在線教學(xué)(真人vs AI)對學(xué)生使用意愿的影響

范苗苗 呂 巍

(上海交通大學(xué) 安泰經(jīng)濟與管理學(xué)院，上海 200030)

本研究探討在線教育中消費者使用意愿的作用路線：通過對比真人和AI兩種授課模式對消費者使用意愿的影響，希望補充和豐富對在線學(xué)習(xí)領(lǐng)域消費者決策的理論理解，并從實踐意義出發(fā)為正在進行在線教育AI產(chǎn)品開發(fā)的企業(yè)提供設(shè)計、營銷推廣建議，提出干預(yù)措施，以提高消費者對AI在線學(xué)習(xí)模式的接受度。

1 理論基礎(chǔ)與研究假設(shè)

1.1 在線教學(xué)(真人 vs AI)與學(xué)生使用意愿的關(guān)系

目前對在線AI教學(xué)的研究主要聚焦在學(xué)習(xí)風(fēng)格檢測、認知水平表征、學(xué)習(xí)行為模式挖掘及學(xué)習(xí)興趣識別等方面，從自動化心理學(xué)角度探討使用意愿的研究很少。但已有不少學(xué)者研究過各領(lǐng)域人工智能服務(wù)和真人服務(wù)提供的接受態(tài)度：鑒于人類直覺更精確，人們應(yīng)該遵循統(tǒng)計模型的建議，然而在大多數(shù)的情況下，人們反而更傾向于相信人類直覺(Castelo，2018)。消費者更愿意依賴朋友而不是計算機推薦系統(tǒng)來提供關(guān)于書籍、電影和笑話的建議(Sinha和Swearingen，2001)。人們對人類專家給出的建議比對統(tǒng)計模型的重視程度更高(Oenkal等，2010)。對AI服務(wù)提供者的抵制研究已經(jīng)在多個領(lǐng)域被探索，包括預(yù)測員工績效(Kuncel等，2013)、欺詐(Boatsman等，1997)、犯罪(Kleinberg 等，2017)和消費者偏好(Yeomans等，2019)。然而，在教育背景下現(xiàn)有的研究是有限的，真人教學(xué)以經(jīng)驗教學(xué)為主，情感和創(chuàng)新是其優(yōu)勢；人工智能自適應(yīng)學(xué)習(xí)系統(tǒng)，以學(xué)生學(xué)習(xí)數(shù)據(jù)為基礎(chǔ)，精準和速度是其優(yōu)勢。學(xué)生作為不變的學(xué)習(xí)主體，當其情感受到關(guān)注和重視，創(chuàng)新性得到激發(fā)和鼓勵時，其學(xué)習(xí)效率和精準度才會有更加明顯的提高，學(xué)生也更傾向于在有情感和創(chuàng)新的教學(xué)環(huán)境中進行學(xué)習(xí)。我們不能高估或低看人工智能在教育中的應(yīng)用，而應(yīng)重點探索其在教育場景中所扮演的教師角色(余勝泉，2018)。據(jù)此，本文提出以下假設(shè)：

H1：相比于真人教學(xué)，學(xué)生對應(yīng)用了AI教學(xué)的在線教育產(chǎn)品使用意愿更低。

1.2 獨特性忽視的中介作用

獨特性忽視指的是消費者對個體自身獨特的性格、所處環(huán)境、特征/狀態(tài)被忽視的擔憂。醫(yī)學(xué)領(lǐng)域已有研究表明，相比于真人醫(yī)生，消費者會更抵觸人工智能醫(yī)療服務(wù)提供者，因為人工智能醫(yī)療服務(wù)提供者更大程度地引起了消費者對自己獨特的特性、所處環(huán)境、特征和狀態(tài)被忽視的擔憂。獨特性忽視來自于兩個基本信念之間的不匹配：用戶總認為自己是獨一無二的，不同于其他人(Snyder和Fromk，1980)；人們傾向于將自己的觀點、信仰、態(tài)度、技能和特征視為獨特的(Kruger，1999)。但與此同時用戶認為機器沒有認知靈活性的能力。認知靈活性指的是認知過程適應(yīng)環(huán)境中處理新的和意外情況的能力(Canas，2003)。機器只能以標準化和死記硬背的方式運行，以同樣的方式對待每一個案例(Haslam，2006)。威脅自我獨特性的情況會導(dǎo)致焦慮感并促使人們從事旨在恢復(fù)他們期望的自我獨特性的行為(Sensoning和Brehm，1968)

