中圖分類號(hào)：G434 文獻(xiàn)標(biāo)識(shí)碼：A

*本文系鄭州西亞斯學(xué)院語(yǔ)言教學(xué)與跨文化交際科研創(chuàng)新中心研究成果。

一、研究背景

人工智能可根據(jù)功能價(jià)值分為分析式人工智能和生成式人工智能[1]。生成式人工智能是一種基于機(jī)器學(xué)習(xí)和自然語(yǔ)言處理等技術(shù)的應(yīng)用，能夠根據(jù)給定的輸入生成新的文本、圖像、音頻等內(nèi)容，生成式人工智能迅速涌現(xiàn)，正在顛覆和變革教育等社會(huì)服務(wù)領(lǐng)域[2]。生成式人工智能展現(xiàn)出卓越的文本生成和上下文理解能力，這對(duì)教育領(lǐng)域具有重要的影響和啟示，其潛力不僅在于提供教育資源和幫助，還在于促進(jìn)教育理念和實(shí)踐的深刻變革[3]。過(guò)去，教育主要依賴于人際交流的場(chǎng)景，包括師生之間和同學(xué)之間的互動(dòng)。然而，ChatGPT在知識(shí)提煉和內(nèi)容創(chuàng)作方面展現(xiàn)出強(qiáng)大的能力，使其成為學(xué)生學(xué)習(xí)的全面助手和教師教學(xué)的輔助工具。這促使教育場(chǎng)景從僅僅依賴人際交流轉(zhuǎn)向了“人際 + 人機(jī)”的模式。這種教育場(chǎng)景的變化引發(fā)了教育系統(tǒng)性的變革[4]

以ChatGPT和DeepSeek為代表的生成式人工智能對(duì)教育的影響是廣泛而深遠(yuǎn)的，特別是在英語(yǔ)教育領(lǐng)域中，扮演著關(guān)鍵的角色。生成式人工智能具備破解傳統(tǒng)課堂和教材限制的潛力，它可以通過(guò)提供豐富的語(yǔ)言環(huán)境、及時(shí)的個(gè)性化反饋、針對(duì)性的輔助教學(xué)、涵蓋廣泛文化背景知識(shí)的支持，以及自我評(píng)估等多種方式，有效促進(jìn)學(xué)生的英語(yǔ)學(xué)習(xí)[5]。這種多樣化的教學(xué)方法不僅有助于學(xué)生更深入地理解英語(yǔ)語(yǔ)言和文化，還能夠激發(fā)學(xué)習(xí)興趣、提高學(xué)習(xí)效率，從而為他們的語(yǔ)言發(fā)展打下堅(jiān)實(shí)的基礎(chǔ)。同樣，借助海量語(yǔ)料和智能分析功能，DeepSeek能夠?yàn)閷W(xué)生提供多元寫作資源與有效反饋。將其應(yīng)用于過(guò)程寫作教學(xué)，有助于改進(jìn)傳統(tǒng)模式，提升教學(xué)成效，促進(jìn)學(xué)生寫作能力的整體提升。

生成式人工智能在學(xué)術(shù)英語(yǔ)寫作領(lǐng)域的廣泛應(yīng)用不僅改變了學(xué)術(shù)寫作的方式，也引發(fā)了人們對(duì)于這種新技術(shù)的態(tài)度和看法的關(guān)注，大學(xué)生對(duì)于生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度也日益成為研究關(guān)注的焦點(diǎn)。了解他們的態(tài)度不僅可以幫助評(píng)估這種技術(shù)的接受程度和效果，還可以為教學(xué)實(shí)踐和工具改進(jìn)提供重要的參考和指導(dǎo)。盡管人工智能技術(shù)輔助學(xué)術(shù)英語(yǔ)寫作在研究領(lǐng)域得到了越來(lái)越多的關(guān)注，但對(duì)于量化測(cè)量學(xué)生對(duì)這一技術(shù)態(tài)度的研究卻相對(duì)較少。在教育技術(shù)和人工智能領(lǐng)域，已經(jīng)有一些量表用于測(cè)量學(xué)生對(duì)于技術(shù)的態(tài)度。然而，生成式人工智能與傳統(tǒng)的輔助工具存在一些獨(dú)特的差異，這可能導(dǎo)致學(xué)生對(duì)該技術(shù)的態(tài)度和看法有所不同。與傳統(tǒng)的輔助工具不同，生成式人工智能技術(shù)能夠更全面地參與寫作過(guò)程，如幫助學(xué)生了解研究趨勢(shì)、生成寫作大綱、豐富思路、閱讀文獻(xiàn)和潤(rùn)色論文等。在學(xué)術(shù)英語(yǔ)寫作領(lǐng)域，學(xué)生可能更注重寫作質(zhì)量和學(xué)術(shù)規(guī)范，因此對(duì)于這種更智能化、交互性更強(qiáng)的寫作輔助工具可能持有不同的態(tài)度。因此，為了更準(zhǔn)確地了解學(xué)生對(duì)于生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度，開(kāi)發(fā)新的量表是非常必要的，這樣可以更好地捕捉學(xué)生對(duì)于這種新型技術(shù)在學(xué)術(shù)英語(yǔ)寫作中的認(rèn)知、接受度和偏好，為相關(guān)研究和實(shí)踐提供更可靠的數(shù)據(jù)支持。

二、文獻(xiàn)綜述

隨著人工智能（AI）技術(shù)的迅速發(fā)展，基于AI的寫作輔助工具在英語(yǔ)學(xué)術(shù)論文寫作方面發(fā)揮著重要作用，這對(duì)于那些英語(yǔ)水平要求較高的作者來(lái)說(shuō)尤為關(guān)鍵。特別是對(duì)于非英語(yǔ)母語(yǔ)的學(xué)生來(lái)說(shuō)，這些工具為他們提供了有力的支持和幫助，使他們能夠更好地應(yīng)對(duì)學(xué)術(shù)論文寫作挑戰(zhàn)[6]。研究發(fā)現(xiàn)，ChatGPT和其他自然語(yǔ)言處理（NLP）技術(shù)具有提升學(xué)術(shù)寫作和研究效率的潛力[7]。此外，將ChatGPT作為寫作和修訂過(guò)程中的參考模型可以激發(fā)學(xué)生高階思維[8]。同時(shí)，ChatGPT作為自動(dòng)寫作評(píng)估工具的評(píng)分表現(xiàn)比人類評(píng)分員更為嚴(yán)格，能夠提供與宏觀寫作特征相關(guān)的反饋，并支持多次提交以提升學(xué)習(xí)者的自主性[9]

