職業院校教師人工智能教學應用行為意向影響因素研究

摘 要：人工智能教育應用是實現教育數字化轉型的重要手段與模式。隨著人工智能的迅速發展，其在教育領域的應用日益深化，尤其在職業教育中，可以借助人工智能來提高教學效果和培養學生的實踐操作能力。目前國內外還缺乏對職業院校教師人工智能教學應用行為意向深入的理論與實證分析。本研究以職業院校教師為研究對象，基于態度模型等，構建了職業院校教師人工智能教學應用行為意向的影響因素模型，并采用SPSS23和SmartPLS4軟件進行了實證分析。研究結果顯示，感知有用性對行為意向具有非常顯著的正向影響，滿意度對行為意向具有顯著的正向影響，感知娛樂性對行為意向具有比較顯著的正向影響，此外，自我效能感對行為意向也具有顯著的正向影響。在影響感知易用性的因素中，自我效能感具有非常顯著的正向影響。感知易用性對感知有用性具有非常顯著的正向影響。感知有用性對滿意度具有非常顯著的正向影響。感知有用性對信任具有非常顯著的正向影響。

關鍵詞：人工智能；教學應用；職業院校；教師；行為意向

中圖分類號： G715

文獻標識碼： A

在2024世界數字教育大會的閉幕式上，教育部部長懷進鵬表示：“教育數字化轉型已經成為世界大勢、時代所需、師生所求”［1］。當今世界人類社會已由工業化邁向數字化、智能化，數字化轉型引領的教育革命已經來臨，推動教育進行數字化轉型已成為教育改革發展的核心議題，同時5G、云計算、大數據、人工智能等數字技術的發展為教育帶來了新機遇［2］。人工智能是教育數字化的本質要求與必然發展。隨著 2022年11月通用人工智能ChatGPT 的問世，其為數字化革命賦予新的意義，并將人工智能帶入新的時代［3］。基于ChatGPT技術的個性化教學模式，能夠針對學生個體差異進行教學，提高學習成效和教學質量，推動數字化和智能化發展［4］。人工智能技術加速職業教育領域的數字化賦能和數字化轉型，以重塑職業教育的新格局［5］。人工智能在職業教育領域的具體應用有許多。在智能教學輔助方面，嘗試將在線評測 OJ 平臺與聊天機器人相結合［6］。在個性化教學方面，職業院校教師基于ChatGPT技術的個性化教學模式，針對學生個體差異進行教學，提高學習成效和教學質量［7］。在虛擬實訓方面，職業院校可通過建立 VR 虛擬現實學習中心，運用“3D+AR”技術構建混合式教學平臺［8］。但目前在職業院校教師人工智能教學應用中，還存在一些問題。首先，教師對應用人工智能的積極性不高，可能是因為對新技術的接受度較低，或者是對人工智能在教學中的應用效果持懷疑態度［9］。其次，教師在實際教學過程中應用人工智能的頻率不高，可能是因為缺乏對人工智能的了解，或者是缺乏相應的培訓和支持［10］。此外，教師發現人工智能可能無法很好地適應教學需求，或者使用人工智能可能帶來一些新的教學問題［11］。為了解決這些問題，有必要研究職業院校教師人工智能教學應用行為意向，探究其影響因素，并采取相應措施，提高職業院校教師在教育教學中應用人工智能的積極性和效果。當前，國內外研究普遍認為，職業院校教師人工智能教學應用行為意向受多種因素影響。因此，深入研究這些影響因素，對推動人工智能在職業教育中的廣泛應用，不僅有助于更好地服務于職業教育的發展，提升教師的專業素質和終身學習能力，也對我國經濟發展和產業升級有著重要作用。