在實現(xiàn)個性化學(xué)習(xí)的過程中對學(xué)生的精準理解是成功開展“因材施教”的前提(楊宗凱，2019)。以往關(guān)于在線教育的心理學(xué)研究中，一般從常見的學(xué)習(xí)動機、自我效能感等維度去分析，很少有從獨特性忽視角度出發(fā)，去探究學(xué)生心理對在線教育產(chǎn)品使用意愿的影響，據(jù)此提出以下假設(shè)：

H2：獨特性忽視中介了在線教學(xué)(真人 vs AI)對學(xué)生使用意愿的影響，相比真人教學(xué)，學(xué)生在使用AI教學(xué)產(chǎn)品時產(chǎn)生的獨特性忽視水平更高，獨特性忽視水平越高，學(xué)生的使用意愿越低。

1.3 任務(wù)復(fù)雜度的調(diào)節(jié)作用

任務(wù)復(fù)雜度直接取決于任務(wù)施加給學(xué)習(xí)者的認知要求，這些要求主要靠學(xué)習(xí)者用于在線任務(wù)處理的認知資源來滿足(Robinson，2001)。任務(wù)復(fù)雜度區(qū)別于任務(wù)難度，它不受學(xué)習(xí)者個人差異的影響。研究表明在線課程設(shè)計中，任務(wù)復(fù)雜度取決于獲取信息的方式：邊看圖邊將圖畫內(nèi)容講述出來相對先看完圖畫之后再無圖畫直接敘述內(nèi)容要容易(Robinson，1995)。根據(jù)信息需求，將任務(wù)從難到易分為五個等級，最簡單的是“例行公事”，而對于復(fù)雜任務(wù)，人們無法在之前預(yù)測執(zhí)行任務(wù)所需的各種信息(Bystrom和Jarvelin，1994)。研究證明任務(wù)特征會影響人工智能的采用，任務(wù)越復(fù)雜，完成任務(wù)所需的時間和精力投入要求越多，任務(wù)的結(jié)果更重要的時候，相較于使用AI，人們更傾向于依賴真人(Castelo，2019)。本文中的任務(wù)復(fù)雜度就是任務(wù)完成的復(fù)雜程度，是個體在完成任務(wù)時所需要投入的時間和精力等?；谝陨?，本文提出：

H3：當任務(wù)復(fù)雜度高時，學(xué)生對應(yīng)用了真人教學(xué)的在線教育產(chǎn)品使用意愿顯著高于應(yīng)用了AI教學(xué)的在線教育產(chǎn)品；當任務(wù)復(fù)雜度低時，無論在線教育產(chǎn)品應(yīng)用了AI還是真人教學(xué)，學(xué)生的使用意愿沒有顯著差異。

1.4 任務(wù)屬性的調(diào)節(jié)作用

Castelo(2019)的研究里提到了任務(wù)客觀性這個概念，他把主觀任務(wù)定義為基于個人意見或直覺，需要發(fā)揮個人創(chuàng)造力的任務(wù)，而客觀任務(wù)指的是可量化，基于邏輯和規(guī)則分析的任務(wù)。消費者不喜歡依賴算法完成通常由人類完成的任務(wù)，特別是對那些在本質(zhì)上看起來是主觀的任務(wù)依賴較少。相較于主觀任務(wù)，當人們對任務(wù)類型感知到是客觀的時候，更傾向于依賴算法(Castelo，2018)。由此，在教育中不同課程的任務(wù)屬性是不一樣的。具體來說，擁有偏客觀屬性的課程特點為基本都有固定的答題思路和分析方法，并且練習(xí)結(jié)果容易被量化。而擁有偏主觀屬性的課程特點強調(diào)學(xué)生發(fā)揮自己的獨特創(chuàng)意，有自己的想法，并且對老師也提出了一定的要求，即要有較高的理解力和共情力，針對學(xué)生的不同特性因材施教地進行教學(xué)。因此，提出以下假設(shè)：

