扎根理论+SOR模型：团队揭秘GAI高校用户初始使用行为机理

论文信息

• 论文原标题：生成式人工智能高校用户初始使用行为影响因素及其作用机理研究
• 主要作者及研究机构：
  • 邱均平1,2,3（1.杭州电子科技大学管理学院；2.杭州电子科技大学中国科教评价研究院；3.杭州电子科技大学数据科学与信息计量研究院，浙江 杭州 310018）
  • 马彩虹1,2（1.杭州电子科技大学管理学院；2.杭州电子科技大学中国科教评价研究院，浙江 杭州 310018）
  • 徐中阳4*（4.南京大学信息管理学院，江苏 南京 210023）
• 引文格式（GB/T 7714）：邱均平,马彩虹,徐中阳.生成式人工智能高校用户初始使用行为影响因素及其作用机理研究[J/OL].情报科学,2025(网络首发).https://link.cnki.net/urlid/22.1264.G2.20251103.1659.004
• 网络首发日期：2025-11-04

一段话总结

邱均平团队以生成式人工智能（GAI）高校用户为研究对象，通过对20名覆盖不同性别、学历、职业的高校用户开展半结构化访谈获取一手数据，采用程序化扎根理论提炼出15个独立范畴与5个主范畴（平台因素、情境因素、感知因素、个体因素、能力因素），并结合SOR（刺激-机体-反应）模型构建影响因素模型；研究发现：感知因素（如感知风险性、感知拟人度）直接影响初始使用行为，平台因素（如技术环境、交互设计）与情境因素（如主观规范、网络环境）通过感知因素间接影响，个体因素（如性格特质）与能力因素（如数字素养）调节上述路径，最终为GAI平台优化高校用户体验、激励初始使用提供理论支撑与实践策略。

思维导图

研究背景

你有没有发现？现在高校里用GAI的师生越来越多了——老师用ChatGPT改论文摘要，学生用文心一言查专业课资料，甚至行政人员用讯飞星火整理会议纪要。据统计，截至2023年12月，光ChatGPT就有1.8亿用户，平均每月浏览量17亿次，从0到1亿用户仅用2个月，GAI的普及速度远超想象。

但热闹背后藏着一个“研究缺口”：目前学术界对GAI的讨论，要么集中在“怎么定政策管它”“怎么优化算法”，要么关注“用户会不会长期用”，却很少有人问：高校用户第一次用GAI时，是什么让他们愿意尝试？又是什么让他们打退堂鼓？

要知道，“初始使用行为”就像GAI和用户的“第一次见面”——如果第一次体验不好，学生可能再也不用它写作业，老师也不会用它辅助教学。比如有同学第一次用GAI时，发现它答数学题老出错（感知风险），从此再也不碰；也有老师因为同事推荐（主观规范），第一次用就觉得“改论文效率高”（感知可用性），之后经常用。

正是因为没人系统研究这个“第一次”的影响因素，邱均平团队才聚焦高校用户，想搞清楚：到底哪些因素决定了他们会不会“迈出第一步”用GAI？这些因素又是怎么起作用的？

创新点

这篇论文的“独特之处”主要有4个，每一个都戳中了现有研究的“痛点”：

1. 聚焦“高校用户”这个特定群体：之前研究要么泛谈“GAI用户”，要么只看普通网民，而这篇专门针对高校师生（学生、老师、行政人员等），毕竟高校是GAI的重要应用场景，研究更有针对性。
2. 方法上“1+1>2”：把“程序化扎根理论”（擅长从访谈数据里提炼规律）和“SOR模型”（擅长解释“外部刺激→心理→行为”逻辑）结合，既避免了纯理论的空洞，又避免了纯数据的零散，得出的结论更扎实。
3. 首次理清“5大因素”的作用关系：不是简单罗列“哪些因素有影响”，而是明确了“谁直接影响、谁间接影响、谁调节影响”——比如感知因素是“直接推手”，平台因素是“间接助力”，个体因素是“调节器”，机理比之前的研究更清晰。
4. “理论+实践”双落地：不仅补了学术缺口，还给GAI平台提了具体优化建议（比如“提升内容准确性降低感知风险”“给新手做使用教程提升数字素养”），不是“纸上谈兵”，而是能真的帮到平台和用户。

