大學生生成式人工智慧態度與提升策略：多因素差異研究
ERIC - Artificial Intelligence in EducationLihui Sun、Liang Zhou
研究發現性別、學科與使用經驗顯著影響大學生對生成式人工智慧的態度，並提出針對性提升策略。
AI 幫你先抓重點
AI 重點 1
研究確立了基於期望-價值理論的生成式AI態度量表，並驗證了其信效度。
滑鼠懸停看 AI 判斷理由
此量表為後續研究提供可靠的評估工具，也讓教育者能更精準地掌握學生對生成式AI的態度。了解量表的構建與驗證過程，有助於讀者評估其適用性，並在自身研究中參考或改編。
AI 重點 2
性別、學科與使用經驗顯著影響大學生對生成式AI的態度，教育系學生態度最高。
滑鼠懸停看 AI 判斷理由
這揭示了生成式AI教育的公平性問題，以及不同背景學生在學習AI時的需求差異。了解這些差異，能幫助教育者設計更具包容性的課程，避免加劇數位落差，並提升學習效果。
核心研究發現
- 1
生成式人工智慧態度量表基於期望-價值理論，經驗證其效度與信度可靠。
- 2
女性學生及有使用經驗者對生成式人工智慧持更正面態度。
- 3
教育系學生在態度評分上顯著高於其他學科。
- 4
性別、學科與經驗三項因素共同預測態度，回歸模型顯示顯著影響。
- 5
研究提示需針對不同性別與學科背景設計差異化的AI學習介入。
對教育工作者的啟發
根據研究結果，課程設計者可針對男性學生與非教育系學生設計更多實作導向的AI案例，並提供先導式學習資源；同時，利用期望-價值框架調整學習動機，提升學生對AI技術的正向期待；教育政策制定者可制定差異化的AI素養推廣計畫，鼓勵跨學科合作與實務實驗。
原始文獻資訊
- 英文標題：
- Generative Artificial Intelligence Attitude Analysis of Undergraduate Students and Their Precise Improvement Strategies: A Differential Analysis of Multifactorial Influences
- 作者：
- Lihui Sun, Liang Zhou
- 來源：
- ERIC - Artificial Intelligence in Education
- AI 摘要模型：
- ISTA-DASLab/gemma-3-27b-it-GPTQ-4b-128g
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。