H4：任務(wù)屬性為主觀時，學(xué)生對應(yīng)用了真人教學(xué)的在線教育產(chǎn)品使用意愿顯著高于AI教師；當任務(wù)屬性為客觀時，無論在線教育產(chǎn)品應(yīng)用了真人還是AI，消費者使用意愿都沒有顯著差異。

綜上，研究模型見圖1。

圖1 研究模型

2 研究設(shè)計與結(jié)果

本研究主要采用消費者行為中實驗研究的方法，使用在線問卷進行數(shù)據(jù)收集。每組實驗對受試隨機分配不同類型的問卷來實現(xiàn)組內(nèi)受試間的獨立性。實驗設(shè)置了實驗組和控制組，每份問卷均包括背景闡述、一個在線教學(xué)視頻案例參考和相關(guān)變量的測量問題等。本研究通過四個實驗來驗證假設(shè)，實驗1測量在線教學(xué)(真人 vs AI)對學(xué)生使用意愿的影響及其中介作用，實驗2測量任務(wù)復(fù)雜度的調(diào)節(jié)作用，實驗3測量任務(wù)屬性的調(diào)節(jié)作用。

2.1 實驗1

2.1.1實驗設(shè)計

首先，參與者被隨機分配到在線教育產(chǎn)品真人一對一教學(xué)和AI一對一教學(xué)情境模式，緊接著參與者將會觀看一段視頻來了解和體驗在線教育產(chǎn)品中真人/AI教學(xué)類型模式，然后參與者將被要求想象使用該在線教育產(chǎn)品進行英語課程的學(xué)習(xí)，并完成在線學(xué)習(xí)過程中獨特性忽視測項。該測項是在參考國內(nèi)外學(xué)者對于獨特性忽視的研究，以及結(jié)合人工智能引起的獨特性忽視(Chiare等，2019)量表基礎(chǔ)上總結(jié)出的量表，并針對在線教育平臺的實際情況進行了修改，形成最終的測量問卷。測項包括“學(xué)習(xí)過程中，真人老師/AI老師可以識別到我上課實時的學(xué)習(xí)狀態(tài)和情緒并及時做出相應(yīng)的調(diào)整”“學(xué)習(xí)過程中，真人老師/AI老師可以識別到我的知識薄弱環(huán)節(jié)以此針對性進行相應(yīng)輔導(dǎo)和教學(xué)，并會對我不懂的問題及時回復(fù)解答”“學(xué)習(xí)過程中，真人老師/AI老師可以精準評估出我個人的學(xué)習(xí)能力水平，并根據(jù)我過往的學(xué)習(xí)情況和當下目標制定出符合我個人的學(xué)習(xí)計劃和學(xué)習(xí)報告”(7點量表，1=非常不同意，7=非常同意)。接下來，根據(jù)TAM模型，在改編Davis和Venkatesh研究的基礎(chǔ)上形成使用意愿量表，一共三個題項，包括“我有使用這個產(chǎn)品來進行在線學(xué)習(xí)的意愿”“我打算今后使用這個產(chǎn)品來進行在線學(xué)習(xí)”“我覺得以后我會使用這個產(chǎn)品進行在線學(xué)習(xí)”(7點量表，1=非常不同意，7=非常同意)。最后填寫個人信息項，主要包括性別、年領(lǐng)、受教育水平等。