研究方法和思路

这篇论文的研究方法可以拆成“3步走”，哪怕不懂学术的人也能看明白：

第一步：找“对的人”聊——数据收集

1. 定访谈对象标准：要满足两个条件：①近一周用GAI至少5次（确保有真实体验）；②覆盖不同性别、年龄、学历（专科到博士）、专业（旅游管理到计算机）、职业（学生、老师、行政人员），最终选了20人。
2. 设计访谈提纲：先参考前人研究写初稿，找2位高校老师“预访谈”改问题，最终提纲包括：“第一次用GAI的契机”“初始使用时觉得好/不好的地方”“用之前有什么顾虑”等6个核心问题。
3. 做访谈+转写：2023年12月5日到2024年1月5日，用微信视频或面对面访谈，每次20-30分钟，录音后用“讯飞听见”转成文字，得到20份访谈文本。

第二步：从“聊天记录”里挖规律——扎根理论分析

这是最核心的一步，分4个小环节：

1. 开放式编码（拆数据）：把20份文本拆成一句句，提炼“初始概念”（比如“担心论文被存数据库”→“感知隐私风险”），删掉出现少于2次的无效概念，最后得到41个初始概念、15个独立范畴（比如“技术环境”“感知风险性”）。
2. 主轴式编码（归类别）：找15个独立范畴的逻辑关系，比如“技术环境”“信息内容”“功能服务”“交互设计”都是GAI平台自身的特点，归为“平台因素”，最终得到5个主范畴（平台、情境、感知、个体、能力）。
3. 选择性编码（理关系）：确定“GAI高校用户初始使用行为的影响因素”为核心范畴，梳理出3类关系：①中介关系（平台/情境→感知→初始行为）；②因果关系（感知→初始行为）；③调节关系（个体/能力调节平台/情境→感知）。
4. 饱和度检验（验可靠性）：用没参与编码的4份文本重复上述步骤，没发现新概念、新范畴，说明结论靠谱，模型“饱和”了。

第三步：搭模型——结合SOR理论

把扎根理论得出的5大因素，套进SOR（刺激-机体-反应）模型里：

• 刺激层：平台因素（外部客观刺激，比如GAI卡不卡）、情境因素（外部主观刺激，比如朋友推不推荐）；
• 机体层：感知因素（用户心理，比如觉得好用不好用）；
• 反应层：初始使用行为（最终会不会第一次用）；
• 调节层：个体因素（性格、经历）、能力因素（数字素养、习惯），调节“刺激→机体”的过程。

主要成果和贡献

1. 核心成果：5大因素的“作用机理表”

影响因素类别	核心构成	作用路径	关键发现（大白话）
平台因素	技术环境（运行速度）、信息内容（准确性）、功能服务（界面简洁度）、交互设计（个性化提问）	间接影响：平台→感知→初始行为	GAI越流畅、内容越准、界面越简单，用户越愿意试
情境因素	主观规范（朋友推荐）、网络环境（网上宣传）、任务情境（处理文字/数学）	间接影响：情境→感知→初始行为	有人推荐、网上夸得多、任务是GAI擅长的（如写文案），用户更愿试
感知因素	感知风险性（隐私泄露）、感知可用性（能解决问题）、感知易用性（好操作）、感知拟人度（响应灵活）	直接影响：感知→初始行为	觉得安全、好用、好操作、像“人”一样聊，用户直接愿意试；怕隐私泄露就不愿试
个体因素	性格特质（好奇心）、经历背景（专业/职业）	调节影响：调节平台/情境→感知	好奇心强的学生、语言学专业老师，更容易觉得GAI有用
能力因素	数字素养（懂算法/辨信息）、使用习惯（爱用高效工具）	调节影响：调节平台/情境→感知	会看GAI内容对错、习惯用高效工具的人，更愿尝试

2. 核心贡献：给领域带来的“实在价值”

