TRIZ理論背景下大語言模型對研究生創新意愿的影響研究：基于技術接受模型

摘 要：人工智能、大語言模型的飛速發展對當前我國研究生創新思維培養指出了新的方向。本研究在TRIZ理論背景下，以高校研究生為對象，通過問卷調查，基于技術接受模型，構建結構方程模型，探索大語言模型對研究生創新意愿的影響研究。研究結果表明大語言模型的有用性和易用性均能夠提升研究生使用大語言模型的積極態度，從而提升使用大語言模型的意愿。此外，態度在模型中起到了部分中介作用。研究認為要想提升學生使用大語言模型的積極性，需要學生樹立對大語言模型的正確態度和價值觀。

關鍵詞：TRIZ理論；技術接受模型；大語言模型；創新意愿

一、引言

隨著我國經濟高質量發展需求日益顯現，適應社會發展的多元化、復合型研究生人才成為新時代市場競爭的關鍵資源。近年來，教育部明確提出要主動打破傳統學科專業之間的壁壘，推動多學科、多領域之間的交叉融合，聚焦多個技術領域，促進基礎、應用等多學科復合，加快多學科交叉和知識融合。同時，數字時代的到來與人工智能的興起，給當前研究生創新培養提出了新的要求。越來越多的學校愈發重視學科交叉、科教融合、校企合作、協同育人的教育理念，同時關注AI、信息通訊、電子控制、軟件設計等新型技術與傳統工業技術的緊密結合，并通過構建符合時代發展與產業升級要求的人才建設體系，培養懂理論、強實踐、能創新的高素質復合型人才。

在學科交叉領域，TRIZ理論能夠跨越傳統學科界限，整合多元化的知識和技能，它可以幫助研究者識別和解決跨學科領域中的復雜問題，提供創新的思維方式，從而推動各學科間的交流與融合。此外，TRIZ理論還具有矛盾思維、理想思維、資源思維的創新特點，這些都有助于引導研究者從不同角度思考問題，尋找最優解決方案。在研究者遇到短時間內難以解決的難題時，通過理想思維，研究者可以先想到最終理想解，然后再去分析問題，這樣可以幫助他們在復雜的學科交叉環境中，找到最佳的解決方案。因此，在研究生創新培養上，考慮將TRIZ理論與大語言模型環境相結合，利用TRIZ理論的思維工具和大語言模型環境的知識檢索和分析功能，根據具體情況對研究生創新思維培養進行設計和調整，能夠幫助學生解決跨領域學習過程中遇到的難題，提高學生的跨領域知識和技能，培養他們的綜合素質和創新能力，從而探索出更有效的教育方法和策略。

當前對大學生創新思維和創業意愿的研究主要集中以下幾個方面。第一，關于創新創業教育對創業意愿的影響。如周麗霞等（2022）采用分層抽樣方法，以山西高校為例，探究創新創業教育對護理專業大學生創業意愿的影響機制[1]。陳德虎（2016）以浙江省高校為研究對象，提出全面打造創新創業實踐體系，大力開拓創QMprs+2mB3jXN3S2H+mzhg==新創業教育社會網絡的建議[2]。Guo等（2023）通過高職院校樣本分析影響學生創新創業意愿的因素[3]，結果表明導師要充分利用自己的科研項目，帶動學生創業團隊將科研項目與創業項目對接，將科研項目轉化為成果，通過挖掘科研項目的市場潛力，激發學生創業團隊的成長。Zhang等（2023）主要探討了職業生涯規劃課程和創新創業課程對高校學生創業意愿的影響，通過整合職業規劃、提供以就業為導向的創新和創業教育可以幫助學生闡明創業精神在個人職業發展中的地位和價值，并培養創新思維和創業精神[4]。Dong和Tu（2021）以計劃行為理論為指導，通過建立模型對創新創業教育對大學生創業意愿的影響結果進行檢驗，研究結果表明，基于虛擬現實活動的高校創新創業教育對大學生創業意愿存在顯著積極影響[5]。第二，關于參加創業比賽意愿的相關研究。宮毅敏和林鎮國（2019）通過高校學生創業競賽參賽意愿的調查問卷，運用Apriori 算法進行雙向數據挖掘分析，對大學生創新創業能力提升提出可行性建議[6]。第三，關于創新行為與創業意愿的影響因素研究。于海琴（2019）通過扎根理論證明大學生創新行為包括五個方面，分別是創新意愿與動機、創新學習、創意、創新行動和創新成果[7]。Zelin等（2021）通過對全國31個省份1231所高校應屆畢業生的調查，考察了創業政策對創業意愿的路徑和影響機制，結果表明創業政策與創業意愿呈正相關[8]，創業教育作為“橋梁”在關系中呈現部分中介作用。但是，鮮有學者研究人工智能對大學生創新意愿的影響，特別是以ChatGPT為首的大語言模型影響研究生創新意愿的研究尚未開展。因此，如何利用大語言模型培養應用型研究生創新人才的問題亟需深入研究。

