摘要：生成式人工智能使用意愿影響因素研究已成為用戶(hù)信息行為研究的新熱點(diǎn)，針對(duì)現(xiàn)有實(shí)證研究結(jié)果差異性的問(wèn)題，文章對(duì)相關(guān)文獻(xiàn)進(jìn)行梳理與再分析。對(duì)納入研究的32篇文獻(xiàn)運(yùn)用元分析方法，提取出9個(gè)影響因素和2類(lèi)調(diào)節(jié)變量，通過(guò)異質(zhì)性檢驗(yàn)、發(fā)表偏倚檢驗(yàn)、整體效應(yīng)計(jì)算和調(diào)節(jié)效應(yīng)檢驗(yàn)進(jìn)行分析，探究影響生成式人工智能使用意愿的作用機(jī)制。基于元分析結(jié)果構(gòu)建生成式人工智能使用意愿影響因素模型，對(duì)影響因素的關(guān)系強(qiáng)度和作用條件進(jìn)行整體性評(píng)估，為生成式人工智能應(yīng)用程序的優(yōu)化提供參考。

關(guān)鍵詞：生成式人工智能；ChatGPT；影響因素；用戶(hù)信息行為；元分析

中圖分類(lèi)號(hào)：G252 文獻(xiàn)標(biāo)志碼：A

0 引言

自2022年11月OpenAI發(fā)布ChatGPT以來(lái)，以ChatGPT為代表的生成式人工智能（Artificial Intelligence Generated Content，AIGC）在國(guó)內(nèi)外眾多領(lǐng)域得到了廣泛的關(guān)注和研究。生成式人工智能具有精準(zhǔn)的對(duì)話(huà)理解能力和互動(dòng)功能，其對(duì)經(jīng)濟(jì)、文化、教育等傳統(tǒng)行業(yè)和以新媒體為代表的新型行業(yè)均產(chǎn)生深遠(yuǎn)影響［1］。我國(guó)互聯(lián)網(wǎng)信息辦_{76c01c972464b42ce4077817b3bbbfc9106fb3921ec882c6edcc7a80514dc815}公室審議通過(guò)的《生成式人工智能服務(wù)管理暫行辦法》鼓勵(lì)生成式人工智能技術(shù)在各行業(yè)、各領(lǐng)域的創(chuàng)新應(yīng)用，生成積極健康、向上向善的優(yōu)質(zhì)內(nèi)容，探索優(yōu)化應(yīng)用場(chǎng)景，構(gòu)建應(yīng)用生態(tài)體系［2］。在此背景下，國(guó)內(nèi)科技公司相繼上線(xiàn)文心一言、訊飛星火等生成式人工智能應(yīng)用程序。此類(lèi)應(yīng)用程序一方面在語(yǔ)言潤(rùn)色、數(shù)據(jù)分析處理、觀點(diǎn)思路提示等方面發(fā)揮重要作用［3］；另一方面將信息搜索方式從檢索式轉(zhuǎn)變?yōu)樯墒?，有效提高信息搜尋效率。然而，在生成式人工智能的使用過(guò)程中也引發(fā)了一些問(wèn)題和風(fēng)險(xiǎn)，諸如存在易引發(fā)剽竊風(fēng)險(xiǎn)和過(guò)度依賴(lài)人工智能可能導(dǎo)致學(xué)習(xí)能力喪失等問(wèn)題。AIGC高智能性與風(fēng)險(xiǎn)性并存的特點(diǎn)極有可能對(duì)用戶(hù)的使用意愿產(chǎn)生復(fù)雜影響，此類(lèi)研究成為用戶(hù)信息行為研究的新熱點(diǎn)。