態(tài)度被定義為對(duì)先前刺激或態(tài)度對(duì)象的響應(yīng)[10]。在傳統(tǒng)的態(tài)度概念中，態(tài)度通常被分為三個(gè)不同的組成部分：情感、認(rèn)知和行為[11][12]。情感指的是情緒反應(yīng)、直覺(jué)反應(yīng)或交感神經(jīng)活動(dòng)，可以通過(guò)監(jiān)測(cè)生理反應(yīng)或收集言語(yǔ)報(bào)告的情感或心境來(lái)衡量情感。行為包括明顯的行動(dòng)、行為意圖以及關(guān)于行為的口頭陳述。認(rèn)知組成部分包括信念、知識(shí)結(jié)構(gòu)、感知反應(yīng)和思考。與此同時(shí)，情感可以從愉悅的到不愉快的變化。行為可以從贊同和支持性的到不贊同和敵對(duì)的變化。同樣，認(rèn)知也可以從贊同到不贊同的變化。

在測(cè)量學(xué)生對(duì)教育技術(shù)領(lǐng)域相關(guān)議題的態(tài)度研究中，已經(jīng)有一些量表被開(kāi)發(fā)用于評(píng)估學(xué)生對(duì)不同技術(shù)的態(tài)度，如網(wǎng)絡(luò)[13][14]、計(jì)算機(jī)[15-20]、在線合作式學(xué)習(xí)[21]、遠(yuǎn)程教育[22]、信息技術(shù)[23-27]、 MOOC^[28] 、移動(dòng)教學(xué)[29]、虛擬現(xiàn)實(shí)[30]等。此外，目前國(guó)內(nèi)關(guān)于生成式人工智能的研究主要集中在以下領(lǐng)域，如英語(yǔ)口語(yǔ)教學(xué)實(shí)證研究[31]賦能教育研究范式變革[32]、教育轉(zhuǎn)型[33]、人機(jī)協(xié)同評(píng)價(jià)[34]、跨學(xué)科創(chuàng)新思維培養(yǎng)[35]、教師發(fā)展[36]、教育改革[37]等。在語(yǔ)言教學(xué)領(lǐng)域中，生成式人工智能在英語(yǔ)寫作、閱讀、口語(yǔ)、聽(tīng)力等不同領(lǐng)域中也有研究。然而，在針對(duì)生成式人工智能特別是在輔助學(xué)術(shù)英語(yǔ)寫作方面的態(tài)度測(cè)量研究中，目前尚未發(fā)現(xiàn)適用的量表。

因此，本研究旨在開(kāi)發(fā)一份專門用于測(cè)量學(xué)生對(duì)使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度的量表。通過(guò)量表的設(shè)計(jì)和實(shí)施，我們期望更深入和全面地了解學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度，促進(jìn)學(xué)術(shù)界對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的進(jìn)一步研究；通過(guò)深人了解學(xué)生的態(tài)度，教育者可以更好地設(shè)計(jì)和提供相關(guān)課程和資源，滿足學(xué)生在學(xué)術(shù)英語(yǔ)寫作方面的需求；有助于深入理解學(xué)生對(duì)生成式人工智能的態(tài)度形成過(guò)程。

三、研究方法

（一）研究倫理

為了確保研究的倫理性，研究團(tuán)隊(duì)在進(jìn)行正式數(shù)據(jù)收集之前向參與教師的工作單位提交了研究倫理申請(qǐng)。這一步驟旨在獲得必要的批準(zhǔn)，并確保研究設(shè)計(jì)符合倫理標(biāo)準(zhǔn)和相關(guān)法規(guī)。在數(shù)據(jù)收集階段，研究團(tuán)隊(duì)通過(guò)教師微信工作群分享問(wèn)卷鏈接，請(qǐng)求同事們協(xié)助收集數(shù)據(jù)。為了進(jìn)一步保護(hù)參與者的隱私和確保他們的知情同意，研究團(tuán)隊(duì)在問(wèn)卷星平臺(tái)上設(shè)計(jì)了內(nèi)置的“知情同意書”。參與者在開(kāi)始答題前，必須先閱讀并點(diǎn)擊“同意參與”選項(xiàng)，以確保所有參與者都是在完全了解研究目的和程序后，自愿選擇參與的。此外，考慮到參與者的時(shí)間和隱私保護(hù)，問(wèn)卷設(shè)計(jì)簡(jiǎn)潔明了，答題時(shí)間控制在5分鐘以內(nèi)。更為重要的是，為了最大程度地保護(hù)學(xué)生隱私，問(wèn)卷中特意避免收集學(xué)生的個(gè)人敏感信息，如學(xué)號(hào)、姓名和身份證號(hào)等。

（二）研究對(duì)象

本研究分為兩個(gè)階段，其中第一個(gè)研究包括609本科生，主要用于探索性因素分析與驗(yàn)證性因素分析，其中用于探索性因素分析的數(shù)據(jù)包括308名參與者，旨在探索大學(xué)生態(tài)度中的潛在結(jié)構(gòu)，其中，男性84人 （27.3%） ）、女性224人 （72.7%） ；城鎮(zhèn)戶籍67人 （21.8%） ，農(nóng)村戶籍241人 （78.2%） 。用于驗(yàn)證性因素分析的數(shù)據(jù)包含311名參與者，其中男性95人 （27.3%） ，女性216人（ 72.7%） ;城鎮(zhèn)戶籍69人 （21.8%） ，農(nóng)村戶籍242人 （78.2%） 。隨后，為了驗(yàn)證量表的測(cè)量不變性，作者又收集了一輪數(shù)據(jù)，共計(jì)2019人。其中，男性409人 （20.3%） 、女性1620人 （79.7%） ；本科生1921人（ （95.1%） 、研究生98人（4.9%） ；城鎮(zhèn)戶籍586人（ （29.0%） 、農(nóng)村戶籍1433人（71.0%） 。另外，學(xué)生主要來(lái)自于河南與河北兩省的大學(xué)，其中滄州師范大學(xué)458人、河北東方學(xué)院640人、河北工程大學(xué)112人、河北民族師范學(xué)院131人、鄭州工商學(xué)院123人、鄭州工業(yè)應(yīng)用技術(shù)大學(xué)232人、鄭州西亞斯學(xué)院212人。

