AIGC效能如何影响学习者生成式学业求助——基于自我调节学习和学业诚信的双重调节分析

　　（一）学业求助和生成式学业求助的分类　　国内学者普遍采用李晓东对学业求助的分类，其根据求助目的将学业求助分为工具性求助、执行性求助和回避求助^[7]：工具性求助是指学习者经过长时间独立思考仍不能解决问题时，以掌握知识为目的，主动向外界寻求解决问题的线索或提示；执行性求助是指学习者不做任何努力直接向外界寻求正确答案或要求他人代替自己完成任务；回避求助是指学习者在遇到学习困难时需要帮助却不主动寻求帮助。由于AIGC的特殊性，学习者在生成式学业求助的过程中几乎不可能只获得线索和提示，因此，学业求助中的“工具性求助”不再适用于生成式学业求助。有研究提出，学习者在与AIGC互动过程中，不仅要求个体能够找到质量可靠的信息，还要能够识别信息的偏见、意图和潜在影响^[8]。由此可见，生成式学业求助中强调批判性思维十分关键。基于以上分析，本文在李晓东分类的基础上，将生成式学业求助进一步分类，即将学业求助中的“工具性求助”改为“批判性求助”，生成式学业求助分类为批判性求助、执行性求助和回避求助。批判性求助指学习者以独立掌握知识为目的，主动利用AIGC作为解决问题的工具，在此过程中对技术提供的内容进行深入分析、评估与反思；执行性求助指学习者以快速完成任务为目的，不做任何努力直接利用AIGC获取答案；回避求助指学习者遇到学习困难时，需要AIGC帮助却因某些原因拒绝使用。　　（二）AIGC效能与生成式学业求助　　AIGC效能指其在帮助用户解决问题的过程中表现出的价值贡献。那么，学习者的生成式学业求助是否受到AIGC效能的显著影响？相关研究表明，对某项技术的效能感知是驱动技术采纳与深度使用的关键因素^[9]。具体而言，当学习者认为AIGC能有效提升学业表现，便倾向于利用AIGC解决学业问题；反之，若认为使用AIGC需付出过高的学习成本，则倾向于回避使用，转而选择传统的求助方式。有证据显示，当AIGC效能提高时，学习者使用意愿与实际采纳率相应提高^[10]，主动向AIGC求助的意愿也会增强。然而，过度依赖AIGC解决问题，也可能使学习者在求助过程中减少深层的认知投入，选择表面化的问题解决策略，即学习者快速获取答案以完成任务，忽视对知识的主动建构^[11]。基于以上分析，本文提出以下假设：　　H1：AIGC效能对批判性求助有正向影响。　　H2：AIGC效能对执行性求助有正向影响。　　H3：AIGC效能对回避求助有负向影响。　　（三）自我调节学习与生成式学业求助　　自我调节学习是学习者为提高学习效率和改善学习效果，主动设定目标、制定策略、监控和评估自身学习行为的过程^[12]。在生成式学业求助的过程中，学习者会面临技术局限性引发的认知风险、信息交互模式改变带来的行为偏差等多重挑战。相关研究表明，AIGC生成的信息可能包含事实性错误、逻辑矛盾或算法偏见^[13]，这就要求学习者必须具备验证、反思、整合多源信息的能力。其次，AIGC即时反馈的特性容易诱发学习者出现“浅层认知加工”的现象，当学习者过度依赖AIGC时，其高阶思维活动受限。此外，AIGC包含的信息量巨大，若学习者无目标导向地进行信息筛选，可能会陷入无效信息的漩涡。因此，学习者在生成式学业求助的过程中，通常需要主动克服对技术的盲目信任和依赖，不断调整、组织、监督和控制自己的动机、认知和行为，对技术生成的内容主动探索、联想和反思^[14]，使自我调节学习有效作用于该过程。基于以上分析，本文提出以下假设：　　H4：自我调节学习能够强化AIGC效能对批判性求助的正向影响。　　H5：自我调节学习能够减弱AIGC效能对执行性求助的正向影响。　　H6：自我调节学习能够强化AIGC效能对回避求助的负向影响。　　（四）学业诚信与生成式学业求助　　学业诚信指学习者在所有学业环节中遵循诚实守信的原则，通过个人努力获取真实的学业成果，如实反映自身学术水平和学习状态的行为准则。它要求学习者以诚实、独立、负责的态度完成学业任务，拒绝任何形式的欺诈行为。有证据显示，在使用AIGC的学生中，约50%的学生表示在作业或考试中使用了AIGC工具。其中，17%的学生在不进行编辑的情况下提交了生成的文本，30%的学生在大部分作业中使用了该文本，50%的学生在某些部分使用了该文本^[15]。可见，学生在作业与考试中使用AIGC的现象已十分普遍，若学习者将AIGC的信息输出等同于个人的知识建构，将会导致自身学习能力退化、学术成果失真、教育公平失衡^[16]。因此，在生成式学业求助的过程中，学习者需要恪守伦理底线，遵守学术规范，在技术辅助中坚守原创性思维，审慎验证与合理引用AIGC生成的内容，使学业诚信在该过程中扮演好导向与约束的角色。基于以上分析，本文提出以下假设：　　H7：学业诚信能够强化AIGC效能对批判性求助的正向影响。　　H8：学业诚信能够减弱AIGC效能对执行性求助的正向影响。　　H9：学业诚信能够减弱AIGC效能对回避求助的负向影响。　　（五）模型假设　　基于研究假设和变量关系，本文采用多元线性回归的方法，通过构建三个回归模型，分析各变量对生成式学业求助的影响。模型1中纳入控制变量，其中ŷ为因变量（批判性求助、执行性求助和回避求助分别建模），C_i为控制变量，β_i表示控制变量对求助行为的回归系数，ε为随机误差。模型2在模型1的基础上纳入自变量AIGC效能，以检验AIGC效能对学习者生成式学业求助的影响。其中X表示自变量AIGC效能，β_j表示其对求助行为的直接影响系数。模型3在模型2的基础上纳入调节变量以及调节变量与AIGC效能的交互项。M1为调节变量自我调节学习，M2为调节变量学业诚信，βk、βl分别是调节变量对学习者生成式学业求助影响的回归系数；X×M1是自我调节学习和AIGC效能的交互项，βm是其回归系数；X×M2是学业诚信和AIGC效能的交互项，βn为其回归系数。ŷ=α+∑βiCi+ε　　　　　　　　（1）ŷ=α+∑βiCi+βjX+ε　　　　　　（2）ŷ=α+∑βiCi+βjX+βkM1+βlM2+βm(X×M1)+βn(X×M2)+ε　　　　（3）