不同微觀視角下AIGC使用意愿影響因素的實(shí)證研究取得了一定成果。當(dāng)前，此類(lèi)研究多數(shù)基于創(chuàng)新擴(kuò)散理論、感知風(fēng)險(xiǎn)理論、技術(shù)接受模型等理論模型。值得一提的是研究中存在研究結(jié)論截然相反的現(xiàn)象，如趙靜等［4］、王偉正等［5］認(rèn)為自變量績(jī)效期望對(duì)生成式人工智能使用意愿呈正向影響，而宋俊鋒等［6］研究發(fā)現(xiàn)二者間呈負(fù)向作用。此類(lèi)現(xiàn)象表明有必要對(duì)當(dāng)前AIGC使用意愿相關(guān)文獻(xiàn)進(jìn)行深入梳理，以明晰用戶(hù)使用意愿的確切影響因素及作用條件。鑒于此，本研究使用元分析方法對(duì)影響因素進(jìn)行定量驗(yàn)證分析，從而形成更具有準(zhǔn)確性的影響因素模型。研究結(jié)果有助于理解用戶(hù)與技術(shù)互動(dòng)的復(fù)雜性，從而為生成式人工智能應(yīng)用程序的優(yōu)化提供參考。

1 文獻(xiàn)回顧

1.1 生成式人工智能相關(guān)研究

AIGC應(yīng)用領(lǐng)域的研究是當(dāng)前學(xué)術(shù)界重要的研究?jī)?nèi)容。Misra等［7］闡述ChatGPT在科研寫(xiě)作中潤(rùn)色文本等方面的作用；楊曉哲等［8］將生成式人工智能與教育資源、課堂互動(dòng)及作業(yè)批改等教學(xué)想法關(guān)聯(lián)，指出生成式人工智能賦能教學(xué)的獨(dú)特功能；李慧［9］認(rèn)為生成式人工智能與虛擬數(shù)字人技術(shù)的融合推動(dòng)了圖書(shū)館數(shù)字化轉(zhuǎn)型以及智慧圖書(shū)館的構(gòu)建。AIGC在輔助科研工作等方面存在的問(wèn)題亦是當(dāng)前學(xué)術(shù)界關(guān)注的要點(diǎn)。王樹(shù)義等［10］針對(duì)生成式人工智能可能導(dǎo)致的信息不實(shí)和數(shù)據(jù)污染等風(fēng)險(xiǎn)展開(kāi)研究，提出使用者需聲明人工智能工具使用情況等對(duì)策；周洪宇等［11］指出部分學(xué)校禁止學(xué)生利用ChatGPT完成作業(yè)；閆芳芳［12］認(rèn)為生成式人工智能提供內(nèi)容的準(zhǔn)確性問(wèn)題可能對(duì)圖書(shū)館服務(wù)質(zhì)量和用戶(hù)權(quán)益造成不利影響。通過(guò)文獻(xiàn)梳理可知，生成式人工智能的出現(xiàn)推動(dòng)了眾多領(lǐng)域的發(fā)展，國(guó)內(nèi)外學(xué)者在探討生成式人工智能對(duì)科研、教育和圖書(shū)館等領(lǐng)域的影響時(shí)，不僅考慮到了其帶來(lái)的機(jī)遇，還進(jìn)行了風(fēng)險(xiǎn)識(shí)別并提出應(yīng)對(duì)措施。

1.2 生成式人工智能使用意愿的影響因素研究

生成式人工智能的出現(xiàn)擴(kuò)展了傳統(tǒng)用戶(hù)信息行為研究的范疇。目前，生成式人工智能使用意愿的影響因素研究主要集中于研究方法、研究領(lǐng)域和研究對(duì)象3大方面。陳金海等［13］采用結(jié)構(gòu)方程模型等實(shí)證研究方法對(duì)不同因素與使用意愿之間的影響效應(yīng)進(jìn)行驗(yàn)證，此類(lèi)方法多基于創(chuàng)新擴(kuò)散理論［14］、感知風(fēng)險(xiǎn)理論［15］、技術(shù)接受模型［16］、整合技術(shù)接受與使用模型等理論模型［17］。研究涉及生成式人工智能的應(yīng)用場(chǎng)景較為廣泛，包括高校教育、科研工作和英語(yǔ)學(xué)習(xí)等領(lǐng)域。多數(shù)研究以高校學(xué)生為研究對(duì)象，探究其在高校教育中的接受與使用情況。研究中具有顯著關(guān)系的影響因素集中在新技術(shù)的效用和用戶(hù)感知等方面，但影響的強(qiáng)弱與方向存在差異，目前缺乏對(duì)此類(lèi)實(shí)證研究進(jìn)行歸納整理。鑒于此，本研究使用元分析方法系統(tǒng)梳理生成式人工智能使用意愿的影響因素，對(duì)影響因素的關(guān)系強(qiáng)度進(jìn)行整體性評(píng)估。

