生参与为期 1 个月的 AI 课程教学后完成问卷，剔除无效作答后保留 197 份有效问卷（有效回收率约 93.8%）。样本人口学信息见下表（原文 Table 3）：

（原文 Table 3 学生人口学信息，197 份有效问卷）

分析：采用结构方程模型（SEM），先检验测量模型的信度与效度（内部一致性、收敛效度、区分效度），再估计结构模型路径系数，并以 0.05 水平为显著性判据。

三、核心发现：路径检验结果

1. 认知因素：三正一负

• AIIM → PU（H1a）：β = 0.211；AIIM → PEOU（H1b）：β = 0.166——内在动机对有用感的驱动强于对易用感的驱动；
• AIRD → PU（H2a）：β = 0.152；AIRD → PEOU（H2b）：β = 0.136——准备度对两条路径均显著；
• AICF → PU（H3a）：β = 0.158；AICF → PEOU（H3b）也显著——自信同时滋养“有用感”与“易用感”；
• AIAX 负向影响 PU 与 PEOU——焦虑是七类因素中唯一的方向性消极因素，同时侵蚀学生对课程“有用”与“易用”的双重感知。

2. HCI 因素：界面、内容、交互全面发力

• 界面（UI）、内容（C）、学习者界面交互（LINT）均正向影响 PU 与 PEOU——三条路径全部在 0.05 水平显著。这说明在 K-12 AI 课程中，“课程产品”本身的设计质量（好不好看、教什么、交互顺不顺畅）是参与度不可忽视的前置条件，而不仅仅是学生个人特质在起作用。

3. 中介枢纽：PU 与 PEOU

• PU 与 PEOU 均显著预测学生对 AI 课程学习的态度——经典 TAM 的核心机制在 K-12 场景复现。所有前置因素对态度的作用，都经由这两条信念路径汇入最终的学习态度。

小结：全部假设在 0.05 水平显著，认知因素（动机、准备度、自信）与 HCI 因素（界面、内容、交互性）共同驱动 K-12 学生对 AI 课程的参与，AI 焦虑是唯一的负向因素，PU 与 PEOU 是连接各因素与学生态度的中介枢纽。

四、讨论与实践启示

• 教学层面：激发学生对 AI 的内在动机（如用贴近生活、可探索的任务开场）与提升自信（成功体验、循序渐进）比单纯“教知识”更能撬动参与；同时识别并化解 AI 焦虑——焦虑同时压低有用感与易用感，是参与度的“隐性杀手”。
• 课程设计层面：界面友好度、内容质量与交互流畅性是实打实的预测变量，课程开发者应将三者纳入设计与评估标准，而非只关注知识内容本身。
• 研究层面：本研究证明经典 TAM 在 K-12 教育场景需要且能够被扩展——认知因素回答“学生想不想学、敢不敢学”，HCI 因素回答“课程好不好用”，二者缺一不可。

精读笔记

核心论点：K-12 学生对 AI 课程的参与态度由“学生内心里程碑”（AI 内在动机、准备度、自信、焦虑）与“课程产品设计”（界面、内容、交互）共同塑造，二者都通过感知有用性与感知易用性这两条信念路径传导——认知因素与 HCI 因素缺一不可，AI 焦虑是唯一负向且同时侵蚀两种感知的因素。

方法要点：

• 以经典 TAM 为骨架做“增量扩展”，同时纳入认知因素与 HCI 因素，框架具有可复用性
• 在真实课堂情境（1 个月 AI 课程）中收集数据，生态效度高于实验室情境
• 使用 SEM 同时检验测量模型与结构模型，报告标准化路径系数与显著性

局限与边界：

• 样本为 210 名中国初中生（有效 197 份），结论向小学生、高中生及其他文化情境外推需谨慎
• 横断面问卷设计，因果方向依赖理论先验，无法排除反向影响（如参与度反哺自信）
• 学习态度是自我报告变量，未追踪实际学习行为与学业结果
• 单一课程、单一平台的课程情境，界面与内容效果的普适性待多课程验证

可延伸方向：用纵向设计追踪“参与态度 → 实际学习行为 → 学习成效”的转化；在小学与高中段复制该模型检验年级差异；将 AI 焦虑细化为隐私焦虑、能力焦虑等子维度并考察其差异化作用；比较不同课程平台（游戏化 vs 传统界面）下 HCI 因素权重的变化。

原文地址

• DOI：10.1038/s41598-024-64363-3
• 期刊：Scientific Reports（Nature Portfolio），2024 年，第 14 卷，文章号 13922
• 图表来源：原文 Figure 1（假设模型）、Figure 4（假设检验结果）、Table 3（学生人口学信息），开放获取