大學生數智技術學習行為影響因素

摘要：在“大云物智”時代，數智素養成為當代大學生必備的素養，然而當前大學生數智技術的學習和應用情況并不容樂觀。基于UTAUT模型和過度自信理論，考察學生數智技術學習行為的影響因素，并分析過度自信對學習行為意向的調節作用，以及不同性別、年級和學習成績學生的異質性。研究發現：績效期望和付出期望對數智技術學習行為具有顯著促進作用，且績效期望可通過提高學生的學習意向來促進學習行為；過度自信負向調節了績效期望對學生學習意向的影響；績效期望和付出期望對學習行為的促進作用僅在高年級、學習成績較好的學生群體中顯著，過度自信對學習行為的負向調節效應在男生中表現更明顯。有鑒于此，可通過強化激勵機制、提供學習支持、完善知識體系、分層精準施策等方式來引導學生的學習行為，提高學生的數智素養。

關鍵詞：數智技術；學習行為；UTAUT模型；過度自信

中圖分類號：G642

文獻標志碼：A

文章編號：1009-4156（2025）02-0106-07

一、問題的提出

培養在校生應用數智技術的能力、提升學生的數智素養成為數智時代高等教育人才培養的必然要求，更是支持國家數字化跨越式發展的一項重要的基礎性和先導性工作［1］。當代大學生成長于信息化環境，被稱為“數字原住民”，但其對數智技術的學習與應用實踐多是淺嘗輒止。相關研究發現，雖然大學生熟悉數字資源環境和相關技術，但在信息搜索和信息的批判性評估等方面的表現卻不盡如人意［2］。凌征強［3］的調查研究表明，我國大學生數字內容創作能力和數字安全意識薄弱，欠缺批判性思維和解決問題的能力。特別是對于人文社會科學專業的學生而言，數智技術涉及學科交叉度高，知識更迭速度快，學習難度較大，導致學生出現更嚴重的信息素養缺失現象［4］［5］。此外也有研究指出，在信息素養教育領域，學生普遍存在信心水平與能力水平脫節的現象，雖然學生對自己的能力非常自信，但在實際測試和實踐中并沒有表現出足夠的信息素養［6-8］。

相關研究普遍在技術接受模型（Technology Acceptance Model，TAM）、整合型技術接受與應用模型（Unified Theory of Acceptance and Use of Technology， UTAUT）等經典理論的基礎上研究人們對新技術的學習行為。邢文明和劉我［9］基于UTAUT模型和自我決定理論，構建大學生數智素養發展影響因素模型，并采用結構方程模型與模糊集定性比較分析相結合的方法探討大學生數智素養形成發展的影響因素。研究人員還通過增刪變量的方式在基本模型上進行拓展，研究人們對信息搜索系統、ChatGPT等數智技術的學習和應用［10］［11］。也有一些研究發現，年齡、性別、學習經驗等個人特征在各類因素和數智技術的學習行為意愿之間起到調節作用［12］。

綜上所述，盡管現有研究在數智技術的學習行為方面已取得顯著成果，但針對跨學科、跨專業學生的學習行為的研究尚顯不足。金融與數智技術融合程度較高，很早便通過科技手段降低信息不對稱，提升金融服務與產品的質量［13］。掌握數智技術成為金融學專業學生的必備素養，但金融學專業學生的數智技能和數理知識仍十分欠缺［14］。此外，大多數研究聚焦于客觀個人特征對學習行為的影響，忽視了主觀心理認知狀態可能產生的作用。基于此，以某財經類院校金融學專業學生為研究對象，在經典UTAUT模型的基礎上，創新性地引入數智素養過度自信這一變量，分析金融學專業學生數智技術學習行為的影響因素，并分析過度自信的調節作用，以及不同性別、年級和學習成績的學生行為的異質性。

二、理論分析與研究假設

Venkatesh等人［15］提出的UTAUT模型，集成了理性行為理論、計劃行為理論、技術接受模型等理論，使用努力期望、績效期望、社會影響和便利條件等四個變量解釋人們學習新技術的行為意向，具有較高的解釋力度，得到了廣泛應用，因此基于UTAUT模型分析學生的數智技術學習意愿和行為。

