趙靜　倪明揚(yáng)　張倩等

關(guān)鍵詞： ＡＩＧＣ； 研究生； 學(xué)術(shù)實(shí)踐； 持續(xù)使用意愿； ＵＴＡＵＴ２； ＴＴＦ

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２４．０７．００４

〔中圖分類號〕Ｇ２５２.０ 〔文獻(xiàn)標(biāo)識碼〕Ａ 〔文章編號〕１００８－０８２１ （２０２４） ０７－００３４－１３

ＡＩＧＣ 又稱生成式ＡＩ（Ｇｅｎｅｒａｔｉｖｅ ＡＩ）， 是一種新型內(nèi)容創(chuàng)作方式， 可以在對話、故事、圖像、視頻和音樂制作等方面， 打造新的數(shù)字內(nèi)容生成與交互形式［１］ 。由于ＡＩＧＣ 在文章總結(jié)、語言風(fēng)格定義［２］ 、寫作輔助［３］ 、數(shù)據(jù)分析、精準(zhǔn)問答等方面的技術(shù)優(yōu)勢較為明顯［４］ ， 與學(xué)術(shù)實(shí)踐概念中涉及學(xué)術(shù)寫作、數(shù)據(jù)處理、學(xué)術(shù)指導(dǎo)、定性研究等任務(wù)需求較為契合， 使學(xué)術(shù)層面臨著學(xué)術(shù)實(shí)踐模式重構(gòu)的壓力［５］ 。文中學(xué)術(shù)實(shí)踐主要是指學(xué)術(shù)界進(jìn)行研究、寫作和知識傳播過程中的實(shí)際操作和實(shí)踐活動； 重構(gòu)指的是ＡＩＧＣ 對學(xué)術(shù)實(shí)踐方式、方法和流程的根本性重新構(gòu)建或改變， 包括新的內(nèi)容生成模式和交互形式。隨著ＣｈａｔＧＰＴ、Ｃｌｏｕｄｅ、Ｓａｇｅ、文心一言等ＡＩＧＣ 的廣泛傳播與使用， 學(xué)術(shù)實(shí)踐的傳統(tǒng)模式正在經(jīng)歷著全面的轉(zhuǎn)變， 迫使學(xué)術(shù)界應(yīng)當(dāng)重新思考和適應(yīng)新的實(shí)踐范式。然而ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的負(fù)面案例也在不斷增加［６］ ， 《Ｔｈｅ Ａｔｌａｎｔｉｃ》發(fā)表了題為“大學(xué)論文已死” 的消極論調(diào)［７］ ， 引發(fā)了學(xué)者們的擔(dān)憂。大量研究表明， ＡＩＧＣ 在學(xué)術(shù)實(shí)踐方面存在專業(yè)覆蓋范圍有限、生成結(jié)果缺乏創(chuàng)新性［８］ 、可能導(dǎo)致觀點(diǎn)剽竊、虛假信息傳播等問題［９］ ； 用戶盲目使用ＡＩＧＣ 可能導(dǎo)致學(xué)術(shù)不端行為， 甚至出現(xiàn)過度依賴工具削弱學(xué)習(xí)能力的狀況［１０］ ， 損害學(xué)術(shù)生態(tài)的健康發(fā)展。ＡＩＧＣ 為學(xué)術(shù)研究帶來前所未有的便利， 也造成極大的監(jiān)管壓力與學(xué)術(shù)道德困境， 不利于學(xué)術(shù)實(shí)踐方面的應(yīng)用與推廣。在此背景下， 為了合理運(yùn)用ＡＩＧＣ 這柄雙刃劍［１１］ ， 在滿足用戶需求的同時(shí)維護(hù)學(xué)術(shù)生態(tài)， 應(yīng)具體分析ＡＩＧＣ 在學(xué)術(shù)實(shí)踐下如何影響學(xué)術(shù)用戶的持續(xù)使用意愿， 厘清學(xué)術(shù)用戶與ＡＩＧＣ 之間的協(xié)調(diào)互動模式。與長期使用不同， 持續(xù)使用意愿是指在一段時(shí)間內(nèi)用戶持續(xù)使用ＡＩＧＣ 開展學(xué)術(shù)寫作的意愿程度， 以及用戶未來在學(xué)術(shù)寫作層面仍有繼續(xù)使用該技術(shù)的意愿， 可以幫助了解技術(shù)在用戶視角的滿意度、可行性和持久性。

１文獻(xiàn)綜述

通過梳理國內(nèi)外有關(guān)ＡＩＧＣ 與學(xué)術(shù)實(shí)踐相結(jié)合的研究發(fā)現(xiàn)， 目前學(xué)者們主要研究使用ＡＩＧＣ 的特定對象或利用特定方法分析ＡＩＧＣ 技術(shù)本身及其學(xué)術(shù)產(chǎn)出的影響。

從特定對象的研究視角來看， 近年來， 大學(xué)機(jī)構(gòu)［１２］ 面臨著數(shù)字化轉(zhuǎn)型帶來的挑戰(zhàn)和機(jī)遇， ＡＩＧＣ技術(shù)的快速發(fā)展對高等教育機(jī)構(gòu)產(chǎn)生深遠(yuǎn)影響， 使得教師群體［１３］ 面臨教學(xué)、學(xué)習(xí)和評估成績的挑戰(zhàn)，包括難以區(qū)分學(xué)生學(xué)習(xí)成果和ＡＩ 工具產(chǎn)物， 以及對學(xué)術(shù)誠信的影響， 部分學(xué)者認(rèn)為需要協(xié)助教授們［１４］在教學(xué)中學(xué)會使用ＡＩＧＣ， 以確保學(xué)生的學(xué)術(shù)誠信。與此同時(shí)， 科研人員［１５］ 對ＡＩＧＣ 的應(yīng)用持積極態(tài)度，特別是對于ＡＩＧＣ 的理念和實(shí)用價(jià)值給予了較高認(rèn)可度［１６］ ， 但也意識到了在使用ＣｈａｔＧＰＴ 等工具時(shí)可能面臨真實(shí)性、數(shù)據(jù)污染和隱私安全等問題的挑戰(zhàn)。此外， 有學(xué)者研究ＣｈａｔＧＰＴ 用戶［１７］ 的使用意愿， 認(rèn)為應(yīng)當(dāng)加強(qiáng)技術(shù)倫理道德建設(shè)， 為ＡＩＧＣ 本土化提供了借鑒與參考。梳理主流研究對象可以發(fā)現(xiàn)， 當(dāng)下研究較多采用廣義的“用戶” 或者某“群體” 概念來定義ＡＩＧＣ 在學(xué)術(shù)領(lǐng)域的使用對象， 未充分關(guān)注群體內(nèi)部差異。在學(xué)術(shù)用戶中， 研究生作為學(xué)術(shù)實(shí)踐的新生力量， 更容易接納新技術(shù)， 也更需要輔助工具的支持來提高學(xué)術(shù)素養(yǎng)， 從研究生角度思考ＡＩＧＣ 與學(xué)術(shù)之間的互動聯(lián)系， 有利于深入理解不同群體持續(xù)使用新技術(shù)的意圖與動機(jī)。

