TRIZ理论背景下大语言模型对研究生创新意愿的影响研究：基于技术接受模型

摘 要：人工智能、大语言模型的飞速发展对当前我国研究生创新思维培养指出了新的方向。本研究在TRIZ理论背景下，以高校研究生为对象，通过问卷调查，基于技术接受模型，构建结构方程模型，探索大语言模型对研究生创新意愿的影响研究。研究结果表明大语言模型的有用性和易用性均能够提升研究生使用大语言模型的积极态度，从而提升使用大语言模型的意愿。此外，态度在模型中起到了部分中介作用。研究认为要想提升学生使用大语言模型的积极性，需要学生树立对大语言模型的正确态度和价值观。

关键词：TRIZ理论；技术接受模型；大语言模型；创新意愿

一、引言

随着我国经济高质量发展需求日益显现，适应社会发展的多元化、复合型研究生人才成为新时代市场竞争的关键资源。近年来，教育部明确提出要主动打破传统学科专业之间的壁垒，推动多学科、多领域之间的交叉融合，聚焦多个技术领域，促进基础、应用等多学科复合，加快多学科交叉和知识融合。同时，数字时代的到来与人工智能的兴起，给当前研究生创新培养提出了新的要求。越来越多的学校愈发重视学科交叉、科教融合、校企合作、协同育人的教育理念，同时关注AI、信息通讯、电子控制、软件设计等新型技术与传统工业技术的紧密结合，并通过构建符合时代发展与产业升级要求的人才建设体系，培养懂理论、强实践、能创新的高素质复合型人才。

在学科交叉领域，TRIZ理论能够跨越传统学科界限，整合多元化的知识和技能，它可以帮助研究者识别和解决跨学科领域中的复杂问题，提供创新的思维方式，从而推动各学科间的交流与融合。此外，TRIZ理论还具有矛盾思维、理想思维、资源思维的创新特点，这些都有助于引导研究者从不同角度思考问题，寻找最优解决方案。在研究者遇到短时间内难以解决的难题时，通过理想思维，研究者可以先想到最终理想解，然后再去分析问题，这样可以帮助他们在复杂的学科交叉环境中，找到最佳的解决方案。因此，在研究生创新培养上，考虑将TRIZ理论与大语言模型环境相结合，利用TRIZ理论的思维工具和大语言模型环境的知识检索和分析功能，根据具体情况对研究生创新思维培养进行设计和调整，能够帮助学生解决跨领域学习过程中遇到的难题，提高学生的跨领域知识和技能，培养他们的综合素质和创新能力，从而探索出更有效的教育方法和策略。

当前对大学生创新思维和创业意愿的研究主要集中以下几个方面。第一，关于创新创业教育对创业意愿的影响。如周丽霞等（2022）采用分层抽样方法，以山西高校为例，探究创新创业教育对护理专业大学生创业意愿的影响机制[1]。陈德虎（2016）以浙江省高校为研究对象，提出全面打造创新创业实践体系，大力开拓创QMprs+2mB3jXN3S2H+mzhg==新创业教育社会网络的建议[2]。Guo等（2023）通过高职院校样本分析影响学生创新创业意愿的因素[3]，结果表明导师要充分利用自己的科研项目，带动学生创业团队将科研项目与创业项目对接，将科研项目转化为成果，通过挖掘科研项目的市场潜力，激发学生创业团队的成长。Zhang等（2023）主要探讨了职业生涯规划课程和创新创业课程对高校学生创业意愿的影响，通过整合职业规划、提供以就业为导向的创新和创业教育可以帮助学生阐明创业精神在个人职业发展中的地位和价值，并培养创新思维和创业精神[4]。Dong和Tu（2021）以计划行为理论为指导，通过建立模型对创新创业教育对大学生创业意愿的影响结果进行检验，研究结果表明，基于虚拟现实活动的高校创新创业教育对大学生创业意愿存在显著积极影响[5]。第二，关于参加创业比赛意愿的相关研究。宫毅敏和林镇国（2019）通过高校学生创业竞赛参赛意愿的调查问卷，运用Apriori 算法进行双向数据挖掘分析，对大学生创新创业能力提升提出可行性建议[6]。第三，关于创新行为与创业意愿的影响因素研究。于海琴（2019）通过扎根理论证明大学生创新行为包括五个方面，分别是创新意愿与动机、创新学习、创意、创新行动和创新成果[7]。Zelin等（2021）通过对全国31个省份1231所高校应届毕业生的调查，考察了创业政策对创业意愿的路径和影响机制，结果表明创业政策与创业意愿呈正相关[8]，创业教育作为“桥梁”在关系中呈现部分中介作用。但是，鲜有学者研究人工智能对大学生创新意愿的影响，特别是以ChatGPT为首的大语言模型影响研究生创新意愿的研究尚未开展。因此，如何利用大语言模型培养应用型研究生创新人才的问题亟需深入研究。