（三）研究工具

1.大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作態(tài)度量表

本研究基于態(tài)度三維度理論，采用系統(tǒng)的量表開(kāi)發(fā)流程構(gòu)建“大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作態(tài)度量表”。首先通過(guò)文獻(xiàn)研究明確定義核心構(gòu)念，將態(tài)度劃分為情感（情緒體驗(yàn)）、認(rèn)知（價(jià)值判斷）和行為（使用意向）三個(gè)維度。隨后對(duì)4名資深教師進(jìn)行半結(jié)構(gòu)化訪談，其中兩名為英語(yǔ)教學(xué)領(lǐng)域副教授、一名為數(shù)字科技學(xué)院人工智能領(lǐng)域副教授、一名為教育心理學(xué)領(lǐng)域博士，有著豐富的量表開(kāi)發(fā)的經(jīng)驗(yàn)。為深入了解大學(xué)生在使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作過(guò)程中的態(tài)度表現(xiàn)，本研究設(shè)計(jì)了以“行為、情感、認(rèn)知”三維度為核心的教師半結(jié)構(gòu)化訪談提綱。行為維度方面，圍繞學(xué)生實(shí)際使用生成式人工智能的方式與頻率，探討他們通常在寫作中做些什么，是否會(huì)主動(dòng)尋求生成式人工智能輔助，以及在哪些寫作階段使用；情感維度方面，關(guān)注學(xué)生在使用過(guò)程中的主觀感受，如是否表現(xiàn)出興奮、期待、擔(dān)憂或排斥，以及他們對(duì)AI工具的準(zhǔn)確性、穩(wěn)定性是否表現(xiàn)出信任或懷疑；認(rèn)知維度方面，則聚焦于學(xué)生對(duì)生成式人工智能寫作工具價(jià)值的理性判斷，探討他們是否普遍認(rèn)為該類工具有助于提升學(xué)術(shù)英語(yǔ)寫作水平，以及如何比較AI工具與傳統(tǒng)寫作輔助手段之間的差異與效能。這些問(wèn)題的設(shè)計(jì)為后續(xù)量表?xiàng)l目的提煉提供了理論支撐與實(shí)踐依據(jù)。經(jīng)轉(zhuǎn)錄編碼后提取14個(gè)初始題項(xiàng)（認(rèn)知4項(xiàng)、情感5項(xiàng)、行為5項(xiàng)）。隨后，作者邀請(qǐng)了8名專家對(duì)量表的代表性、清晰性和準(zhǔn)確性進(jìn)行打分，評(píng)分范圍為1—4分，計(jì)算量表與題項(xiàng)的內(nèi)容效度指數(shù)。結(jié)果顯示所有專家對(duì)量表的評(píng)分一致性較高，且各個(gè)問(wèn)題的CVI均為1.0，表明每個(gè)問(wèn)題在代表性、清晰性和準(zhǔn)確性方面均得到了一致認(rèn)同。因此，基于專家的評(píng)估結(jié)果，初始量表未作任何修改，保持了原有的設(shè)計(jì)和條目。隨后，預(yù)測(cè)試表明，初始量表在實(shí)際使用中表現(xiàn)良好，參與者認(rèn)為量表?xiàng)l目清晰易懂，能夠準(zhǔn)確反映學(xué)生的態(tài)度。反饋未提出修改意見(jiàn)，因此，基于預(yù)測(cè)試結(jié)果，初始量表未作任何修改，保持原有設(shè)計(jì)和條目。本量表采用5點(diǎn)Likert量表形式（1代表非常不同意，5代表非常同意）。項(xiàng)目分析結(jié)果顯示，所有題項(xiàng)均具有良好區(qū)分度（獨(dú)立樣本t檢驗(yàn) plt;0.05 ）和中高度題項(xiàng)-總分相關(guān)性（0.755—0.868），量表整體信度優(yōu)異（Cronbach‘s" ），表明該量表具備良好的心理測(cè)量學(xué)特性。

2.AI態(tài)度量表

AI態(tài)度量表（AIAttitudeScale，AIAS）[38旨在評(píng)估公眾對(duì)人工智能（AI）技術(shù)的態(tài)度，特別關(guān)注他們對(duì)AI技術(shù)對(duì)社會(huì)和人類可能產(chǎn)生的影響以及對(duì)其效用的感知。該量表包含一個(gè)維度，共有四個(gè)條目。最初，該量表為英文版本設(shè)計(jì)，為了確保翻譯的準(zhǔn)確性和專業(yè)性，研究人員特別邀請(qǐng)精通英語(yǔ)的教師對(duì)條目進(jìn)行初步翻譯，并由領(lǐng)域內(nèi)的專家進(jìn)行詳細(xì)的復(fù)審，以確保術(shù)語(yǔ)的準(zhǔn)確性和量表的專業(yè)性，并保持原量表的意圖、內(nèi)容和測(cè)量特性。經(jīng)過(guò)信度分析，該量表顯示出較高的內(nèi)部一致性，本研究中該量表的克隆巴赫系數(shù)（Cronbach’s ∝ ）達(dá)到了0.864，表明量表的各個(gè)條目之間協(xié)調(diào)一致，能夠穩(wěn)定可靠地測(cè)量公眾對(duì)AI的態(tài)度。