（一）績效期望對學習行為的影響

績效期望是指個人相信使用數智技術有助于提高他們的學習和工作效率，對生活具有幫助［16］。相關研究指出，績效期望對使用新技術的行為意愿不僅有直接的影響，而且還是最穩定、最重要的影響因素［17］。隨著金融行業的不斷發展和技術的不斷進步，數智技術已成為金融行業不可或缺的一部分。金融機構普遍使用算法模型對借款人的信用風險進行評估，對金融數據進行深度挖掘以分析市場變化規律，利用大數據實現客戶畫像和精準營銷。如果學生認為掌握數智技術有助于提高自己的學業，幫助自己將來獲得更好的工作機會，便會更加積極地學習數智技術。基于此，提出研究假設1：績效期望對數智技術學習行為具有顯著正向影響。

（二）付出期望對學習行為的影響

付出期望體現了學習數智技術的難易程度［9］。低難度預期將有效減少學習過程中的壓力和挫折感，建立學習自我效能感。如果學生認為學習數智技術相對容易，通過努力即可達成學習目標，便更有可能采取積極主動的學習策略；如果他們認為學習難度過大，或是付出與回報不成正比，則可能會減少學習投入，甚至放棄學習。基于此，提出研究假設2：付出期望對數智技術學習行為具有顯著正向影響。

（三）社會影響對學習行為的影響

社會影響是指個體感受到身邊其他人對數智技術的支持程度。相關研究認為，社會影響顯著地增加人們接受新技術的積極性［18］。Curtale等人［19］基于UTAUT拓展模型分析了六種心理因素對共享電車使用行為意圖的影響，發現其中社會影響是行為意向的重要驅動因素。如果學生所處的社交圈子，如同學、朋友等都在積極學習數智技術，學生便可能會出于社交心理而加入其中。另外，如果父母、教師也在強調學習數智技術的重要性，或是對他們學習行為給予認可和鼓勵，也會激發學生學習的積極性［20］。基于此，提出研究假設3：社會影響對數智技術學習行為具有顯著正向影響。

（四）便利條件對學習行為的影響

便利條件是指個體認為自己在學習新技術時可以得到的基礎設施等外部條件的支持程度，如是否擁有手機、電腦等設備，是否有穩定的互聯網覆蓋等［21］。數智技術對于金融學專業的學生來說屬于跨學科知識，學習起來有一定難度。充足的便利條件意味著學生更容易接觸到數智技術，不僅可以隨時通過在線課程、電子書籍進行學習，還可以根據自己的需求制訂個性化的學習方案，這將會大幅降低跨學科知識的學習門檻。如果學生能獲取足夠的學習資源來學習數智技術，便更傾向于采取學習行動。基于此，提出研究假設4：便利條件對數智技術學習行為具有顯著正向影響。

（五）學習意向的中介機制

學習意向是指個人采取某種特定行為的主觀意愿。在UTAUT理論中，行為意向對采取行為具有重要的預測作用［22］，是個體采取學習行為最直接的決定因素［23］。在使用UTAUT模型分析數智技術學習行為時，需要充分考慮學習意向的中介機制。基于此，提出研究假設5：數智技術學習意向在上述因素影響學習行為的過程中起中介作用。

（六）過度自信的調節機制

過度自信是指因高估自身能力而導致的心理偏差［24］。相關研究表明，過度自信的CEO傾向高估自己解決問題的能力和水平，將助長企業非理性投資決策，甚至可能會引發企業的違規行為［25］［26］。丁志宏等人［27］、王建英等人［28］的研究發現，對自己金融素養過度自信的人具有更高的風險偏好，更容易遭受金融詐騙。過度自信的學生往往高估自己的學習能力和知識水平，對自己的學習成果和能力持有不切實際的期望。當面對實際的學習挑戰和困難時，如果發現事情并不如人愿，就會喪失學習動力。Aesaert等人［29］、Cleary［30］、夏紅玉等人［8］的研究認為，高估自己的能力導致學生不會主動學習并提升自己的信息素養能力，也不太可能改變自己的信息檢索習慣。基于此，提出研究假設6：過度自信負向調節數智技術學習意向，進而將抑制學習行為。