一、模型構建

（一）行為意向

1.自我效能感與行為意向

自我效能感是 Bandura 在 1977 年首次提出的概念，它描述了在面臨一個需要完成的任務時，個體從自我認知的角度對自身能力的信心或勝任感進行評估。自我效能感就是個體對自己能力的主觀評估，而非能力本身，強調了人所具有的主觀能動性。許多研究都表明，個體的自我效能感是影響其使用信息技術行為的關鍵因素［12］。Al Darayseh認為科學教師對課堂上應用人工智能的接受度很高，自我效能感和行為意向呈正相關［13］。因此，職業院校教師的自我效能感越高，他們在教學過程中應用人工智能的信心就越足，這會促使教師更愿意采取實際行動來完成教學任務。相反，如果他們在應用人工智能時感覺困難，面對困難便焦慮不安，把注意力放在自己的不足上，并輕易放棄努力，其行為意向會顯著下降。在上述研究的基礎上，提出假設H1：

H1：自我效能感對職業院校教師應用人工智能的行為意向有顯著的正向影響。

2.感知有用性與行為意向

感知有用性是指個體對某種行為或技術是否對其工作、學習或生活有益的主觀評估和認知。它反映了個體對某種行為或技術是否能夠帶來實際的利益和價值的信念和態度。提高個體對某種行為或技術的感知有用性對促進其行為意向至關重要。Ayanwale等人發現，教師對人工智能的感知有用性與行為意向有顯著的正向影響關系［14］。當職業院校教師認為應用人工智能有利于教學工作時，教師越愿意應用人工智能，即應用人工智能的行為意向就會越強，例如有些教師利用智能教學平臺了解學生的學習狀態，及時調整課堂設計，使得教學更有針對性，教學效果更好，他就越愿意使用人工智能。如果教師感覺人工智能沒有用，教師就不愿意使用人工智能。在上述研究的基礎上，提出假設H2：

H2：感知有用性對職業院校教師應用人工智能的行為意向有顯著的正向影響。

3.信任與行為意向

信任理論強調，信任是個體行為的重要前置條件，信任程度越高，個體行為傾向越明顯。許多學者通過研究也支持這一觀點。劉津芳與李本乾在大學生微信朋友圈購物行為的研究中，發現信任對大學生朋友圈購物行為意向具有積極影響［15］。當職業院校教師越信任人工智能，對應用人工智能的行為意向就越強烈［16］。反之，當教師認為人工智能帶來一些負面影響，教師對人工智能的信任就會下降，這顯然會影響教師應用人工智能的行為意向，因此，提出假設H3：

H3：信任對職業院校教師應用人工智能的行為意向有顯著的正向影響。

4.滿意度與行為意向

在信息系統持續使用模型中，用戶滿意度和其持續使用意愿之間存在正相關關系。桂先鋒在疫情期間初中生在線學習效果影響研究中，發現滿意度正向影響行為意向［17］。當職業院校教師在使用人工智能的過程中比較滿意，教師應用人工智能的行為意向就會上升。反之，當教師使用人工智能的過程中不太滿意，例如人工智能教學應用的結果離預期差距較大，這顯然會影響教師應用人工智能的行為意向。教師對人工智能滿意度越高，就越愿意使用人工智能。因此，提出假設H4：

H4：滿意度對職業院校教師應用人工智能的行為意向有顯著的正向影響。

5.感知娛樂性與行為意向

感知娛樂性是指個體對某種行為、活動或產品的娛樂價值和樂趣程度的主觀評估和認知。它反映了個體對參與或體驗的內容是否有趣和愉悅的感受。提高個體對某種行為、活動或產品的感知娛樂性，對促進其行為意向至關重要。孫僑羽研究發現，學生的感知娛樂性對其在學習通上的持續學習意愿有顯著的積極影響［18］。蘇婷婷認為，感知娛樂性正向影響新生代用戶對移動短視頻APP的行為意向［19］。當職業院校教師應用人工智能時感覺愉悅，教師就會愿意使用人工智能，從而獲得更好的體驗，教師應用人工智能的行為意向就會上升。反之，在應用人工智能的過程中，如果教師感到情緒低落、沮喪或者悲傷，這顯然會影響教師應用人工智能的行為意向，因此，提出假設H5：