　　（一）研究对象　　本文以大学生为学习者代表，通过网络发放问卷的形式对全国大学生进行随机抽样，收回问卷600份，剔除存在数据缺失、明显有误的问卷44份，得到有效问卷566份，有效率为94.3%。其中男大学生298人（52.7%），女大学生268人（47.3%）；生源地为乡镇的学生227人（40.1%），生源地为城市的学生339人（59.9%）；学历层次为专科的学生143人（25.3%），学历层次为本科的学生347人（61.3%），学历层次为研究生的学生76人（13.4%）；大一学生92人（16.3%），大二学生124人（21.9%），大三学生119人（21.0%），大四学生155人（27.4%），硕士及以上学生76人（13.4%）；专业为人文类的学生155人（27.4%），专业为理工类的学生284人（50.2%），专业为社科类的学生127人（22.4%）。　　（二）研究工具　　1.AIGC效能量表　　AIGC效能量表改编自戴维斯（Davis）等编制的感知有用性量表和感知易用性量表^[9]，包括“AIGC能够满足我多样化的学习需求”等5个题项。该量表主要用于系统评估AIGC在学习者使用过程中的综合表现。量表采用Likert-5点计分法，科隆巴赫α系数为0.894。从1（非常不同意）~ 5（非常同意）依次赋分，分值越高，则表明AIGC在学习者使用过程中表现出的效能越强。　　2.自我调节学习量表　　自我调节学习量表改编自温内（Winne）等编制的自我调节学习量表^[17]，包括“我会反思和调整我的学习策略和计划”等4个题项。该量表主要用于测量学习者对自身学习行为的反思、调节与监控能力。量表采用Likert-5点计分法，科隆巴赫α系数为0.838。从1（非常不同意）~ 5（非常同意）依次赋分，分值越高，则表示学习者自我调节学习能力越强。　　3.学业诚信量表　　学业诚信量表改编自亨宁（Henning）等编制的学业诚信量表^[18]，包括“我从来不会抄写其他同学的课程作业”等6个题项。该量表主要用于测量学习者在学业活动中对诚信的遵守程度、态度及相关行为倾向。量表采用Likert-5点计分法，科隆巴赫α系数为0.897。从1（非常不同意）~ 5（非常同意）依次赋分，分值越高，则表示学习者学业诚信越高。　　4.生成式学业求助量表　　生成式学业求助量表以李晓东学业求助量表^[19]为基础，结合AIGC技术特性，对原始量表的行为场景、求助载体进行系统性替换与重构，确保改编后量表能够有效反映学习者与AIGC的交互特征，共计12个题项。该量表包括三个分量表，分别是批判性求助分量表、执行性求助分量表和回避求助分量表。其中，批判性求助包括“我会将AIGC提供的信息与我现有的知识进行整合，以形成新的理解和认识”等4个题项；执行性求助包括“在学习中当我遇到不会的难题时，我会不加思考就直接通过AIGC获取答案”等4个题项；回避求助包括“即使我不理解老师在课上讲授的内容，我也不会通过AIGC提问”等4个题项。量表均采用Likert-5点计分法，科隆巴赫α系数分别为0.836、0.883、0.872。从1（非常不同意）~5（非常同意）依次赋分，学习者在某个求助类别上得分越高，则表示其对该求助的倾向越强。