為探究不同性別、年級和學習成績的學生在數智技術學習行為上的差異，提出研究假設7：數智技術學習行為在不同性別、不同年級以及不同學習成績的學生之間存在差異。綜上所述，構建數智技術學習行為理論模型如圖1所示。

三、研究設計

（一）問卷設計

調查問卷分為三個部分：第一部分為基本情況，包括學生的性別、年級、家庭所在地（城鄉）、學習成績、父母受教育程度等內容。第二部分為數智技術學習等變量的測量題項，分別測度數智技術的學習行為、學習意向、績效期望、付出期望、社會影響和便利條件等潛變量。績效期望、付出期望、社會影響、便利條件和學習意向均改編自Venkatesh等人［15］的量表，績效期望包括“數智技術在我的生活中很有用”等3個題項，付出期望包括“我很容易學會運用生活中出現的新數智技術”等4個題項，社會影響包括“我身邊的老師、同學和朋友樂于學習新的數智技術”等4個題項，便利條件包括“學校的網絡和資源可以支持我進行數智技術的學習”等4個題項；學習意向包括“我愿意學習新的數智技術”等4個題項。學習行為改編自Bhattacherjee等人［31］的量表，包括“我最近正在學習新興的數智技術”等3個題項。上述變量均采用五級李克特量表計分。第三部分為數智素養的測度。根據周小李［32］對數智技術的定義與《數字素養全球框架》，結合金融學專業本科生學習情況，從數智意識、數智思維、數智知識、數智技能和數智倫理等5個維度，設計16個問題測度學生數智素養。

（二）數據搜集

選擇河北省某財經類院校金融學專業本科生為被調查對象，采用分層抽樣與便利抽樣相結合的方式，請班主任、輔導員和任課教師在各班發放調查問卷，共發放和回收問卷300份。為保證問卷的有效性，我們在問卷中設置了“為驗證本次問卷的有效性，本題請選擇‘非常不符合’”這一問題。剔除無效問卷后，共獲得有效問卷252份，問卷有效率84%。有效樣本的描述性統計情況如表1所示。其中，男生58人，占比23.02%，女生194人，占比76.98%，與本校該專業學生性別比例大致相同。被調查對象在大一到大四各個年級都有分布。家庭位于城市的學生有144人，占比57.14%，來自農村的學生有108人，占比42.86%。從學生的數智素養得分情況來看，數智素養平均評分為3.355（滿分5分），說明學生的數智素養水平處于一般水平。主觀數智素養平均得分為3.746，客觀數智素養平均得分只有2.964，學生對自己數智素養的主觀評價明顯高于客觀得分，說明存在明顯的數智素養過度自信現象，且這一現象在不同性別、不同年級的學生之間均有所體現。

四、實證結果與分析

（一）共同方法偏差檢驗

收集的數據主要來自被調查者的自我報告，因此可能存在共同方法偏差，使用Harman單因素方法進行共同方法偏差檢驗。KMO統計值為0.921，在0.01的顯著性水平下顯著，表明數據適合作因子分析。以特征值大于1的原則提取了10個公因子，其中第一個公因子的解釋率為37.425%，小于40%的臨界標準［33］，表明不存在共同方法偏差問題。

（二）信效度檢驗

采用Cronbach’s α對問卷數據進行信度檢驗，各個潛變量的Cronbach’s α在0.767～0.938之間，均大于0.7，表明潛變量具有較好的內部一致性。所有題項均參考已有成熟量表，可以認為其具有較好的內容效度。收斂效度檢驗結果顯示，每個變量的標準化因子載荷在0.548～0.947之間，均大于0.5，平均方差抽取率（Average variance extracted， AVE）在0.562～0.820之間，均大于0.5；組合信度（Composite reliability， CR）在0.788～0.941之間，均大于0.7，說明問卷的測量題項能有效反映各個潛變量的特征，收斂效度較好。用平均方差抽取量法對構建模型的區分效度進行檢驗，AVE的平方根大于所有潛變量之間的相關系數，可以說明變量具有較好的區分效度。

