探究英语作为外语（EFL）学生在利用大型语言模型时的技术自我效能感、情绪及行为意图：感知与态度的序列中介作用

《BMC Psychology》：Unraveling EFL students’ technology self-efficacy, emotions and behavioral intentions in leveraging large language models: the serial mediation of perceptions and attitudes

　　

摘要

随着将人工智能（AI）整合到教育中的势头日益增强，大型语言模型（LLMs）在英语作为外语（EFL）学习方面展现出了巨大潜力。然而，EFL学生的技术自我效能感、他们对LLM辅助英语学习的情绪以及他们的行为意图之间的关系尚未得到充分研究。本研究以技术接受模型（TAM）为指导，探讨了技术自我效能感和情绪（即感知到的乐趣和技术焦虑）如何影响行为意图，其中感知（即感知到的易用性和感知到的有用性）和态度起到了中介变量的作用，研究对象为中国EFL大学生。共收集了677份有效问卷，并采用结构方程建模（SEM）进行数据分析。研究结果表明：(a) 技术自我效能感正向预测了感知到的乐趣，同时负向预测了技术焦虑；(b) 技术自我效能感正向预测了感知，进而预测了态度，最终影响了行为意图；(c) 感知到的乐趣正向预测了感知到的有用性，后者又进一步影响了态度和行为意图；(d) 技术焦虑负向预测了感知到的易用性，这也影响了态度和行为意图。总体而言，本研究验证了在LLM辅助语言学习背景下扩展的技术接受模型框架，展示了认知和情感因素如何通过感知和态度依次影响行为意图。这些发现为将LLMs整合到外语学习中提供了宝贵的见解。