從特定方法的研究視角來看， 隨著技術(shù)的快速進(jìn)步， ＡＩＧＣ 的應(yīng)用案例在全球范圍內(nèi)日益增多，有學(xué)者開展了案例研究［１８］ ， 指出ＡＩＧＣ 技術(shù)對學(xué)術(shù)誠信構(gòu)成了挑戰(zhàn)， 可能出現(xiàn)抄襲行為或未經(jīng)許可的材料使用問題。伴隨學(xué)者們對ＡＩＧＣ 研究興趣的持續(xù)升溫， 通過文獻(xiàn)綜述［１９－２０］ 的方法， 有學(xué)者探討了ＡＩＧＣ 技術(shù)工具在學(xué)術(shù)寫作中的潛在益處和風(fēng)險(xiǎn)， 發(fā)現(xiàn)了其在促進(jìn)學(xué)術(shù)工作效率方面具有優(yōu)勢，同時(shí)也存在著學(xué)術(shù)造假的可能， 也有學(xué)者進(jìn)一步分析， 揭示了ＡＩＧＣ 在科研場景中的應(yīng)用風(fēng)險(xiǎn)， 并強(qiáng)調(diào)了預(yù)防其沖擊學(xué)術(shù)倫理底線的重要性。此外， 有研究通過分析眾多網(wǎng)絡(luò)新聞報(bào)道［２１］ ， 探討了ＡＩＧＣ工具對學(xué)生學(xué)習(xí)和大學(xué)教學(xué)評估的潛在影響， 呼吁高等教育機(jī)構(gòu)在確保學(xué)術(shù)誠信的前提下， 挖掘ＡＩＧＣ的潛在價(jià)值。有趣的是， ＣｈａｔＧＰＴ 作為一種ＡＩＧＣ的熱門工具， 經(jīng)常作為被訪談對象［２２］ 出現(xiàn)在學(xué)者的研究中， 通過直接式對話揭示ＡＩＧＣ 如何幫助科研人員節(jié)約時(shí)間和提高效率， 同時(shí)強(qiáng)調(diào)了技術(shù)偏見、數(shù)據(jù)隱私保護(hù)和數(shù)據(jù)倫理等潛在風(fēng)險(xiǎn)［２３］ ?？v觀主流研究方法， 現(xiàn)有研究主要采用定性方法來探索和理解ＡＩＧＣ 本身的技術(shù)特性及其在學(xué)術(shù)領(lǐng)域的具體應(yīng)用， 較少采用定量方法系統(tǒng)分析ＡＩＧＣ 與用戶之間的關(guān)系。因此， 想要更為全面地檢驗(yàn)持續(xù)使用意愿的效度， 采用定量研究方法對于厘清ＡＩＧＣ與學(xué)術(shù)用戶之間的協(xié)作機(jī)制具有重要意義。

本文選擇研究生作為特定研究對象， 使用問卷調(diào)查的定量研究方法， 考慮ＡＩＧＣ 在學(xué)術(shù)領(lǐng)域的應(yīng)用與發(fā)展趨勢， 基于技術(shù)接受與使用整合模型（Ｕ?ｎｉｆｉｅｄ Ｔｈｅｏｒｙ ｏｆ Ａｃｃｅｐｔａｎｃｅ ａｎｄ Ｕｓｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，ＵＴＡＵＴ２）， 結(jié)合任務(wù)技術(shù)匹配（Ｔａｓｋ－Ｔｅｃｈｎｏｌｏｇｙ Ｆｉｔ，ＴＴＦ）理論， 構(gòu)建了研究生持續(xù)使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐影響因素模型， 同時(shí)對研究對象的特征變量進(jìn)行測量， 實(shí)證分析了影響研究生持續(xù)使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐意愿的不同因素， 并研究了各影響因素之間的作用機(jī)制， 以期彌補(bǔ)現(xiàn)有研究對特定對象的忽視與定性分析解釋力不足的問題， 幫助后續(xù)研究者深入了解研究生群體與ＡＩＧＣ 之間的交互過程，便于其理解學(xué)術(shù)領(lǐng)域中用戶與技術(shù)互動的復(fù)雜性，現(xiàn)實(shí)層面為推動該技術(shù)在學(xué)術(shù)領(lǐng)域的人性化應(yīng)用提供理論依據(jù)和實(shí)踐指引。

２ 模型構(gòu)建與研究假設(shè)

２.１基于ＵＴＡＵＴ２理論的假設(shè)

２０１２年， Ｖｅｎｋａｔｅｓｈ Ｖ 等在ＵＴＡＵＴ 模型的基礎(chǔ)上提出了技術(shù)與接受擴(kuò)展模型（ＵＴＡＵＴ２）。該模型包含７ 個自變量（績效期望、努力期望、社群影響、便利條件、享樂動機(jī)、價(jià)格價(jià)值和習(xí)慣）和３ 個控制變量（性別、年齡、經(jīng)驗(yàn)）， 對使用意愿的解釋力達(dá)７０％， 高于ＵＴＡＵＴ 模型［２４］ 。有研究證明， 該模型是在各種文化環(huán)境和社會背景下調(diào)查新技術(shù)持續(xù)使用意愿的有效模型［２５］ ， 因此被本研究選作理論框架。

