摘要：教育领域人工智能（AI）的融合取决于教师对复杂数字工具的认知、情感及动机倾向，然而已有研究较少探讨学校领导力如何塑造这些机制。本研究检验了一个整合模型，将数字领导力（Digital Leadership）定位环境前因变量，并整合技术接受与使用统一理论第二版（UTAUT2）与通用扩展电子学习技术接受模型（GETAMEL），以解释教师采纳基于AI的教育技术的行为意向（Behavioral Intention, BI）。研究人员对土耳其公立名公私及私立学校教师进行横断面调查，模型包含数字领导力、自我效能感（Self-Efficacy, SE）、焦虑（Anxiety, AN）、感知愉悦（Perceived Enjoyment, PE）、主观规范（Subjective Norm, SN）、经验（Experience, EXP）、感知有用性（Perceived Usefulness, PU）、感知易用性（Perceived Ease of Use, PEOU）、态度（Attitude, ATT）、促成条件（Facilitating Conditions, FC）、习惯（Habit, HAB）、价格价值（Price Value, PV）及行为意向，采用结构方程模型（Structural Equation Modeling, SEM）评估测量模型与结构模型。结果显示：整合模型拟合良好，解释行为意向变异的61%，优于单独UTAUT2与GETAMEL模型；数字领导力正向预测自我效能感、感知愉悦、主观规范、经验及行为意向，负向预测技术相关焦虑；自我效能感、愉悦、经验、主观规范及焦虑影响感知有用性与感知易用性；感知有用性、感知易用性及态度是行为意向的强预测因子，促成条件、习惯与价格价值也直接贡献于意向。研究表明教师AI采纳不仅受感知效用塑造，还受情绪调节、内在动机、社会期望及惯例化过程影响；建议学校领导者提供实操AI培训、校本支持结构、低风险实验机会及明确的校级指导，以增强教师AI采纳准备度。
论文解读：《Digital leadership as an environmental determinant of teachers' cognitive and affective mechanisms in artificial intelligence adoption: an integrated UTAUT2 –GETAMEL model》（发表于《Frontiers in Psychology》）
一、研究背景与目的
近年来人工智能（Artificial Intelligence, AI）技术快速渗入教育领域，可用于个性化学习、自动测评与自适应反馈等。然而AI在教育中的真正落地不只依赖技术本身，更取决于教师对AI工具的认知评价、情感反应（如技术焦虑）与内在动机。现有教师AI采纳研究多单独应用技术接受模型（TAM）、UTAUT2 （Unified Theory of Acceptance and Use of Technology 2，技术接受与使用统一理论第二版）或GETAMEL（General Extended Technology Acceptance Model for E-Learning，通用扩展电子学习技术接受模型，在TAM基础上加入自我效能感、焦虑、经验与感知愉悦等心理变量），存在三点不足：（1）未将认知—情感机制与环境影响因素整合入统一框架；（2）数字领导力多被视为笼统的背景支持，少有建模其为前因变量直接影响教师自我效能感、焦虑、主观规范等心理机制；（3）"教师就绪度（readiness）"概念模糊，未明确其由多认知—情感维度变量共同构成。为此，研究人员构建并验证整合数字领导力、UTAUT2 与GETAMEL的结构方程模型（Structural Equation Modeling, SEM），以揭示学校数字领导力如何通过教师认知—情感机制影响其对基于AI的教育技术之行为意向（Behavioral Intention, BI）。
即采纳意愿），并检验整合模型的增量解释力。
二、主要研究方法
研究人员于2025学年对土耳其公立与私立中小学（初等、初中、高中）教师进行在线横断面调查，经筛选后有效样本为477人（女性58.5%，男性41.5%；超半数教龄＞＞10年；仅18%有AI工具使用经验）。采用自报告李克特五点量表测量13个潜变量：数字领导力（Digital Leadership, DL，5题项）、主观规范（Subjective Norm, SN）、经验（Experience, EXP）、感知愉悦（Perceived Enjoyment, PE）、焦虑（Anxiety, AN）、自我效能感（Self-Efficacy, SE）、感知易用性（Perceived Ease of Use, PEOU）、感知有用性（Perceived Usefulness, PU）、态度（Attitude, ATT）、促成条件（Facilitating Conditions, FC）、价格价值（Price Value, PV）、习惯（Habit, HAB）、行为意向（BI，各其余构念各3题项）。经翻译—回译及专家内容效度检验，预测试后定稿。数据分析使用SPSS与AMOS 28.0，先以验证性因子分析（Confirmatory Factor Analysis, CFA）检验测量模型信效度（Cronbach's α、组合信度CR、平均方差萃取AVE及判别效度），再通过最大估计结构模型路径并做500（5000次）检验间接效应，并与单独UTAUT2 及GETAMEL模型进行嵌套比较。