（三）路徑分析

從結構方程模型的各項擬合指標來看，絕對適配度指標RMSEA=0.071＜0.08；增值適配度指標CFI=0.950＞0.9，TLI=0.938＞0.9；簡約適配度指標PNFI=0.748＞0.5，PGFI=0.647＞0.5，CMIN/df=2.281，表明模型的擬合度良好。

模型路徑系數估計結果如表2所示。從直接影響來看，績效期望和付出期望影響學習行為的路徑系數均顯著為正（β=0.428，plt;0.01；β=0.228，plt;0.01），說明當學生認為學習數智技術對他們的學習生活比較有用或者學習數智技術比較容易時，便會投入更多時間和精力去學習，研究假設1和假設2得到驗證。社會影響和便利條件對學習行為的影響均未通過顯著性檢驗。其原因可能是多數學生可獲得的學習資源非常豐富，便利條件不是制約他們學習的重要因素，學生可以在不受他人影響的情況下由自己決定是否學習以及如何學習數智技術［12］。

從間接影響來看，績效期望對學習意向的影響顯著為正（β=0.542，plt;0.01），當學生認為學習數智技術可以給他們的學習生活帶來好處時，學習的積極性和主動性也會顯著提高。學習意向對學習行為也存在顯著的正向影響（β=0.148，plt;0.01），說明績效期望可以通過提高學生的數智技術學習意向，進而促進學習行為。

為進一步驗證中介效應，使用Bootstrap法進行重復抽樣1 000次，在95%的置信區間內，如果區間估計不包含0，則表示中介效應是顯著的。中介效應檢驗結果顯示，付出期望和績效期望都對學習行為起到顯著促進作用。付出期望的影響僅表現為直接效應；績效期望既有直接效應，又有間接效應。績效期望影響學習行為的總效應為0.508，直接效應為0.428，占比84.25%，間接效應為0.080，占比15.75%，學習意向在績效期望影響學習行為的過程中起到部分中介作用。

（四）過度自信的調節效應

為了檢驗過度自信的調節效應，在上述結構方程模型的基礎上引入過度自信變量。參考丁志宏等人［27］的做法，使用主觀數智素養和客觀數智素養得分之差來衡量過度自信程度。模型絕對適配度指標RMSEA=0.057＜0.08，增值適配度指標CFI=0.926＞0.9，TLI=0.914＞0.9；簡約適配度指標PNFI=0.768＞0.5，PGFI=0.563＞0.5，CMIN/df=2.631，擬合度較好。

從路徑系數估計結果來看，績效期望和付出期望分別有助于促進學習行為（β=0.370，plt;0.01；β=0.289，plt;0.01），同時績效期望也可以通過提高學習意向來促進學習行為（β=0.630，plt;0.01；β=0.196，plt;0.01），上述實證結果與前文實證研究結論相一致。從過度自信的調節效應來看（如圖2所示），績效期望與過度自信的交互項影響學習意向的路徑系數顯著為負（β=-0.091，plt;0.05），說明過度自信負向調節了績效期望對學習意向的促進作用。過度自信的學生會高估自己的數智素養，認為自己已經具備足夠的能力與水平，這種自我認知偏差會削弱學生的學習意向，進而抑制學習行為。

（五）多群組分析

本文使用多群組分析研究學生數智技術學習行為的異質性。根據學生性別、所在年級和學習成績，將樣本劃分為男生-女生、低年級-高年級、學習成績差-學習成績好不同組別進行多群組分析。

從性別差異來看，無論是男生還是女生，績效期望均能顯著地促進數智技術學習行為（β=0.298，plt;0.01；β=0.324，plt;0.01）。對于女生而言，付出期望和便利條件也對數智技術學習行為有顯著正向影響（β=0.382，plt;0.01；β=0.148，plt;0.05），但同樣的路徑在男生分組不顯著。從學習意向的中介作用來看，績效期望正向影響學習意向（β=0.872，plt;0.01；β=0.505，plt;0.01），同時學習意向也能正向影響學習行為（β=0.228，plt;0.01；β=0.127，plt;0.01）。從過度自信的調節效應來看，在男生分組，過度自信負向調節了績效期望和付出期望對學習意向的影響（β=-0.305，plt;0.01；β=-0.146，plt;0.01）；而在女生分組，過度自信的調節效應不顯著。男生更傾向于高估自己的能力，更容易因過度自信而產生自我滿足和松懈的心態，女生則普遍更加謹慎。此外，過度自信還正向調節了社會影響對男生數智技術學習意向的影響（β=0.363，plt;0.05）。過度自信的男生可能更容易接受周圍人對自己的認同，但從總體來看，過度自信的調節效應仍然表現為抑制作用。