2 研究設(shè)計(jì)

2.1 研究方法

元分析又稱(chēng)薈萃分析，用于整合和分析來(lái)自多個(gè)獨(dú)立研究的結(jié)果，從而得出更為全面和準(zhǔn)確的結(jié)論［18］。該方法通過(guò)整合多個(gè)研究結(jié)果的平均效應(yīng)值來(lái)挖掘共同效應(yīng)，因此，需要根據(jù)樣本量對(duì)效應(yīng)值進(jìn)行加權(quán)平均處理。該方法在社會(huì)科學(xué)領(lǐng)域得到了廣泛的應(yīng)用，也被應(yīng)用于用戶(hù)信息行為研究，如在社交媒體用戶(hù)隱私披露意愿［19］、在線(xiàn)健康信息分享意愿［20］等研究中的應(yīng)用。

2.2 數(shù)據(jù)來(lái)源

為了提高查全率，數(shù)據(jù)來(lái)源于多個(gè)中外文數(shù)據(jù)庫(kù)相關(guān)領(lǐng)域已發(fā)表的論文。其中，中文文獻(xiàn)來(lái)源于中國(guó)知網(wǎng)等中文權(quán)威數(shù)據(jù)庫(kù)，以“生成式人工智能”“人工智能生成”“ChatGPT”“AIGC”與“意愿”“使用”“行為”進(jìn)行組配檢索；英文文獻(xiàn)來(lái)源于Web of Science（核心數(shù)據(jù)集）等英文數(shù)據(jù)庫(kù)，以“Artificial Intelligence Generated Content”“ChatGPT”“AIGC”與“use intention”“behavior”進(jìn)行組配檢索。截至2024年5月1日，共檢索到3720篇研究論文，其中中文文獻(xiàn)1062篇，英文文獻(xiàn)2658篇。

進(jìn)一步篩選出能夠進(jìn)行元分析的文獻(xiàn)。具體納入標(biāo)準(zhǔn)為：（1）文獻(xiàn)主題關(guān)于生成式人工智能的使用意愿或行為，探討了其影響因素；（2）文獻(xiàn)的研究方法為實(shí)證研究，排除理論研究、綜述性文獻(xiàn)等不相關(guān)文獻(xiàn)；（3）文獻(xiàn)數(shù)據(jù)資料完整，明確報(bào)告了樣本數(shù)量、信度、相關(guān)系數(shù)或可以轉(zhuǎn)換為相關(guān)系數(shù)的統(tǒng)計(jì)量；（4）文獻(xiàn)的研究樣本不相同。通過(guò)文獻(xiàn)標(biāo)題及摘要排除主題不相關(guān)的文獻(xiàn)后，根據(jù)文獻(xiàn)研究方法及數(shù)據(jù)資料進(jìn)行二次篩選。本研究最終納入32篇文獻(xiàn)進(jìn)行元分析，包括12篇中文文獻(xiàn)和20篇英文文獻(xiàn)。

2.3 數(shù)據(jù)編碼及變量提取

本研究對(duì)篩選出的32篇文獻(xiàn)進(jìn)行編碼，根據(jù)研究問(wèn)題和樣本文獻(xiàn)信息制定出文獻(xiàn)編碼表。編碼信息除文獻(xiàn)基本信息、研究對(duì)象、樣本量、效應(yīng)值外，還提取了生成式人工智能的應(yīng)用場(chǎng)景、研究對(duì)象所在地。為了避免編碼人的主觀判斷影響編碼的嚴(yán)謹(jǐn)性，由兩位信息資源管理專(zhuān)業(yè)學(xué)生對(duì)篩選出的文獻(xiàn)進(jìn)行獨(dú)立編碼，對(duì)比獨(dú)立編碼結(jié)果，對(duì)有爭(zhēng)議的文獻(xiàn)進(jìn)行討論和第3次編碼，以減少由編碼工作產(chǎn)生的誤差。

