AIGC對科研人員信息行為的影響機制研究：基于UTAUT模型的實證分析

摘要

AIGC的興起正在重塑科研人員的信息行為模式。本研究拓展UTAUT理論，引入“輸出可控性”作為核心變量，以揭示其使用行為的內在機理。對283份樣本的分析表明：績效期望、努力期望、社會影響、便利條件及輸出可控性均對使用意愿存在顯著正向影響，并共同構成關鍵驅動因素；使用意愿與輸出可控性則進一步顯著轉化為實際使用行為。此外，使用經驗在績效期望、輸出可控性對使用意愿的影響中均呈現正向調節作用。本研究不僅豐富了技術采納理論在AIGC情境下的內涵，也為AIGC服務科研創新提供了實證依據與管理路徑。

關鍵詞

AIGC；信息行為；科研人員；UTAUT；輸出可控性

Abstract

The rise of AIGC is reshaping the information behavior patterns of researchers. This study extends the UTAUT theory by introducing “output controllability” as a core variable to reveal the underlying mechanisms of its usage behavior. Analysis of 283 survey responses shows that performance expectancy, effort expectancy, social influence, facilitating conditions, and output controllability all have a significant positive impact on behavioral intention and together constitute the key driving factors. Furthermore, behavioral intention and output controllability significantly translate into actual usage behavior. Additionally, user experience positively moderates the effects of performance expectancy and output controllability on behavioral intention. This study not only enriches the application of technology acceptance theories in the context of AIGC but also provides empirical evidence and management pathways for utilizing AIGC in advancing scientific research innovation.

Keywords

AIGC；Information behavior； Researchers；UTAUT； Output controllability

1 引言

隨著人工智能技術的快速發展與廣泛應用，科研人員獲取與處理信息的方式正經歷深刻變革。以 ChatGPT 為代表的生成式人工智能（AIGC）自 2022 年底發布以來，憑借自然語言交互、跨領域知識整合與多模態內容生成等優勢，已逐漸滲透至科研、教育、媒體等多個領域。在科研場景中，AIGC 不僅能夠輔助文獻檢索、科研寫作與數據分析，還可在實驗設計、代碼生成等環節為科研人員提供高效支持。AIGC 的出現拓寬了科研人員的信息獲取與知識創造途徑，使學術信息服務更加智能化與個性化。

然而，AIGC 的大規模使用也引發了諸多問題，例如生成結果的可靠性與可驗證性不足、內容存在“幻覺”現象等，這些問題可能對科研人員的信息搜尋與采納行為產生潛在影響。科研人員作為知識生產與學術創新的核心群體，其信息行為直接關系到科研成果的質量與效率。已有研究表明，科研人員在采納新興信息技術時，其行為受技術特性、個體特征及社會環境等多重因素的共同作用（王梅等, 2021）。

目前，學界雖已關注科研人員的信息行為與技術采納，但系統探討 AIGC 情境下科研人員信息行為變化機制的實證研究仍顯不足。尤其是在理論框架指導下，整合技術因素、個體認知與情境特征的研究尚顯匱乏。整合技術接受與使用理論模型（Unified Theory of Acceptance and Use of Technology，UTAUT）由 Venkatesh 等（2003）提出，已在信息系統與技術采納研究中得到廣泛驗證。該模型強調個體在接受與使用新技術過程中心理預期與外部環境的交互作用，適用于分析科研人員面對 AIGC 時的采納決策與使用行為。

因此，本文擬基于 UTAUT 模型，結合 AIGC 情境特征，構建科研人員信息行為影響機制模型，從績效期望、努力期望、社會影響與便利條件等核心維度出發，引入輸出可控性與使用經驗等擴展變量，采用問卷調查與結構方程模型（SEM）相結合的實證方法，系統分析 AIGC 對科研人員信息行為的影響機制。研究結果有助于深入理解科研人員在生成式人工智能環境下的信息行為特征，為科研機構制定 AIGC 應用規范及平臺優化提供理論參考與實踐啟示。

