AIEd 知识库AIEd KB
本页内容

本页面已译为中文。文章页面仍以英文撰写。 阅读本页的英文版本

概念

自我效能

创建 2026-08-13 · 更新 2026-10-09

本页是英文页面的机器翻译，尚未经母语者审校。

自我效能（self-efficacy） —— 学习者对自己成功执行一项任务或达成一个目标之能力的信念。依社会认知理论（Bandura），自我效能塑造动机、努力、坚持与学习投入度。在教育中的 AI领域，自我效能以两种方式重要：AI 工具能建构学习者的信心与自主（例如通过提供反馈与脚手架），而学习者的 AI 自我效能——他们使用 AI 技术的信心——影响他们与 AI 互动的有效性，包括 AI 相关知识如何转化为职业相关的准备度。

值得思考的问题

  • 自我效能是关于你能力的信念——与实际能力有别。你是否曾对某事很有能力却怀疑自己，或对自己做不到的事自信满满？信念与能力之间的这一差距对你理解自我效能为何重要有何启示？
  • AI 自我效能（与 AI 共事的信心）是与 AI 素养相分离的构念，研究发现素养只有在学习者同时有信心时才转化为准备度。如果有人知道 AI 却不相信自己能用它，那知识会怎样——这对培训意味着什么？
  • 研究发现，用 AI 支持理解与其对表现的关联被学业自我效能完全中介，而捷径式使用则部分独立于自我效能地预测更差结果。为什么同一工具在一种用法下能建立信心，在另一种用法下却不能？
  • 本页区分自我效能与日常词"信心"。在读之前，它们有何不同，为何一个研究者会坚持这一区分而非把它们当作同一回事？
  • 机器人与具身学习通过把任务扎根于可观察的结果来建立信心，而反馈能建立学习者自我效能。想一项你只在看到一个具体结果之后才获得真正信心的任务。这对哪类 AI 学习体验最可能建立——而非仅仅报告——自我效能说明了什么？
  • 教师自我效能影响 AI 的采纳与整合。如果教师不相信自己能有效使用 AI，再多的 AI 素养能解决吗？什么能建立教师的信心，这与给他们更多信息有何不同？

引言

自我效能与实际能力有别：它是一种驱动行为的、关于能力的信念。它与日常意义上的对自己能力的信心密切相关，且常与之互换使用。自我效能与动机、自我调节学习与学生体验紧密相连。在 AI 语境中，AI 自我效能（与 AI 共事的信心）是与 AI 素养不同的构念，研究表明它在学习者是否真正激活并应用 AI 相关知识上起关键作用。

自我效能如何出现在知识库的研究中

  • **在生成式 AI + XR 工作室工作中下降：**在一个 27 名学生的建筑设计工作室中，使用生成式 AI与多用户 XR 管线的团队，在设计自我效能信心（β = −1.675, p = 0.021）与结果预期（β = −2.088, p = 0.002）上比继续正常工作流的团队有更大的相对前后下降，而其汇报的盲评小组评分无显著差异（Xiao 等人，2026）。工具丰富的环境即使在工作本身被评为等值时，也可能压低效能信念。

  • AI 自我效能与职业准备度：关于 AI 准备度的研究表明，AI 自我效能调节 AI 素养与 AI 准备度之间的关系：素养只有在学习者对使用 AI 有信心时才转化为准备度，且自我效能直接预测职业适应性。

  • **信心并不总是杠杆。**一项对 502 名大学教师的横断面 SEM 发现，技术自我效能只是 AI 幸福感的弱预测因子（β = 0.082），而 AI 素养主导（β = 0.713），这为"信心把关 AI 结果"的主张设界：对幸福感而言，知识压过了信心（Liu 等人（2026））。

  • **技能可以使依赖成为可能，而效能缓冲它。**在 478 名以色列本科生中，AI 素养的技能维度与 AI 依赖正相关（使用/理解 AI β = 0.404），而 AI 自我效能与之负相关（β = −0.132），因此只建立工具技能的素养训练可能增加依赖（Maizel 等人（2026））。

  • 信任作为素养与信心之间的枢纽：Hu（2026）调查了 450 名已在用 ChatGPT 的大学生，发现一条有序链而非两个平行相关：AI 素养与该工具的信任相关（beta = 0.50），信任与学业自我效能相关（0.48），自我效能与持续使用相关，且序列间接效应显著（0.07，95% CI [0.04, 0.10]）。AI 焦虑削弱了素养到信任的链接（交互 beta = -0.25，简单斜率在焦虑范围内从 0.76 降到 0.25），因此同样的知识在更焦虑的学生中买到的信心更少、抵达的使用更少。因此信心是链中的下游环节，而非起点。