H5：感知娛樂性對職業院校教師應用人工智能的行為意向有顯著的正向影響。

6.便利條件與行為意向

便利條件是指個體在進行某種行為時所面臨的環境和資源的可用性、易獲得性和便利性，它反映了個體進行某種行為的難易程度和便利程度。便利條件對促進個體的行為意向至關重要。Nandwani和Khan通過對中小學教師使用人工智能技術的研究，發現便利條件正向顯著影響了教師使用人工智能的行為意向［20］。在職業院校教師應用人工智能進行教學時，教師會面臨一些困難，如對相關知識和技術的掌握不足，如果能及時得到幫助，教師的行為意向就會上升。相反，如果教師遇到問題無法及時獲得支持，教師應用人工智能的行為意向就會顯著下降。職業院校教師應用人工智能時得到的外部便利條件越充足，比如學校人工智能設備支撐、政府經濟撥款、國家政策支持等方面越好，教師就越愿意應用人工智能。在上述研究的基礎上，提出假設H6：

H6：便利條件對職業院校教師應用人工智能的行為意向有顯著的正向影響。

7.社群影響與行為意向

社群影響是指個體所處的社交環境和社群對其態度、行為和價值觀的影響。社群影響通過社會交流、社會規范、社會認同和社會支持等方式對個體的行為意向產生影響。社群影響對促進個體的行為意向至關重要。馮吉兵等［21］認為社群影響對行為意向呈顯著正向影響。職業院校教師在與他們認為較為重要的人的看法影響下，更加傾向于在教學中應用人工智能。例如：與教師認為較為重要的人進行看法交流，能夠幫助教師獲取更多關于人工智能在教學中應用的信息，提高教師對人工智能的認識和理解。或者與教師認為較為重要的人對人工智能持積極態度，教師會受到這種態度的影響，從而更加傾向于接受和應用人工智能。在上述研究的基礎上，提出假設H7：

H7：社群影響對職業院校教師應用人工智能的行為意向有顯著的正向影響。

（二）感知易用性

Davis發現感知易用性與自我效能感非常相似，它們之間存在密切的聯系［22］。劉哲雨等認為在桌面虛擬現實環境中，學習者的自我效能感對感知易用性產生正向影響［23］。當職業院校教師有信心應用人工智能完成教學任務，教師對人工智能的感知易用性就會越強。相反，如果教師對應用人工智能持懷疑態度，對自己在教學中成功應用人工智能沒有信心，甚至認為自己不能勝任，其應用人工智能的感知易用性也會隨之減弱，例如有些教師對人工智能不夠了解，害怕無法完成教學工作，因此在教學中很少應用人工智能。在上述研究的基礎上，提出假設H8：

H8：自我效能感對職業院校教師應用人工智能的感知易用性有顯著的正向影響。

（三）感知有用性

技術接受模型認為行為意向受到感知易用性和感知有用性的直接和間接影響。此外，感知易用性對感知有用性具有直接影響，反之則不然。王澤蘅研究發現，大學生對在線學習的感知易用性正向影響感知有用性［24］。當職業院校教師應用人工智能越容易，就會感覺人工智能越有用；反之，在執行相同任務時，如果應用人工智能所需的時間和精力會更多，其對人工智能的感知有用性就會下降。在上述研究的基礎上，提出假設H9：

H9：感知易用性對職業院校教師應用人工智能的感知有用性有顯著的正向影響。

（四）信任

1.感知有用性與信任

當個體認為某項技術或產品對其工作或生活有益處時，他們更容易對該技術或產品產生信任和依賴。感知有用性對信任產生正向影響。提高技術或產品的感知有用性能夠增強個體對其的信任和依賴，進而促進其積極使用和采納。姜峰發現，消費者認為網絡購物相對于傳統購物方式能帶來更大的效用時，他們才會更愿意接受和認可網絡購物，也就是說，消費者的信任度會更高［25］。當職業院校教師應用人工智能越有效，教師對人工智能越信任。在上述研究的基礎上，提出假設H10：

H10：感知有用性對職業院校教師應用人工智能的信任有顯著的正向影響。

2.感知風險性與信任

當個體感知到某項技術、產品或服務存在潛在的風險或威脅時，他們對其產生懷疑和不信任的態度。楊世武與苑心怡在“社交電商”用戶購買意向驅動因素的模型與實證分析中，提出感知風險性對信任產生負向影響［26］。職業院校教師越認為人工智能會出現信息泄露、財產損失等風險情況，就越會對人工智能不信任。基于上述分析，本研究做出假設H11：