通過(guò)編碼共得到52個(gè)命名不同的自變量，對(duì)含義相同的變量進(jìn)行合并，以出現(xiàn)頻次最高的變量命名。為了后續(xù)的分組研究，選取出現(xiàn)頻次大于3次的9個(gè)變量進(jìn)行研究，包括：（1）績(jī)效期望，指使用生成式人工智能感受到的工作效率提升程度［15］；（2）努力期望，指使用生成式人工智能感受到的難易程度［4］；（3）社會(huì)影響，指使用生成式人工智能的過(guò)程中社會(huì)層面的影響程度［21］；（4）便利條件，指有效使用生成式人工智能所需的可用資源和支持［6］；（5）享樂(lè)動(dòng)機(jī)，指使用生成式人工智能所帶來(lái)的愉悅感和樂(lè)趣體驗(yàn)［6］；（6）感知風(fēng)險(xiǎn)，指使用生成式人工智能時(shí)對(duì)不確定風(fēng)險(xiǎn)的預(yù)期程度［15］；（7）感知信任，指認(rèn)為生成式人工智能是可靠和值得信賴(lài)的平臺(tái)［22］；（8）創(chuàng)新性，指?jìng)€(gè)體主動(dòng)變革的開(kāi)放性和獲取創(chuàng)新事物的意愿［23］；（9）習(xí)慣，指多大程度上將ChatGPT的使用意愿根深蒂固地融入習(xí)慣中［13］。

3 生成式人工智能使用意愿影響因素分析

本研究的效應(yīng)值為自變量與因變量的相關(guān)系數(shù)，若沒(méi)有報(bào)告相關(guān)系則利用路徑的顯著性t值根據(jù)公式（1）計(jì)算相關(guān)系數(shù)。本研究使用Comprehensive Meta Analysis V 3.0軟件開(kāi)展數(shù)據(jù)分析，將編碼得到的文獻(xiàn)信息錄入軟件，展開(kāi)異質(zhì)性檢驗(yàn)、發(fā)表偏倚檢驗(yàn)、整體效應(yīng)檢驗(yàn)和調(diào)節(jié)效應(yīng)分析，以明晰用戶(hù)使用意愿的確切影響因素及作用條件。

r=t2t2+df（1）

3.1 異質(zhì)性檢驗(yàn)

元分析中的異質(zhì)性檢驗(yàn)是確保研究結(jié)果可靠性和有效性的重要步驟。各研究可能存在研究對(duì)象和研究條件等差異，因此，利用Q值和I2來(lái)檢驗(yàn)各研究的異質(zhì)性程度。當(dāng)異質(zhì)性效應(yīng)較小時(shí)，應(yīng)選用固定效應(yīng)模型；當(dāng)異質(zhì)性較大時(shí)，應(yīng)選用隨機(jī)效應(yīng)模型，采用亞組分析等方法來(lái)解釋異質(zhì)性。從異質(zhì)性檢驗(yàn)結(jié)果來(lái)看，所有變量Q值均達(dá)到顯著性水平（P<0.05），同時(shí)I2均大于75%，表明各研究間存在著很強(qiáng)的異質(zhì)性，采用隨機(jī)效應(yīng)模型計(jì)算效應(yīng)量更可靠。異質(zhì)性檢驗(yàn)結(jié)果如表1所示。

3.2 發(fā)表偏倚檢驗(yàn)

發(fā)表偏倚是指統(tǒng)計(jì)結(jié)果顯著的文章更容易被期刊接受并發(fā)表，反之不容易被發(fā)表。元分析是對(duì)公開(kāi)發(fā)表的實(shí)證研究再次統(tǒng)計(jì)，因此，需要對(duì)納入元分析的文獻(xiàn)進(jìn)行發(fā)表偏倚檢驗(yàn)。通過(guò)對(duì)漏斗圖的主觀視覺(jué)判斷可知變量的效應(yīng)值基本呈對(duì)稱(chēng)分布，初步說(shuō)明納入分析的文獻(xiàn)不存在嚴(yán)重的發(fā)表偏倚。由于部分變量納入的文獻(xiàn)較少，不利于漏斗圖觀察，進(jìn)而采用Fail-Safe N方法對(duì)發(fā)表偏倚進(jìn)行檢驗(yàn)。Fail-Safe N檢驗(yàn)要求所有變量的失安全系數(shù)N大于5K+10，計(jì)算結(jié)果如表2所示，可知除便利條件（N=16）外，各影響因素的失安全系數(shù)N均大于5K+10。因此，除便利條件外的8個(gè)影響因素的研究結(jié)論受到發(fā)表偏倚影響可能性較小。