2.1.2實驗被試

本次最終回收有效問卷117份，其中男性用戶52名，占比為46%，女性用戶65名，占比為54%。從年齡上來看，112名用戶處于18～30歲，占比96%，是填寫問卷的主要人群。從受教育水平來看，研究生及以上的填寫人數(shù)為26人，占比22%，本科生填寫人數(shù)為79人，占比68%。

2.1.3結(jié)果與討論

我們對使用意愿進行單變量方差分析，檢驗主效應(yīng)的顯著性(見圖2)。結(jié)果顯示，不同教師類型對使用意愿的影響顯著。具體而言，在線學(xué)習(xí)產(chǎn)品中應(yīng)用真人教學(xué)(M=5.62，SD=0.78)相比應(yīng)用AI教學(xué)(M=2.18，SD=0.83)，被試對真人教學(xué)產(chǎn)品的使用意愿更高(p<0.000)。H1得證。

圖2 在線教學(xué)(真人 vs AI)對學(xué)生使用意愿的影響

采用Bootstrap法來驗證獨特性忽視在教師類型和學(xué)生使用意愿之間的中介效應(yīng)。將AI教學(xué)編碼為1，真人教學(xué)編碼為0，樣本量選擇5000，在95%置信度的情況下選擇Process 模型4。結(jié)果表明，獨特性忽視的間接效應(yīng)不包含0(LLCI=-2.8983，ULCI=-0.7168)，中介效應(yīng)存在。H2得證。

2.2 實驗2

2.2.1實驗設(shè)計與前測

本實驗采用2(在線教學(xué)：真人vs AI)x 2(任務(wù)復(fù)雜度：復(fù)雜vs.簡單)的雙因素組間設(shè)計，共設(shè)計4套問卷，參與者被隨機分配到4套問卷中的一套。首先參與者將會觀看實驗1中的視頻來了解和體驗在線教育產(chǎn)品中真人/AI教學(xué)模式，然后參與者將被告知需要使用該產(chǎn)品完成在線托福課程的學(xué)習(xí)和課程完成后需要達到的目標。

為了篩選出具有顯著復(fù)雜度差別的課程，我們選擇50名來自海高校的同學(xué)作為參與者進行前測實驗。參與者首先被分為兩組被要求想象參加托福在線學(xué)習(xí)，并且被告知完成學(xué)習(xí)后需要達到的目標(復(fù)雜目標和簡單目標)，復(fù)雜組設(shè)置為需要提高一定的分數(shù)且需要達到一定的能力目標，簡單組沒有分數(shù)要求且要求達到的能力目標為基礎(chǔ)目標。接下來進行任務(wù)復(fù)雜度的測量。任務(wù)復(fù)雜度主要參考Locke和Latham(2002)的問卷進行測量，結(jié)果顯示，復(fù)雜目標(M=5.03，SD=1.36)為高任務(wù)復(fù)雜度，簡單目標(M=3.04，SD=1.25)為低任務(wù)復(fù)雜度，且兩者都能通過顯著性檢驗(p<0.05)，說明實驗成功操縱了課程屬性。課程完成需要達到的目標，接下來按照實驗1填寫關(guān)于獨特性忽視和使用意愿的問卷，即本實驗中的中介變量和因變量量表，使測量方法與實驗2相同。

2.2.2實驗被試

本次最終回收有效問卷208份，其中男性用戶101名，占比為49%，女性用戶107名，占比為51%。從年齡上來看，190名用戶處于18～30歲，占比91%，是填寫問卷的主要人群。從受教育水平來看，研究生及以上的填寫人數(shù)為30人，占比14%，本科生填寫人數(shù)為150人，占比72%。

2.2.3結(jié)果與討論

采用SPSS的Process插件檢驗獨特性忽視在授課場景和學(xué)生使用意愿之間的中介效應(yīng)，以及任務(wù)復(fù)雜度在授課教師類型和獨特性忽視之間的調(diào)節(jié)作用，將AI教學(xué)編碼為1，真人教學(xué)編碼為0，將任務(wù)復(fù)雜度的復(fù)雜組編碼為1，簡單組編碼為0。采用Model 7來進行建模，樣本量選擇5000，95%的置信區(qū)間。

