近年来，人工智能技术迅速发展，ChatGPT等工具凭借其自然对话和强大的数据处理能力吸引了大量用户，标志着人工智能进入新阶段并深刻影响日常生活。因此，研究用户对智能工具的认知与使用方式及其动因和模式尤为重要，能够为优化人机互动体验和推动人工智能的广泛应用奠定基础。当前相关研究主要集中在人工智能助手的设计和技术应用上，ChatGPT使用行为的具体影响因素仍然是一个相对较新的研究领域。虽然这一领域尚处于初步阶段，但是部分研究已经开始探讨不同用户群体在使用ChatGPT时的偏好差异，如宋小康等
［1］指出，年轻人通常将ChatGPT作为获取信息的一种工具。然而，针对这一主题的实证研究仍然有限，且使用行为背后的影响机制尚未得到充分揭示。
作为一项新兴技术，ChatGPT不仅改变了用户的工作方式，还潜移默化地影响了其思维方式及日常习惯。与ChatGPT的互动不仅提升了信息获取的效率和精准度，也在多个方面促使用户行为发生转变。用户通过与该技术的交流展现出高度主动性，依据不同需求灵活调整自己的互动方式，以便更有效地利用其功能。因此，本研究将着重分析ChatGPT如何改变用户的日常生活及社交方式，剖析技术与用户之间的复杂互动，探讨智能工具如何在塑造用户认知与行为的同时影响其对新技术的接受与适应过程。
一 相关概念与理论基础
（一） ChatGPT与用户使用行为
ChatGPT是一种基于最新自然语言处理技术的智能工具，采用了Transformer模型架构，能够生成流畅、自然的文本，并提供智能、上下文相关的对话回复。作为美国OpenAI公司推出的一项创新技术，ChatGPT被广泛认定为“生成型预训练对话系统”
［2］和“全能任务助手”
［3］。凭借卓越的语言生成能力和深刻的上下文理解能力，ChatGPT在多个行业（如客户服务、教育和娱乐等）展现了广泛的应用前景。对此，沈奎林等
［4］指出，GPT系列技术不仅具备情感分析、信息整合和知识推理等功能，还能够提供个性化的数字化辅导服务，预计将在图书馆服务、学科支持和教育培训等领域引发深远的变革。AlShaikh
［5］提出，ChatGPT已经从单一工具发展为数字语言基础设施的一部分。虽然关于ChatGPT应用的研究日益增多，但关于用户行为与满意度之间因果关系的系统性分析仍显不足。
ChatGPT用户行为指的是用户与平台互动时表现出的具体行为模式，包括提问、对话、接收反馈以及后续行为（如继续提问或退出等）。这些行为揭示了用户在互动过程中表现出的需求、期望和满足感。虽然相关研究仍处于探索阶段，但已经有不少理论对信息技术采纳进行了阐述。采纳行为是行为意愿的核心组成部分，在理性行为理论（TRA）和计划行为理论（TPB）中发挥着关键作用，尤其适合用来分析信息技术的接受过程，并帮助预测用户的行为趋势和使用动机
［6］。
（二） TAM模型
技术接受模型（TAM）由美国学者Davis于1989年提出，主要用于研究用户如何接受并使用新技术。该模型最主要的两个因素分别是感知有用性和感知易用性，这两个因素用来阐释用户对技术的接受意愿。其中，感知有用性指用户对技术是否能提高工作效率或完成任务的看法；感知易用性则反映了用户对技术操作便捷性的认知。TAM被广泛认为是信息技术采纳研究中的开创性理论，它简洁的框架和广泛的实证研究应用受到学界的高度评价。以往研究表明，TAM能够分析出不低于40%的有关技术使用行为的情况
［7］。该模型为研究ChatGPT用户行为提供了坚实的理论基础，特别是在预测用户是否愿意持续使用该平台进行对话时，TAM模型展现了较强的解释力。
（三） UTAUT模型