3.3 整體效應(yīng)檢驗(yàn)

本研究匯總多個(gè)獨(dú)立研究的結(jié)果，評(píng)估影響生成式人工智能使用意愿因素的總體效應(yīng)。由于各研究間存在高異質(zhì)性，選擇隨機(jī)效應(yīng)模型進(jìn)行整體效應(yīng)檢驗(yàn)，結(jié)果如表2所示。除便利條件（r=0.119，P=0.215）不顯著外，其余變量均顯著影響用戶(hù)對(duì)生成式人工智能的使用意愿（P<0.05）。根據(jù)Cohen提出的劃分標(biāo)準(zhǔn)，效應(yīng)值r的關(guān)系強(qiáng)度可以分為以下4類(lèi)：r<0.1幾乎無(wú)相關(guān)；0.1≤r<0.3弱相關(guān)；0.3≤r<0.5中等相關(guān)；r≥0.5高度相關(guān)?？芍?jī)效期望（r=0.398，P=0.000）、感知信任（r=0.321，P =0.003）與生成式人工智能使用意愿中度相關(guān)；努力期望（r=0.276，P =0.000）、社會(huì)影響（r=0.237，P=0.000）、享樂(lè)動(dòng)機(jī)（r=0.233，P=0.000）、感知風(fēng)險(xiǎn)（r=-0.230，P=0.000）、創(chuàng)新性（r=0.195，P=0.000）、習(xí)慣（r=0.258，P=0.000）與生成式人工智能使用意愿弱相關(guān)。

3.4 調(diào)節(jié)效應(yīng)分析

各因素的效應(yīng)值之間存在高異質(zhì)性，通過(guò)亞組分析驗(yàn)證調(diào)節(jié)變量對(duì)使用意愿的調(diào)節(jié)效應(yīng)。生成式人工智能相關(guān)研究涉及眾多領(lǐng)域，根據(jù)納入元分析的文獻(xiàn)劃分出高校教育、科研工作、英語(yǔ)學(xué)習(xí)、輔助設(shè)計(jì)、綜合應(yīng)用和文學(xué)寫(xiě)作6個(gè)應(yīng)用場(chǎng)景。此外，研究對(duì)象的使用意愿可能受到不同國(guó)家文化背景的影響。本研究從生成式人工智能的應(yīng)用場(chǎng)景和研究對(duì)象所在地2個(gè)層面提取變量進(jìn)行調(diào)節(jié)效應(yīng)分析?？?jī)效期望、社會(huì)影響、享樂(lè)動(dòng)機(jī)、感知風(fēng)險(xiǎn)、感知信任、創(chuàng)新性對(duì)生成式人工智能使用意愿的影響會(huì)受到應(yīng)用場(chǎng)景的調(diào)節(jié)，研究對(duì)象所在地在感知信任對(duì)生成式人工智能使用意愿的影響中起到調(diào)節(jié)作用（見(jiàn)表3）。

4 結(jié)果討論

4.1 生成式人工智能使用意愿影響因素

納入元分析的影響因素除便利條件外，其余8個(gè)變量均顯著影響生成式人工智能的使用意愿，整體效應(yīng)模型如圖1所示?；厮莅憷麠l件的文獻(xiàn)，可能受到不同國(guó)家的文化背景和不同高校的規(guī)范聲明影響，用戶(hù)所感受到的便利條件差異較大。在宋俊鋒等［6］的研究中，便利條件正向影響生成式人工智能的使用意愿；而在Sobaih等［17］的研究中，便利條件負(fù)向影響使用意愿，同時(shí)，也說(shuō)明了由于調(diào)查樣本SA大學(xué)的學(xué)生沒(méi)有配備使用ChatGPT的資源且沒(méi)有得到教師和機(jī)構(gòu)的支持，因此，導(dǎo)致了負(fù)向使用意愿。這也驗(yàn)證了便利條件整體效應(yīng)不顯著的原因。