焦虑通过 AI 辅助实践与意愿关联的路径，可随信心逆转而非衰减：条件间接关联从低口语自我效能处的 0.142 到均值处的 0.044、再到高处的 −0.054，这一效应集中于小的上尾（Wang 与 Li（2026））。

  • 学业自我效能的画像与谁伸手去拿 AI：Suriá-Martínez 等人（2026）对西班牙 102 名运动障碍大学生的学业自我效能做了潜在画像分析，发现三个画像（低 29.4%，中 41.2%，高 29.4%），其报告的 AI 使用随画像层级逐步上升（均值 2.41、3.56、4.68；F(2, 99) = 27.84，p < .001，eta squared = .36），其中卓越性（Excellence，计划与目标设定维度）与 AI 使用关联最强（beta = .47）。作者把这解读为一个公平问题：如果信心与采纳同步，自我效能较低的学生可能最不可能伸手去拿本可减少获取障碍的 AI 支持，因此对学业自我效能的支持属于包容框架之内。
  • AI 使用模式与自我效能：Stamatoulis 等人（2026）发现，用生成式 AI支持理解（评价性整合）在其与表现的关联中被学业自我效能完全中介——面向理解的 AI 使用建立信心——而捷径式使用（低核验的接纳）部分独立于自我效能地预测更差结果。因此自我效能既是生产性 AI 使用借以帮助的路径，也是捷径式使用可能未能建立的因素。
  • **归因塑造效能是否增长。**把成功归功于 AI 而非自己的努力，会约束自我效能增长并强化捷径模式，因此把复杂活动排序为让学生把进步归因于自己策略的步骤，比工具更重要（Øby，2026）。
  • 机器人与动手学习：REMind的机器人中介角色扮演建立了儿童在反霸凌干预中的自我效能；机器人与具身学习一般通过把任务扎根于可观察的结果来建立信心。
  • 儿童的创造性自我效能：Niu 等人（2026）在一项对 22 项 6 至 15 岁儿童生成式 AI 初级研究的系统范围综述中报告，创造性自我效能的增益与发散思维及叙事创造力聚集，主要通过降低想法与工件之间门槛的文生图工具。他们未声称效力：设计异质，综述未做严格评估，且语料对残障、低连通与服务不足的学习者几乎沉默，因此创造信心是一个被报告为上升的结果，而非该领域已确认的。
  • 教师自我效能：教师 AI 能力研究考察专业发展如何建立教师使用 AI 的信心，这影响采纳与整合。Ismael、Luo 与 Li（2026）补充了准实验证据：一个 AI 支持的电子辅导模型在实习期间提升 EFL 职前教师的自我效能与情商——实验组在两项测量上都比对照组获益大得多，效应大，且增益遍及自我效能的所有子域——作者把它们归因于在结构化反思循环内经 AI 中介的辅导，而非 AI 本身。
  • 反馈与信心：AI 反馈与辅导可通过提供可操作、支持性的反馈建立学习者自我效能。
  • AI 问题解决中的赋能：Zhu 与 Kong（2026）发现，学生在用 AI 解决问题上的赋能中介了所感知的项目本位学习与 AI 素养课程满意度之间的关系。在他们对 1,027 名学生的 SEM 分析中，项目本位学习培养了使学生能用 AI 解决问题的条件，进而驱动课程满意度——证据表明，建立学生对 AI 的信心与能力是有效 AI 素养教育的一个关键机制。

自我效能连接到动机、自我调节学习、学生体验、AI 素养、学习者自主性与教育机器人（Robots in Education）。建立自我效能是 AI 支持投入与学习的关键机制之一。自我效能几乎完全靠自报测量，因此其与观察行为的关联应受惯常的告诫。