H11：感知風險性對職業院校教師應用人工智能的信任有顯著的負向影響。

（五）滿意度

1.感知有用性與滿意度

當個體感知到某項技術、產品或服務對其能夠滿足需求和帶來實際效益時，他們對其產生積極的評價和滿意的態度。感知有用性對滿意度產生正向影響。仲秋雁等在眾包社區用戶持續參與行為實證研究中，發現感知有用性對滿意度有正向影響［27］。當職業院校教師對人工智能感到越有用，其對人工智能的滿意度就會越高。基于以上分析認為，本研究做出假設H12：

H12：感知有用性對職業院校教師應用人工智能的滿意度有顯著的正向影響。

2.感知風險性與滿意度

當個體感知到某項技術、產品或服務存在潛在的風險或威脅時，他們對其產生疑慮和不滿意的態度。感知風險性對滿意度有負向影響。在消費者行為學領域中，感知風險理論指的是消費者在購買某些產品或服務時，很難預知自己的消費決策是否明智，如果決策失誤，消費者會感到不滿意。劉紫微與胡月認為感知風險性負向影響大學生對旅游App的滿意度［28］。職業院校教師認為人工智能會出現信息泄露、財產損失等風險情況，就會對人工智能產生不滿意。基于以上分析，本研究做出假設H13：

H13：感知風險性對職業院校教師應用人工智能的滿意度有顯著的負向影響。

最終構建了職業院校教師人工智能教學應用行為意向影響因素理論模型，如圖1。

二、實證研究

（一）問卷設計與發放

本研究查閱了大量的國內外有關態度模型、技術接受模型3、期望確認理論和技術接受與使用整合理論的參考文獻，在已有成熟量表的基礎上設計了該問卷的初稿。為了提升問卷的科學性和有效性、檢驗問卷質量以及發現問卷潛在的問題，請該領域的專業人士和使用過人工智能的職業院校教師就問卷的內容、問題的準確性、表達方式和安排順序等方面提出具體的建議或批評。根據收集到的反饋意見，對問卷問題的措辭、順序、刪除或添加等進行相應的修訂，保持了問卷的一致性和邏輯性，確保修訂后的問卷能更準確地反映調查目的，結果見表1。問卷由三部分組成：第一部分為基本信息，計10題；第二部分為受訪者對人工智能教學應用的態度，包括行為意向、認知、情感、其他四大部分，計10題；第三部分為開放題。第二部分均采用李克特五級量表評估個體對觀測變量的影響，具體為非常不同意、不同意、一般、同意、非常同意，分別賦予1分、2分、3分、4分與5分。

本問卷于2023年3月通過問卷星平臺進行發放，采用分層抽樣、隨機抽樣以及滾雪球抽樣等方法進行發放。本研究對職業院校教師進行分層，以便更精確地了解不同類型教師的接受程度。在進行調查時，采用分層隨機抽樣方法，每個層次中分別抽取一定數量的樣本進行研究。這樣能夠確保樣本能夠代表整個目標人群，并減少誤差，從而提高研究的可靠性和有效性。本研究先把問卷鏈接發給職業院校教師國培、省培群，從而產生分層隨機樣本。然后把問卷鏈接發給同事（QQ或微信），再請同事繼續邀請他們的好友（其他職業院校的教師）參與調查。最后通過滾雪球效應，逐漸擴大參與人數，有效地獲取具有代表性和多樣性的樣本，提高了調查的科學性和可信度。本研究共收到 1097份問卷，去掉重復和異常問卷，有效問卷為1060份，有效率大約為96.6%。應用過人工智能的教師問卷更具有代表性和說服力，驗證效果更好，將問卷中填答時間過短以及高度一致的問卷刪除，最后保留733份問卷，將這733份問卷作為數據源。男教師占總樣本數的45%，即330人，有接近一半是男教師；女教師占總樣本數的55%，即 403 人，超過一半是女教師。在文化程度上，大專及以下學歷的教師有35人，占總樣本數的4.77%，這部分教師具備一定的專業技能，但學術水平相對較低。本科學歷的教師有571人，占總樣本數的77.9%，這部分教師占據了絕大多數，顯示出參與調查的職業院校教師隊伍的主體部分具有較高的學歷水平。研究生及以上學歷的教師有127人，占總樣本數的17.33%，這部分教師具備較高的學術水平和專業素養，對提升職業教育的整體水平具有重要作用。為了分析調查問卷得到的樣本數據可靠性，本研究采用克朗巴哈系數（Cronbach’s α）進行信度分析，通過計算Cronbach’a一致性系數進行各變量內部一致性信度分析，各個維度的Cronbach’a均在0.9以上，表明其具有內部一致性。本文借助SmartPLS軟件，通過平均變異萃取量（AVE）進行各變量內部效度分析，各潛在變量的因子載荷均大于理論值0.9，CR值均大于0.9，AVE值大于0.8。由此可見，本調查表信度和效度完全符合要求。

