電腦工程教育中的 AI 自動化工具：基於 TAM/UTAUT 模型的接受度研究
arXiv - Computers and SocietyAung Pyae
本研究證實大學生對 AI 自動化工具具有高度接受度，並提出教學設計的三大關鍵支撐策略。
AI 幫你先抓重點
AI 重點 1
關注「輸出品質」引發的信任校準問題
滑鼠懸停看 AI 判斷理由
雖然學生普遍接受 AI 工具，但質性數據揭示了對產出可靠性的疑慮。這提醒教育者不能僅教導如何使用工具，更需培養學生的批判性思考，學習如何驗證 AI 生成結果的正確性。
AI 重點 2
從單一接受度維度轉向結構化教學支架
滑鼠懸停看 AI 判斷理由
研究發現短期教學中各維度會趨於一致，這意味著教學重點不應僅停留在「讓學生覺得好用」，而應透過教學序列、自我效能支持與信任校準來深化學習深度。
核心研究發現
- 1
研究顯示學生對 AI 自動化工具在績效預期、努力預期、行為意圖、自我效能、享樂動機與輸出品質六個維度皆展現高度接受度。
- 2
在所有接受度構面中，「績效預期」是影響最強的因素，而「享樂動機」則是影響最弱的因素。
- 3
量化分析顯示，在短期的工作坊情境下，傳統 TAM/UTAUT 的多個子維度會收斂成單一的「一般接受度」因子。
- 4
質性回饋顯示學生普遍對工具的實用性感到熱衷，但少數學生對 AI 產出的品質持有懷疑態度。
對教育工作者的啟發
教育者在將 AI 自動化工具納入課程時，應採取以下三種教學策略：首先，設計「教學序列支架」，循序漸進地引導學生從基礎操作進入複雜工作流；其次，提供「自我效能支持」，透過實作練習建立學生的技術信心；最後，實施「信任校準干預」，引導學生對 AI 產出進行批判性審查，而非盲目接受，以應對部分學生對輸出品質的疑慮。
原始文獻資訊
- 英文標題：
- AI-Automation Tooling in Computer Engineering Education: Mixed-Methods TAM/UTAUT Evidence for a General Acceptance Attitude
- 作者：
- Aung Pyae
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- /models/gemma-4-26B-A4B-it
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。