二、理論與假設

（一）技術接受模型

技術接受模型（Technology Acceptance Model），是Davis（1989）運用理性行為理論研究用戶對信息系統接受時所提出的一個模型，提出技術接受模型最初的目的是對計算機廣泛接受的決定性因素做一個解釋說明。TAM模型認為個體對于信息系統的使用行為是由行為意向決定，而行為意向是由感知有用性和感知易用性決定。近幾年來技術接受模型多個領域的成功應用證實了它的價值（Al-Adwan等，2023；Han和Sa，2022；Azizah等，2022；程慧，2023；余鯤鵬和李偉，2023），能夠比較好的解釋大語言模型對研究生創新意愿影響的問題[9～13]。

（二）假設提出

基于技術接受模型，本研究提出三個影響研究生創新意愿的前因變量，即大語言模型的感知有用性、感知易用性和對大語言模型使用態度。首先對于大語言模型的感知易用性來說，研究生認為大語言模型越容易使用，就越有可能在研究中應用它。這種感知易用性可以體現在兩個方面：一是大語言模型的界面和交互方式設計得越簡單、越直觀，研究生就越容易上手使用；二是大語言模型能夠提供更加智能、更加自動化的功能和服務，從而幫助研究生更快地完成任務（Yiu等，2023）[14]。不僅如此，大語言模型的感知易用性也會影響感知有用性，研究生更傾向使用簡單、易上手的學習工具，因此易用性也會積極促進有用性。

對于大語言模型的感知有用性來說，研究生認為大語言模型越有用，就越有可能在研究中應用它。這種感知有用性可以體現在兩個方面：一是大語言模型能夠提供更準確、更高效的信息檢索和文本生成能力，從而幫助研究生更快地獲取所需信息，提高研究效率；二是大語言模型能夠根據研究生的需求和語境，提供更加自然、流暢的語言表達，從而幫助研究生更好地與他人交流和合作。

研究生對大語言模型的態度也會影響他們的創新意愿。如果研究生對大語言模型持積極態度，認為它是一種有益的工具，就越有可能在研究中應用它。這種積極態度可以體現在兩個方面：一是研究生認為大語言模型能夠提高他們的研究效率和質量，從而對研究更有信心和動力；二是研究生認為大語言模型能夠為他們帶來更多的創新機會和靈感，從而更有意愿嘗試新的研究方向和方法（文森等，2023）[15]。

綜上所述，大語言模型的感知有用性、感知易用性和態度對研究生的創新意愿具有重要影響。因此本研究提出如下假設：

H1：大語言模型感知易用性積極影響感知有用性。

H2：大語言模型感知易用性積極影響使用態度。

H3：大語言模型感知有用性積極影響使用態度。

H4：對大語言模型的使用態度積極影響研究生創新意愿。

三、研究設計與數據分析

（一）數據收集

本研究主要通過問卷調查進行數據收集，利用問卷星平臺通過微信朋友圈、QQ群、社區、課堂等形式進行在線發放與填寫。問卷內容包含兩個部分：第一部分為受訪者基本信息，如性別、年齡、年級等；第二部分為變量測量，主要采用7級李克特量表對大學生使用大預言模型的感知易用性、感知有用性、態度和意義進行測量評價，受訪者根據自身的情況，對自身是否同意問卷題設的情況進行評分。