（二）路徑圖計算

采用PLS分析法的結構方程模型在建模過程中具有所需樣本量低、適合復雜模型分析等優勢［29］。針對本研究，樣本數據量為 733，屬于中小樣本數據，且潛變量有10個，其中4個為中介潛變量，模型相對復雜。同時，本研究在態度模型（ABC）、技術接受模型3（TAM3）、期望確認理論（ECT）和技術接受與使用整合理論（UTAUT）的基礎上，進行結構創新的探索，因此更傾向于選擇 PLS 分析法進行研究。另外，SmartPLS4軟件具有強大的建模環境和簡潔的操作界面，使用戶快速完成建模過程，同時也能處理較為復雜的結構方程模型。因此，本研究選擇使用SmartPLS4軟件進行驗證。在SmartPLS4軟件中，對模型路徑系數的顯著性檢驗是通過PLS-SEM算法和自舉方法來完成的。對該模型進行路徑檢驗，路徑系數及顯著性結果如表2所示。本研究模型共有13條路徑，接受8條，拒絕5條。顯著的路徑有：感知有用性對行為意向具有非常顯著的正向影響（P=0.656，Plt;0.001）（第一個P是Path的簡寫，表示路徑系數，第二個P表示顯著性，下同），滿意度對行為意向具有顯著的正向影響（P=0.253，Plt;0.05），感知娛樂性對行為意向具有比較顯著的正向影響（P=0.171，Plt;0.01），此外，自我效能感對行為意向具有顯著的正向影響（P=0.170，Plt;0.05）。在影響感知易用性的因素中，自我效能感具有非常顯著的正向影響（P=0.816，Plt;0.001）。感知易用性對感知有用性具有非常顯著的正向影響（P=0.836，Plt;0.001）。感知有用性對滿意度具有非常顯著的正向影響（P=0.678，Plt;0.001）。感知有用性對信任具有非常顯著的正向影響（P=0.615，Plt;0.001）。

同時，信任對行為意向沒有顯著的正向影響。從唐芙蓉的觀點來看，信任與行為意向之間存在一定的關系，但這種關系并不顯著［30］。盡管教師對人工智能有一定的信任感，但教師仍然會考慮到潛在的風險和不確定性，這會影響教師采納和推廣人工智能的意愿。在這種情況下，提高教師對人工智能的信任度，同時解決教師的擔憂和問題，將有助于促進人工智能在職業教育領域的普及和應用。便利條件對行

