教育科学的未来：生成式人工智能的使用、信任与认知负荷对高等教育中自我感知学业表现的预测作用

摘要

本研究探讨了生成式人工智能的使用及对人工智能的信任如何通过认知负荷影响高等教育阶段学生的学业表现。基于390名学生的数据，采用偏最小二乘结构方程模型（PLS-SEM）分析发现，这两个因素均显著增加认知负荷，而认知负荷对学业表现具有正向预测作用，并在其中起到中介效应。

摘要

本研究探讨了高等教育学生中生成式人工智能使用、对人工智能的信任、认知负荷与学业表现之间的复杂关系。基于认知负荷理论和信任相关文献，该研究考察了学生对生成式人工智能工具的使用及其对这些系统的信任如何影响学业成果，并以认知负荷作为中介机制。研究采用定量横断面设计，以390名高等教育学生构成的分层随机样本进行调查。通过经过验证的量表收集数据，测量生成式人工智能使用情况、对人工智能的信任（类人属性和功能性能两个维度）、认知负荷（内在负荷、外在负荷和自我感知学习）以及学业表现。采用带自举法程序（5,000次重抽样）的偏最小二乘结构方程模型（PLS-SEM）检验假设的直接关系和中介效应。结果显示，生成式人工智能使用（β = 0.34, p < 0.001）和对人工智能的信任（β = 0.28, p < 0.001）与认知负荷呈显著正相关。认知负荷也与学业表现呈显著正相关（β = 0.52, p < 0.001）。此外，认知负荷在生成式人工智能使用与学业表现之间（β = 0.18, p < 0.001），以及在对人工智能的信任与学业表现之间（β = 0.15, p < 0.001）均起到显著的中介作用。该模型解释了学业表现45%的变异，PLS Predict分析确认了模型具有较高的预测能力。研究结果将认知负荷理论拓展至人工智能增强的学习情境，表明认知负荷可能是连接人工智能相关因素与学业成果的重要解释路径。在实践层面，本研究强调了提升人工智能素养、设计优化认知负荷的学习环境，以及在人工智能工具开发中优先保障功能可靠性的必要性。本研究提供了实证证据，表明认知负荷是生成式人工智能使用和对人工智能信任转化为学业表现的重要中介机制。

引言

生成式人工智能（GenAI）的快速发展引发了高等教育领域的范式转变，从根本上改变了学生获取、处理和构建知识的方式¹。诸如 ChatGPT、Gemini 和 Claude 等工具已日益融入学术环境，近期估计表明，超过 30% 的大学生经常使用这些技术进行与课程相关的学习活动²。这场技术革命为教育工作者、管理人员和研究人员带来了前所未有的机遇，同时也带来了重大挑战，他们亟需理解人工智能的整合如何影响学习过程与学习成果³。

尽管生成式人工智能在个性化辅导、即时反馈和提升学习效率方面具有潜力，但学生并非被动地接受人工智能生成的信息⁴。相反，人工智能辅助学习涉及持续的互动过程，学生在此过程中构建提示语、评估输出结果、将人工智能生成的回答与外部信息源进行比较、调整对人工智能系统的依赖程度，并将机器生成的内容整合到学术任务中⁵。这些互动需求引入了新的认知动态，超出了传统技术使用模型的范畴，可能在减轻某些认知负担的同时，又产生新的认知努力和认知超载。其中核心问题是人工智能的使用如何影响学习背后的基本认知过程，而这一问题在实证研究中仍基本未被探索。认知负荷理论（CLT）为探讨这些问题提供了坚实的理论框架。该理论认为，学习受限于工作记忆的有限容量，有效的教学设计必须管理三种类型的认知负荷：由内容复杂性引起的内在负荷、由低效教学设计带来的外在负荷，以及用于图式构建和自动化加工的关联负荷⁶。在人工智能辅助学习环境中，这三类负荷的区别变得尤为突出⁷。学生在使用生成式人工智能工具时，必须同时处理课程内容、评估人工智能生成信息的准确性和相关性，并整合多种知识来源，这些过程可能显著增加认知需求⁸。