從年級差異來看，在高年級學生分組，路徑系數的顯著性和上文基本一致，即績效期望和付出期望分別顯著地促進數智技術學習行為（β=0.308，plt;0.01；β=0.289，plt;0.01），同時績效期望也可通過提高學習意向而促進學習行為（β=0.627，plt;0.01；β=0.420，plt;0.01）。而且在高年級分組中，過度自信負向調節了績效期望對學習意向的影響（β=-0.075，plt;0.1），但在低年級分組，路徑系數均沒有通過顯著性檢驗。其可能的原因是：低年級學生目前只學習了通識課和少量專業基礎課，對專業的認知水平相對較低，還沒有完全理解學習數智技術的重要性。

從學習成績的差異來看，對于學習成績較好的學生而言，績效期望和付出期望對學習行為均具有顯著促進作用（β=0.186，plt;0.01；β=0.268，plt;0.01），同時學習意向的中介作用以及過度自信的調節效應也是顯著的。對于學習成績較差的學生而言，路徑系數沒有通過顯著性檢驗，這說明成績較差的學生的學習行為意向還有待激發。

五、結論與建議

（一）結論

首先，績效期望和付出期望對數智技術學習行為具有顯著的促進作用。付出期望對數智技術學習行為的影響主要體現為直接效應；績效期望不僅可以直接促進學習行為，還可通過提高學習意向來促進學習行為，即學習意向在績效期望影響學習行為的路徑中起到部分中介作用。其次，學生對自己的數智素養存在過度自信的認知偏差，而這種認知偏差將負向調節績效期望促進學習意向的作用效果，進而將對學習行為產生負面影響。最后，數智技術學習行為在不同性別、年級、不同學習成績的學生之間存在差異。對于高年級和學習成績較好的學生，績效期望和付出期望能夠對學習行為產生顯著的促進作用；對于低年級和學習成績較差的學生，各類因素的作用效果沒有通過顯著性檢驗；過度自信的負向調節效應在男生群體更顯著。

（二）建議

第一，強化激勵機制。研究發現，績效期望是數智技術學習行為重要的影響因素，既能直接促進數智技術學習行為，也能通過提升學習意向間接地影響學習行為。學校應提高學生學習數智技術的期望成果，設立明確的學習目標和激勵措施，使學習者能夠清楚地認識到掌握數智技術將如何提升其工作或學習的效率。

第二，提供學習支持。研究結果表明，付出期望也有助于促進學生的學習行為。學校應該為學生的學習提供必要的幫助，以降低學習數智技術的門檻。可以建立人工智能實驗室，并為實驗室配備高性能計算機和專用軟件；開設數智技術相關課程，或是將數智技術與專業課程教學相結合；開展課外研學小組，邀請行業專家擔任導師，為學生提供個性化的輔導和答疑服務。通過配備先進的設備與豐富的學習資源，為學生創造一個便捷的學習環境。

第三，完善知識體系。研究發現，大部分學生的數智素養處于一般水平，并且存在普遍高估自己數智素養的現象，這種過度自信將會成為學生成長的障礙。當學生過分高估自己的能力時，就會產生自滿情緒，從而喪失學習的積極性。學校應建立科學完善的數智素養培育體系，讓學生對數智技能的認知不再僅停留在社交媒體宣傳的碎片化、淺層次理解之上，而是要通過系統的學習夯實基礎，掌握人工智能、機器學習、數據分析的核心原理。在教學過程中，還可以鼓勵學生進行自我評估以及提供適當的分階段挑戰和反饋，引導學生正確看待自己的能力和不足，幫助學生建立更加實際的學習期望。