結(jié)果顯示，在線教師類型和任務(wù)復(fù)雜度的交互項能夠顯著預(yù)測獨特性忽視(LLCI=1.1071，ULCI=2.2039)，表明任務(wù)復(fù)雜度在教師類型和獨特性忽視之間起調(diào)節(jié)作用。在中介效應(yīng)中，加入中介變量之后，獨特性忽視能夠顯著預(yù)測學(xué)生使用意愿(LLCI=-0.9005，ULCI=-0.7261)。當任務(wù)復(fù)雜度為復(fù)雜時(LLCI=1.8550，ULCI=-1.0573)，中介效應(yīng)為-1.4509；當課程屬性為客觀時(LLCI=-0.6685，ULCI=-0.1999)，中介效應(yīng)為-0.4311，表明被調(diào)節(jié)的中介效應(yīng)顯著，假設(shè)2再次得到驗證。

最后，檢驗任務(wù)復(fù)雜度的調(diào)節(jié)效應(yīng)，對使用意愿進行單變量方差分析。結(jié)果表明，任務(wù)復(fù)雜度的主效應(yīng)不顯著(p=0.488)，教師類型與任務(wù)復(fù)雜度的交互作用顯著(p<0.000)。具體來說，任務(wù)復(fù)雜度高時，學(xué)生對真人教學(xué)在線學(xué)習(xí)產(chǎn)品使用意愿顯著高于AI教學(xué)在線學(xué)習(xí)產(chǎn)品(M真人教學(xué)=5.72，MAI教學(xué)=3.05，p<0.000)；任務(wù)復(fù)雜度低時，學(xué)生對真人和AI教學(xué)在線學(xué)習(xí)產(chǎn)品使用意愿無顯著差異(M真人教學(xué)=5.77，MAI教學(xué)=5.48，p=0.012)，假設(shè)3得到驗證。

2.3 實驗3

2.3.1實驗設(shè)計與前測

由于本實驗的調(diào)節(jié)變量為任務(wù)屬性的主客觀程度，同一門課程往往具有雙重屬性，即既具有主觀屬性又具有客觀屬性，只不過可能在不同特征上的偏向會有所不同。為了篩選出具有顯著屬性差別的課程，我們選擇42名來自上海高校的同學(xué)作為參與者進行前測實驗。前測實驗為組間設(shè)計，參與者首先被安排閱讀一段關(guān)于主觀屬性和客觀屬性的定義，即“主觀屬性被定義為可接受解釋并基于個人意見或直覺，客觀屬性被定義為涉及可量化和可測量的事實”(Noah & Donald，2019)。然后邀請參與者根據(jù)該定義分別對四種課程的屬性類型進行打分。為了排除其他因素的干擾，選擇的課程通常為大學(xué)必修或近幾年廣為大眾熱門熟知的課程，分別為高等數(shù)學(xué)、文案寫作、Python編程、馬克思主義基本原理。其中1分表示該課程為完全客觀性屬性，7分表示該課程為完全主觀性屬性。最終選取得分均值最高的課程為本實驗中擁有主觀屬性的課程，得分均值最低的課程作為本實驗中擁有客觀屬性的課程。結(jié)果顯示，寫作課(M=5.27，SD=0.94)為主觀屬性課程，高等數(shù)學(xué)(M=2.97，SD=1.25)為客觀屬性課程，且兩者都能通過顯著性檢驗(p<0.05)，說明實驗成功操縱了課程屬性(見圖3)。