　　（一）量表的信效度和共同方法偏差检验　　赫尔曼（Harman）单因素检验结果显示，在未旋转的情况下所得到的首因子解释变异量为25.62%，低于40%的临界标准，表明数据无严重的共同方法偏差。此外，研究采用AMOS进行验证性因子分析以进一步检验量表的组合信度和收敛效度。根据已有研究的标准，CR值大于0.7表明量表内部一致性良好，AVE值大于0.5则说明收敛效度达标^[20]。由表1可知，所有因子的CR值介于0.837~0.898之间，均高于0.7；AVE值范围为0.562~0.657，均超过0.5。由此可见，该量表具有良好的组合信度与收敛效度。表1 变量的信效度检验

　　（二）描述性统计与相关分析　　各变量的均值、标准差和相关系数如表2所示。其中，AIGC效能与自我调节学习（r=0.327，P＜0.01）、学业诚信（r=0.200，P＜0.01）、批判性求助（r=0.490，P＜0.01）、执行性求助（r=0.235，P＜0.01）显著正相关，与回避求助（r=-0.322，P＜0.01）显著负相关。自我调节学习与学业诚信（r=0.423，P＜0.01）、批判性求助（r=0.264，P＜0.01）显著正相关，与回避求助（r=-0.213，P＜0.01）显著负相关。学业诚信与批判性求助（r=0.247，P＜0.01）显著正相关，与执行性求助（r=-0.090，P＜0.05）、回避求助（r=-0.123，P＜0.01）显著负相关。这些结果不仅初步验证了H1、H2和H3假设成立，而且也为后面的多元线性回归分析奠定了基础。表2 描述性统计与相关分析结果（N=566）