為意向沒有顯著的正向影響。便利條件并不總是對行為意向產生顯著的正向影響。例如，有教師表示：“雖然人工智能在技術和功能上非常先進，但我不覺得它們為我提供了多少額外的便利。我仍然需要花費大量的時間和精力來熟悉和掌握人工智能，這讓我在實際教學過程中很難真正感受到便利”。社群影響對行為意向沒有顯著的正向影響。根據吳文汐等的研究，發現社群對個體行為意向的影響力并不明顯［31］，這是因為職業院校教師群體具有很強的獨立思考能力，他們的個人觀點和態度在決定行為意向方面起到了主導作用，從而減弱了親人、朋友等社群對他們行為意向的影響。許文靜［32］等人認為社群影響能夠顯著促進教師的有用性感知，但是并不能顯著影響行為意向。因此，社群影響并不總是對行為意向產生顯著的正向影響。感知風險性對信任和滿意度沒有顯著的負向影響，這與孫俊的研究結論一致，即基于技術授受模型對互聯網醫療使用意愿影響因素進行研究時，發現感知風險性并不會對信任和滿意度產生顯著性影響［33］。教師會根據具體情況來判斷感知風險性對信任和滿意度的影響，這取決于教師對風險的認知、個人經驗和心理承受能力。因此，要促進人工智能在教育領域的普及和應用，需要從多個方面滿足教師的需求和期望，而不僅僅是降低感知風險性。

三、對策建議

職業院校教師對人工智能教學應用的態度總體上是積極的，這表現在教師的行為意向均值較高，達到了4.33。這個數值說明，大多數教師對應用人工智能持積極、主動的態度，愿意嘗試和接受這種新的教學方式。職業院校教師對人工智能的感知有用性、感知易用性和感知娛樂性的均值相對較高，分別達到了4.324、4.235 和 4.213。由此提出相關對策建議。

（一）利用人工智能技術推出精準教學模塊

職業院校教師在人工智能教學應用方面的需求，因其專業、教學目標和教學內容而異。因此，提供精準的教學模塊能夠滿足職業院校教師的專業需求，并確保教師在教學實踐中能夠有效地應用人工智能。一是設置針對不同專業的教學內容。不同專業教師需要掌握特定的人工智能知識和技術，以適應自己所任教的專業。例如，機電專業的教師更關注人工智能在機器人技術、自動化控制和智能制造等方面的應用。因此，要提供針對不同專業的精準教學模塊，滿足教師對相關專業人工智能技術的需求。二是考慮教學目標和學生需求，分析學生的學習數據。職業院校教師在人工智能教學應用方面的需求也受到他們的教學目標和學生的需求影響，要利用機器學習算法和數據分析技術，對學生的學習數據進行深度挖掘和分析，識別學生的學習風格、習慣、優勢和不足，明確學生的具體需求。因此，提供精準的教學模塊可根據不同的教學目標和學生需求，為教師提供相關的教學資源和實踐指導。三是強調實踐與案例研究。職業院校教師通常更加注重實踐和案例研究，以便將所學的人工智能知識應用到實際的教學中。例如虛擬實驗室的應用極大程度上解決了時間空間上師生的不協調，職業院校教師可以根據課程安排利用人工智能構建虛擬實驗室，幫助學生完成實驗。

（二）建立人工智能外圍支持體系

人工智能外圍支持體系的建立是關鍵。一是人工智能技術支持。教育主管部門和學校應提供相應的人工智能技術支持，包括人工智能教學設備的維護、軟件的安裝和使用等。這將幫助教師解決在應用人工智能過程中遇到的技術問題，降低教師應用人工智能的難度。二是政策鼓勵與倡導。國家教育部門或相關政府機構出臺政策，明確鼓勵和支持職業院校教師使用人工智能技術進行教學創新。這些政策可能包括提供指導原則、設立專項基金、開展試點項目等。并且政策一定要包含對教師進行人工智能相關培訓的鼓勵和支持，如設立專門的培訓項目、提供培訓經費等，以提高教師的信息化素養和人工智能應用能力。通過這些政策，降低教師應用人工智能的成本，提高教師的積極性，可進一步推動人工智能在教學中的應用。三是家長和社會的支持。在推廣人工智能在教學應用過程中，家長和社會的認可和支持是至關重要的。學校需要通過各種方式，讓家長和社會認識到人工智能對教育的重要性和價值，理解并接受教師在教學過程中使用人工智能。只有這樣，他們才能為教師創造一個良好的應用環境，讓教師能夠沒有后顧之憂地使用人工智能進行教學。通過以上外圍支持體系的建立，能有效提高職業院校教師人工智能教學應用行為意向，進一步推動職業教育人工智能的普及和應用。