重要的是，认知负荷理论将认知负荷概念化为一个多维结构，包含内在负荷、外在负荷和相关负荷，每种负荷可能对学习产生不同的影响⁹。内在负荷源于学习材料本身的复杂性，外在负荷反映了由于低效的教学设计或无关的认知加工需求而产生的非必要认知负担，而相关负荷则指与图式构建和有意义学习过程相关的有效认知投入。因此，不应将认知负荷简单地视为完全有益或有害。在适当条件下，内在负荷和相关负荷可能促进更深层次的理解，而过高的外在负荷则会消耗有限的认知资源，从而干扰学习。

除了使用模式之外，学生对人工智能系统的信任成为一个影响人机交互的关键心理因素¹⁰。基于基础的信任理论框架，对人工智能的信任可从两个不同维度进行概念化：类人信任，涵盖对善意、诚信和可预测性的感知；以及功能信任，反映对技术本身可靠性、能力和可依赖性的信心¹¹。先前的研究已证实信任是技术采纳和持续使用的重要决定因素¹²，但其认知影响仍基本未被探索。对人工智能的信任与认知负荷之间的关系在理论上较为复杂，不应被简单理解为单一的正向或线性关系¹³。一方面，适度的信任可能促使学生更深入地参与人工智能生成的内容，投入认知资源评估系统回应，并将机器生成的信息整合到学习任务中¹⁴。与人工智能相关的因素和学业表现之间的关系，是教育工作者和教育机构最关注的最终结果¹⁵。在教育研究中，学业表现已被以多种方式操作化定义，一些研究采用平均绩点等客观指标¹⁶，而另一些研究则依赖学生自我感知的学业效能¹⁷。自我感知指标反映了学生对自身学习能力和任务表现的元认知意识，研究表明这种意识与实际学业成就密切相关¹⁸。在人工智能增强的学习环境中，理解学生如何感知自身的学习过程尤为重要，因为这些感知可能会影响其后续对人工智能工具和学习策略的使用与投入¹⁹。

尽管生成式人工智能在高等教育中的应用日益普遍，但探讨其认知与学术影响的实证研究仍十分匮乏²⁰。现有研究主要聚焦于使用模式、伦理问题或学科应用²¹，对连接人工智能使用与学习成果的心理机制关注有限²²。此外，尽管信任在电子商务和人机交互领域已有广泛研究²³，其在教育人工智能情境中的作用在理论上仍不完善，且缺乏实证检验。本研究通过考察生成式人工智能使用、对人工智能的信任、认知负荷与学业表现之间的关联，填补上述空白，并将认知负荷建模为潜在的中介路径。基于认知负荷理论²⁴及信任相关文献，本研究提出并检验一个中介模型，包含五个假设：（H1）生成式人工智能使用对认知负荷具有正向影响；（H2）对人工智能的信任对认知负荷具有正向影响；（H3）认知负荷对学业表现具有正向影响；（H4）认知负荷在生成式人工智能使用与学业表现之间起中介作用；（H5）认知负荷在对人工智能的信任与学业表现之间起中介作用。

将生成式人工智能（GenAI）融入高等教育，是当代教学实践中最重大的技术变革之一²⁵。以 OpenAI 开发的 ChatGPT 为代表的工具，已展现出生成类人文本、解决复杂问题以及提供个性化教育支持的卓越能力²⁶。近期的实证研究表明，GenAI 在大学生群体中已被广泛采用。学生将 GenAI 用于多种学术目的，包括头脑风暴、内容摘要、校对润色以及概念解释²⁷。这种广泛应用促使学者们开始审视 GenAI 在教育环境中所带来的机遇与挑战。支持者认为，GenAI 工具可通过提供即时反馈、辅助完成复杂任务以及呈现学科内容的多元视角来增强学习效果²⁸。使用 ChatGPT 完成编程任务的学生表现出更高的代码质量与更短的完成时间，表明其可能带来认知减负的益处。同样，GenAI 还可通过根据学生的个体需求和学习进度调整内容，实现学习体验的个性化²⁹。然而，批评者则对学术诚信、潜在的抄袭风险以及学生过度依赖 AI 生成内容可能导致批判性思维能力弱化等问题表示担忧^30,31。这些相互对立的观点凸显出开展严谨实证研究的必要性，以深入探究 GenAI 使用如何影响基本的学习过程。