（四）分析流程

在第一階段，研究者分別使用JASP和AMOS軟件開(kāi)展數(shù)據(jù)分析。具體而言，探索性因素分析（EFA）通過(guò)平行分析與碎石圖確定潛在因子的數(shù)量；驗(yàn)證性因素分析（CFA）用于檢驗(yàn)?zāi)Ｐ偷臄M合度、聚合效度與區(qū)分效度。模型擬合優(yōu)度的判斷主要依據(jù)以下指標(biāo)及其推薦閾值：RMSEA lt;0.08 、SRMR lt;0.08 、 NFIgt;0.90 、 TLIgt;0.90 和CFIgt;0.90 。聚合效度通過(guò)平均方差提取量（AVE）和組合信度（CR）進(jìn)行評(píng)估，通常要求 AVE?0.50 且 CR? 0.70；區(qū)分效度則采用Fornell-Larcker標(biāo)準(zhǔn)，即每一潛變量的AVE平方根應(yīng)大于其與其他潛變量之間的相關(guān)系數(shù)。此外，研究還單獨(dú)評(píng)估了量表的效標(biāo)關(guān)聯(lián)效度，即考察量表得分與相關(guān)外部變量（效標(biāo)）之間的關(guān)聯(lián)程度，以驗(yàn)證其在實(shí)際語(yǔ)境中的效度表現(xiàn)。

第二階段主要針對(duì)量表的測(cè)量不變性進(jìn)行檢驗(yàn)與應(yīng)用。測(cè)量不變性是指同一測(cè)量工具在不同群體中應(yīng)保持一致的測(cè)量結(jié)構(gòu)與參數(shù)，這是進(jìn)行群體間比較的基礎(chǔ)。傳統(tǒng)的測(cè)量不變性檢驗(yàn)一般包括以下四個(gè)層級(jí)：（1）形態(tài)等值：即因子結(jié)構(gòu)與條目對(duì)應(yīng)關(guān)系在各組中是否一致；（2）單位等值：因子載荷是否在各組間保持不變；（3）尺度等值：條目的截距是否相等；（4）誤差方差等值：各組條目的測(cè)量誤差方差是否一致。測(cè)量不變性通常通過(guò)比較嵌套模型的 χ² 變化來(lái)判斷，但由于 χ² 受樣本量的影響，本文采用CFI、TLI和RMSEA的差值作為標(biāo)準(zhǔn)，具體為△CFI和△TLI小于O.O1或△RMSEA小于0.01。此外，在驗(yàn)證量表的測(cè)量不變性后，作者對(duì)性別、戶籍及學(xué)歷三項(xiàng)變量進(jìn)行了獨(dú)立樣本t檢驗(yàn)。

四、研究結(jié)果

（一）量表的構(gòu)建與驗(yàn)證

1.探索性因子分析

利用KMO與巴特利特球體檢驗(yàn)來(lái)評(píng)估因子分析的適合度。巴特利特球體檢驗(yàn)結(jié)果顯示 χ²（91）=4584.893 plt;.001 ，此外，KMO檢驗(yàn)的結(jié)果為 KMO=0.947 ，大于0.9，表明該問(wèn)卷非常適合進(jìn)行因子分析。此外，為確定潛在因素的數(shù)量，采用了平行分析方法，通過(guò)與隨機(jī)數(shù)據(jù)的特征值比較，確定實(shí)際數(shù)據(jù)中顯著的因子數(shù)量。

下頁(yè)表1平行分析的結(jié)果表明，大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作態(tài)度量表包含三個(gè)維度，分別是行為、情感和認(rèn)知。這些維度與預(yù)先設(shè)定的維度一致。具體而言，行為維度包括學(xué)生實(shí)際使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作工具的行動(dòng)、行為意圖；情感維度包括學(xué)生對(duì)于使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的情緒體驗(yàn)、喜好程度；認(rèn)知維度包括學(xué)生對(duì)于生成式人工智能在學(xué)術(shù)英語(yǔ)寫作中的作用、效果的認(rèn)知程度、對(duì)其價(jià)值和意義的理解。

表1探索性因素分析結(jié)果

續(xù)表1

2.模型擬合

用AMOS26對(duì)第二組數(shù)據(jù)進(jìn)行驗(yàn)證性因子分析，驗(yàn)證在探索性因子分析中得到的潛在因子結(jié)構(gòu)模型是否與實(shí)際數(shù)據(jù)相符。表2數(shù)據(jù)表明RMSEA近似誤差平方根、SRMR標(biāo)準(zhǔn)化均方根殘差、NFI標(biāo)準(zhǔn)擬合指數(shù)、TLI指數(shù)、CFI比較擬合指數(shù)等均在可接受范圍內(nèi)，這表示模型與數(shù)據(jù)的擬合程度良好，支持假設(shè)的因子結(jié)構(gòu)。因子結(jié)構(gòu)如圖1所示。

表2量表擬合指標(biāo)

圖1因子結(jié)構(gòu)

3.聚合效度

聚合效度，也被稱為收斂效度，是指在使用不同的測(cè)量方法來(lái)測(cè)量同一特征時(shí)，這些測(cè)量結(jié)果之間的相似程度。具體而言，聚合效度要求不同的測(cè)量方式應(yīng)該在測(cè)定同一特征時(shí)收斂或聚合在一起。此外，為了驗(yàn)證量表的聚合效度，作者計(jì)算了每個(gè)潛在因子的平均方差提取量（AverageVarianceExtracted，AVE）。表3結(jié)果顯示，各個(gè)潛在因子的AVE值均在可接受的范圍內(nèi)（0.745—0.822）。此外，各個(gè)潛在因子的組合信度（CompositeReliability），各維度的組合信度聚在0.9以上，均超過(guò)了Hair等人提出的建議值（ CRgt;0.7 ， AVEgt;0.5 ）。因此證明該量表具有良好的聚合效度。

4.區(qū)分效度

區(qū)別效度主要指潛在變量所代表的潛在特質(zhì)與其他潛在變量所代表的特質(zhì)間存在低相關(guān)或者顯著差異。為了驗(yàn)證量表的區(qū)分效度，本文使用Fornell-Larcker區(qū)分效度指標(biāo)。該指標(biāo)是一種常用的方法，用于評(píng)估不同潛在因子之間的區(qū)分程度，即構(gòu)面平均萃取變異量的平方根（對(duì)角線加粗?jǐn)?shù)字）是否大于該構(gòu)面與其它構(gòu)面的相關(guān)系數(shù)（對(duì)角線下方的下三角區(qū)域數(shù)字）。表3結(jié)果顯示，該研究的測(cè)量模型顯示出較好的區(qū)別效度。