  • AIGC 自我效能作为工具与学习之间的枢纽。Liang 等人（2026）发现，AI 生成内容的感知可供性提高 AIGC 自我效能（beta = 0.583），进而中介通往学习动机的路径（间接效应 0.329）与通往自我调节学习的路径（0.145），且可供性到自我效能到动机到自我调节的序列路径也显著（0.173）。使该发现有用的是对比：AI 评估反馈的质量并不预测自我效能（beta = 0.131，n.s.），尽管它强烈预测满意度——对工具的信心由指挥它建立，而非由从它接收好产出建立。
  • **在一项为期一学期的 RCT 中无处理效应——信心随课程时间上升：**在Thoeni 与 Fryer（2026）对市场营销原理课 454 名本科生的随机田野实验中，自我效能在整个学期对所有学生上升（时间效应 β = 0.099，p = 0.0009，Cohen's ƒ2 = 0.025），而组效应（p = 0.1162）与组 × 时间交互（p = 0.5306，d = 0.023）都不显著，因此 RAG 聊天机器人没有增加任何东西。AI 支持课程中的信心增益可以追踪课程进程而非工具——这对一个几乎全靠自报测量的构念是一个归因风险。
  • **信心可以与行为反向移动。**在竞技编程中，停止参赛的学生报告的理论信心高于仍在参赛的同侪，却在解题（upsolving）与同伴圈子习惯上显著更弱（p < .001），因此单靠一个自我效能信号会误导早期预警系统（Ruhan 等人（2026））。
  • **信心可在其背后的能力下降时上升。**在大学生中，频繁的生成式 AI 使用在同样的学习者中同时提高了感知信心与效率，并增加了技术依赖，因此在 AI 辅助工作期间取得的自我效能分数，可能在底层技能正在侵蚀的那一刻读起来仍然很高（Yan 等人，2025）。
  • **AI 使用随信心而来，但信心不预测出勤。**在一项对 291 名葡萄牙学生的 PLS-SEM 调查中，一般 AI 使用与独立学习的自我效能正相关（β = 0.266，f² = 0.106）。该构念被建模为 Bandura 四个来源的二阶形成性复合——掌握经验、替代经验、言语劝说与情绪状态。自我效能进而未预测缺勤（β = −0.068，p = 0.276），尽管 AI 使用另与更高缺勤相关（β = 0.148，f² = 0.029）。AI 使用 → 自我效能路径在男性中显著强于女性（β = 0.449 对 0.159；Δβ = −0.289，p = 0.013），在部分测量不变性下（Franco 等人（2026））。
  • 开放式的 AI 设计任务按既有的信心对学生分等。Zangari 等人（2026）在一门由 345 名学生各自构建一个对话智能体来教同侪的课程中发现，表现自尊与外向性相关（r = 0.262, p < 0.001），且女生报告的自尊显著低于男生同侪（Kruskal-Wallis H(2) = 9.87, p < .005）。作者得出的设计推论是：开放式、对话式的创意任务有利于本已有信心者，因此「开放式设计任务［应当］包含足够的脚手架，以在所有人格类型间公平地建立表现自尊」——这是一条告诫：如果脚手架不是刻意设计的，学生自创工件的作业可能扩大而非弥合信心差距。
  • **自我效能与格式偏好相互作用，而非仅与结果相互作用。**一项被试内平衡设计研究（97 名九年级学生；内容匹配的、基于辅导与基于纸笔的图解解读与作图练习）发现，基于辅导的练习总体上胜过纸笔（t(62.30) = 2.38, p = .020），并且——与直觉相反——基线自我效能较低预示在两种格式中都获得更大的增益（t(98.40) = −2.14, p = .035）。其有趣的结构在于一个显著的三向自我效能 × 偏好 × 格式交互（t(99.84) = −2.58, p = .011）：在低自我效能学生中，对辅导系统的偏好预示专门在辅导练习中更大的增益。对「辅导练习在动机上自我强化」这一假设而言，这是一个令人清醒的零结果：ITS 练习并未比纸笔显著改善训练后自我效能——归因于干预时间过短（两次约 40 分钟的课）。其实际信号是：基线自我效能与技术偏好是格式分配上廉价、可操作的输入；辅导练习利用的是既有的偏好，而非创造它。（Self-efficacy and favorability shape learning from tutoring systems and paper practice）

关联概念

关联文章

相关常见问题

元数据

目标读者Learners
学习与教学动机, 自我效能, 自我调节学习
评估与测量评估
教育中的人工智能基础AI 素养
SourceHistoryEditChat

嵌入此页

复制下面的代码，将本页嵌入学习管理系统或其他网站。嵌入版本只显示页面内容 — 网站的页眉、导航和页脚会被隐藏。