认知负荷理论（Cognitive Load Theory, CLT）为理解学习任务和教学设计所施加的认知需求提供了一个全面的框架。CLT 建立在人类认知结构的既定模型之上，该模型包括一个容量和持续时间均极为有限的工作记忆，以及一个近乎无限的长时记忆³²。根据 CLT，当信息在工作记忆中成功处理后，被作为图式存储到长时记忆中，学习即发生。该理论区分了三种类型的认知负荷：内在负荷，由学习材料的固有复杂性及学习者已有的专业知识水平决定；外在负荷，由设计不当的教学材料和活动引起，这些材料和活动并不直接促进学习；以及相关负荷，指用于图式构建和自动化过程所投入的认知资源³³。研究一致表明，有效的教学设计必须管理这三种负荷类型，以优化学习效果³⁴。过高的外在负荷会将认知资源从学习过程中转移，从而损害表现；而适当的内在负荷和相关负荷则有助于实现深度理解和知识迁移³⁵。目前已有较为完善的测量工具用于教育情境中对这些负荷维度的评估，支持在不同学习环境中对认知负荷进行实证研究。近年来，学者们已将 CLT 扩展至技术增强的学习环境，探讨数字工具如何影响认知加工过程³⁶。生成式人工智能（GenAI）的使用与认知负荷之间的关系在理论上较为复杂，实证研究仍显不足³⁷。一方面，GenAI 工具可能通过简化信息检索、整合多种信息来源并以易于理解的形式呈现内容，从而降低外在负荷³⁸。学生不再需要独立浏览多个数据库或解读复杂文本，这可能释放出更多的认知资源用于深度加工³⁹。

信任是一种塑造人机交互的基本心理机制。在信息系统背景下，信任具有多维性，包含对技术系统能力、善意和诚信的信念⁴⁰。应用于人工智能（AI）时，信任可沿两个概念上不同的维度加以区分：类人信任，涉及将善意和可预测性等拟人化特质归因于AI；以及功能信任，反映对技术能力可靠运行的信心⁴¹。这一区分在教育情境中尤为重要，因为学生必须决定在学术任务中应在多大程度上依赖AI生成的内容。根据精细加工可能性模型，个体根据其动机和能力，通过中心路径或外周路径处理信息。当信任度较高时，学生可能采用中心路径进行信息加工，仔细审视并深入分析AI生成的内容，从而增加指向学习的认知负荷⁴²。学术表现是教育研究中的最终准则变量，可通过平均绩点等客观指标以及反映学生自我感知学术效能的主观指标来操作化⁴³。自我感知指标能够提供关于学生对其学习能力元认知意识的宝贵见解，并已被证明与客观绩效指标存在显著关联。采用自我感知量表评估学生的学术效能感，包括与学习效率和任务完成相关的条目⁴⁴。这种方法在AI增强的学习环境中尤为适用，因为学生对自己借助AI工具进行学习的能力的信心可能影响实际的学习成果。

方案

的 材料表 总结了本研究中使用的仪器、软件和量表，包括经过改编和验证的用于生成式人工智能使用、对人工智能的信任、认知负荷、自我感知的学业表现的量表，以及抽样与调查程序和数据分析工具（SPSS 和 SmartPLS）。此外，由于本研究未涉及任何可能对参与者造成生理或心理风险的实验操作、医疗程序或干预措施，因此无需申请伦理审批。研究采用非侵入性、自填式的在线问卷，收集学生在学术环境中对生成式人工智能使用方面的感知、经验和行为数据。由于研究仅限于问卷填写，未进行临床试验、生物医学程序或实验性治疗，也未对参与者施加任何可能导致伤害或困扰的实验条件。在数据收集前，所有参与者均收到一份详细的知情同意书，其中说明了研究目的、参与的自愿性，以及为确保匿名性和保密性所采取的措施。知情同意通过问卷的完成与提交行为隐式获得，这一点已在知情同意书中明确说明。参与者被告知其回答将仅用于学术研究目的，不会收集或报告任何可识别个人身份的信息。此外，参与者被告知在提交问卷前可随时退出研究，且不会产生任何后果。所有数据均存储在仅限研究团队访问的密码保护设备中，研究结果以汇总形式报告，以防止识别任何个体受访者。这些措施确保了本研究遵循《赫尔辛基宣言》的伦理原则以及涉及人类参与者的机构研究指南，尽管本研究无需正式的机构审查委员会（IRB）审查。