　　注：***表示在0.001水平上显著；**表示在0.01水平上显著；*表示在0.05水平上显著。下同　　（三）批判性求助的主效应和调节效应分析　　以批判性求助为因变量进行多元线性回归分析，结果如表3所示。首先，模型1中纳入控制变量。模型1的R²为0.149，其中性别（β=-0.084，P＜0.05）、生源地（β=-0.109，P＜0.01）、学历层次（β=0.211，P＜0.001）、年级（β=0.167，P＜0.001）、专业（β=-0.107，P＜0.01）对批判性求助均有显著影响。其次，模型2在模型1基础上纳入AIGC效能，R²提升至0.309，AIGC效能（β=0.430，P＜0.001）对批判性求助有显著正向影响。最后，模型3在模型2基础上纳入自我调节学习、学业诚信及其与AIGC效能的交互项，R²进一步提升至0.476，其中AIGC效能与自我调节学习交互项（β=0.220，P＜0.001）、AIGC效能与学业诚信交互项（β=0.253，P＜0.001）对批判性求助均有显著正向影响。此外，简单斜率分析结果显示（见图1a和图1b）：在不同的AIGC效能下，高自我调节学习个体的批判性求助提升幅度大于低自我调节学习个体，高学业诚信个体的批判性求助提升幅度大于低学业诚信个体。综上，假设H1、H4和H7成立。表3　批判性求助影响因素的多元线性回归

图1a　自我调节学习对AIGC效能与批判性求助的调节

图1b　学业诚信对AIGC效能与批判性求助的调节

　　以执行性求助为因变量进行多元线性回归分析，结果如表4所示。首先，模型1中纳入控制变量。模型1的R²为0.302，其中性别（β=-0.408，P＜0.001）、学历层次（β=-0.218，P＜0.001）、年级（β=0.279，P＜0.001）和专业（β=-0.253，P＜0.001）对执行性求助均有显著影响。其次，模型2在模型1的基础上纳入AIGC效能，R²提升至0.318，其中AIGC效能（β=0.139，P＜0.001）对执行性求助有显著正向影响。最后，模型3在模型2的基础上纳入自我调节学习、学业诚信及其与AIGC效能的交互项后R²进一步提升至0.374，其中AIGC效能与自我调节学习交互项（β=-0.134，P＜0.001）、AIGC效能与学业诚信交互项（β=-0.116，P＜0.01）对执行性求助均有显著负向影响。此外，简单斜率分析结果显示（见图2a和图2b）：在不同AIGC效能下，高自我调节学习个体的执行性求助提升幅度小于低自我调节学习个体，高学业诚信个体的执行性求助提升幅度小于低学业诚信个体。综上，假设H2、H5、H8成立。表4　执行性求助影响因素的多元线性回归分析结果

　　（五）回避求助的主效应和调节效应分析　　以回避求助为因变量进行多元线性回归分析，结果如表5所示。首先，模型1中纳入控制变量。模型1的R²为0.292，其中仅生源地（β=0.503，P＜0.001）对回避求助影响显著。其次，模型2在模型1基础上纳入AIGC效能后，R²提升至0.334，其中AIGC效能（β=-0.221，P＜0.001）对回避求助有显著负向影响。最后，模型3在模型2的基础上纳入自我调节学习、学业诚信及其与AIGC效能的交互项后，R²进一步提升至0.352，其中AIGC效能与自我调节学习的交互项（β=-0.128，P＜0.01）对回避求助有显著负向影响；但学业诚信与AIGC效能的交互项未达显著水平。此外，简单斜率分析结果显示（见图3）：在不同AIGC效能下，高自我调节学习个体回避求助的下降幅度显著大于低自我调节学习个体。综上，假设H3、H6成立，而H9不成立。表5 回避求助影响因素的多元线性回归分析结果