第四，分層精準施策。研究發現，大學生數智技術學習行為在不同年級、不同學習成績的學生之間存在差異，因此應采取有針對性的教學策略和方法，實現數智技術的分類培養，以提高學習效果。對于低年級學生，可通過舉辦數智技術入門講座，提高學生對數智技術的認識；對于高年級學生，可以通過項目實踐、創新創業競賽等方式，強化學生對人工智能、大數據技術的應用。另外，可以為成績優秀的學生提供具有挑戰性的學習任務和項目以滿足其學習需求，同時關注學習成績較差的學生，及時幫助他們克服學習上的困難。

參考文獻：

［1］宋靈青，許林，朱莎，等.我國初中生數字素養現狀與培育策略——基于東中西部6省市25032名初中生的測評［J］.現代遠程教育研究，2023（3）：31-39.

［2］謝幼如，邱藝，羅文婧，等.智能時代大學生學習適應的重塑研究：內涵、模型與測量［J］.電化教育研究，2023（3）：13-20.

［3］凌征強.我國大學生數字素養現狀、問題與教育路徑［J］.情報理論與實踐，2020（7）：43-47+53.

［4］方霞，張云，趙平.數字經濟時代金融人才數據素養培養困境與對策研究［J］.中國大學教學，2022（9）：23-27.

［5］聶云霞，范志偉.數智時代人文社科學生AI素養及其培育路徑——以南昌大學為例［J］.檔案學刊，2023（4）：82-94.

［6］SVENSSON T， WILK J， MAN K G. Information Literacy Skills and Learning Gaps-Students’ Experiences and Teachers’ Perceptions in Interdisciplinary Environmental Science［J］. The Journal of Academic Librarianship，2022（1）：102465.

［7］GROSS M， LATHAM D. What’s Skill Got to Do with it？ Information Literacy Skills and Self-Views of Ability Among First-Year College Students［J］. Journal of the American Society for Information Science and Technology，2012（3）：574-583.

［8］夏紅玉，李玉海，彭婷，等.數字原住民自我感知的信息素養能力與實際能力的差異調查［J］.圖書情報工作，2023（22）：104-113.

［9］邢文明，劉我.全要素數字化轉型背景下大學生數字素養影響因素研究［J］.數字圖書館論壇，2023（10）：79-90.

［10］武曉宇，張大偉.學術用戶移動視覺搜索的持續使用意愿研究——基于UTAUT2-ECT整合模型的實證分析［J］.情報雜志，2023（8）：164-176.

［11］任海芝，吳彥瑾.科研用戶生成式信息搜索行為研究——以ChatGPT為例［J］.大學圖書情報學刊，2024（1）：3-14.

［12］王瑜.大學生使用人工智能技術輔助移動學習英語詞匯的行為意向影響因素研究［J］.現代遠距離教育，2023（5）：72-80.

［13］北京商報.從“數字化”進階“數智化”，2023北京金融論壇熱議金融大模型［EB/OL］.（2023-12-09）.https：//baijiahao.baidu.com/s？id=1784776929640351006wfr=spiderfor=pc.

［14］劉猛，陳經緯，葉陳剛.數智化時代新財經專業產學研人才培養實踐［J］.商業會計，2024（5）：114-117.

［15］VENKATESH V， MORRIS M G， DAVIS G B， et al. User Acceptance of Information Technology： Toward a Unified View［J］.MIS Quarterly，2003（3）：425-478.

［16］潘娜，黃婉怡.信任、技術接受與數字參與——公眾參與食品追溯體系的使能因素實證研究［J］.中國行政管理，2023（6）：99-110.

［17］江鳳娟.混合式教學環境中大學生學習的行為意愿影響因素研究［J］.電化教育研究，2021（6）：105-112+128.

［18］SLADE E L ， DWIVEDI Y K ， PIERCY N C， et al. Modeling Consumers’ Adoption Intentions of Remote Mobile Payments in the United Kingdom： Extending UTAUT with Innovativeness， Risk， and Trust［J］.Psychology amp; Marketing，2015（8）：860-873.