由于ＡＩＧＣ 使用門檻極低， 可以在任何日常設(shè)備上運(yùn)行， 故不考慮便利條件變量。同時(shí)， ＡＩＧＣ應(yīng)用基本免費(fèi)， 成本因素不顯著， 故不考慮價(jià)格價(jià)值變量。另外， ＡＩＧＣ 面世較晚， 使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的行為處于起步階段， 未形成習(xí)慣， 相關(guān)技術(shù)和工具也在快速迭代， 因而習(xí)慣變量無法被合理采納。同理， 研究對象使用ＡＩＧＣ 的經(jīng)驗(yàn)也較為有限， 故選擇剔除。綜上， 本研究保留原模型中績效預(yù)期、努力預(yù)期、社群影響、享樂動機(jī)４ 個自變量， 變量間的關(guān)系保持不變。以下是該模型中與持續(xù)使用意愿關(guān)聯(lián)的變量構(gòu)念及其對應(yīng)的研究假設(shè)。

２.１.１ 績效期望（Ｐｅｒｆｏｒｍａｎｃｅ Ｅｘｐｅｃｔａｎｃｙ， ＰＥ）

績效期望反映了研究生感知使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐可以提高學(xué)術(shù)寫作或研究效率和質(zhì)量的期望， 如輔助搜索參考文獻(xiàn)、生成簡易文獻(xiàn)綜述或框架、提供初步研究思路、檢查語法錯誤和刪減重復(fù)內(nèi)容等?；诟兄杏眯裕郏玻叮?， 在諸多研究中被證實(shí)對持續(xù)使用意愿有顯著正向影響［２７－２８］ 。因此， 本研究提出以下合理假設(shè)：

Ｈ１： 績效期望對研究生使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的持續(xù)使用意愿有顯著正向影響

２.１.２ 努力期望（Ｅｆｆｏｒｔ Ｅｘｐｅｃｔａｎｃｙ， ＥＥ）

努力期望代表研究生感知使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的難易程度。如果研究生感知ＡＩＧＣ 技術(shù)比較易于使用， 他們會有較高的績效期望， 預(yù)期可以顯著提高寫作或研究的效率和質(zhì)量， 否則這種績效期望會降低?；诟兄子眯裕郏玻梗?， 在廣泛研究中被驗(yàn)證對持續(xù)使用意愿有顯著正向影響［２６，３０］ 。因此，本研究提出以下合理假設(shè)：

Ｈ２： 努力期望對研究生使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的持續(xù)使用意愿有顯著正向影響

２.１. ３ 享樂動機(jī)（Ｈｅｄｏｎｉｃ Ｍｏｔｉｖａｔｉｏｎ， ＨＭ）

享樂動機(jī)代表研究生在使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的過程中感受到傳統(tǒng)工具所不具備的新鮮感和愉悅體驗(yàn)， 這種可預(yù)期的愉悅感會增加研究生的持續(xù)使用意愿， 反之意愿就會減弱， 是影響用戶接受和使用新技術(shù)的重要因素［２６］ ， 已被多數(shù)研究證實(shí)對持續(xù)使用意愿有積極影響［３１－３２］ 。因此， 本研究提出以下合理假設(shè)：

Ｈ３： 享樂動機(jī)對研究生使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的持續(xù)使用意愿有顯著正向影響

２.１.４社群影響（Ｓｏｃｉａｌ Ｉｎｆｌｕｅｎｃｅ， ＳＩ）

社群影響代表外界對研究生使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐行為的看法和影響， 如導(dǎo)師、同學(xué)和同行對研究生使用ＡＩＧＣ 技術(shù)進(jìn)行學(xué)術(shù)實(shí)踐的態(tài)度， 當(dāng)社群影響呈現(xiàn)正向支持時(shí)， 其技術(shù)持續(xù)使用意愿會增加， 當(dāng)未受到支持甚至是反對時(shí)， 意愿便會降低。該變量是在理性行為理論（Ｔｈｅｏｒｙ ｏｆ Ｒｅａｓｏｎｅｄ Ａｃ?ｔｉｏｎ）的基礎(chǔ)上而來［３３］ ， 在各類研究中發(fā)現(xiàn)是影響用戶持續(xù)使用新技術(shù)意愿的重要因素［３４－３５］ ， 因此，本研究提出以下合理假設(shè)：

Ｈ４： 社群影響對研究生使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的持續(xù)使用意愿有顯著正向影響

２.１.５ 學(xué)術(shù)道德規(guī)范的調(diào)節(jié)作用

學(xué)術(shù)道德規(guī)范代表學(xué)術(shù)研究需要遵守的道德及規(guī)范［３６］ ， 通過行業(yè)共同的信念和守則來約束研究生行為， 指導(dǎo)研究的方向和形式。在本研究以特征變量的身份作為社群影響的調(diào)節(jié)變量納入模型。如果使用ＡＩＧＣ 能夠符合主流的學(xué)術(shù)道德標(biāo)準(zhǔn)與要求，研究生也更容易接受并采納使用。否則， 即便有較好的社群影響， 也可能使用戶產(chǎn)生心理抵觸而降低持續(xù)使用意愿。因此， 本研究提出以下合理假設(shè)：

Ｈ５： 學(xué)術(shù)道德規(guī)范會在社群影響與持續(xù)使用意愿的關(guān)系中起到顯著影響

２.２ 基于ＴＴＦ 理論的假設(shè)

任務(wù)技術(shù)匹配（Ｔａｓｋ－Ｔｅｃｈｎｏｌｏｇｙ Ｆｉｔ， ＴＴＦ） 理論最初由Ｇｏｏｄｈｕｅ Ｄ Ｌ 等［３７］ 在１９９５ 年提出， 包括３ 個核心變量： 任務(wù)特征、技術(shù)特征、任務(wù)技術(shù)匹配。ＴＴＦ 理論及其機(jī)制常與其他模型進(jìn)行整合， 在多領(lǐng)域被證實(shí)是影響持續(xù)使用新技術(shù)意愿的重要因素， 如在線服務(wù)［３８］ 、移動平臺［３９］ 、軟件系統(tǒng)［４０］ 等。因此， 本研究提出以下合理假設(shè)：