图3 自我调节学习对AIGC效能与回避求助的调节

　　（一）结论与讨论　　本文探究了AIGC效能对学习者生成式学业求助的影响，并分析了自我调节学习和学业诚信在此过程中的调节作用，归纳了各因素间的影响机制，得出以下结论。　　1.AIGC效能对不同类型的生成式学业求助具有差异化影响　　由多元线性回归分析结果可知，AIGC效能对批判性求助（β=0.430，P＜0.001）和执行性求助（β=0.139，P＜0.001）有显著正向影响，对回避求助（β=-0.221，P＜0.001）有显著负向影响。具体而言，AIGC效能越强，学习者越倾向于通过AIGC工具进行批判性求助或执行性求助；反之，AIGC效能越弱，学习者越可能回避使用AIGC工具。相关研究表明，对技术的感知有用性和感知易用性是驱动用户采纳该技术的核心因素^[9]，这与研究所得出的结论一致。当AIGC效能较高时，学习者更可能使用AIGC进行学业求助，将其视为可靠的学习工具，从而主动利用其解决复杂的学业问题。然而，当技术效能过高时，也可能使部分学习者对技术过度依赖，将AIGC视为“认知捷径”的工具，即学习者倾向于通过AIGC直接获取答案而减少独立思考。这种现象反映了学习者在生成式学业求助过程中难以达到“效率—深度”的平衡：AIGC效能过高既可能促进部分学习者深度学习，也可能助长部分学习者对AIGC的过度依赖。此外，当AIGC效能过低时，部分学习者可能会出现回避使用AIGC求助的现象，在一定程度上产生“技术焦虑”。有研究表示，技术效能较低时，部分学习者因担心AIGC生成的内容不符合学习目标，阻碍学习进程，从而减少使用频次或放弃使用^[21]。这种因AIGC效能差异引发的求助行为分化，进一步凸显了技术与学习者认知需求之间的动态张力，为后续探讨自我调节学习与学业诚信的调节机制提供了现实基础。　　2.自我调节学习在AIGC效能与生成式学业求助的关系中发挥动态调节作用　　由多元线性回归结果可知，自我调节学习与AIGC效能的交互项对批判性求助（β=0.220，P＜0.001）有显著正向影响，对执行性求助（β=-0.134，P＜0.001）、回避求助（β=-0.128，P＜0.01）有显著负向影响。具体而言，高自我调节学习的学习者能够充分利用AIGC的优势，将AIGC作为深度学习和认知的工具，从而强化批判性求助，减弱执行性求助和回避求助。相关研究表明，高自我调节学习的学习者能够通过目标设定、策略调整和过程监控优化生成式学业求助的过程^[22]，在与AIGC交互的过程中更可能主动验证生成内容的准确性，交叉对比多源信息，并通过分步引导式提问深化对信息的理解，从而进一步提高批判性思维能力。相反，自我调节学习在AIGC效能与执行性求助之间的负向调节作用揭示了“认知替代”的风险：当学生过度依赖AIGC时，可能会抑制学习者对问题的主动思考，从而不利于高阶思维的发展，而自我调节学习旨在培养学习者调整学习计划和策略的能力，学习者在进行自我调节的过程中，需要反馈信息的支持和指引^[23]，恰好可以通过强化目标导向的信息筛选，有效抑制学习者在生成式学业求助中“认知代替”的风险。此外，高自我调节学习的学习者能够有效降低技术焦虑，通过目标设定、元认知策略缓解生成式学业求助中的不确定性，从而减少因认知过载或挫败感引发的技术回避行为。　　3.学业诚信在AIGC效能与生成式学业求助的关系中发挥选择性调节作用　　由多元线性回归结果可知，学业诚信与AIGC效能的交互项对批判性求助（β=0.253，P＜0.001）有显著正向影响，对执行性求助（β=-0.116，P＜0.01）有显著负向影响，对回避求助（P＞0.05）无显著影响。在不同AIGC效能下，高学业诚信的个体相较于低学业诚信的个体更倾向于批判性求助，低学业诚信的个体相较于高学业诚信的个体更倾向于执行性求助。