2 文獻綜述

2.1 科研人員信息行為

科研人員是知識創新與學術信息生產的核心群體，其信息行為不僅涉及信息需求、信息搜尋、信息評估與采納，還包括信息的組織、共享與再利用。在數字化與網絡化環境下，科研人員的信息行為呈現出多元化和情境化特征：一方面，信息來源更加多樣，既包括學術數據庫、開放獲取平臺，也包括社交媒體與學術社交網絡；另一方面，信息搜尋與使用過程受到科研任務特征、學科領域、研究經驗等多因素影響（王梅等, 2021）。

現有研究顯示，科研人員在信息行為中面臨諸多挑戰，包括信息過載、信息質量參差不齊以及時間與精力有限等問題。同時，科研人員對信息的信任機制與驗證方式成為其采納行為的重要前提（韓龍等., 2024）。已有學者指出，科研人員信息行為的演變與技術環境高度相關，新興工具往往改變其搜尋與采納行為（曹芬芳等, 2024）。雖然已有研究探討了信息素養、科研績效與信息行為之間的關系（Zhou et al., 2021），但在AIGC情境下，科研人員的信息搜尋路徑與決策模式可能發生新的變化，有必要結合新興技術背景對其信息行為進行系統研究。

2.2 UTAUT模型及其在AIGC情境下的適用性探討

UTAUT模型通過整合多個技術接受理論的核心構念，形成了包含績效期望、努力期望、社會影響與便利條件四類主變量的經典框架，并引入了性別、年齡、經驗與自愿性等調節變量（Venkatesh et al., 2003）。憑借其強大的解釋力，該模型已在教育技術、移動服務及學術信息系統等諸多領域得到廣泛應用與驗證。例如，在探究科研人員對學術搜索引擎（盧新元等, 2023）或科學數據管理系統（Zuiderwijk et al., 2015）的采納行為時，研究均發現績效期望與社會影響是關鍵的驅動因素。

然而，在AIGC這一新興領域時，經典UTAUT模型的解釋力面臨新的挑戰。一個核心區別在于系統特性， 現有UTAUT研究大多圍繞功能相對固定的結構化信息系統展開，這類系統的輸出通常是確定且可預測的。而AIGC本質上是生成式和強交互的，其輸出帶有不確定性與開放性。對于嚴謹性要求極高的科研工作而言，這種不確定性直接觸發了用戶對結果可靠性與過程可控性的擔憂（Dwivedi et al., 2023）。這表明，單純依靠績效期望等傳統變量，已無法完全捕捉科研人員在面對AIGC時的復雜決策心理。 學界關于自動化系統信任的研究早已指出，在輸出不確定的環境中，“可控性”是構建用戶信任并影響其決策的關鍵（Lee & See, 2004）。因此，將 “輸出可控性”，即用戶對AIGC所生成內容可驗證、可修改與可追溯的感知程度，作為一個關鍵變量納入UTAUT框架，有望彌補原模型在解釋此類非確定性系統時的理論不足。

另外，科研人員對AIGC的“使用經驗”是一個從實踐中逐步積累深化的過程，從開始接觸到在多種場景中的熟練使用。這種由使用廣度和熟練度帶來的實踐認知，很可能重塑用戶對技術效能和風險控制的感知。盡管Venkatesh等人在原模型中已考量了經驗的調節作用，但其測量多側重于單一場景下的使用時長與頻率。在AIGC的語境下，跨場景的、更為熟練的使用經驗，可能導致高經驗用戶與低經驗用戶在形成使用意愿時，依賴完全不同的判斷邏輯。因此，將“使用經驗”作為關鍵調節變量，探究其在不同熟練度與使用廣度用戶中的作用差異，是對UTAUT模型在新興技術背景下適用性的重要深化。

3 研究模型和假設

基于UTAUT模型，本文新增“輸出可控性”變量，以反映科研人員對AIGC內容可控程度的主觀評價；同時將“使用經驗”作為調節變量，以揭示不同熟練程度下的行為差異。研究模型如圖1所示。