（三）拓寬職業院校教師教育發展項目

拓寬職業院校教師教育發展項目旨在為教師提供繼續教育和專業發展的機會，使教師能夠了解最新的人工智能技術、教學方法和資源，并不斷更新和提升自己的能力。一是提供人工智能技術培訓。包括線上課程和線下實踐，培訓內容包括人工智能基礎知識、技術應用、課程開發等方面。這些培訓課程涵蓋人工智能相關的技術和應用、教學設計和評估方法，以及人工智能教學資源的有效使用等內容。二是分性別進行針對性培訓。根據男教師和女教師在技術接受和使用方面的特點和需求，為教師提供針對性的培訓內容。例如，對于女教師，增加關于信息安全和數據保護等方面的培訓，以提高她們在這方面的意識和能力；對于男教師，加強關于技術創新和應用方面的培訓，激發其創新意識。三是提供獎學金和資助計劃，鼓勵教師參與職業教育人工智能教學應用的研究和創新項目。這些獎金和資助計劃可支持教師進行深入的研究、開發教學資源或設計創新的教學方法，以推動人工智能在職業教育中的應用。還要拓寬職業院校教師教育發展項目，致力于幫助教師不斷提升教師在人工智能教育領域的知識和能力，并將其應用到實際的教學中。

參考文獻

［1］ 焦麗珍.2024世界數字教育大會在上海開幕［J］.現代教育技術，2024（2）：1.

［2］ 陳冬梅.高等教育數字化轉型探析［J］.佳木斯職業學院學報，2024（1）：133-135.

［3］ 于浩，劉照陽，楊靈婷.人工智能對教育的影響及未來教師的素養［J］.繼續教育研究，2023（10）：49-55.

［4］ 何曼.國家數字化學習資源中心主任單從凱：人工智能視野下的職業教育變革［J］.在線學習，2023（7）：22-25+80.

［5］ 周佳峰.人工智能助推教育數字化轉型路徑與實踐研究［J］.中國教師，2023（3）：31-34.

［6］ 楊曄，張廷東，蔣雪君.智能聊天機器人在C語言程序設計教學中的應用［J］.電腦與電信，2021（12）：14-16+20.

［7］ 張雪冰，倪龍松，韋璐，等.高等職業教育個性化教學模式探析——基于ChatGPT技術［J］.淮南職業技術學院學報，2023（4）：58-61.

［8］ 呂慧.智能時代信息技術在烹飪教育實踐教學中的應用研究［J］.中國食品工業，2022（24）：108-110.

［9］ 鄧滿.教育人工智能背景下高職教師職業價值變遷與角色重塑［J］.職教論壇，2019（7）：93-97.

［10］張文龍，吳金玲，孟垂懿.人工智能時代職業教育教學的風險與對策研究［J］.江蘇教育研究，2023（12）：25-28.

［11］孫帥帥.人工智能對職業教育教學影響的風險及其應對［J］.職教論壇，2022（2）：68-74.

［12］范雅嫻.移動短視頻APP用戶使用行為影響因素研究［D］.武漢：武漢大學，2020：26.

［13］AL DARAYSEH A.Acceptance of artificial intelligence in teaching science： Science teachers’ perspective［J］.Computers and education：Artificial intelligence，2023（4）：100132.

［14］AYANWALE M A， SANUSI I T， ADELANA O P， et al.Teachers’ readiness and intention to teach artificial intelligence in schools［J］.Computers and education：Artificial intelligence，2022（3）：100099.

［15］劉津芳，李本乾.理性化與個性化：大學生微信朋友圈購物行為分析［J］.西南民族大學學報：人文社科版，2020（10）：159-165.

［16］劉克航.基于人工智能的英語學習類APP持續使用意愿研究［D］.青島：青島大學，2022：21.

［17］桂先鋒.疫情期間在線學習效果元分析及初中生在線學習效果影響研究［D］.武漢：華中師范大學，2022：46.