通過實地、專業網站、微信等多種方式發放大語言模型環境下研究生創新行為調查問卷，共計回收184份問卷，剔除回答時間短、答案重復、答案缺失等無效問卷17份，最終獲得有效問卷167份，問卷有效率90.76%。表1總結了受訪者的基本信息，受訪者中男性為45人，占比26.9%；女性122人，占比73.1%，女性受訪者占比較高。從年齡與年級來看，調研對象主要為高校在讀碩士研究生，大部分年齡處于23-27歲之間，占比為63.5%；還有一部分受訪者為在讀博士研究生。從專業結構來看，經管類研究生最多，占比80.8%;文史類、理工類研究生占比17.4%。這一現象可能與調研地區存在一定的關聯，調研主要集中于武漢地區財經類高校，因此財經管理類受訪者較多。從調研結果還可以發現，大部分研究生偶爾使用大語言模型，主要應用于完成課堂作業和搜索信息，這一結論說明大語言模型對研究生學習方式的改變起到一定的推動作用。

（二）信度和效度分析

根據問卷獲取的數據運用SPSS 22進行信度分析，得到四個潛變量的克隆巴赫系數和組合信度，感知有用性的組合信度為0.904，感知易用性組合信度為0.870，態度組合信度為0.895，意愿組合信度為0.924，四個變量的克隆巴赫系數和組合信度均大于0.8，可見量表具有較高的信度（具體數據見表2）。

運用SPSS22對量表數據進行KMO和Bartleet球形度檢驗，得到的KMO檢驗值為0.921，Bartleet球形度檢驗卡方值在0.01的置信水平下顯著，因此數據適合進行因子分析。從表3可以發現，四因子模型的擬合指標優于其他模型，χ2/df（卡方自由度之比）為2.488，達到比較好的水平；RMSEA（近似誤差均方根）為0.095，擬合指數CFI為0.931，IFI為0.932，均超過0.90以上的參考標準，大部分指標滿足研究標準，說明整體量表具有較好的區分效度。

（三）相關性分析

從表4中可以看到，變量之間呈現相關關系，且均在0.01水平下顯著。感知易用性與感知有用性、態度、意愿的相關系數分別為0.519，0.648，0.577。感知易用性和態度、意愿的相關系數分別為0.673，0.569。態度和意愿的相關系數為0.780。結果初步驗證了本研究提出的假設。

四、結構方程模型結果

通過AMOS對結構方程模型進行分析，四因子模型擬合指數中絕對擬合指數c2/df小于3，近似誤差均方根基本符合建議值，并且全部達到顯著水平；相對擬合指數中NFI、IFI、CFI、RFI均接近0.9的建議值。簡約擬合指數完全符合參考標準。因此，可以認為，在大語言模型環境下研究生創新行為影響因素模型具有對數據較好的擬合能力。

表5呈現了結構方程模型估計結果。從表中可以發現，測量題項載荷系數均大于0.7，且在0.001水平下顯著，說明題項能夠很好反映潛變量。此外，感知易用性能夠顯著正向影響感知有用性，影響系數為0.581，假設1成立。感知易用性顯著正向影響態度，系數為0.466，假設2得到支持。感知有用性正向促進態度，系數為0.477，在0.001水平下顯著，假設3成立。最后，態度能夠正向顯著影響意愿，假設4得到支持。大語言模型的有用性和易用性均能夠提升研究生使用大語言模型的積極態度，從而提升使用大語言模型的意愿。進一步來說，態度在模型中起到了部分中介作用，要想提升學生使用大語言模型的積極性，需要樹立對大語言模型的正確態度和價值觀。

五、結論與建議

本研究通過問卷調研數據，基于技術接受度模型構建結構方程探討大語言模型環境下研究生創新行為影響研究。研究結論表明大語言模型的感知易用性能夠提升使用者對大語言模型的感知有用性，感知易用性和感知有用性能夠顯著促進使用大語言模型的積極態度，最終提升對大語言模型的使用意愿。大語言模型目前使用范圍比較廣泛，但是在易用性方面有所欠缺。盡管經過開發者外部集成與包裝可以供大部分人簡單使用，但是基于深度學習模型的文本訓練并沒有被使用者掌握，因此促進大語言模型對創新行為影響需要首先提升大語言模型的易用性，讓研究生簡單、方便使用最新的大語言模型，并且能夠結合自身專業和研究方向對大語言模型進行訓練，形成自己獨特的模型庫。除此之外，通過調查研究我們發現，大部分同學使用大語言模型完成課堂作業，事實上這會降低了學生的學習積極性和創新性。利用工具代替思考，完成課堂作業并不能很好地達到知識的消化和掌握，為了更好地促進大語言模型對學生創新思維的訓練，將大語言模型作為學習的輔助軟件，而不是偷懶工具。一方面，在日常學習中要引導學生樹立正確的價值觀和學習觀，營造良好的學習氛圍和獨立思考的創新思維；另一方面，作為導師要認真審查學生提交的作業，提升學生對大語言模型的認識，鼓勵學生利用大語言模型拓展思維，防止亂用大語言模型完成學習任務（見圖1）。

參考文獻：

[1] 周麗霞，解軍，韓世范等.創新創業教育對護理專業大學生創業意愿的影響機制研究[J].護理研究，2022，36（21）：3761-3766.