Ｈ６： ＡＩＧＣ 的技術(shù)特征會顯著影響研究生使用其開展學(xué)術(shù)實(shí)踐的任務(wù)技術(shù)匹配度

Ｈ７： 學(xué)術(shù)實(shí)踐的任務(wù)特征會顯著影響研究生采納ＡＩＧＣ 的任務(wù)技術(shù)匹配度

Ｈ８ａ： 研究生使用ＡＩＧＣ開展學(xué)術(shù)實(shí)踐的任務(wù)技術(shù)匹配度顯著影響其持續(xù)使用意愿

Ｈ８ｂ： 研究生使用ＡＩＧＣ開展學(xué)術(shù)實(shí)踐的任務(wù)技術(shù)匹配度顯著影響其績效期望

２.３ 個體創(chuàng)新性及假設(shè)

個體創(chuàng)新性指研究生持續(xù)使用新技術(shù)的傾向性。創(chuàng)新程度高的人更容易對新技術(shù)產(chǎn)生積極看法［４１－４２］ ， 其持續(xù)使用意愿也有著比較積極的期望［４３］ 。相關(guān)研究也證明了個體創(chuàng)新性影響不同情境下新技術(shù)使用意愿的穩(wěn)定性［４４］ ?；诖?， 本研究認(rèn)為個體創(chuàng)新性高的研究生群體更容易產(chǎn)生積極的評價(jià)， 并因?yàn)榧夹g(shù)創(chuàng)新而體現(xiàn)出較高的學(xué)習(xí)與使用動機(jī)， 有助于形成技術(shù)持續(xù)使用意愿。個體創(chuàng)新性低的用戶則相對脆弱， 更傾向于采取觀望與追隨的態(tài)度， 抑制了意愿的生成。因此， 本研究提出以下合理假設(shè)：

Ｈ９： 研究生的個體創(chuàng)新性顯著影響其使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐的持續(xù)使用意愿

２.４ 整合理論模型的構(gòu)建

ＵＴＡＵＴ２ 模型更多考慮了基于用戶視角的影響因素， 但對技術(shù)本身的特征及任務(wù)要素機(jī)制缺乏詳細(xì)討論， 而ＴＴＦ 理論雖然可以很好地衡量技術(shù)滿足任務(wù)需求方面的適用性， 卻忽略了個體變量的作用。二者結(jié)合可以產(chǎn)生更強(qiáng)的解釋力和預(yù)測力［４５］ ，在以往的研究中多有體現(xiàn)［２５，４６］ 。本研究在整合二者模型的基礎(chǔ)上進(jìn)一步引入個體創(chuàng)新性和學(xué)術(shù)道德規(guī)范變量。一方面考慮了研究生技術(shù)接納傾向； 另一方面強(qiáng)調(diào)學(xué)術(shù)實(shí)踐中的規(guī)范與道德標(biāo)準(zhǔn)， 有助于制約和細(xì)化其他變量的影響， 更好地適應(yīng)研究對象與研究情境。綜上所述， 本研究基于ＵＴＡＵＴ２－ＴＴＦ整合模型構(gòu)建了研究生持續(xù)使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐影響因素模型， 如圖１ 所示。

３ 研究設(shè)計(jì)

３.１ 研究對象

研究對象選取處于獲取知識與開展學(xué)術(shù)實(shí)踐關(guān)鍵階段的研究生群體， 作為新生代學(xué)者與知識生產(chǎn)者， 他們既具有傳統(tǒng)學(xué)術(shù)研究屬性， 也積極接納新技術(shù)， 擁有較強(qiáng)的學(xué)術(shù)創(chuàng)新性與高度的技術(shù)敏感性， 是推動ＡＩＧＣ 發(fā)展的重要參與者， 他們的技術(shù)持續(xù)使用意愿會對未來學(xué)術(shù)生態(tài)產(chǎn)生深遠(yuǎn)影響， 是理解學(xué)術(shù)群體與ＡＩＧＣ 互動模式的重要切入點(diǎn)。考慮到博士群體的學(xué)術(shù)研究特點(diǎn)， 更多研究將其認(rèn)定為專職科研人員， 因而本研究僅對碩士群體進(jìn)行深入調(diào)查與分析。

３.２ 研究方法

首先， 結(jié)合變量自身定義及國內(nèi)外相關(guān)研究的成熟量表設(shè)計(jì)調(diào)查問卷， 通過線上線下相結(jié)合的方式收集變量數(shù)據(jù)并進(jìn)行描述性統(tǒng)計(jì)分析， 通過預(yù)調(diào)研調(diào)整問卷結(jié)構(gòu)后開展正式調(diào)研， 確保數(shù)據(jù)量和數(shù)據(jù)結(jié)構(gòu)的合理性； 隨后采用ＳＰＳＳ 針對問卷量表的一致性進(jìn)行檢驗(yàn)， 判斷量表穩(wěn)定性是否良好； 對問卷的ＫＭＯ 值和Ｂａｒｔｌｅｔｔ 球形檢驗(yàn)系數(shù)進(jìn)行分析， 驗(yàn)證問卷的結(jié)構(gòu)效度是否適合進(jìn)一步開展驗(yàn)證性因子分析； 最后使用ＡＭＯＳ 對研究假設(shè)和整合模型進(jìn)行實(shí)證檢驗(yàn)， 驗(yàn)證理論模型各路徑的效度。

３.３ 量表設(shè)計(jì)

研究模型中共計(jì)１０ 個變量： 自變量（績效期望、努力期望、社群影響、享樂期望、個體創(chuàng)新性、任務(wù)匹配、技術(shù)匹配）、中介變量（任務(wù)技術(shù)匹配）、因變量（持續(xù)使用意愿）和調(diào)節(jié)變量（學(xué)術(shù)道德規(guī)范）。變量測量題項(xiàng)采用Ｌｉｋｅｒｔ 五級量表編制， 從“非常不同意（１）” 到“非常同意（５）”， 為保證問卷的測量題項(xiàng)具有較高的可靠性， 所有題項(xiàng)均來源于已有研究， 并做出適當(dāng)調(diào)整； 同時(shí)邀請多位信息管理領(lǐng)域?qū)＜覍柧眍}目進(jìn)行審查， 根據(jù)專家意見修正部分題項(xiàng)的語言表述， 確保題項(xiàng)表述的清晰性和準(zhǔn)確性。題項(xiàng)詳情如表１ 所示。

完整問卷分為３ 部分： ①介紹問卷研究目的及解釋部分名詞； ②調(diào)查研究生基本信息包括性別、專業(yè)和技術(shù)使用情況； ③調(diào)查研究生持續(xù)使用ＡＩＧＣ開展學(xué)術(shù)實(shí)踐意愿的實(shí)際情況。