［19］CURTALE R， LIAO F， PETER V. User Acceptance of Electric Car-Sharing Services： The Case of the Netherlands［J］. Transportation Research Part A： Policy and Practice， 2021（149）：266-282.

［20］譚利華，馮士季.教師自主支持與小學生的科學學習無畏：學習興趣和創造力效能感的中介作用［J］.心理發展與教育，2024（3）：375-383.

［21］朱爾茜，宋曉玲.數字普惠金融微觀用戶采納行為的影響因素［J］.求索，2023（3）：100-107.

［22］吳瓊雷，張朋柱.互聯網+背景下基于UTAUT的商學院E-learning用戶接受模型［J］.上海交通大學學報，2018（2）：233-241.

［23］MATHIESON K. Predicting User Intentions： Comparing the Technology Acceptance Model with the Theory of Planned Behavior［J］. Information Systems Research，1991（3）：173-191.

［24］HERZ H， SCHUNK D， ZEHNDER C. How do Judgmental Overconfidence and Overoptimism Shape Innovative Activity［J］. Games and Economic Behavior，2014（1）：1-23.

［25］LI J， TANG Y I. CEO Hubris and Firm Risk Taking in China： The Moderating Role of Managerial Discretion［J］. Academy of Management Journal，2010（1）：45-68.

［26］胡海峰，白宗航，王愛萍.管理層過度自信對公司違規行為的影響研究［J］.經濟經緯，2022（5）：89-98.

［27］丁志宏，王偉成，張棟.金融素養過度自信對城鎮老人金融受騙的影響機制研究［J］.蘭州學刊，2024（1）：104-115.

［28］王建英，王婷，李萍.金融素養自信偏差、風險態度與家庭股票市場參與——基于CHFS2019微觀數據的實證分析［J］.中央財經大學學報，2024（2）：53-68.

［29］AESAERT K， VOOGT J， KUIPER E， et al. Accuracy and Bias of ICT Self-Efficacy： An Empirical Study into Students’ Over and Underestimation of Their ICT Competences［J］. Computers in Human Behavior，2017（75）：92-102.

［30］CLEARY T J. Monitoring Trends and Accuracy of Self-Efficacy Beliefs During Interventions： Advantages and Potential Applications to School-Based Settings［J］. Psychology in the Schools，2009（2）：154-171.

［31］BHATTACHERJEE A， PEROLS J， SANFORD C. Information Technology Continuance： A Theoretic Extension and Empirical Test［J］. Journal of Computer Information Systems，2008（1）：17-26.

［32］周小李.學科數字素養概念分析：基于一種進化論的方法［J］.中國遠程教育，2023（7）：47-56+66.

［33］周浩，龍立榮.共同方法偏差的統計檢驗與控制方法［J］.心理科學進展，2004（6）：942-950.

Factors Influencing College Students’ Learning

Behavior of Digital Intelligence and Technology

——The Moderating Effect of Overconfidence

Li Ruijing Cheng Jingjing

（Financial Innovation and Risk Management Research Center，

Hebei Finance University， Baoding 071051， China）

Abstract：In the era of digital intelligence， digital literacy has become an essential literacy for" contemporary college students. However， the current situation of college students’ learning and application of digital intelligence technology is not optimistic. Based on the UTAUT model and overconfidence theory， this study examines the influencing factors of students’ digital technology learning behavior， and analyzes the moderating effect of overconfidence on learning behavior intention， as well as the heterogeneity of students of different genders， grades， and academic performance. Research has found that performance expectations and effort expectations have a significant promoting effect on digital intelligence technology learning behavior， and performance expectations can enhance students’ learning intention to promote learning behavior. Overconfidence negatively moderates the impact of performance expectations on students’ learning intentions. The promotion effect of performance expectations and effort expectations on learning behavior is only significant in the group of students with higher grades and better academic performance， while the negative moderating effect of overconfidence on learning behavior is more pronounced in male students. In view of this， it is possible to guide students’ learning behavior and improve their digital literacy by strengthening incentive mechanisms， providing learning support， improving knowledge systems， and implementing targeted policies at different levels.

Key words：Digital intelligence technology; Learning behavior; UTAUT model; Overconfidence