圖3 實驗3結(jié)果

本實驗采用2(授課教師類型：真人vs AI)×2(任務(wù)屬性：主觀vs客觀)的雙因素組間設(shè)計，共設(shè)計4套問卷，參與者被隨機分配到4套問卷其中的一套。首先參與者將會觀看實驗1中的視頻來了解和體驗在線教育產(chǎn)品中真人/AI教學(xué)模式，然后參與者將被要求想象使用該在線教育產(chǎn)品進行高等數(shù)學(xué)/文案寫作課程的學(xué)習(xí)，接下來按照實驗1填寫關(guān)于獨特性忽視和使用意愿的問卷，即本實驗中的中介變量和因變量量表，使測量方法與實驗1相同。

2.3.2實驗被試

本次最終回收有效問卷200份，其中男性用戶132名，占比為66%，女性用戶68名，占比為34%。從年齡上來看，168名用戶處于18～30歲，占比84%，是填寫問卷的主要人群。從受教育水平來看，研究生及以上的填寫人數(shù)為40人，占比8%，本科生填寫人數(shù)為129人，占比65%。

2.3.3結(jié)果與討論

采用SPSS的Process插件檢驗獨特性忽視在教師類型和學(xué)生使用意愿之間的中介效應(yīng)，以及任務(wù)屬性在教師類型和獨特性忽視之間的調(diào)節(jié)作用，將AI教學(xué)編碼為1，真人教學(xué)編碼為0，將任務(wù)屬性為客觀的組編碼為1，任務(wù)屬性為主觀的組編碼為0。采用Model 7來進行建模，樣本量選擇5000，95%的置信區(qū)間。

結(jié)果顯示，在線教師類型和任務(wù)屬性的交互項能夠顯著預(yù)測獨特性忽視(LLCI=-2.4102，ULCI=-1.3115)，表明任務(wù)屬性在教師類型和獨特性忽視之間起調(diào)節(jié)作用。在中介效應(yīng)中，加入中介變量之后，獨特性忽視能夠顯著預(yù)測學(xué)生使用意愿(LLCI=-0.9005，ULCI=-0.7261)。當課程屬性為主觀時(LLCI=-2.1672，ULCI=-1.3757)，中介效應(yīng)為-2.6194；當課程屬性為客觀時(LLCI=-3.0284，ULCI=-2.2283)，中介效應(yīng)為-1.1060，表明被調(diào)節(jié)的中介效應(yīng)顯著，假設(shè)2再次得到驗證(見圖4)。

圖4 實驗4結(jié)果

最后，檢驗任務(wù)屬性的調(diào)節(jié)效應(yīng)，對使用意愿進行單變量方差分析，結(jié)果表明任務(wù)復(fù)雜度的主效應(yīng)不顯著(p=0.392)。教師類型與任務(wù)復(fù)雜度的交互作用顯著(p<0.000)。具體來說，主觀任務(wù)時，學(xué)生對真人教學(xué)在線學(xué)習(xí)產(chǎn)品使用意愿顯著高于AI教學(xué)在線學(xué)習(xí)產(chǎn)品(M真人教學(xué)=5.38，MAI教學(xué)=2.21，p<0.000)；客觀任務(wù)時，學(xué)生對真人和AI教學(xué)在線學(xué)習(xí)產(chǎn)品使用意愿無顯著差異(M真人教學(xué)=5.90，MAI教學(xué)=5.26，p<0.000)，假設(shè)4得到驗證。

3 結(jié)論與討論

3.1 研究結(jié)論

本研究從自動化心理學(xué)角度出發(fā)，將范圍擴展到在線教育，發(fā)現(xiàn)目前相較于應(yīng)用了真人教學(xué)的在線學(xué)習(xí)產(chǎn)品，學(xué)生對應(yīng)用了AI教學(xué)的在線學(xué)習(xí)產(chǎn)品使用意愿更低，原因在于AI教學(xué)會更引起學(xué)生對獨特性忽視的擔憂。本研究發(fā)現(xiàn)：獨特性忽視程度越高，學(xué)生使用意愿越低。并且從課程設(shè)計角度出發(fā)，發(fā)現(xiàn)任務(wù)屬性和任務(wù)復(fù)雜度可以調(diào)節(jié)獨特性忽視從而影響使用意愿，具體表現(xiàn)在：(1)當任務(wù)屬性為主觀時，學(xué)生對AI類在線學(xué)習(xí)產(chǎn)品的使用意愿顯著低于真人類。(2)當任務(wù)復(fù)雜度水平高時，學(xué)生對AI類在線學(xué)習(xí)產(chǎn)品的使用意愿顯著低于真人類。