通過(guò)整體效應(yīng)模型可知，績(jī)效期望、努力期望和感知信任對(duì)生成式人工智能的使用意愿影響較強(qiáng)。其中績(jī)效期望和努力期望來(lái)自整合技術(shù)接受與使用模型，該模型被廣泛應(yīng)用于生成式人工智能使用意愿的研究，在預(yù)測(cè)信息技術(shù)使用行為方面展現(xiàn)出較高的準(zhǔn)確性?？?jī)效期望和努力期望分別代表生成式人工智能提升工作效率的程度和應(yīng)用的難易程度，無(wú)論在何種應(yīng)用場(chǎng)景下，它們對(duì)生成式人工智能的使用意愿都發(fā)揮著至關(guān)重要的作用。感知信任不僅反映了用戶(hù)對(duì)生成式人工智能輸出內(nèi)容質(zhì)量的信任，還反映出對(duì)平臺(tái)隱私保護(hù)方面的信任。感知信任作為影響使用意愿的重要因素，平臺(tái)應(yīng)該通過(guò)改進(jìn)措施來(lái)加強(qiáng)與用戶(hù)間的信任。此外，學(xué)者認(rèn)為用戶(hù)通常將人工智能的可靠性和可預(yù)測(cè)性聯(lián)系起來(lái)，生成式人工智能被認(rèn)為越有用，就越能預(yù)測(cè)用戶(hù)需求，正確提供輸出，此過(guò)程可以培養(yǎng)人工智能與用戶(hù)間的信任。此觀點(diǎn)與本研究中績(jī)效期望、努力期望和感知信任對(duì)生成式人工智能的使用意愿影響較強(qiáng)的結(jié)果相符合。

4.2 調(diào)節(jié)效應(yīng)

當(dāng)生成式人工智能的應(yīng)用場(chǎng)景為綜合應(yīng)用時(shí)，社會(huì)影響、感知信任和創(chuàng)新性對(duì)使用意愿的正向作用更強(qiáng)；當(dāng)應(yīng)用場(chǎng)景為高校教育時(shí)，感知風(fēng)險(xiǎn)對(duì)使用意愿的負(fù)向作用更強(qiáng)；相較于國(guó)外，國(guó)內(nèi)研究對(duì)象的感知信任對(duì)使用意愿的正向影響作用更強(qiáng)。導(dǎo)致這種現(xiàn)象的原因可能是生成式人工智能的應(yīng)用已經(jīng)涉及人們的日常生活，相較于應(yīng)用在可能涉及知識(shí)產(chǎn)權(quán)問(wèn)題的科研工作中，在日常生活的綜合應(yīng)用中人們?nèi)菀资艿缴缃幻襟w和他人推薦的影響進(jìn)而促進(jìn)生成式人工智能的使用意愿。根據(jù)消費(fèi)者行為理論可知，在綜合用場(chǎng)景下用戶(hù)較為信任平臺(tái)，因此，用戶(hù)的感知收益大于感知風(fēng)險(xiǎn)，能夠在一定程度上促進(jìn)使用意愿。通過(guò)在綜合應(yīng)用場(chǎng)景中創(chuàng)新性使用意愿的正向作用更強(qiáng)可以看出，具有開(kāi)放性且愿意創(chuàng)新的那部分人已經(jīng)將生成式人工智能應(yīng)用到了非常廣泛的場(chǎng)景。然而在高校教育場(chǎng)景下，大學(xué)生的感知風(fēng)險(xiǎn)對(duì)使用意愿的負(fù)向作用更強(qiáng)，這與許多高校對(duì)使用生成式人工智能的相關(guān)規(guī)章制度有關(guān)。高校未來(lái)可通過(guò)更加清晰統(tǒng)一的規(guī)范去界定生成式人工智能的應(yīng)用范疇，高校圖書(shū)館可開(kāi)展生成式人工智能素質(zhì)教育培訓(xùn)，提升學(xué)生的信息搜索效率，從而加快科研成果的產(chǎn)出。

5 結(jié)語(yǔ)