三、研究结果
3.1 测量模型与模型拟合
CFA显示测量模型拟合良好（χ2 /df＝2.61，RMSEA＝0.051，CFI＝0.94，TLI＝0.92），所有题项在其潜变量上载荷显著；α值为0.81～0.89，CR＞0.70，AVE为0.59～0.73，且√AVE大于构念间相关系数，判别效度满足；单因子CMV模型拟合差，共同方法偏差不严重。
3.2 结构模型与假设检验
整合模型拟合优（χ2 /df＝2.59，RMSEA＝0.048，SRMR＝0.045，CFI＝0.95，TLI＝0.94）。全部24条假设均获支持：
• 数字领导力→主观规范（β＝0.42，p＜0.001，H1支持），→经验（β＝0.38，p＜0.001，H2支持），→感知愉悦（β＝0.35，p＜0.001，H3支持），→自我效能感（β＝0.45，p＜0.001，H5支持），→焦虑（β＝－0.31，p＜0.001，H4支持），→行为意向（β＝0.22，p＜0.01，H6支持）。
• GETAMEL路径：主观规范（β＝0.33，p＜0.01，H7）、经验（β＝0.28，p＜0.01，H9）、感知愉悦（β＝0.31，p＜0.001，H11）、自我效能感（β＝0.36，p＜0.001，H15）正向预测PU；焦虑负向预测PU（β＝－0.24，p＜0.01，H13）。主观规范（β＝0.27，p＜0.01，H8）、经验（β＝0.30，p＜0.01，H10）、感知愉悦（β＝0.39，p＜0.001，H12）、自我效能感（β＝0.41，p＜0.001，H16）正向预测PEOU；焦虑负向预测PEOU（β＝－0.33，p＜0.001，H14）。PEOU→PU（β＝0.48，p＜0.001，H17），PEOU→ATT（β＝0.44，p＜0.001，H18），PU→ATT（β＝0.52，p＜0.001，H19），PU→BI（β＝0.41，p＜0.001，H20），ATT→BI（β＝0.49，p＜0.001，H21）。
• UTAUT2 语境因子：促成条件→BI（β＝0.29，p＜0.01，H24），价格价值→BI（β＝0.21，p＜0.05，H22），习惯→BI（β＝0.34，p＜0.001，H23）。
整合模型解释BI方差R2 ＝0.61，高于单独GETAMEL模型（R2 ＝0.53）与单独UTAUT2 模型（R2 ＝0.45）；亦解释ATT（R2 ＝0.55）、PU（R2 ＝0.49）与PEOU（R2 ＝0.44）的相当比例变异。
四、讨论与结论（翻译浓缩）
本研究提出并验证了将数字领导力作为环境前因变量嵌入UTAUT2 –GETAMEL整合框架，用以解释教师对基于AI的教育技术的采纳行为意向。主要发现如下：第一，整合模型对教师行为意向的解释力（R2 ＝0.61）显著高于单独模型，表明仅依靠个体信念模型不足以理解AI采纳，必须纳入塑造信念形成与情绪调节过程的环境影响因素。第二，数字领导力是教师AI采纳认知—情感就绪度的关键环境前因——校长的数字领导力显著提升教师自我效能感（掌握期待）、感知愉悦（内在动机）、主观规范，降低技术焦虑（威胁评价），并直接正向影响行为意向；教师心理就绪度应被理解为自我效能感、焦虑、感知愉悦、主观规范及相关PU／PEOU评价所构成的认知—情感构型，而非单一潜变量。第三，GETAMEL核心路径获证：高自我效能感、高感知愉悦、低焦虑及一定经验通过增强PU与PEOU促进正向态度与意向；UTAUT2 因子显示习惯、促成条件及广义"价格价值"（教师对AI教学收益与时间／认知努力／工作流调整之净价值评价，非仅金钱成本）也直接推动意向，反映AI采纳依赖行为惯例化与环境支持。理论层面，本研究拓展了社会认知理论（Social Cognitive Theory）为基础将数字领导力度量延伸至教师内部调节过程，细化了自我决定理论（Self-Determination Theory）在AI情境下对内在动机与焦虑调节的强调，并对UTAUT2 中习惯与价格价值作出适用于高复杂度教育技术的心理学重。实践层面，校方应以组合策略落实数字领导：分层AI培训（入门至伦理批判）、设立校本AI导师／协调员与协作时间、提供低风险试错沙盒环境、给予释放时间与微证书等激励以提升感知价值——从而降低焦虑、增强自我效能感并促进可持续AI教学整合。研究局限含横断面设计无法确立因果、自陈报告潜在社会期许偏差、便利抽样及土耳其单一文化背景限制推广性、将异质AI技术合并为一为同一范畴等，未来宜开展纵向、多国别及按具体AI类型之研究。
打赏