研究设计

本研究采用定量的横断面研究设计，探讨生成式人工智能使用、对人工智能的信任、认知负荷以及高等教育学生学业表现之间的复杂关系。该设计通过调查方法予以实施，选择此方法是因为其在从大样本中高效且有效地收集标准化数据方面具有优势，从而能够对假设关系进行有力的统计检验。调查法有助于使用经过验证的量表对每个构念进行系统测量，确保所收集的数据在所有受访者之间既可靠又具有可比性。此外，本研究采用横断面研究方法，即在单一时间点收集数据，这种方法特别适用于当前研究，因为它能够考察生成式人工智能使用情况及学生信任度在目标人群中的现况，同时评估这些变量之间的相互关联及其对认知负荷和学业表现的共同影响。

参与者与抽样方法

本研究的目标人群包括在高等教育机构注册并具有使用生成式人工智能工具（特别是 ChatGPT 及类似的大型语言模型）进行学术活动实际经验的学生。为确保该人群的代表性样本并提高研究结果的可推广性，采用了分层随机抽样技术。抽样框架来自大学注册办公室，包含所有院系在读学生的完整名单。分层依据两个关键的人口统计学变量：学科领域和学习年级。学科领域分为四个主要层：人文与社会科学、自然科学、工程与技术、以及商业与经济学。学习年级分为四个层次：大学一年级、二年级、三年级、四年级本科生，以及研究生（硕士和博士）。这种双重分层方法确保了学生群体中每个子群体的成比例代表，避免了任何学科领域或学术层次的过度代表或代表性不足。从每个层中，使用随机数生成器随机选取参与者，抽取人数与该层在全体学生人口中的比例相对应。这种系统化的参与者选择方法确保最终样本准确反映了高等教育学生群体的多样性，包括学术背景和学业进展阶段。

在参与者人口统计学方面，390名受访者样本涵盖了不同年龄组的学生，通常年龄范围在18至35岁或以上，性别身份的分布与机构整体人口结构成比例且较为均衡。样本包括本科四个年级的学生以及研究生，以确保覆盖学术发展的不同阶段，并反映对人工智能工具不同程度的接触情况。学术学科按比例涵盖，包括人文学科、科学、工程学和商科背景的学生。此外，还收集了有关先前技术使用经验、生成式人工智能使用频率以及母语状况等基本人口统计信息，以提供研究主要变量的背景依据。这种全面的人口统计特征描述具有两个目的：第一，能够对样本进行描述性刻画；第二，使研究人员能够在后续分析中控制潜在的混杂变量。对抽样过程和人口统计特征的详细记录，确保其他研究人员能够精确复制本研究，从而满足科学研究的可重复性要求，并支持在不同机构和文化背景之间的有意义比较。此外，这种严谨的抽样方法增强了研究结果的外部效度，使得研究结论能够更有信心地推广至更广泛的高等教育学生群体。本研究的数据通过一份结构化的自填式在线问卷进行收集。问卷分为五个部分，旨在使用已建立并经过验证的量表来测量研究的核心构念。所有题项除非另有说明，均采用五点李克特量表进行测量，范围从1（"强烈不同意"）到5（"强烈同意"）。

仪器与测量方法

使用改编自一项研究的8项量表对生成式人工智能（特别是ChatGPT）的使用情况进行量化⁴⁵。该量表超越了简单的使用频率，旨在捕捉学生与人工智能互动的多维特征。量表项目聚焦于三个关键维度：（a）在各类学术任务中的使用频率；（b）具体使用目的（例如头脑风暴、内容摘要、校对润色）；（c）学生对该工具提升其语言相关学术工作的效能感知。人工智能信任被定义为一个多维构念，借鉴了既有的人际信任⁴⁶与技术信任理论框架。该量表包含两个独立维度。类人信任：这一包含6个项目的子量表用于测量学生将人类特质（如善意、诚信和可预测性）赋予人工智能的程度。例如，项目评估学生是否认为人工智能会以自身最佳利益行事，或提供无偏见的信息。功能信任：这一包含5个项目的子量表用于评估对人工智能功能表现的信任，重点关注技术本身的可靠性、能力和可依赖性，反映学生相信人工智能具备有效完成学术任务所需功能的信念。