本研究利用元分析方法對(duì)32篇已發(fā)表的生成式人工智能使用意愿影響因素研究論文進(jìn)行綜合分析，篩選出9個(gè)自變量納入元分析，以定性定量相結(jié)合的方式對(duì)現(xiàn)有研究結(jié)果進(jìn)行加權(quán)計(jì)算，盡可能全面客觀地得到統(tǒng)一的定論。在探討9個(gè)變量對(duì)使用意愿作用效果的基礎(chǔ)上，對(duì)生成式人工智能的應(yīng)用場(chǎng)景、研究對(duì)象所在地進(jìn)行分組分析，以探究調(diào)節(jié)效應(yīng)的影響。研究結(jié)果表明，除便利條件外，其他因素均顯著影響生成式人工智能的使用意愿，其中績(jī)效期望、努力期望、感知信任對(duì)使用意愿的正向影響作用較強(qiáng)。同時(shí)，生成式人工智能應(yīng)用場(chǎng)景和研究對(duì)象所在地能夠作為調(diào)節(jié)變量部分解釋各因素效應(yīng)值間的高異質(zhì)性。

基于以上發(fā)現(xiàn)，本研究為生成式人工智能應(yīng)用程序提出以下建議。

（1）首先，相較于檢索式而言，生成式的信息搜尋方式難以得知信息的來(lái)源，降低了信息的可信度，生成式人工智能應(yīng)用程序應(yīng)在保持輸出內(nèi)容直觀、清晰的基礎(chǔ)上盡可能地注明信息來(lái)源。

（2）其次，生成式人工智能基于預(yù)訓(xùn)練集的特點(diǎn)導(dǎo)致用戶(hù)可能會(huì)有隱私泄露的風(fēng)險(xiǎn)，對(duì)此不僅需要國(guó)家層面根據(jù)相關(guān)法律加強(qiáng)監(jiān)督和管理，還需要平臺(tái)層面提高技術(shù)的透明度，有助于用戶(hù)更好地了解服務(wù)的工作原理和數(shù)據(jù)處理方式，增強(qiáng)對(duì)生成式人工智能應(yīng)用程序的信任。

本研究也存在著一定的局限性。目前，生成式人工智能使用意愿的實(shí)證研究數(shù)量相對(duì)較少，難以進(jìn)行細(xì)粒度劃分研究對(duì)象所在地來(lái)驗(yàn)證調(diào)節(jié)效應(yīng)；此外，在進(jìn)行亞組分析時(shí)，研究結(jié)果可能會(huì)受到樣本量不均衡的影響。生成式人工智能應(yīng)用場(chǎng)景未來(lái)將會(huì)更加豐富，可以更加細(xì)致地劃分調(diào)節(jié)變量，如根據(jù)不同地域的文化背景進(jìn)行調(diào)節(jié)效應(yīng)的驗(yàn)證，以明晰用戶(hù)使用意愿的作用條件，為生成式人工智能應(yīng)用程序的優(yōu)化提供參考。

參考文獻(xiàn)

［1］周恬恬.人工智能背景下師范數(shù)字素養(yǎng)培育研究［J］.江蘇科技信息，2023（24）：47-50.

［2］佚名.生成式人工智能服務(wù)管理暫行辦法［J］.中華人民共和國(guó)國(guó)務(wù)院公報(bào)，2023（24）：39-42.

［3］周謹(jǐn)平.ChatGPT應(yīng)用中的科研誠(chéng)信風(fēng)險(xiǎn)及其倫理治理［J］.中南大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024（1）：31-37.

［4］趙靜，倪明揚(yáng)，張倩，等.AIGC重構(gòu)研究生學(xué)術(shù)實(shí)踐：持續(xù)使用意愿影響因素研究［J］.現(xiàn)代情報(bào)，2024（7）：34-46.

［5］王偉正，喬鴻，李肖俊，等.基于AIDUA框架的生成式人工智能使用意愿研究［J］.農(nóng)業(yè)圖書(shū)情報(bào)學(xué)報(bào)，2024（2）：36-50.

［6］宋俊鋒，安仲禹.基于人工智能生成內(nèi)容（AIGC）的網(wǎng)絡(luò)文學(xué)人機(jī)協(xié)同生產(chǎn)影響動(dòng)因與生態(tài)演替［J］.昆明理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2024（3）：142-154.

［7］MISRA D P，CHANDWAR K.ChatGPT，artificial intelligence and scientific writing：what authors，peer reviewers and editors should know［J］.Journal of the Royal College of Physicians of Edinburgh，2023（2）：90-93.

［8］楊曉哲，王晴晴，王若昕.生成式人工智能的有限能力與教育變革［J］.全球教育展望，2023（6）：3-12.