表3區(qū)分效度結(jié)果

注：對(duì)角線括號(hào)內(nèi)的值是AVE的平方根，對(duì)角線以下區(qū)域的數(shù)字表示潛在變量之間的皮爾遜相關(guān)系數(shù)。

5.效標(biāo)關(guān)聯(lián)效度

效標(biāo)關(guān)聯(lián)效度是評(píng)估測(cè)量工具的一種效度類型，它用于確定測(cè)量工具與其所關(guān)聯(lián)的效標(biāo)（也稱為準(zhǔn)則）之間的關(guān)聯(lián)程度。效標(biāo)可以是另一個(gè)已被廣泛接受的測(cè)量工具、已知的行為表現(xiàn)、客觀結(jié)果或其他已被驗(yàn)證的標(biāo)準(zhǔn)。通過(guò)評(píng)估測(cè)量工具與效標(biāo)之間的關(guān)聯(lián)程度，可以了解測(cè)量工具在預(yù)測(cè)或衡量特定概念或現(xiàn)象方面的準(zhǔn)確性和有效性。本研究用作效標(biāo)的量表為AI態(tài)度量表（AIAttitudeScale，AIAS）。結(jié)果表明，態(tài)度量表的各個(gè)維度與總分和AI態(tài)度量表分?jǐn)?shù)的皮爾遜相關(guān)系數(shù)在0.521與0.593之間（ Φ_p=0.01 ），表明測(cè)量工具和效標(biāo)之間存在著中等到較強(qiáng)的正向關(guān)聯(lián)。證明態(tài)度量表的效標(biāo)關(guān)聯(lián)效度良好。

6.測(cè)量不變性

本研究通過(guò)多組驗(yàn)證性因素分析（MGCFA）對(duì)測(cè)量工具在不同性別（男/女）、戶籍（城鎮(zhèn)/農(nóng)村）和學(xué)歷（本科以下/本科及以上）群體中的測(cè)量不變性進(jìn)行了系統(tǒng)檢驗(yàn)。結(jié)果表明（ ΔCFI 與△TLI均 lt;0.01 ，△RMSEA均 lt;0.015 ），表明本研究開(kāi)發(fā)的量表具在不同人口學(xué)群體中具有穩(wěn)定的心理測(cè)量特性，為后續(xù)的跨群體比較分析提供了重要的方法論保障，確保了研究結(jié)論在不同子群體間的有效性和可比性。

（二）大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度

1.總體情況

本研究對(duì)2019名大學(xué)生在使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作方面的態(tài)度進(jìn)行了測(cè)量，量表包括行為、情感和認(rèn)知三個(gè)維度。結(jié)果顯示，大學(xué)生總體態(tài)度得分為3.94（標(biāo)準(zhǔn)差 =0.69 ），表明他們對(duì)使用GenAI工具持中等偏積極的態(tài)度。從分維度來(lái)看，行為維度得分最高（均值 =4.03 ，標(biāo)準(zhǔn)差 =0.77 ），說(shuō)明學(xué)生在實(shí)際使用GenAI工具的意愿最為強(qiáng)烈；情感維度得分為3.88（標(biāo)準(zhǔn)差 =0.75 ），顯示學(xué)生對(duì)GenAI在情感上的接受度較高；認(rèn)知維度得分為3.91（標(biāo)準(zhǔn)差 =0.73 ），表明學(xué)生普遍認(rèn)為GenAI對(duì)學(xué)術(shù)英語(yǔ)寫作具有一定的認(rèn)知促進(jìn)作用。整體而言，大學(xué)生在行為、情感與認(rèn)知各方面均表現(xiàn)出對(duì)GenAI的積極態(tài)度，尤其在行為傾向上最為明顯。

2.不同性別大學(xué)生態(tài)度的差異性

隨后，作者對(duì)性別、戶籍及學(xué)歷三項(xiàng)變量進(jìn)行了獨(dú)立樣本t檢驗(yàn)。結(jié)果表示，男性（樣本量為409人，均值為3.98）與女性（樣本量為1610人，均值為3.93）在量表均值上的均值差異為0.05（標(biāo)準(zhǔn)誤 =0.04 ）， t（549.384）= 1.121， p=.263gt;.05 ，表明二者在該量表得分上不存在統(tǒng)計(jì)學(xué)顯著差異。此外，男性女性在行為、情感與認(rèn)知三個(gè)子維度上均不存在顯著性差異（ （p_?↑↑）_↓=0.648 p_H，H= 0.143， 。

3.城鄉(xiāng)大學(xué)生態(tài)度的差異性

城鎮(zhèn)戶籍（樣本量為586人，均值為3.99）與鄉(xiāng)村戶籍（樣本量為1433人，均值為3.92）學(xué)生在量表均值上的均值差異為0.07（標(biāo)準(zhǔn)誤 =0.036 ）， t（963.458）= 1. 777， p=.076gt;.05 ，表明二者在該量表得分上不存在統(tǒng)計(jì)學(xué)顯著差異。此外，城鎮(zhèn)戶籍與鄉(xiāng)村戶籍學(xué)生在行為、情感兩個(gè)子維度上均不存在顯著性差異（ "，但是在認(rèn)知維度上存在顯著差異（ 0. 023）。

4.不同學(xué)歷大學(xué)生態(tài)度的差異性

此外，本科（樣本量為1921人，均值為3.93）與研究生（樣本量為98人，均值為4.16）在量表均值上的均值差異為-0.23，標(biāo)準(zhǔn)誤 ε=0.09 ， t（102.605）=-2.412 ， Δp= 018lt;.05 ，表明二者在該量表得分上不存在統(tǒng)計(jì)學(xué)顯著差異。此外，不同學(xué)歷學(xué)生在行為、情感兩個(gè)子維度上均不存在顯著性差異（ ， p_?^*，?Ω=0.085 ）。但是在認(rèn)知維度上存在顯著差異 （p_iλ^gfllt;0.001） ）°