圖1 研究模型

3.1 績效期望與使用意圖

績效期望是指科研人員認為使用AIGC系統能夠提升科研效率、增強學術寫作質量或優化研究流程的程度。在科研實踐中，AIGC可以支持文獻整合、輔助學術寫作、數據分析與實驗設計等任務，減少重復性勞動、提高知識獲取效率（Dwivedi et al., 2023；儲節旺與杜秀秀, 2024）。已有研究表明，當用戶感知某項技術能夠顯著提升工作績效時，其持續使用的意愿更高（Im et al., 2011；邱均平等, 2025）。對于科研人員而言，如果AIGC的自動化與智能化功能被認為對科研產出具有直接價值，將顯著提高其使用意圖。

H1：績效期望正向影響科研人員對AIGC的使用意圖。

3.2 努力期望與使用意圖

努力期望是指用戶感知在使用一項新技術過程中所需的操作難度與學習成本。在AIGC情境中，該變量表現為科研人員是否認為系統界面友好、易于學習且能夠與科研流程無縫集成。研究顯示，技術易用性認知直接影響用戶采納意圖（Davis, 1989；Sergeeva et al., 2025）。如果科研人員認為AIGC易于學習和集成，使用意圖將顯著增強。

H2：努力期望正向影響科研人員對AIGC的使用意圖。

3.3 社會影響與使用意圖

社會影響指科研人員感知到他人（如導師、同事、機構）認為其應當使用AIGC的程度。在學術共同體中，同行采納行為、學術機構政策以及平臺推廣趨勢都會影響個體技術采納態度（李蕾等, 2024）。社會影響在新技術擴散早期尤為關鍵，可通過社會規范、聲譽機制與組織文化促進采納（Baptista & Oliveira, 2015）。在當前AIGC快速滲透學術界的背景下，若科研人員感知到來自同行或機構的積極信號，其使用意圖將顯著增強。

H3：社會影響正向影響科研人員對AIGC的使用意圖。

3.4 便利條件與使用意圖

便利條件是用戶感知到的可獲得的外部支持資源，包括技術支持、制度保障、平臺功能等。在科研人員使用AIGC的背景下，如果所在高校、實驗室或期刊提供培訓、合規指引、API接口及跨平臺協同支持，將降低采納障礙。研究表明，便利條件是技術采納的關鍵環境因素，尤其在高認知任務場景下作用更為顯著（Im et al., 2011）。

H4：便利條件正向影響科研人員對AIGC的使用意圖。

3.5 輸出可控性與使用意圖

輸出可控性是用戶對AIGC輸出結果調節與自主性能力的認知。在科研情境下，該變量涉及科研人員能否根據學術需求修改、篩選或拒絕生成內容。可控性感知不僅關乎效率，還直接關系到學術規范與研究嚴謹性（Shin, 2021）。研究發現，高可控性感知能顯著提升用戶信任與使用意圖（Gefen et al., 2003）。

H5：輸出可控性正向影響科研人員對AIGC的使用意圖。

3.6 使用意圖與實際使用行為

使用意圖是科研人員在未來實際使用AIGC進行科研的主觀意愿強度，而實際使用行為是意愿的外顯行動。大量研究表明，使用意圖是實際行為的最直接預測因子（Venkatesh et al., 2003; 周濤等, 2009）。在科研中，如果科研人員認為AIGC對其科研活動有實際價值，且擁有所需資源與能力，他們更有可能主動將其納入科研流程。

H6：科研人員對AIGC的使用意圖正向影響其實際使用行為。

3.7 輸出可控性與實際使用行為

輸出可控性不僅影響使用意圖，還可能直接作用于實際使用行為。在學術活動中，高可控性意味著科研人員能靈活調整AIGC輸出以滿足學術標準，這將顯著提高技術在實際科研場景中的使用頻率（Shin, 2021）。