［9］李慧.元宇宙與生成式AI驅(qū)動(dòng)下的智慧圖書(shū)館交互共享空間再造與服務(wù)研究［J］.江蘇科技信息，2024（2）：79-81.

［10］王樹(shù)義，張慶薇.ChatGPT給科研工作者帶來(lái)的機(jī)遇與挑戰(zhàn)［J］.圖書(shū)館論壇，2023（3）：109-118.

［11］周洪宇，李宇陽(yáng).ChatGPT對(duì)教育生態(tài)的沖擊及應(yīng)對(duì)策略［J］.新疆師范大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2023（4）：102-112.

［12］閆芳芳.生成式人工智能賦能智慧圖書(shū)館創(chuàng)新的實(shí)現(xiàn)策略和風(fēng)險(xiǎn)挑戰(zhàn)［J］.江蘇科技信息，2024（7）：98-101.

［13］陳金海，何騰，馬洪梅，等.生成式人工智能平臺(tái)持續(xù)使用意愿研究：以ChatGPT為例［J］.信息系統(tǒng)工程，2024（4）：119-123.

［14］嚴(yán)三九，陶冠男.長(zhǎng)三角新聞工作者ChatGPT使用意愿的影響因素：基于創(chuàng)新擴(kuò)散理論［J］.現(xiàn)代傳播（中國(guó)傳媒大學(xué)學(xué)報(bào)），2024（3）：13-22.

［15］任海芝，吳彥瑾.科研用戶(hù)生成式信息搜索行為研究：以ChatGPT為例［J］.大學(xué)圖書(shū)情報(bào)學(xué)刊，2024（1）：3-14.

［16］丁朋娜，詹依依.大學(xué)生群體ChatGPT使用情況與影響因素探究：基于技術(shù)接受模型［J］.新聞知識(shí)，2023（12）：65-73.

［17］SOBAIH A E E，ELSHAER I A，HASANEIN A M.Examining students’ acceptance and use of ChatGPT in Saudi Arabian higher education［J］.European Journal of Investigation in Health，Psychology and Education，2024（3）：709-721.

［18］GLASS G V.Primary，secondary，and meta-analysis of research［J］.Education_{5d73fdb295f2921085e3583aeff72cc0}al Researcher，1976（10）：3-8.

［19］李雪麗，黃令賀，陳佳星.基于元分析的社交媒體用戶(hù)隱私披露意愿影響因素研究［J］.數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2022（4）：97-107.

［20］李華鋒，溫曜東.基于元分析的在線(xiàn)健康信息分享意愿影響因素研究［J］.數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn)，2023（12）：125-141.

［21］張池.大學(xué)生對(duì)于生成式人工智能工具的使用意愿研究：基于技術(shù)接受模型［J］.科技傳播，2023（23）：131-135.

［22］周濤，吳曉穎，鄧勝利.用戶(hù)知識(shí)問(wèn)答轉(zhuǎn)移行為研究：從問(wèn)答社區(qū)到生成式AI［J］.情報(bào)雜志，2024（2）：200-207.

［23］KUMAR J，RANI M，RANI G，et al.Human-machine dialogues unveiled：an in-depth exploration of individual attitudes and adoption patterns toward AI-powered ChatGPT systems［J］.Digital Policy，Regulation and Governance，2024（4）：435-449.

（編輯 何 琳編輯）

Meta-analysis of factors influencing acceptance and use of generative AI

SONG Xiang， WANG Xiaohui

（School of Management， Liaoning Normal University， Dalian 116000， China）

Abstract： The study of factors influencing the willingness to use generative artificial intelligence has become a new hotspot in user information behavior research. In response to the differences in existing empirical research results， this article reviews and reanalyzes relevant literature. Using meta-analysis method， nine influencing factors and two types of moderating variables were extracted from the 32 literature included in the study. Heterogeneity test， publication bias test， overall effect calculation， and moderation effect test were used to explore the mechanism of influence on the willingness to use generative artificial intelligence. Based on the results of meta-analysis， a model of factors influencing the willingness to use generative artificial intelligence is constructed to comprehensively evaluate the strength of the relationship and the conditions of the influencing factors， providing reference for the optimization of generative artificial intelligence applications.

Key words： generative AI; ChatGPT; influencing factors; user information behavior; meta-analysis