五、討論

本研究最終確定了14個(gè)題項(xiàng)組成的三因子模型，分別是認(rèn)知維度、情感維度與行為維度。這一模型與先前的研究結(jié)果高度一致。其中，行為維度包括學(xué)生實(shí)際使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作工具的行動(dòng)、行為意圖。情感維度包括學(xué)生對(duì)于使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的情緒體驗(yàn)、喜好程度。認(rèn)知維度包括學(xué)生對(duì)于生成式人工智能在學(xué)術(shù)英語(yǔ)寫作中的作用、效果的認(rèn)知程度、對(duì)其價(jià)值和意義的理解。

在本研究中，戶籍、性別和學(xué)歷等變量上的測(cè)量一致性表明，該量表在不同群體或背景下的分類標(biāo)準(zhǔn)和測(cè)量方式?jīng)]有偏差，確保了研究結(jié)果的廣泛適用性和可靠性。具體來(lái)說(shuō)，出生成式人工智能在不同地區(qū)、不同性別與不同學(xué)歷的人群體中的普適性，在使用該工具時(shí)的認(rèn)知、情感和行為反應(yīng)具有較高的一致性。這些結(jié)果表明，該量表在不同群體之間具有良好的適應(yīng)性，能夠準(zhǔn)確反映受試者的實(shí)際情況，從而為研究結(jié)果的外部效度和普適性提供了支持。

對(duì)大學(xué)生關(guān)于生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作態(tài)度的量表數(shù)據(jù)進(jìn)行描述性分析發(fā)現(xiàn)，整體得分處于較高水平，這表明在大學(xué)生群體中，對(duì)借助生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作持有較為積極的態(tài)度。同時(shí)，獨(dú)立樣本t檢驗(yàn)結(jié)果表明，男性與女性在量表均值以及各子維度均值差異不具備統(tǒng)計(jì)學(xué)顯著性，這意味著無(wú)論性別如何，大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度基本一致。這或許得益于當(dāng)下數(shù)字化教育資源的普及，使得不同性別的學(xué)生均有平等機(jī)會(huì)接觸和了解生成式人工智能。此外，本科與研究生在量表得分上存在顯著差異，研究生群體均值更高，但不同學(xué)歷學(xué)生在行為、情感兩個(gè)子維度上均不存在顯著性差異，僅在認(rèn)知維度上存在顯著差異。這可能與研究生在學(xué)術(shù)訓(xùn)練中對(duì)寫作質(zhì)量和效率的更高要求有關(guān)，他們更容易意識(shí)到生成式人工智能在語(yǔ)言生成、資料整合和寫作輔導(dǎo)方面的潛力。不過(guò)，在行為與情感兩個(gè)維度上，學(xué)歷差異并不顯著，說(shuō)明盡管認(rèn)知水平存在差異，但不同學(xué)歷學(xué)生在態(tài)度傾向與使用意愿方面仍基本一致。最后，城鎮(zhèn)戶籍與鄉(xiāng)村戶籍學(xué)生的量表均值得分以及情感、行為兩個(gè)子維度均值得分無(wú)顯著差異，但認(rèn)知維度上二者存在顯著差異，說(shuō)明城鎮(zhèn)學(xué)生的認(rèn)知態(tài)度更為積極。這可能反映出城鄉(xiāng)學(xué)生在接觸技術(shù)資源、教育環(huán)境及數(shù)字素養(yǎng)等方面的結(jié)構(gòu)性差異，進(jìn)一步提示教育工作者在推廣生成式人工智能應(yīng)用時(shí)應(yīng)關(guān)注城鄉(xiāng)間的認(rèn)知落差，提升鄉(xiāng)村學(xué)生對(duì)技術(shù)作用的理解和認(rèn)同。

六、研究不足與建議

首先，本研究主要探討用戶對(duì)學(xué)術(shù)寫作輔助技術(shù)的整體態(tài)度，但未收集具體生成式AI工具（如ChatGPT、Claude、Grammarly等）的實(shí)際使用數(shù)據(jù)。由于不同AI產(chǎn)品在功能、交互方式和輸出質(zhì)量上存在差異，用戶的使用體驗(yàn)和評(píng)價(jià)可能因產(chǎn)品而異。當(dāng)前量表的測(cè)量結(jié)果反映的是對(duì)“AI輔助寫作技術(shù)”的一般性認(rèn)知，而非針對(duì)某一具體產(chǎn)品的評(píng)估。未來(lái)研究可結(jié)合實(shí)際產(chǎn)品使用日志（UsageLogs）或?qū)嶒?yàn)對(duì)照（如對(duì)比不同AI工具的效果），以提高研究的外部效度。

其次，本研究沒(méi)有采用縱向研究設(shè)計(jì)，沒(méi)有驗(yàn)證重測(cè)信度?？v向研究設(shè)計(jì)可以幫助研究者觀察隨著時(shí)間推移，參與者在使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作工具方面的態(tài)度和行為是否發(fā)生變化。而驗(yàn)證重測(cè)信度則可以評(píng)估量表在不同時(shí)間點(diǎn)或條件下的一致性和穩(wěn)定性。因此，將來(lái)的研究可以考慮采用縱向設(shè)計(jì)，并進(jìn)行重測(cè)信度的驗(yàn)證，以提高研究結(jié)果的可信度和穩(wěn)健性。

同時(shí)，本研究的另一個(gè)局限性在于未能使用統(tǒng)一的學(xué)術(shù)英語(yǔ)測(cè)試作為效標(biāo)，從而缺乏對(duì)量表預(yù)測(cè)效度的考量。由于樣本來(lái)源于不同學(xué)校和專業(yè)，缺乏統(tǒng)一的評(píng)估標(biāo)準(zhǔn)，導(dǎo)致無(wú)法直接檢驗(yàn)量表在預(yù)測(cè)學(xué)生學(xué)術(shù)英語(yǔ)寫作能力方面的效果。為了進(jìn)一步提升量表的應(yīng)用性，未來(lái)研究應(yīng)聚焦于特定專業(yè)的學(xué)生群體，并結(jié)合統(tǒng)一的學(xué)術(shù)英語(yǔ)評(píng)估工具（如標(biāo)準(zhǔn)化的寫作測(cè)試）進(jìn)行驗(yàn)證。通過(guò)這種方式，可以更準(zhǔn)確地評(píng)估量表的預(yù)測(cè)效度，從而提高量表的可靠性和科學(xué)性。