有研究指出，合理使用AIGC与剽窃之间最根本的边界在于学业诚信所要求的透明度^[24]。高学业诚信的学习者通常会对AIGC生成内容进行深度编辑与重构，并明确标注内容的技术来源，仅将AIGC输出作为思考起点而非最终成果。此外，学业诚信的调节作用本质上是对认知过程的控制：一方面，伦理约束促使学习者在与AIGC交互时保持认知主导，通过批判性求助触发分析、评价、创造等深层思维活动；另一方面，它通过抑制执行性求助，避免学习者陷入技术代劳的认知惰性。由此可见，学业诚信对学习者的伦理约束，不仅可以增强学习者在生成式学业求助过程中的深层认知投入，还可以有效抑制学习者在此过程中对技术的过度依赖。　　（二）对策与建议　　1.优化技术平台用户体验，进一步增强生成式人工智能效能　　AIGC效能对批判性求助有正向影响，对回避求助有负向影响。因此，为促进学习者批判性求助，减少回避求助，技术开发人员应优化技术平台用户体验，增强AIGC效能。首先，AIGC应由通用大模型向垂直领域大模型扩展。学习者作为使用AIGC的特定用户群体，其需求越来越多样化。因此，相关技术平台应引入或开发诸如教育、科研等方面的垂直领域大模型，以更好地满足学习者更专业的需求，提供更精准的学习服务。其次，进一步深化和完善提示词工程，为不同的用户群体设计更加明确具体的提示词。使学习者在提示词的不断引导下，更快速地找到符合学习目标和专业要求的内容，从而增强学习的针对性和有效性。最后，有效强化AIGC的个性化学习支持和情感交互体验，如用户行为分析、情感识别等，为学习者提供定制化的学习路径和丰富的情感体验，以增强学习的趣味性和有效性，构建更加人性化的智能学习环境。　　2.转变学校课堂教学模式，培养学习者自我调节学习和批判性思维能力　　在不同AIGC效能下，高自我调节学习个体更倾向于批判性求助，低自我调节学习个体更倾向于执行性求助和回避求助。因此，提高学习者自我调节学习和批判性思维的能力，可以有效降低执行性求助和回避求助的发生。首先，学校应全面改革教育教学模式，从“以教师为中心”向“以学生为中心”转变。教师应根据学习者的需求和兴趣，灵活调整课程内容，采用多样化的教学方法，鼓励学习者在协作学习中主动探索知识、创新知识，通过反思性学习训练和发展学习者的批判性思维能力。其次，学习者应学会合理利用AIGC辅助学习，充分发挥AIGC的优势，结合自身的学习需求，制定明确的学习目标、规划合理的学习路径，同时根据AIGC的实时反馈及时调整学习策略，确保学习目标的达成。在此过程中，教师帮助学习者监控和调整学习过程，进一步提高学习者的自我调节学习能力。最后，学校应利用AIGC辅助课程评价体系的完善，明确评价目的与原则，制定科学的评价标准，并采用多元化的评价方法，由“重结果轻过程”向“重过程轻结果”的方向转变。　　3.加强思想道德素质教育，提高学习者学业诚信水平　　在不同的AIGC效能下，高学业诚信的个体更倾向于批判性求助，低学业诚信的个体更倾向于执行性求助。因此，对学习者学业诚信的培养，是学校思想道德素质教育的责任和使命。首先，应在日常教学中融入学业诚信教育，开设学术规范和论文写作的相关课程和讲座，讲述学业规范的理论性知识，让学习者掌握学术研究所要遵守的学术规范和标准，引导学习者树立正确的学术价值观。其次，应制定明确的学业诚信政策，细化AIGC技术的具体使用规则，进一步规范学习者使用AIGC技术的行为。同时，加强师生间的互动与交流，鼓励学习者主动向导师报告学术疑问，建立开放的学术讨论环境，共同维护学术诚信的底线。最后，应积极倡导引入AIGC写作检测技术，检测学习者使用AIGC造成的学术不端行为，并建立一套全面的监督机制与惩戒制度，对学术不端行为进行严肃处理并记入档案，让学生意识到学术不端的严重后果。