３.４研究數(shù)據(jù)

問卷調(diào)查采用線上線下相結(jié)合的方式， 線上通過問卷星等專業(yè)第三方平臺發(fā)放， 線下通過社交軟件向目標(biāo)用戶發(fā)放。問卷題均為客觀選擇題， 采用封閉式自主填寫問卷方式。首先收集７０ 份數(shù)據(jù)開展預(yù)調(diào)研， 通過分析作答時(shí)間、漏答、連續(xù)性、異常值等方式剔除無效問卷２ 份， 獲得有效問卷６８份。預(yù)調(diào)研分析結(jié)果顯示： 各測量題項(xiàng)的因子載荷均大于０.６； Ｃｒｏｎｂａｃｈｓ Ａｌｐｈａ 系數(shù)和組合信度（ＣＲ）均高于０.７； 平均方差萃取量（ＡＶＥ）均高于０.５；自行開發(fā)變量ＡＶＥ 的平方根值均高于該變量與其他變量之間的相關(guān)系數(shù)。預(yù)調(diào)研結(jié)果良好， 適合正式調(diào)研。

正式問卷于２０２３ 年６ 月１４—３１ 日發(fā)放， 收集３２０ 份數(shù)據(jù)， 剔除無效問卷１４ 份， 共計(jì)收集３７４份有效問卷（含預(yù)調(diào)研有效問卷６８ 份）， 題目數(shù)量３５ 項(xiàng)， 符合Ａｍｏｓ 樣本數(shù)量至少是題項(xiàng)10倍的要求。受訪者中女性稍多， 占比５３％， 男性占比４７％；專業(yè)分布較為均衡， 理工類（理工農(nóng)醫(yī)） 專業(yè)１３８人（３７％）， 社科類（經(jīng)管法教）專業(yè)１５３ 人（４１％），人文類（文史哲藝）專業(yè)８３ 人（２２％）。樣本量符合結(jié)構(gòu)方程模型分析要求， 樣本結(jié)構(gòu)較合理， 可用于理論模型的驗(yàn)證。

４ 數(shù)據(jù)分析與結(jié)果驗(yàn)證

４.１ 信度與效度檢驗(yàn)

研究采用ＳＰＳＳ 對問卷量表一致性進(jìn)行分析，結(jié)果顯示： 各構(gòu)念的克隆巴赫系數(shù)（α）均大于０.７，模型整體α 為０.９４４， 說明量表穩(wěn)定性良好； 問卷ＫＭＯ 值和Ｂａｒｔｌｅｔｔ 球形檢驗(yàn)系數(shù)分別為０.９０２ 和７ ０５７. １１９， 顯著性水平０.０００， 結(jié)構(gòu)效度較高， 適合進(jìn)行驗(yàn)證性因子分析。驗(yàn)證性因子分析（ＣＦＡ）的結(jié)果如表２ 所示， 研究構(gòu)念的組合信度ＣＲ 均大于０.７， 平均方差抽取量ＡＶＥ 均大于０.５， 表明測量模型具備良好的組合信度。同時(shí)， 構(gòu)念所有題項(xiàng)的標(biāo)準(zhǔn)化因子負(fù)荷均高于０.６， 表明測量模型具有良好的聚合效度。

通過比較數(shù)據(jù)平均方差抽取量ＡＶＥ 的平方根與構(gòu)念間相關(guān)系數(shù)可以檢驗(yàn)變量的區(qū)分效度， 文中全部構(gòu)念的ＡＶＥ 平方根均大于構(gòu)念間的相關(guān)系數(shù)，表明文中變量具備良好的區(qū)分效度。檢驗(yàn)結(jié)果如表３ 所示。

４.２ 正態(tài)分布檢驗(yàn)

所有觀測變量獲得數(shù)據(jù)的偏度系數(shù)絕對值都小于２， 低于正態(tài)分布參考值３； 峰度系數(shù)的絕對值都小于７， 低于正態(tài)分布的參考值８； 表明數(shù)據(jù)符合正態(tài)分布。因此， 本文在后續(xù)數(shù)據(jù)處理時(shí)可以采用極大似然估計(jì)法開展結(jié)構(gòu)方程模型的統(tǒng)計(jì)分析工作。

４.３ 共同方法偏差檢驗(yàn)

采用Ｈａｒｍａｎ單因素檢驗(yàn)， 將績效期望、努力期望、享樂動機(jī)、個體創(chuàng)新性、學(xué)術(shù)道德規(guī)范、社群影響、持續(xù)使用意愿、任務(wù)特征、技術(shù)特征、任務(wù)技術(shù)匹配作探索性因子分析。結(jié)果顯示， 第一個因子僅解釋變異量的３５.２％， 小于４０％的臨界值。因此， 本研究數(shù)據(jù)共同方法偏數(shù)據(jù)處理差不嚴(yán)重。

４.４ 模型擬合

在前文信度與效度分析的基礎(chǔ)上， 本文選擇Ｘ^２、Ｘ^２／ ｄｆ、ＧＦＩ、ＡＧＦＩ、ＮＮＦＩ、ＩＦＩ、ＣＦＩ、ＲＭＳＥＡ等指標(biāo)檢驗(yàn)構(gòu)念模型的擬合程度。數(shù)據(jù)結(jié)果顯示，Ｘ^２＝６７１.２４２、Ｘ^２／ ｄｆ ＝ １.７２６， 處于標(biāo)準(zhǔn)區(qū)間１ ～ ３之間； ＧＦＩ ＝ ０.９０３， 擬合度良好； ＡＧＦＩ ＝ ０.８７６，符合０.９ 的臨界標(biāo)準(zhǔn)； ＮＮＦＩ ＝ ０.９０６、ＩＦＩ ＝ ０.９５８，ＣＦＩ＝０.９５８， 均大于臨界值０.９； ＲＭＳＥＡ ＝ ０.０４６，小于臨界標(biāo)準(zhǔn)０.０８， 表明本文構(gòu)念模型與樣本數(shù)據(jù)間擬合度良好。假設(shè)模型的標(biāo)準(zhǔn)化參數(shù)輸出如表４所示。