最后，盡管問(wèn)卷在性別、戶籍、學(xué)歷等不同亞組中展現(xiàn)了良好的測(cè)量不變性，但不同學(xué)科專業(yè)在學(xué)術(shù)英語(yǔ)寫作的要求、規(guī)范和實(shí)踐上存在差異，例如在人文學(xué)科與理工科之間，寫作目的、語(yǔ)言風(fēng)格、格式規(guī)范等可能顯著不同。因此，后續(xù)研究可在語(yǔ)言、管理、工程等多個(gè)專業(yè)背景下開(kāi)展測(cè)量不變性驗(yàn)證，確保量表在不同學(xué)科群體中的適用性和穩(wěn)定性；此外，還可進(jìn)一步比較不同專業(yè)學(xué)生對(duì)生成式人工智能輔助寫作態(tài)度的異同，以揭示專業(yè)背景對(duì)態(tài)度的潛在調(diào)節(jié)作用。

七、結(jié)語(yǔ)

在英語(yǔ)教學(xué)領(lǐng)域，GAI技術(shù)憑借其強(qiáng)大的文本生成與理解能力，正逐步成為教學(xué)創(chuàng)新的重要驅(qū)動(dòng)力[39]，也引發(fā)了人們對(duì)于這種新技術(shù)的態(tài)度和看法的關(guān)注，本研究旨在開(kāi)發(fā)一種評(píng)估大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度的量表。首先，通過(guò)文獻(xiàn)回顧和訪談，確定了量表的維度和代表性題項(xiàng)。隨后，通過(guò)項(xiàng)目分析、探索性因子分析、驗(yàn)證性因子分析和信效度檢驗(yàn)等流程，構(gòu)建了包含三個(gè)因子的大學(xué)生對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作態(tài)度量表，即行為、情感和認(rèn)知。這些維度涵蓋了大學(xué)生對(duì)于使用生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作的態(tài)度的多個(gè)方面，從技術(shù)使用意愿到情感體驗(yàn)和對(duì)技術(shù)功能的認(rèn)知。結(jié)果顯示，該量表具有良好的心理學(xué)測(cè)驗(yàn)特性。這為量表的應(yīng)用和推廣提供了可靠的基礎(chǔ)。綜上所述，本研究的設(shè)計(jì)和結(jié)果都表明了對(duì)生成式人工智能輔助學(xué)術(shù)英語(yǔ)寫作態(tài)度量表的開(kāi)發(fā)是科學(xué)、可靠的，為進(jìn)一步研究和實(shí)踐提供了重要的工具和支持。

參考文獻(xiàn)：

[1]沈?qū)嵾h(yuǎn).生成式人工智能對(duì)教育的影響與發(fā)展[J].漢字文化，2023，（22）： 175-177.

[2]苗逢春.生成式人工智能及其教育應(yīng)用的基本爭(zhēng)議和對(duì)策[J].開(kāi)放教 育研究，2024，30（1）：4-15.

[3］盧宇，余京蕾等.生成式人工智能的教育應(yīng)用與展望—以ChatGPT系 統(tǒng)為例[J].中國(guó)遠(yuǎn)程教育，2023，（4）：24-32.

[4］楊宗凱，王俊等.ChatGPT/生成式人工智能對(duì)教育的影響探析及應(yīng)對(duì)策 略[J].華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（7）：26-35.

[5］陳力嘉，胡敏霞.生成式預(yù)訓(xùn)練轉(zhuǎn)換器ChatGPT在英語(yǔ)教學(xué)中的應(yīng)用研 究[J].Modern Linguistics，2024，12：721-727.

[6]郭茜，馮瑞玲等.ChatGPT在英語(yǔ)學(xué)術(shù)論文寫作與教學(xué)中的應(yīng)用及潛在 問(wèn)題[J].外語(yǔ)電化教學(xué)，2023，（2）： 18-23+107

[7]DergaaI，Chamari K，etal.From human writing to artificial intelligence generated text：examining the prospects and potential threats of ChatGPT in academic writing[J].Biology of sport，2023，40（2）：615-622.

[8]Strobl C，Menke-Bazhutkina Iet al.Adopting ChatGPT as a writing buddy in theadvanced L2 writing class[J].Technology in Language Teachingamp; Learning，2024，6（1）：1-19.

[9]ParkerJL，BeckerK，Carroca C.ChatGPT for automated writing evaluation in scholarly writing instruction[J].Journal of Nursing Education，2O23，62（12）： 721-727.

[10]Breckler SJ.Empirical validation of afect，behavior，and cognition as distinct components of attude[J].Journal of personality and social psychology， 1984，47（6）：1191.

[11]Eagly A H，Chaiken S.The psychology of attudes[M].Orlando： Harcourt Brace Jovanovich College Publishers，1993.

[12]Fishbein M，Ajzen LAtitudes and opinions[J].Annual review of psychology， 1972，23（1）：487-544.

[13]Tsai CC，LinSSJ，Tsai MJ.Developing an Internet Attitude Scale for high school students [J].COMPUTERS amp; EDUCATION，2001，37（1）：41-51.

[14]Joyce M，Kirakowski J.Measuring atitudes towards the Intermet：Thegeneral Internet attitude scale[J].International Journal of Human-Computer Interaction， 2015，31（8）：506-517.

[15] Kluever R C，Lam T C M，et al.The computer attitude scale： Assessing changes in teachers’atitudes toward computers[J].Journal of Educational Computing Research，1994，11（3）：251-261.

[16] Nickell G S，Pinto JN.The computer attitude scale[J].Computers in human behavior，1986，2（4）：301-306.