[2] 陳德虎.基于創業意愿影響因素的高校創業教育[J].當代青年研究，2016（3）：64-69.

[3] GUO J，KHATIBI A，THAM J. Analysis of the Factors Influencing Students' Willingness to Innovate and Entrepreneurship in Vocational College Entrepreneurship Education Projects[J]. Applied & Educational Psychology，2023，4（10）：43-48.

[4] ZHANG R，PANG L，QIN Y. Research Requirements on the Influence of Career Planning and Innovation and Entrepreneurship Courses on College Students' Willingness to Start a Business[J]. Contemporary Education and Teaching Research，2023，4（4）：338-343.

[5] DONG P，TU C C. Research on the Impact of University Innovation and Entrepreneurship Education on University Students’ Entrepreneurship Willingness Based on Virtual Reality Technology[J]. Mathematical Problems in Engineering，2021：1-8.

[6] 宮毅敏，林鎮國.創業競賽對提升學生創新創業能力的影響——基于創業競賽參賽意愿調查問卷的數據挖掘分析[J].中國高校科技，2019（12）：57-60.

[7] 于海琴.大學生的創新行為模型及其價值——基于對本科高創新性拔尖人才的扎根理論研究[J].高等教育研究，2019，40（9）：68-77.

[8] ZELIN Z，CHEN C，CHEN X，et al.The Influence of Entrepreneurial Policy on Entrepreneurial Willingness of Students： The Mediating Effect of Entrepreneurship Education and the Regulating Rffect of Rntrepreneurship Capital[J].Frontiers in Psychology，2021（12）：592545.

[9] Al-AdWAN A S，Li N，Al-ADWAN A，et al.Extending the Technology Acceptance Model （TAM） to Predict University Students’ intentions to use metaverse-based learning platforms[J].Education and Information Technologies，2023：1-33.

[10] HAN J H，Sa H J.Acceptance of and Satisfaction With online Educational Classes Through the Technology Acceptance Model （TAM）： The COVID-19 Situation in Korea[J].Asia Pacific Education Review，2022，23（3）：403-415.

[11] AZIZAH F D， NUR A N， PUTRA A H P K.Impulsive Buying Behavior： Implementation of IT on Technology Acceptance Model on E-Commerce Purchase decisions[J].Golden Ratio of Marketing and Applied Psychology of Business，2022，2（1）：58-72.

[12] 程慧.數字技術背景下大學生創新創業意向影響因素分析——基于計劃行為理論和技術接受模型[J].科技管理研究，2023，43（18）：195-202.

[13] 余鯤鵬，李偉.基于技術接受模型的食品區塊鏈溯源系統消費者使用意愿研究[J].中國軟科學，2023（8）：62-72.

[14] YIU E，KOS0Y E，GOPNIK A.Transmission Versus truth， Imitation Versus Innovation： What Children can do That Large Language and Language-and-vision Models Cannot （yet）[J].Perspectives on Psychological Science，2023.

[15] 文森，錢力，胡懋地等.基于大語言模型的問答技術研究進展綜述[J/OL].數據分析與知識發現，1-17[2023-12-12].http：//kns.cnki.net/kcms/detail/10.1478.G2.20231110.1612.002.html.

基金項目：國家社會科學基金一般項目“勞動力市場靈活性促進我國共同富裕的機制路徑及對策研究”（23BJL067）；湖北經濟學院研究生教育教學改革研究項目最終成果“基于TRIZ理論的大語言模型環境下研究生學科交叉培養模式研究”（YJSG202305）

作者簡介：孫一平（1982- ），男，湖北黃岡人，湖北經濟學院工商管理學院副教授，博士，研究方向為創新管理；寧婧玥（2000- ），女，湖北鐘祥人，湖北經濟學院碩士研究生，研究方向為創新管理；通訊作者王燦（1993- ），男，湖北天門人，湖北經濟學院工商管理學院講師，博士，研究方向為創新管理。