４.５假設(shè)檢驗(yàn)結(jié)果

如表５ 所示， Ｈ３、Ｈ４、Ｈ８ａ 未通過驗(yàn)證， 表明假設(shè)不成立； Ｈ１、Ｈ２、Ｈ５、Ｈ６、Ｈ７、Ｈ８ｂ、Ｈ９ 通過驗(yàn)證， 表明假設(shè)成立。

標(biāo)準(zhǔn)化模型如圖２ 所示， 從檢驗(yàn)結(jié)果來看， 影響持續(xù)使用意愿的直接影響因素， 按路徑系數(shù)（標(biāo)準(zhǔn)化直接效果值）的大小依次如下： 績效期望（β ＝０.３４）、個體創(chuàng)新性（β＝０.１９）、努力期望（β ＝０.１７）； 任務(wù)特征和技術(shù)特征對任務(wù)技術(shù)匹配有直接正向顯著作用， 表明ＡＩＧＣ 技術(shù)特征和學(xué)術(shù)實(shí)踐任務(wù)特征在一致性較高時(shí)能支持研究生完成任務(wù)；任務(wù)技術(shù)匹配對研究生持續(xù)使用意愿的直接效果沒有成立， 但任務(wù)技術(shù)匹配對績效期望存在正向顯著影響， 還能通過績效期望對持續(xù)使用意愿起到間接顯著影響， 間接效果路徑系數(shù)是０.３２９（０.９４.０.３４＝０.３２９）， 總效果值為０. ３２７， 是影響持續(xù)使用意愿中總效果值中較為重要的因素， 模型最終的路徑系數(shù)如圖３ 所示。

４.６ 調(diào)節(jié)效應(yīng)檢驗(yàn)

使用ＡＭＯＳ 中的ＢｏｏｔＳｔｒａｐｐｉｎｇ 算法， 設(shè)置重復(fù)抽樣２０００次， 置信區(qū)間為９５％檢驗(yàn)得出， 學(xué)術(shù)道德規(guī)范的調(diào)節(jié)效應(yīng)系數(shù)為０.１８， 置信區(qū)間不包括０， Ｐ 值小于０.０５， 如表６ 所示。結(jié)果表明， 學(xué)術(shù)道德規(guī)范可以小幅但顯著提高社群影響和持續(xù)使用意愿之間的正相關(guān)性。換言之， 在相同社群影響條件下， 符合主流學(xué)術(shù)道德規(guī)范的技術(shù)或工具更能促進(jìn)研究生的持續(xù)使用意愿。

５ 研究結(jié)論與啟示

５.１ 研究結(jié)論的討論

５.１.１技術(shù)層面對研究生ＡＩＧＣ持續(xù)使用意愿的影響分析

首先， 研究生對于ＡＩＧＣ 技術(shù)特征的感知和對學(xué)術(shù)實(shí)踐任務(wù)特征的感知都會對任務(wù)技術(shù)匹配產(chǎn)生正向影響作用， 符合現(xiàn)有研究的結(jié)論［４９］ 。ＡＩＧＣ 的強(qiáng)大信息處理和多功能性可匹配研究生的學(xué)術(shù)需求，從而提高任務(wù)技術(shù)匹配度； 其次， ＡＩＧＣ 提升學(xué)術(shù)效率和減輕工作強(qiáng)度的功能， 滿足研究生的績效預(yù)期， 增強(qiáng)持續(xù)使用意愿， 與現(xiàn)有研究的結(jié)論吻合［５０］ 。換言之， 研究生感知使用ＡＩＧＣ 的收益及績效越高，任務(wù)匹配度及持續(xù)使用意愿越強(qiáng)。

然而， 研究生的任務(wù)技術(shù)匹配變量與持續(xù)使用意愿之間沒有直接顯著影響， 與現(xiàn)有研究狀況不一致［５１］ ， 可能由于研究生對ＡＩＧＣ 了解不足， 尚未形成穩(wěn)定的使用認(rèn)知和經(jīng)驗(yàn)， 難以準(zhǔn)確判斷匹配程度，同時(shí)不同學(xué)科對ＡＩＧＣ 依賴程度導(dǎo)致任務(wù)匹配感知存在差異， 面臨測量難題。但是， 任務(wù)技術(shù)匹配可以通過影響研究生的績效期望， 間接顯著影響其持續(xù)使用ＡＩＧＣ 的意愿， 與現(xiàn)有研究結(jié)論一致［５１］ 。原因是良好的匹配度可以提高學(xué)術(shù)效率和文本質(zhì)量，從而提升研究生的績效期望， 間接提升持續(xù)使用意愿。

綜上所述， 雖然ＡＩＧＣ 本身的技術(shù)能力符合開展學(xué)術(shù)任務(wù)的需要， 但確保研究生能夠充分理解并認(rèn)識到ＡＩＧＣ 的技術(shù)特性與其學(xué)術(shù)任務(wù)之間的一致性， 是提高其ＡＩＧＣ 持續(xù)使用意愿的關(guān)鍵。

５.１.２ 個體層面對研究生ＡＩＧＣ 持續(xù)使用意愿的影響分析

一方面， 個體創(chuàng)新性顯著影響持續(xù)使用意愿，與現(xiàn)有研究結(jié)論一致［５２－５３］ ， 具有較強(qiáng)技術(shù)探索興趣的研究生， 更易接受和持續(xù)使用新技術(shù)， 會主動開展ＡＩＧＣ 與學(xué)術(shù)實(shí)踐的融合； 另一方面， 研究生對ＡＩＧＣ 的努力期望做出了正面判斷， 這與現(xiàn)有研究結(jié)論是一致的［５４－５５］ ； 研究生本身具備的信息技術(shù)基礎(chǔ)， 以及對自身學(xué)習(xí)和運(yùn)用新技術(shù)的信心， 大幅降低了技術(shù)使用障礙， 同時(shí)結(jié)合ＡＩＧＣ 互動式回答的易用性和較低的學(xué)習(xí)門檻， 形成了ＡＩＧＣ 易學(xué)易用的判斷， 提升了努力期望。然而， 享樂動機(jī)對持續(xù)使用意愿不成立， 與現(xiàn)有研究狀況不一致［５５］ ，一是研究生對挖掘ＡＩＧＣ 的樂趣認(rèn)知不夠； 二是學(xué)術(shù)實(shí)踐任務(wù)的本身就難以激發(fā)享樂情緒。