H7：輸出可控性正向影響科研人員對AIGC的實際使用行為。

3.8 使用經驗的調節作用

使用經驗指用戶在過去對AIGC或相關生成式AI工具的使用積累，包括頻率、場景與熟練度。研究表明，經驗水平會改變技術特征對行為意向的影響強度（武曉宇&張大偉, 2023）。在科研情境中，高經驗者通常具備更強的信息素養與算法理解能力，對績效期望與輸出可控性更敏感；而低經驗者可能更多依賴外部意見與便利條件（Zhou et al., 2021）。

H8a：使用經驗正向調節績效期望對AIGC使用意圖的影響，即使用經驗越高，績效期望對使用意圖的正向影響越強。

H8b：使用經驗正向調節輸出可控性對AIGC使用意圖的影響，即使用經驗越高，輸出可控性對使用意圖的正向影響越強。

4 數據收集與分析

4.1 量表設計與數據收集

為驗證所構建的研究模型，在充分借鑒前人研究成果的基礎上，本研究對各潛在變量進行了操作性定義，并開發了相應的測量量表。所有測量條目均采用7點李克特量表（1=“強烈不同意”，7=“強烈同意”）。在問卷編制過程中，采用“翻譯—反向翻譯”方法以確保測量工具的語言準確性與文化適應性。隨后，邀請19名具有活躍AIGC使用經歷的科研人員參與預測試，并根據其反饋對部分條目進行了措辭優化和語義調整，確保測量條目的內容效度。最終的測量變量及其文獻來源見表1。

表１ 各變量測量項及來源

問卷由三部分組成：第一部分為引導語與研究說明，介紹研究背景與填寫說明；第二部分為8個潛在變量的測量條目，共24個問題；第三部分為受訪者的基本信息，包括性別、學科背景、使用AIGC的頻率等人口統計學變量。

正式問卷通過問卷星平臺發布，并借助社交媒體（如微信、學術群組及科研論壇）進行發放。調查時間為2025年7月28日至2025年8月10日，為期兩周。為確保樣本與研究主題高度契合，調查對象限定為已接觸或使用過AIGC技術的科研人員、研究生及高校教師。

最終共回收有效問卷283份。樣本結構顯示，男性占53.1%，女性占46.9%；73.2%的受訪者年齡在40歲以下，反映出AIGC在青年科研群體中的高滲透率。使用頻率方面，68.2%的受訪者每周使用AIGC工具1次及以上，表明樣本群體整體具備較高的數字工具接受度與探索意愿。為確保樣本數據的代表性與質量，在數據清洗過程中剔除了填寫時間過短、選項高度一致等可疑問卷，最終保留的高質量數據用于后續分析。

4.2 數據分析

4.2.1 信度與效度分析

本研究采用SPSS 26與AMOS 28對測量模型進行驗證分析。信度方面，使用Cronbach’s α系數與組合信度（CR）評估內部一致性，結果表明所有變量的Cronbach’s α與CR均大于0.80，表明數據內部一致性較好。效度方面，采用平均方差提取量（AVE）檢驗收斂效度，結果顯示所有變量的AVE均大于0.70，且因子載荷均超過0.80，表明量表收斂效度良好，見表2。

表2 信度和效度

通過比較各變量AVE的平方根與變量間相關系數來檢驗區分效度。結果如表3所示，各變量AVE的平方根(對角線加粗值)均大于該變量與其他變量的相關系數(非對角線值)，表明量表具有良好的區分效度。

表3 相關系數矩陣

4.2.2 結構模型路徑分析

在測量模型通過驗證后，進一步構建結構方程模型進行路徑分析。結果如表4所示：績效期望（PE）、努力期望（EE）、社會影響（SI）、便利條件（FC）及輸出可控性（OC）對使用意圖（BI）均具有顯著正向影響，支持H1、H2、H3、H4與H5；使用意圖對實際使用行為（UB）的影響顯著且為正向，支持H6；輸出可控性對實際使用行為亦具有顯著正向影響，支持H7。