认知负荷采用改编自另一项研究的量表进行测量⁴⁷，该量表基于认知负荷理论（CLT）。为体现CLT的三元结构，该量表分为三个子量表：内在负荷（3个条目）：该子量表评估学习材料和任务本身所固有的感知复杂性和难度。示例条目可能为， "我课程中涉及的主题非常复杂。" 外在负荷（3项）：该子量表用于测量由教学设计及信息呈现方式所施加的认知负担。例如， "作业说明通常不清晰且难以遵循。自我感知学习（4 个项目）：依据以往的教育研究，该子量表被用作相关认知加工的近似指标，而非相关负荷本身的直接测量⁴⁸这些条目反映了学生在理解、 comprehension 以及与意义学习相关的图式构建过程中所投入的心理努力的自我感知。然而，由于自我感知的学习可能在概念上与更广泛的学术能力及成就感知存在重叠，因此应谨慎将其解释为有效认知投入的局部操作性表征，而非内在认知负荷的确定性测量指标。该量表包含与理解、comprehension 以及掌握学习材料的感受相关的条目。依据教育研究领域已确立的先例⁴⁶，学业表现通过一个自我感知量表进行操作化定义。采用了一项包含4个条目的测量工具。该方法适用于捕捉学生对自身学习效能和学业成就的主观评估。该量表侧重于感知的学业效能，包含如下陈述： "我有信心能够顺利完成我的课程学习。" 和 "我感到自己已经学会了高效且有效地管理学术任务。"

数据分析策略

采用偏最小二乘结构方程模型（PLS-SEM）来检验生成式人工智能使用、对人工智能的信任、认知负荷以及自我感知的学业表现之间的关系。选择PLS-SEM是基于方法学和分析层面的考虑。首先，本研究采取以预测为导向、以探索性建模为视角的方法，旨在考察人工智能增强学习背景下相对新兴构念之间的关联路径，而非检验一个完全确立的因果理论。其次，当主要目标是解释方差和进行预测分析时，PLS-SEM被认为适用于包含多个潜变量构念和中介路径的复杂模型。此外，PLS-SEM在数据分布非正态的情况下具有较强的稳健性，适用于采用中等样本量的社会科学调查研究。鉴于高等教育中生成式人工智能研究的探索性质，以及本研究重点关注感知构念间预测性关联的分析，PLS-SEM被认为在方法学上适用于当前的分析。

收集的数据将采用两步法进行分析，使用 SmartPLS 4 软件进行偏最小二乘结构方程建模（PLS-SEM）。PLS-SEM 是一种基于方差的技术，适用于复杂的预测模型，且不要求数据呈正态分布。第一步：测量模型的评估。该步骤包括评估构念的信度和效度。内部一致性信度将通过 Cronbach's alpha 和组合信度进行评估，阈值为 0.70。聚合效度将通过检验指标的外载荷（应> 0.70）以及每个构念的平均方差提取量（AVE）（应> 0.50）来确定。区分效度用于确保各构念在经验上具有可区分性，将通过 Fornell-Larcker 准则和异质-单质（HTMT）相关比值进行评估。第二步：结构模型的评估。在确认测量模型具有良好的信度和效度后，将对结构模型进行评估，以检验研究假设。该过程包括使用含 5,000 次重抽样的自举法（bootstrapping）检验路径系数（β）的显著性和相关性。评估的主要标准包括：决定系数（R²）：用于衡量模型的预测能力（即对内生变量，特别是学业表现的方差解释程度）；预测相关性（Q²）：通过盲法程序（blindfolding procedure）评估模型的预测准确性；效应量（f²）：用于评估每个自变量对因变量的实际影响程度；中介效应分析：检验认知负荷在人工智能相关前因变量（生成式人工智能使用、对人工智能的信任）与学业表现之间关系中的中介作用。间接效应的显著性将通过自举置信区间进行评估。

结果

描述性统计

采用描述性统计方法对本研究中关键变量的集中趋势和离散程度进行总结，这些变量包括生成式人工智能使用情况、类人信任度、功能信任度、内在认知负荷、外在认知负荷、自我感知学习效果以及学业表现。描述性分析使用 SPSS 26 版本进行，结果见下文表 1。

变量	均值	标准差	偏度	峰度
生成式人工智能使用	3.82	0....