綜上所述， 具有較高水平個體創(chuàng)新性的研究生群體更傾向于接受和嘗試新興技術(shù)， 因而加大培養(yǎng)研究生個體創(chuàng)新性的力度， 對提升持續(xù)使用意愿有著積極的影響。

５.１.３ 外部影響層面對研究生ＡＩＧＣ持續(xù)使用意愿的影響分析

研究表明， 社群影響對持續(xù)使用意愿不顯著，這與現(xiàn)有研究結(jié)論不同［５４］ 。分析原因可能是： 研究生的學(xué)術(shù)研究相對獨(dú)立， 不依賴他人意見； 研究生本身接受新技術(shù)的態(tài)度開放， 技術(shù)采納收益比負(fù)面建議更能影響其持續(xù)使用意愿； 不同學(xué)科使用ＡＩＧＣ 情形不同， 社群難形成統(tǒng)一態(tài)度； 且目前社群對ＡＩＧＣ 了解不夠， 難給出權(quán)威意見。但是， 學(xué)術(shù)道德規(guī)范在社群影響和持續(xù)使用意愿間發(fā)揮正向調(diào)節(jié)作用， 如表６ 所示， 可以解釋為研究生重視學(xué)術(shù)誠信， 會自覺遵循相關(guān)規(guī)范， 且認(rèn)識到ＡＩＧＣ 必須在遵守學(xué)術(shù)倫理前提下使用， 否則可能造成嚴(yán)重后果， 損害個人聲譽(yù)。遵循道德規(guī)范既確保技術(shù)合理應(yīng)用， 也獲得同僚認(rèn)可， 將增強(qiáng)持續(xù)使用意愿。

綜上所述， 研究生的學(xué)術(shù)自主性較強(qiáng)， 不會過度受到社群影響， 但會積極維護(hù)學(xué)術(shù)道德規(guī)范， 以推動ＡＩＧＣ 在學(xué)術(shù)界合乎倫理的持續(xù)應(yīng)用， 因而上層規(guī)范能夠?qū)ζ涑掷m(xù)使用意愿產(chǎn)生重要影響， 是解決ＡＩＧＣ 在學(xué)術(shù)實(shí)踐領(lǐng)域“水土不服” 問題的根本保障。

５.２ 研究啟示

５.２.１ 優(yōu)化ＡＩＧＣ符合學(xué)術(shù)實(shí)踐需求，實(shí)現(xiàn)技術(shù)與任務(wù)的深度匹配

從技術(shù)特征角度考慮： 技術(shù)開發(fā)方面應(yīng)加強(qiáng)對不同學(xué)科用戶實(shí)際應(yīng)用ＡＩＧＣ 需求的研究， 建立定期需求調(diào)研機(jī)制， 邀請不同學(xué)科專家指導(dǎo)研發(fā)方向；同時(shí)建立動態(tài)的用戶反饋機(jī)制， 通過多種渠道持續(xù)收集使用體驗(yàn)數(shù)據(jù)， 以獲知用戶需求變化， 形成技術(shù)供給與需求的閉環(huán)反饋。在技術(shù)路線上， 技術(shù)方需提供模塊化和定制化解決方案以支持不同學(xué)科任務(wù)， 同時(shí)要保障對于虛假內(nèi)容的甄別， 持續(xù)優(yōu)化核心算法提高內(nèi)容生成的智能化與學(xué)術(shù)化， 并完善人機(jī)交互和內(nèi)容審核機(jī)制， 實(shí)現(xiàn)有效的人機(jī)協(xié)同。例如， 中國科學(xué)院學(xué)術(shù)版ＧＰＴ［５６］ 的推出， 便可視為人工智能服務(wù)學(xué)術(shù)領(lǐng)域的一個成功嘗試， 為其他開發(fā)者提供了可資借鑒的范例。

從任務(wù)特征角度來考慮： 高?；蚱渌麑W(xué)術(shù)機(jī)構(gòu)一方面可以通過提供技術(shù)測試、講座、實(shí)操展示等方式與研究生展開交流， 使其深入了解ＡＩＧＣ 對不同學(xué)科研究任務(wù)的適應(yīng)性和支撐能力， 提升研究生對任務(wù)技術(shù)匹配的了解深度； 另一方面可以通過設(shè)置不同學(xué)科的學(xué)術(shù)實(shí)踐結(jié)合ＡＩＧＣ 應(yīng)用的案例庫，展示ＡＩＧＣ 廣泛的應(yīng)用范圍， 拓寬研究生對于任務(wù)技術(shù)匹配的認(rèn)識廣度。還應(yīng)從實(shí)踐出發(fā)， 針對常見的學(xué)術(shù)實(shí)踐活動設(shè)計(jì)ＡＩＧＣ 使用指導(dǎo)， 幫助研究生掌握具體的正確運(yùn)用方法。例如， 香港科技大學(xué)在國內(nèi)率先全面啟用ＧＰＴ［５７］ 用于科研、教學(xué)及管理工作， 對ＡＩＧＣ 的應(yīng)用推廣具有重要意義。

綜上所述， 通過上述舉措并行， ＡＩＧＣ 在學(xué)術(shù)領(lǐng)域的適用性、易用性和生成質(zhì)量將不斷提升， 與學(xué)術(shù)用戶逐漸形成良性互動， 從而有效推動ＡＩＧＣ真正服務(wù)于學(xué)術(shù)創(chuàng)新。