表4 結構方程模型路徑分析結果

此外，采用PROCESS宏檢驗調節效應，結果顯示使用經驗（EX）在“績效期望→使用意圖”和“輸出可控性→使用意圖”路徑中均存在顯著正向調節作用，支持H8a與H8b。結果表明，所有假設均得到支持，如圖2所示。

圖2 模型路徑系數及顯著性

4.2.3 模型擬合度分析

模型擬合指標如表5所示，卡方自由度比χ2/df為2.147，小于3，GFI為0.932，大于0.9，AGFI為0.901，大于0.9，CFI為0.956，大于0.9，NFI為0.938，大于0.9，SRMR為0.059，小于0.08，各項擬合指標均達到理想標準，表明模型與數據擬合良好。使用意圖(BI)的方差解釋率(R2)為68.3%，實際使用行為(UB)的方差解釋率(R2)為57.6%，表示模型對該因變量的解釋力較好。

表5 結構模型擬合指標結果

5.研究結論與啟示

5.1 研究結論

本研究基于UTAUT模型，結合AIGC的科研應用特征，引入“輸出可控性”變量并考察“使用經驗”的調節作用，構建了科研人員AIGC使用行為的影響機制模型。通過對283份有效樣本進行結構方程建模分析，得出以下結論：

（1）績效期望、努力期望、社會影響與便利條件均顯著正向影響使用意圖，表明科研人員采納AIGC時，既重視其效能與易用性，也深受學術社群氛圍與外部支持條件的影響，驗證了UTAUT核心變量在AIGC情境下的適用性。

（2）輸出可控性對使用意圖及實際使用行為均具有顯著正向影響，反映出科研人員對AIGC生成內容的可干預性與質量可控性高度關注，這一特性在復雜科研任務中尤為重要。

（3）使用意圖能有效預測實際使用行為，支持了UTAUT與相關行為理論在解釋科研人員技術采納中的一致性。

（4）使用經驗在“績效期望→使用意圖”與“輸出可控性→使用意圖”路徑中均呈現顯著正向調節效應。這表明，隨著使用經驗的積累，科研人員會更依賴于對AIGC效能與輸出可控性的判斷來形成使用意愿。

5.2 啟示

5.2.1理論啟示

首先，本研究通過引入“輸出可控性”，拓展了UTAUT模型在AIGC情境下的解釋維度，為理解AIGC特有機制提供了新的理論視角。其次，研究揭示了使用經驗在技術采納過程中的差異化調節作用，為后續開展用戶分層研究提供了實證依據。

5.2.2 實踐啟示

對AIGC開發者而言，應著力增強產品的可控性與可解釋性，如提供內容干預功能和透明的生成邏輯，以契合科研人員對準確性與可信度的要求。

對科研機構而言，需完善AIGC使用的制度規范與培訓體系，制定相關倫理與版權指南，以降低使用不確定性，促進AIGC的合理應用。

此外，應有針對性地引導低經驗用戶，通過案例示范和協作學習等方式，幫助他們建立使用信心并積累正向經驗。

5.3 研究局限與未來展望

本研究存在以下局限：第一，樣本主要來源于高校科研人員，未來可納入更多來自產業界及具有跨國背景的科研工作者，以提升結論的普適性；第二，采用橫截面數據難以捕捉使用態度的動態演變，后續研究可借助追蹤調查或實驗方法深入探討行為演化路徑。

本文受湖北省教育廳哲學社會科學重點項目“在線學術社區科研人員信息行為轉化機制研究”（編號：20D024）和湖北省教育廳哲學社會科學重點項目“價值和公平視角下虛擬學術社區中科研人員持續知識共享”（編號：20D023）資助。

作者簡介

嚴紅 武漢科技大學管理學院副教授

秦嶺 武漢科技大學管理學院副教授

張業鵬 南洋理工大學黃金輝傳播與信息學院碩士研究生

參考文獻