二、理论与假设

（一）技术接受模型

技术接受模型（Technology Acceptance Model），是Davis（1989）运用理性行为理论研究用户对信息系统接受时所提出的一个模型，提出技术接受模型最初的目的是对计算机广泛接受的决定性因素做一个解释说明。TAM模型认为个体对于信息系统的使用行为是由行为意向决定，而行为意向是由感知有用性和感知易用性决定。近几年来技术接受模型多个领域的成功应用证实了它的价值（Al-Adwan等，2023；Han和Sa，2022；Azizah等，2022；程慧，2023；余鲲鹏和李伟，2023），能够比较好的解释大语言模型对研究生创新意愿影响的问题[9～13]。

（二）假设提出

基于技术接受模型，本研究提出三个影响研究生创新意愿的前因变量，即大语言模型的感知有用性、感知易用性和对大语言模型使用态度。首先对于大语言模型的感知易用性来说，研究生认为大语言模型越容易使用，就越有可能在研究中应用它。这种感知易用性可以体现在两个方面：一是大语言模型的界面和交互方式设计得越简单、越直观，研究生就越容易上手使用；二是大语言模型能够提供更加智能、更加自动化的功能和服务，从而帮助研究生更快地完成任务（Yiu等，2023）[14]。不仅如此，大语言模型的感知易用性也会影响感知有用性，研究生更倾向使用简单、易上手的学习工具，因此易用性也会积极促进有用性。

对于大语言模型的感知有用性来说，研究生认为大语言模型越有用，就越有可能在研究中应用它。这种感知有用性可以体现在两个方面：一是大语言模型能够提供更准确、更高效的信息检索和文本生成能力，从而帮助研究生更快地获取所需信息，提高研究效率；二是大语言模型能够根据研究生的需求和语境，提供更加自然、流畅的语言表达，从而帮助研究生更好地与他人交流和合作。

研究生对大语言模型的态度也会影响他们的创新意愿。如果研究生对大语言模型持积极态度，认为它是一种有益的工具，就越有可能在研究中应用它。这种积极态度可以体现在两个方面：一是研究生认为大语言模型能够提高他们的研究效率和质量，从而对研究更有信心和动力；二是研究生认为大语言模型能够为他们带来更多的创新机会和灵感，从而更有意愿尝试新的研究方向和方法（文森等，2023）[15]。

综上所述，大语言模型的感知有用性、感知易用性和态度对研究生的创新意愿具有重要影响。因此本研究提出如下假设：

H1：大语言模型感知易用性积极影响感知有用性。

H2：大语言模型感知易用性积极影响使用态度。

H3：大语言模型感知有用性积极影响使用态度。

H4：对大语言模型的使用态度积极影响研究生创新意愿。

三、研究设计与数据分析

（一）数据收集

本研究主要通过问卷调查进行数据收集，利用问卷星平台通过微信朋友圈、QQ群、社区、课堂等形式进行在线发放与填写。问卷内容包含两个部分：第一部分为受访者基本信息，如性别、年龄、年级等；第二部分为变量测量，主要采用7级李克特量表对大学生使用大预言模型的感知易用性、感知有用性、态度和意义进行测量评价，受访者根据自身的情况，对自身是否同意问卷题设的情况进行评分。

通过实地、专业网站、微信等多种方式发放大语言模型环境下研究生创新行为调查问卷，共计回收184份问卷，剔除回答时间短、答案重复、答案缺失等无效问卷17份，最终获得有效问卷167份，问卷有效率90.76%。表1总结了受访者的基本信息，受访者中男性为45人，占比26.9%；女性122人，占比73.1%，女性受访者占比较高。从年龄与年级来看，调研对象主要为高校在读硕士研究生，大部分年龄处于23-27岁之间，占比为63.5%；还有一部分受访者为在读博士研究生。从专业结构来看，经管类研究生最多，占比80.8%;文史类、理工类研究生占比17.4%。这一现象可能与调研地区存在一定的关联，调研主要集中于武汉地区财经类高校，因此财经管理类受访者较多。从调研结果还可以发现，大部分研究生偶尔使用大语言模型，主要应用于完成课堂作业和搜索信息，这一结论说明大语言模型对研究生学习方式的改变起到一定的推动作用。

（二）信度和效度分析

根据问卷获取的数据运用SPSS 22进行信度分析，得到四个潜变量的克隆巴赫系数和组合信度，感知有用性的组合信度为0.904，感知易用性组合信度为0.870，态度组合信度为0.895，意愿组合信度为0.924，四个变量的克隆巴赫系数和组合信度均大于0.8，可见量表具有较高的信度（具体数据见表2）。

运用SPSS22对量表数据进行KMO和Bartleet球形度检验，得到的KMO检验值为0.921，Bartleet球形度检验卡方值在0.01的置信水平下显著，因此数据适合进行因子分析。从表3可以发现，四因子模型的拟合指标优于其他模型，χ²/df（卡方自由度之比）为2.488，达到比较好的水平；RMSEA（近似误差均方根）为0.095，拟合指数CFI为0.931，IFI为0.932，均超过0.90以上的参考标准，大部分指标满足研究标准，说明整体量表具有较好的区分效度。