［18］孫僑羽.初中生在線持續學習意愿的影響因素研究［D］.上海：上海外國語大學，2022：24-25.

［19］蘇婷婷.移動短視頻APP新生代用戶行為意愿影響因素研究［D］.廣州：暨南大學，2018：27.

［20］NANDWANI S， KHAN S A.Teachers’ intention towards the usage of technology：an investigation using UTAUT model［J］.Journal of Education amp; Social Sciences，2016（2）：95-111.

［21］馮吉兵，張國良，靳帥貞，等.中小學教師虛擬實驗教學能力提升的對策研究——基于技術接受度測評［J］.中國電化教育，2022（7）：120-126+133.

［22］DAVIS F D.Perceived usefulness，perceived ease of use，and user acceptance of information technology［J］.MIS quarterly，1989（3）：319-340.

［23］劉哲雨，劉宇晶，周繼慧.桌面虛擬現實環境中自我效能感如何影響學習結果——基于心流體驗的中介作用［J］.遠程教育雜志，2022（4）：55-64.

［24］王澤蘅.在線學習行為意愿的影響因素及OMO教學實踐啟示——以信管專業大學生為例［J］.現代商貿工業，2023（18）：96-98.

［25］姜峰.社交網站持續使用行為意向的動機研究［D］.上海：上海交通大學，2015：22.

［26］楊世武，苑心怡.“社交電商”用戶購買意向驅動因素的模型與實證分析［J］.湖北文理學院學報，2020（5）：80-88.

［27］仲秋雁，王彥杰，裘江南.眾包社區用戶持續參與行為實證研究［J］.大連理工大學學報：社會科學版，2011（1）：1-6.

［28］劉紫微，胡月.大學生旅游App用戶粘性影響因素研究［J］.現代商業，2020（34）：21-22.

［29］陳俊梁，史歡歡，林影，等.城鎮化對經濟增長影響的路徑分析——基于長三角城市群的研究［J］.經濟問題，2022（4）：49-57.

［30］唐芙蓉.移動支付技術采納的影響因素研究［D］.成都：電子科技大學，2008：52.

［31］吳文汐，周婷.基于 UTAUT 模型的微信朋友圈原生廣告接受度實證研究［J］.廣告大觀：理論版，2016（5）：41-49.

［32］許文靜，于欣平.慕課學習行為意向影響因素研究——基于財務會計課程［J］.商業會計，2023（5）：113-117.

［33］孫俊.基于技術接受模型的互聯網醫療使用意愿影響因素研究［D］.北京：中央民族大學，2019：45.

Research on Influencing Factors of Teachers’ Behavior Intention of Artificial Intelligence Teaching in Vocational Colleges

FANG Xu1， JIANG Pei1， ZHU Jin wu2

（1.Nantong University， Nantong 226019， China; 2.Jiangsu Dafeng Vactional School， Yancheng 224145， China）

Abstract： The application of artificial intelligence education is an important means and model to realize the digital transformation of education. With the rapid development of artificial intelligence， its application in the field of education is deepening. Especially in vocational education， artificial intelligence can be used to improve the teaching effect and cultivate students’ practical operation ability. At present， there is still a lack of in depth theoretical and empirical analysis of the intention of artificial intelligence teaching and application behavior of teachers in vocational colleges and universities at home and abroad. This study took teachers in vocational colleges as the research object， constructed a model of influencing factors of vocational college teachers’ behavioral intention of AI teaching application based on the attitude model and so on， and carried out empirical analysis using SPSS23 and SmartPLS4 software. The research results show that perceived usefulness has a very significant positive impact on behavioral intention， satisfaction has a significant positive impact on behavioral intention， and perceived entertainment has a relatively significant positive impact on behavioral intention. Ring， in addition， self efficacy also has a significant positive impact on behavioral intention. Among the factors affecting perceived ease of use， self efficacy has a very significant positive impact. Perceptual usability has a highly significant positive impact on perceived usability. Perceptual usability has a highly significant positive impact on satisfaction. Perceptional usability has a very significant positive impact on trust.

Key words： artificial intelligence; pedagogical applications; vocational colleges; teachers; behavioral intentions