本研究聚焦于人工智能生成工具（GenAI）在高等教育中的應用，特別是探討學習者自我調節能力如何受技術、心理和環境因素影響。通過混合研究方法，結合結構方程模型（SEM）與訪談，研究揭示了GenAI工具與學習者行為之間的復雜關聯，為教育技術應用和教學策略優化提供了理論支持與實踐建議。

### 一、研究背景與意義
隨著GenAI工具如ChatGPT和Baidu Ernie Bot在高等教育中的普及，其帶來的效率提升與潛在風險并存。過度依賴工具可能導致批判性思維削弱、隱私泄露及學術誠信問題。研究基于Liaw和Huang（2013）提出的自我調節三層模型，將其擴展為八項核心變量，旨在填補現有文獻中關于學習者自我調節機制的空白。該模型整合了個體特質（如自我效能感）、認知情緒（如焦慮）和環境因素（如系統質量），為理解GenAI對學習行為的影響提供了多維框架。

### 二、核心變量與理論模型
研究構建的理論模型包含以下八項關鍵變量：
1. **自我效能感**：學習者在使用GenAI完成任務的信心
2. **焦慮感**：對技術使用可能引發負面情緒的擔憂
3. **信息系統能質量**：工具提供準確、完整信息的程度
4. **交互式學習環境**：師生、生生生成交互的技術支持
5. **滿意度**：學習者對工具使用體驗的整體評價
6. **有用性**：GenAI對學習目標達成的實際幫助
7. **自我調節能力**：學習者主動管理學習過程的水平
8. **行為意圖**：持續使用GenAI工具的意愿

模型強調三重動態關系：個體特質通過技術質量影響認知體驗（如有用性、滿意度），進而驅動行為調節（自我調節）和長期使用（行為意圖）。研究特別關注信息系統能質量的突出影響，發現其比傳統變量（如自我效能感）更能解釋學習者的技術感知。

### 三、實證研究結果
基于607名中國大學生的樣本，研究通過SEM和訪談驗證了以下發現：
1. **技術質量的主導作用**：信息系統能質量對學習者的有用性感知（β=0.32, p<0.001）和滿意度（β=0.41, p<0.001）影響顯著，超過其他環境因素。這表明工具本身的準確性和響應質量是影響學習體驗的核心要素。
2. **情緒的中介效應**：焦慮感未直接作用于有用性或滿意度（H2/H6未通過），但通過自我調節能力間接影響結果。訪談顯示，多數學生已適應GenAI的技術門檻，更關注使用效率而非情緒負擔。
3. **自我調節的傳導路徑**：有用性（β=0.27）比滿意度（β=0.18）更能預測自我調節能力，而后者通過提升調節技能（β=0.23）間接促進持續使用。
4. **行為意圖的關鍵驅動**：有用性（β=0.38）和自我調節（β=0.29）對行為意圖的影響顯著高于滿意度（β=0.15）。
5. **部分中介效應**：有用性部分中介了信息質量與滿意度（中介效應占比62%），同時調節交互環境與自我調節的關系（中介效應占比41%）。

### 四、實踐啟示與理論貢獻
1. **教學策略優化**：
- 教師應優先選擇技術質量穩定的工具（如準確率＞95%的AI系統）
- 構建支持式交互環境：將GenAI與小組討論、作業批改等傳統教學結合
- 設計階梯式學習任務：利用GenAI生成基礎案例，引導學生自主構建高階思維模型

2. **技術開發建議**：
- 強化隱私保護機制（如端到端加密、匿名處理）
- 優化多模態交互界面（文字+圖表+視頻反饋）
- 增加錯誤糾正提示（如標注"該回答存在3處需要核實"）

3. **學生能力培養**：
- 開展"AI批判工作坊"，訓練學生辨別生成內容真偽
- 設計"工具使用日志"，幫助學生監控技術依賴程度
- 建立"人機協作"評估體系，平衡技術應用與核心能力培養

### 五、研究局限與未來方向
1. **樣本局限性**：聚焦數學專業學生且集中在江蘇省，需擴大至師范院校不同學科及地域分布。
2. **縱向研究缺失**：未追蹤學習者在GenAI使用中的動態變化，計劃開展為期6個月的追蹤研究。
3. **文化特異性挑戰**：中國教育體系中的"標準答案"思維可能影響工具使用效果，需比較東亞與歐美學生差異。
4. **技術倫理盲點**：未涉及生成內容的版權歸屬問題，建議建立學術規范指南。

### 六、行業影響與政策建議
1. **教育數字化轉型**：推動"AI+教育"標準制定，將系統響應速度（＜1.5秒）、內容準確率（＞90%）納入評估體系。
2. **監管框架完善**：建議教育部門建立GenAI工具分級認證制度，區分基礎問答（L1）、學術寫作（L2）、復雜問題解決（L3）等應用場景。
3. **教師培訓革新**：將"AI教學設計"納入師范生必修課程，重點培養人機協同教學能力。

### 七、社會價值與長遠意義
研究證實GenAI工具可通過提升學習自主性（自我調節能力）實現教育公平：在江蘇省某高校試點中，使用優化GenAI工具的學生群體，其數學建模競賽參與度提升47%，且低年級學生與高年級學生在工具使用效果上無顯著差異（p=0.12）。這種普惠性技術支持有助于彌合數字鴻溝，特別在縣域中學等資源有限場景中具有推廣價值。

### 八、創新突破點
1. **模型創新**：首次將信息系統能質量納入自我調節理論模型，揭示技術基礎質量對學習行為的多級傳導效應。
2. **方法創新**：采用"認知負荷-技術適配"適配模型，通過SEM驗證工具響應速度（0.82±0.15秒）與學習效率（R2=0.63）的顯著正相關。
3. **實踐創新**：開發"AI使用成熟度量表"，從基礎使用（Level 1）到創新應用（Level 4）建立四級評估體系，為教育機構提供工具評估參考。

該研究為GenAI在高等教育中的深度應用提供了重要參考，其構建的"技術-心理-行為"三維模型已應用于江蘇省5所高校的智慧課堂改造項目，試點數據顯示學生自主學習時間增加32%，課堂互動頻率提升58%。后續研究可結合眼動追蹤技術，深入解析用戶與GenAI交互的認知過程，為個性化學習系統開發提供更精準的依據。