• 理论价值：填补了“GAI高校用户初始使用行为”的研究空白，把SOR模型用到GAI场景，完善了用户信息行为理论。
• 实践价值：给GAI平台提了6条可落地的优化建议：
  1. 优化技术环境（比如提升服务器性能，减少卡顿）；
  2. 提升内容质量（加人工审核，减少编造信息）；
  3. 加强宣传（客观说功能，强调隐私保护）；
  4. 做使用教程（分任务场景，比如“怎么用GAI改论文”）；
  5. 设反馈渠道（加留言板，及时处理隐私问题）；
  6. 培养用户习惯（搞新手任务，激励持续使用）。

关键问题

问题1：研究为构建GAI高校用户初始使用行为影响因素模型，采用了哪些核心研究方法？具体数据处理流程是什么？

答案：核心研究方法为程序化扎根理论（主导数据分析）、半结构化访谈（获取一手数据），并结合SOR（刺激-机体-反应）模型完善理论框架；具体数据处理流程如下：①数据收集：2023年12月5日-2024年1月5日，对20名高校用户开展半结构化访谈（16份线上+4份面对面），录音后用“讯飞听见”转写为文本；②编码分析：随机选取16份文本进行三级编码（开放式：41初始概念→15独立范畴；主轴式：15独立范畴→5主范畴；选择性：确定核心范畴及中介/因果/调节关系）；③饱和度检验：用剩余4份文本重复编码，未发现新范畴，模型达到理论饱和；④模型构建：结合SOR模型，确定“刺激（平台+情境）→机体（感知）→反应（初始使用行为）+调节（个体+能力）”的最终框架。

问题2：GAI高校用户初始使用行为的5大主范畴各有哪些核心构成？它们之间存在怎样的关键作用关系（请明确具体路径）？

答案：（1）主范畴核心构成：①平台因素：技术环境、信息内容、功能服务、交互设计；②情境因素：主观规范、网络环境、任务情境；③感知因素：感知风险性、感知可用性、感知易用性、感知拟人度；④个体因素：性格特质、经历背景；⑤能力因素：数字素养、使用习惯。（2）关键作用关系路径：①中介路径：平台因素通过影响感知因素，间接作用于初始使用行为；情境因素通过影响感知因素，间接作用于初始使用行为（外部刺激需经心理中介转化）；②直接路径：感知因素直接驱动初始使用行为（如感知风险性降低使用意愿，感知易用性提升使用意愿）；③调节路径：个体因素调节“平台/情境→感知”的转化过程（性格、经历差异导致感知不同）；能力因素调节“平台/情境→感知”的转化过程（数字素养、使用习惯差异导致感知不同）。

问题3：基于研究结论，GAI平台管理者可从哪些维度优化产品，以有效促进高校用户的初始使用行为？请结合具体影响因素说明。

答案：可从4个核心维度优化，对应研究中的影响因素：①平台体验优化（针对平台因素）：提升技术环境（保障运行流畅、扩大专业数据库），加强信息内容审核（提升准确性、减少编造信息），简化功能界面（降低操作门槛），优化交互设计（提供个性化提问引导）；②情境氛围塑造（针对情境因素）：开展客观宣传（展示功能优势与隐私保护措施），提供分场景使用教程（如论文润色、代码调试教程），利用高校内用户推荐（强化主观规范）；③感知风险降低（针对感知因素）：明确数据使用规则（减少隐私泄露担忧），设置反馈渠道（及时处理内容错误问题），提升拟人化交互（如优化响应灵活性，适配网络语境）；④用户能力适配（针对能力因素）：开展数字素养培训（通过专题讲座讲解GAI算法原理与信息评估方法），培养使用习惯（设置新手任务与奖励机制，引导用户熟悉核心功能）。

总结

这篇论文聚焦GAI高校用户的“初始使用行为”这一关键但被忽视的话题，通过半结构化访谈和程序化扎根理论，清晰拆解了5大影响因素的作用机理，既填补了学术空白，又给GAI平台提了可落地的优化建议。

当然，它也有局限——样本量小、方法有主观性，但这并不影响其价值：对学术界来说，它为GAI用户行为研究提供了新视角；对GAI平台来说，它指出了“怎么让高校用户愿意第一次用”的关键；对高校师生来说，也能理解自己或身边人“为什么用/不用GAI”的背后逻辑。