本研究檢驗了在線教學(xué)(真人 vs AI)對學(xué)生使用意愿的影響，主要具備以下三個方面的理論貢獻：第一，現(xiàn)有的關(guān)于消費者對人工智能產(chǎn)品接受和使用意愿的研究集中在智能音箱、智能客服、智能投顧、智慧醫(yī)療等領(lǐng)域，而針對教育這個領(lǐng)域，特別是人工智能在線教育消費者接受意愿影響因素的研究很少，本文的研究可填補這方面的空白。第二，以往對人工智能教育機器人的研究大多集中在線下，鮮有學(xué)者討論線上AI教學(xué)對消費者使用意愿的影響和作用機制。第三，豐富了自動化心理學(xué)的研究。本研究在原來獨特性忽視定義的基礎(chǔ)上，開發(fā)了在線學(xué)習(xí)過程中針對學(xué)生的獨特性忽視量表，從學(xué)習(xí)狀態(tài)及情緒、學(xué)習(xí)基礎(chǔ)及進度、學(xué)習(xí)計劃及建議三個方面進行評價和測量。

3.2 管理啟示

在線教育場景下AI教學(xué)的采用與否取決于消費者對這項新技術(shù)的接受程度，本研究所發(fā)現(xiàn)的由于獨特性忽視導(dǎo)致的學(xué)生對AI教學(xué)類在線學(xué)習(xí)產(chǎn)品使用意愿更低的作用機制可以為正在進行在線教育AI產(chǎn)品開發(fā)的企業(yè)提供產(chǎn)品提升建議，進一步改善產(chǎn)品體驗。

就具體的建議而言主要有三點：第一，現(xiàn)有的AI教學(xué)類產(chǎn)品需要進一步完善其數(shù)據(jù)庫，提升課程設(shè)計、講解和反饋的任務(wù)復(fù)雜度。第二，現(xiàn)有的AI類課程開發(fā)可先從具有偏客觀屬性的課程入手，從而減少學(xué)生自身對AI產(chǎn)生的獨特性忽視擔憂，增強其使用意愿。第三，除了從任務(wù)屬性和任務(wù)復(fù)雜度角度出發(fā)，還需要根據(jù)教學(xué)過程的方方面面做到對學(xué)生學(xué)習(xí)狀態(tài)、習(xí)慣甚至情緒的精準把握，最大化地實現(xiàn)與真人教師一樣的對學(xué)生獨特性的抓取，減少學(xué)生在學(xué)習(xí)過程中對于自身獨特性被忽視的擔憂。

3.3 研究局限及未來研究方向

本研究尚有不足與局限之處。第一，研究對象及其操縱形式還有待豐富和完善，在實驗過程中主要采取了讓參與者觀看視頻以及場景想象的方式去進行操縱，未來應(yīng)該設(shè)計和檢驗學(xué)生與在線學(xué)習(xí)產(chǎn)品真實互動場景。第二，本實驗選取的參與者年齡集中在18～30歲，主要還是探討了大學(xué)生及碩博生群體對在線學(xué)習(xí)產(chǎn)品的使用意愿機制，K12群體因為課程類型和學(xué)習(xí)方式都與大學(xué)生及碩博生有很顯著的差異和區(qū)別，未來可以擴大研究對象的學(xué)習(xí)階段，探索不同學(xué)習(xí)階段的學(xué)生對在線教育產(chǎn)品中應(yīng)用不同教師類型的使用意愿。