５.２.２ 激發(fā)研究生內(nèi)生技術(shù)探索動機(jī)， 促進(jìn)用戶與技術(shù)的感知同頻

相較于外在的“有趣” 誘導(dǎo)， 同頻感知反映的是用戶對ＡＩＧＣ 的認(rèn)同感和熟悉程度， 它基于內(nèi)生的個體創(chuàng)新性， 是研究生培養(yǎng)ＡＩＧＣ 持續(xù)使用意愿的關(guān)鍵。為增強(qiáng)研究生對ＡＩＧＣ 的同頻感知， 院校應(yīng)當(dāng)更新教學(xué)理念， 開設(shè)與時(shí)俱進(jìn)的創(chuàng)新創(chuàng)業(yè)課程， 提供相應(yīng)的實(shí)踐平臺， 在課程設(shè)置上也要加強(qiáng)創(chuàng)新思維與創(chuàng)新技能的培養(yǎng)， 營造開放包容、支持試錯的校園創(chuàng)新文化， 激發(fā)技術(shù)探索興趣。這需要制度創(chuàng)新支持和科研氛圍熏陶， 培養(yǎng)研究生對技術(shù)創(chuàng)新的認(rèn)同感。此外， 應(yīng)通過培訓(xùn)指導(dǎo)提高研究生的技術(shù)接受能力與個體創(chuàng)新性， 如舉辦實(shí)操培訓(xùn)、網(wǎng)絡(luò)課程、技術(shù)應(yīng)用競賽等， 通過技術(shù)指導(dǎo)與項(xiàng)目支持， 推動研究生積極探索ＡＩ 技術(shù)。英國２４ 所頂尖高校制定在校園使用ＡＩ 工具的原則［５８］ ， 為推動學(xué)生探索ＡＩＧＣ 提供了案例。

綜上所述， 院校及相關(guān)機(jī)構(gòu)需持續(xù)努力， 強(qiáng)化研究生與ＡＩＧＣ 的同頻認(rèn)知， 激發(fā)內(nèi)生動機(jī)， 使不同學(xué)科研究生在學(xué)術(shù)實(shí)踐中形成技術(shù)應(yīng)用共鳴， 實(shí)現(xiàn)廣泛而持續(xù)的發(fā)展。

５.２.３ 構(gòu)建政策與規(guī)范主導(dǎo)的頂層設(shè)計(jì)， 塑造技術(shù)供給與需求的良性循環(huán)

從政策角度考慮： ２０２３ 年７ 月， 我國七部門聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》［５９］ ，明確鼓勵ＡＩＧＣ 在各領(lǐng)域的創(chuàng)新應(yīng)用， 明確指出支持科研機(jī)構(gòu)開展ＡＩＧＣ 技術(shù)創(chuàng)新。相關(guān)部門需要加快腳步制定具體可執(zhí)行政策， 一方面， 要明確ＡＩＧＣ在法律層面的使用要求， 為學(xué)術(shù)共同體劃分清晰的應(yīng)用邊界， 便于其制定ＡＩＧＣ 在學(xué)術(shù)研究中的合理規(guī)范及應(yīng)用指南； 例如， 歐盟推出《人工智能法案》［６０］ ， 通過統(tǒng)一的法律監(jiān)管框架， 為不同類型的ＡＩ 提出不同的要求和義務(wù)， 明確了ＡＩＧＣ 的使用場景； 另一方面， 政府應(yīng)增加ＡＩＧＣ 技術(shù)研發(fā)與應(yīng)用的資金支持， 鼓勵高校、科研院所、高新企業(yè)針對學(xué)術(shù)領(lǐng)域ＡＩＧＣ 關(guān)鍵共性技術(shù)和定制化應(yīng)用開展自主研發(fā)和本土化創(chuàng)新， 提升ＡＩＧＣ 在我國學(xué)術(shù)領(lǐng)域的適配性。例如， 北京市發(fā)布了《北京市促進(jìn)通用人工智能創(chuàng)新發(fā)展的若干措施》［６１］ ， 明確提出探索ＡＩＧＣ 在科研領(lǐng)域的示范應(yīng)用， 為全國各地落地政策樹立標(biāo)桿。

從規(guī)范角度考慮： 學(xué)術(shù)共同體應(yīng)依托政策制定系統(tǒng)性的ＡＩＧＣ 學(xué)術(shù)實(shí)踐規(guī)范， 并據(jù)此擬定不同學(xué)科領(lǐng)域的專項(xiàng)規(guī)劃方案， 基于對各學(xué)科用戶個性化需求的充分調(diào)研， 合理配置技術(shù)供給， 確保符合規(guī)范要求。如國際醫(yī)學(xué)期刊編輯委員會（ＩＣＭＪＥ）針對醫(yī)學(xué)學(xué)術(shù)研究提出ＡＩＧＣ 使用的具體要求［６２］ ， 為其他學(xué)科提供了參考。同時(shí)， 高校等學(xué)術(shù)機(jī)構(gòu)可以依托政策資金建立ＡＩＧＣ 應(yīng)用示范平臺， 發(fā)揮不同學(xué)科領(lǐng)域內(nèi)頂尖高校的示范作用， 在各專業(yè)領(lǐng)域培育應(yīng)用示范點(diǎn)， 推廣技術(shù)應(yīng)用經(jīng)驗(yàn)， 并協(xié)同建立示范平臺的評價(jià)機(jī)制， 確保技術(shù)良性落地。

綜上所述， 為推動ＡＩＧＣ 在學(xué)術(shù)領(lǐng)域內(nèi)的廣泛應(yīng)用， 政府與學(xué)術(shù)共同體應(yīng)密切配合形成技術(shù)供給與需求雙向驅(qū)動的良性循環(huán)， 為ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐本土化和規(guī)范化夯實(shí)基礎(chǔ)， 切實(shí)提升研究生的學(xué)術(shù)能力和創(chuàng)新水平。

６結(jié)語

本研究從技術(shù)、任務(wù)、用戶心理等角度探討對持續(xù)使用意愿的影響， 為研究生持續(xù)使用ＡＩＧＣ 開展學(xué)術(shù)實(shí)踐提供實(shí)證參考， 并在此基礎(chǔ)上提出相關(guān)對策建議， 對ＡＩＧＣ 持續(xù)使用意愿的影響機(jī)制研究具有重要啟發(fā)意義。但本文仍存有不足： 一方面， 研究針對的結(jié)果變量為持續(xù)使用意愿， 未能探討用戶的實(shí)際持續(xù)使用行為， 二者之間可能存在偏差， 后續(xù)研究可通過追蹤調(diào)查等方式， 收集用戶長期使用數(shù)據(jù)， 考察不同影響因素對持續(xù)使用行為的效果；另一方面， 調(diào)查對象僅為研究生群體， 未覆蓋其他學(xué)術(shù)用戶， 如科研人員、博士等高層次人才， 這些用戶群體的學(xué)術(shù)實(shí)踐特征及技術(shù)接受模型可能存在差異。后續(xù)可擴(kuò)大樣本范圍， 建立覆蓋不同學(xué)術(shù)群體的模型， 提出更為個性化的建議。