[17]Selwyn N.Students’attitudes toward computers： Validation ofa computer attitudescale for16-19 education[J].Computersamp; Education，1997，28（1）： 35-41.

[18]Gressard C P，Loyd BH.Validation studies of a new computer attitude scale[J]. AEDS Jourmal，1986，19（4）：295-301.

[19]Francis L J，Katz Y J，Jones S H.The reliability and validityof the Hebrew version of the Computer Atitude Scale[J].Computersamp; Education，2000， 35（2）：149-159.

[20]Nash JB，Moroz P A.An examination of the factor structures of the computer attitude scale[J].Journal of educational computing research，1997，17（4）：341 -356.

[21]Korkmaz O.Avalidity and reliability study of the Online Cooperative Learning Attitude Scale （OCLAS）[J].COMPUTERSamp; EDUCATION，2012， 59（4）：1162-1169.

[22] Celik B，Uzunboylu H.Developing an atitude scale towards distance learing[J]. Behaviouramp;Information Technology，2022，41（4）：731-39.

[23]Oliveira MRde，Correia VGA，et al.Validationof theattitude scale for information and communications technologies [J].Acta Paulista de Enfermagem，2019，32：79-86.

[24]Novikova I A，Bychkova P A，et al.Attitudes towards Digital Educational Technologies Scale for University Students：Development and Validation[J]. Computers，2023，12（9）：176.

[25]Xu MD，WilliamsPJ，GuJJ.An initial development and validation of a Chinese technologyteachers’attitudestowardstechnology（TTATT）scale[J]. INTERNATIONAL JOURNAL OF TECHNOLOGY AND DESIGN EDUCATION， 2020，30（5）：937-950.

[26]GokhaleAA，Machina KF.Development of a Scale to Measure Attitudes toward Information Technology[J].Exploring the New Era of TechnologyInfused Education.IGIGlobal，2017：49-64.

[27]Yavuz S.Developing a technology attitude scale for pre-service chemistry teachers［J].Turkish Online Journal of Educational Technology-TOJET， 2005，4（1）：17-25.

[28]Yuniwati I，Yustita AD，et al.Development of attitude assessment instrument in engineering mathematics 1 course to assess discussion on MOOC platform[J].Journal of Physics：Conference Series，2021，1918，（4）：42079.

[29]Chao C C.The validation of a measurement instrument：Teachers’attitudes toward the use of mobile technologies in the classroom[C].Kaohsiung：5th IEEE International Conference on Advanced Learning Technologies，2025. 840-841.

[30]Bunz U，Seibert J，Hendrickse J.From TAM to AVRTS：development and validation of theatitudes toward Virtual Reality Technology Scale[J]. Virtual reality，2021，25：31-41.

［31]吳堅(jiān)豪，周婉婷等.生成式人工智能技術(shù)賦能口語(yǔ)教學(xué)的實(shí)證研究[J]. 中國(guó)電化教育，2024，（4）：105-111.

[32］荊洲，楊啟光.生成式人工智能賦能教育研究范式變革：機(jī)理、風(fēng)險(xiǎn)與 對(duì)策[J].中國(guó)電化教育，2024，（3）：68-75.

[33］楊欣.基于生成式人工智能的教育轉(zhuǎn)型圖景 -ChatGPT究竟對(duì)教育 意味著什么[J].中國(guó)電化教育，2023，（5）：1-8+14.

［34］宛平，顧小清.生成式人工智能支持的人機(jī)協(xié)同評(píng)價(jià)：實(shí)踐模式與解釋 案例[J].現(xiàn)代遠(yuǎn)距離教育，2024，（2）：33-41.

[35］董艷，陳輝.生成式人工智能賦能跨學(xué)科創(chuàng)新思維培養(yǎng)：內(nèi)在機(jī)理與模 式構(gòu)建[J].現(xiàn)代教育技術(shù)，2024，34（4）：5-15.

[36]馮曉英，徐辛等.如何理解，如何行動(dòng)，如何成為？- -人工智能時(shí)代教 師專業(yè)發(fā)展的反思[J].開(kāi)放教育研究，2024，30（2）：31-41.

[37]Yu H，Guo Y.Generativeartificial intelligence empowers educational reform： current status，issues，and prospects[J].Frontiers in Education， 2023，8： 1183162.

[38]Grassini S.Development and validation of the AI atitude scale （AIAS-4）：a brief measure of general attitude toward artificial intelligence[J].Frontiers in Psychology，2023，14：1191628.

[39］劉夢(mèng)君，鄒文龍等.生成式人工智能何以賦能教學(xué)- 一中學(xué)生英語(yǔ)寫 作教學(xué)實(shí)證研究[J].中國(guó)電化教育，2025，（6）：70-79.

作者簡(jiǎn)介：

楚金金：教授，博士，研究方向?yàn)橛⒄Z(yǔ)教育和翻譯。

The Study on College Students’ Attitudes Toward Generative Artificial Intelligence-Assisted Academic English Writing

Chu Jinjin

School of Foreign Languages，Sias University， Zhengzhou ， Henan

Abstract：Witheiceasingaplicationofnerativeartificiaitellgece（GenA）inacademicwitingderstadingcolsdets’ atitdetoadstdtoprtialpatstoeote’td generativesteddecEglsindeticiueedteesdetatif thescaleereeidtdfrotsdasouaispocto aalysis （Eactalisuoaldblitlec behavioraffciosisiosesptsfd’testoadigadcin rangingfromiligesstousetetecholgtootioalexperiesandgnitiveunderstadingoftsfuctios.Tesultssoatte scalehassodpyoetricproperisdprodesaelabletlforfurtrsearchsdets’atestwrdGinacadecing Anindependentspleststicatednigiicantdieecsialesosyenderouseldgistratoutterecat diferencesacsucatiallevelsevelotofisalefspoaerduportfoadaducatlct contributing to the more effective use of technology to enhance students’writing skills.

Keywords：Generative Artificial Intelligence; academic English Writing; scale development;scale validation

收稿日期：2025年2月7日責(zé)任編輯：宋靈青