讨论

本研究的首个重要发现表明，生成式人工智能的使用与认知负荷呈正相关（β = 0.34，p< 0.001），该结果与假设1一致。这一发现表明，在学习活动中更频繁使用生成式人工智能工具（如ChatGPT）的学生，其报告的认知负荷也更高。从人机交互的视角而非简单技术使用框架出发，可能更有利于理解生成式人工智能使用与认知负荷之间的正向关联。频繁使用生成式人工智能的学生并非仅被动接收信息，而是参与了一个包括提示词构建、输出结果解读、来源比对、可靠性评估以及决策是否及如何将人工智能生成内容融入学术作业的迭代交互过程⁴⁹。这些交互过程通常需要持续的认知监控和评估判断。从这一角度看，生成式人工智能的使用可能既降低也可能增加认知需求。例如，人工智能系统可能有助于减轻信息检索、草稿撰写和内容摘要等方面带来的负担，从而降低某些类型的外在认知努力；但与此同时，人工智能的使用也可能带来新的认知需求，如验证信息、处理模糊性以及调节依赖程度，尤其是在输出结果不一致、不准确或在特定情境下不完整时。因此，在本样本中，人工智能增强型学习环境中的认知负荷不仅与教学内容本身有关，还与人类认知和人工智能系统...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
遮眼程序	SmartPLS 4（内置）	N/A	计算结构模型预测相关性的 Q² 值。
自举法程序（5,000 次重采样）	SmartPLS 4（内置）	N/A	用于评估路径系数（β）和间接效应的显著性。
认知负荷量表 – 外在负荷（3 项）	Hadie & Yusoff (2021)	N/A（已验证量表）	由教学设计和信息呈现引起的认知负担。
认知负荷量表 – 内在负荷（3 项）	Hadie & Yusoff (2021)	N/A（已验证量表）	学习材料或任务的感知复杂性/难度。
认知负荷量表 – 自我感知学习（4 项）	Hadie & Yusoff (2021)	N/A（已验证量表）	作为相关认知加工的代理指标；反映为理解与图式构建所投入的心理努力。
Fornell-Larcker 准则	SmartPLS 4（内置）	N/A	评估构念的区分效度。
生成式人工智能使用量表（8 项）	Abbas et al. (2023)	N/A（改编量表）	测量生成式人工智能（ChatGPT）在学术任务中使用的频率、目的及感知有效性。采用 5 点李克特量表。
HTMT 相关比值	SmartPLS 4（内置）	N/A	异质-单质比值；用于进一步检验区分效度。
知情同意书	研究团队（依据机构指南）	N/A	详细说明研究目的、自愿参与、匿名性、保密性以及随时退出的权利。通过完成问卷视为默示同意。
在线问卷平台	未指定（通用）	N/A	结构化、自填式的网络问卷；所有条目均采用 5 点李克特量表（1 = 非常不同意 至 5 = 非常同意）。
抽样框	大学注册处’s Office	N/A（机构记录）	涵盖所有院系在册学生的完整名单，用于分层随机抽样。
自我感知学业表现量表（4 项）	改编自教育研究先例	N/A（改编量表）	对学业效能与成就的主观评估（例如，对课程学习的信心、高效的任务管理能力）。
SmartPLS 4 软件	SmartPLS GmbH	版本 4	基于方差的结构方程建模软件；用于 PLS-SEM 分析、自举法和遮眼程序。
SPSS 版本 26	IBM	N/A	用于初步数据筛查、描述性统计以及任何 PLS-SEM 前的数据管理（如适用）。
分层随机抽样程序	研究团队（手动操作）	N/A	分层依据为学科领域（4 类）和学习年级（5 个水平：本科 1 至 4 年级 + 研究生）。在各层内使用随机数生成器进行抽样。
对人工智能的信任量表 – 功能性信任（5 项）	改编自技术信任相关文献	N/A（改编量表）	测量人工智能在学术任务中的感知可靠性、能力和可依赖性。
对人工智能的信任量表 – 类人信任（6 项）	改编自人际信任（Rempel 等）和技术信任相关文献	N/A（改编量表）	评估归因于人工智能的仁慈性、正直性和可预测性。