（三）相关性分析

从表4中可以看到，变量之间呈现相关关系，且均在0.01水平下显著。感知易用性与感知有用性、态度、意愿的相关系数分别为0.519，0.648，0.577。感知易用性和态度、意愿的相关系数分别为0.673，0.569。态度和意愿的相关系数为0.780。结果初步验证了本研究提出的假设。

四、结构方程模型结果

通过AMOS对结构方程模型进行分析，四因子模型拟合指数中绝对拟合指数c2/df小于3，近似误差均方根基本符合建议值，并且全部达到显著水平；相对拟合指数中NFI、IFI、CFI、RFI均接近0.9的建议值。简约拟合指数完全符合参考标准。因此，可以认为，在大语言模型环境下研究生创新行为影响因素模型具有对数据较好的拟合能力。

表5呈现了结构方程模型估计结果。从表中可以发现，测量题项载荷系数均大于0.7，且在0.001水平下显著，说明题项能够很好反映潜变量。此外，感知易用性能够显著正向影响感知有用性，影响系数为0.581，假设1成立。感知易用性显著正向影响态度，系数为0.466，假设2得到支持。感知有用性正向促进态度，系数为0.477，在0.001水平下显著，假设3成立。最后，态度能够正向显著影响意愿，假设4得到支持。大语言模型的有用性和易用性均能够提升研究生使用大语言模型的积极态度，从而提升使用大语言模型的意愿。进一步来说，态度在模型中起到了部分中介作用，要想提升学生使用大语言模型的积极性，需要树立对大语言模型的正确态度和价值观。

五、结论与建议

本研究通过问卷调研数据，基于技术接受度模型构建结构方程探讨大语言模型环境下研究生创新行为影响研究。研究结论表明大语言模型的感知易用性能够提升使用者对大语言模型的感知有用性，感知易用性和感知有用性能够显著促进使用大语言模型的积极态度，最终提升对大语言模型的使用意愿。大语言模型目前使用范围比较广泛，但是在易用性方面有所欠缺。尽管经过开发者外部集成与包装可以供大部分人简单使用，但是基于深度学习模型的文本训练并没有被使用者掌握，因此促进大语言模型对创新行为影响需要首先提升大语言模型的易用性，让研究生简单、方便使用最新的大语言模型，并且能够结合自身专业和研究方向对大语言模型进行训练，形成自己独特的模型库。除此之外，通过调查研究我们发现，大部分同学使用大语言模型完成课堂作业，事实上这会降低了学生的学习积极性和创新性。利用工具代替思考，完成课堂作业并不能很好地达到知识的消化和掌握，为了更好地促进大语言模型对学生创新思维的训练，将大语言模型作为学习的辅助软件，而不是偷懒工具。一方面，在日常学习中要引导学生树立正确的价值观和学习观，营造良好的学习氛围和独立思考的创新思维；另一方面，作为导师要认真审查学生提交的作业，提升学生对大语言模型的认识，鼓励学生利用大语言模型拓展思维，防止乱用大语言模型完成学习任务（见图1）。

参考文献：

[1] 周丽霞，解军，韩世范等.创新创业教育对护理专业大学生创业意愿的影响机制研究[J].护理研究，2022，36（21）：3761-3766.

[2] 陈德虎.基于创业意愿影响因素的高校创业教育[J].当代青年研究，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] 宫毅敏，林镇国.创业竞赛对提升学生创新创业能力的影响——基于创业竞赛参赛意愿调查问卷的数据挖掘分析[J].中国高校科技，2019（12）：57-60.

[7] 于海琴.大学生的创新行为模型及其价值——基于对本科高创新性拔尖人才的扎根理论研究[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.数字技术背景下大学生创新创业意向影响因素分析——基于计划行为理论和技术接受模型[J].科技管理研究，2023，43（18）：195-202.

[13] 余鲲鹏，李伟.基于技术接受模型的食品区块链溯源系统消费者使用意愿研究[J].中国软科学，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，钱力，胡懋地等.基于大语言模型的问答技术研究进展综述[J/OL].数据分析与知识发现，1-17[2023-12-12].http：//kns.cnki.net/kcms/detail/10.1478.G2.20231110.1612.002.html.

基金项目：国家社会科学基金一般项目“劳动力市场灵活性促进我国共同富裕的机制路径及对策研究”（23BJL067）；湖北经济学院研究生教育教学改革研究项目最终成果“基于TRIZ理论的大语言模型环境下研究生学科交叉培养模式研究”（YJSG202305）

作者简介：孙一平（1982- ），男，湖北黄冈人，湖北经济学院工商管理学院副教授，博士，研究方向为创新管理；宁婧玥（2000- ），女，湖北钟祥人，湖北经济学院硕士研究生，研究方向为创新管理；通讯作者王灿（1993- ），男，湖北天门人，湖北经济学院工商管理学院讲师，博士，研究方向为创新管理。