尽管TAM模型在技术采纳领域被广泛应用，但其在考虑用户个人经历和自愿性对技术接受度的影响方面存在不足。统一技术接受与使用理论（UTAUT）由Venkatesh等学者于2003年提出，该理论通过对理论框架的整合提出影响用户使用意愿和行为的4个关键因素，分别是绩效期望、努力期望、社会影响以及促进因素。除了这4个核心变量，UTAUT模型还包含性别、年龄、经验和自愿使用等控制变量
［8］，被广泛应用于分析研究应用程序的用户使用行为。如Wu等
［9］基于此模型构建了一个关于微信用户使用意愿的影响因素框架，深入探讨了接受度、风险认知及内容特性等变量对微信采纳的作用。张晓丹等
［10］结合UTAUT和TAM模型，分析了电子书阅读应用用户的使用意愿，并将感知价值作为关键变量纳入研究框架。研究表明，UTAUT模型能够解释约70%的用户接受意愿，成为衡量用户使用行为的一个重要工具并广泛应用于多个学术领域。
（四） 个性生成
“个性生成”作为本研究的关键创新变量，指的是ChatGPT通过深度学习和用户交互数据，根据用户偏好和上下文动态调整输出内容的能力
［11］。这一特性使得ChatGPT不仅能提供标准化的响应，更能针对每个用户的特定需求和背景定制交流方式。个性生成的核心技术依赖于深度学习和自然语言处理（NLP），特别是生成预训练模型（GPT），能够从用户的历史交互、语言风格、情感倾向等多维度数据中学习，提供更符合个体需求的回应
［12］。在技术层面，个性生成通过情感分析、语境理解等高级技术，支持ChatGPT进行实时调整，从而为用户提供定制化服务
［13］。与传统基于规则的对话系统不同，个性生成让每次对话都变得更具个性化，提升了用户的体验感和满意度。通过这种方式，ChatGPT能够有效增强用户的参与感、提高交互质量，并促使用户在长期使用中产生更强的粘性。
个性生成对用户行为的影响表现在多个方面。首先，通过提供符合个体需求的定制化反馈，能够显著提升用户的满意度
［14］。其次，这种个性化的互动方式增强了用户的归属感，从而提高了用户的长期使用意愿和平台粘性
［15］。最后，个性生成通过降低技术操作的复杂性和提高互动的相关性，促进了技术的接受度
［16］。因此，个性生成不仅为ChatGPT带来了更加人性化的互动特性，也为技术接受模型（TAM）和统一技术接受与使用理论（UTAUT）提供了全新的视角，进一步丰富了技术采纳研究的理论框架。
二 研究假设与模型构建
（一） ChatGPT用户使用意愿影响因素假设
1 绩效期望对ChatGPT用户使用意愿的影响
绩效期望反映了用户对使用ChatGPT效能的评估，主要是来自用户希望通过使用该工具提升效率并节省时间的诉求
［17］。当用户发现其能够简化工作流程时，使用兴趣和积极性便会显著增强。这一现象与TAM中的感知有用性概念相吻合，意味着用户的使用意愿往往取决于他们是否认为该工具能够提升效率。简言之，用户的使用意愿直接与其对ChatGPT能否带来实际价值的判断相关。只要该工具能够满足用户需求，其价值便会充分发挥。因此，本文提出以下假设：
H1：绩效期望与ChatGPT用户使用意愿呈正相关。
2 努力期望对ChatGPT用户使用意愿的影响
努力期望指用户对使用ChatGPT所需付出努力的主观感知，特别是对其操作便捷性的评价
［18］。与TAM模型中感知易用性相关联，努力期望是用户在接触新技术时形成态度和行为的一个关键因素。当用户认为ChatGPT易于学习并且操作直观时，其使用意愿通常会显著增强。因此，本文提出以下假设：
H2：努力期望与ChatGPT用户使用意愿呈正相关。
3 社会影响对ChatGPT用户使用意愿的影响
社会影响涉及外部环境对个体技术使用决策的作用，特别是他人对用户行为的影响
［19］。在使用ChatGPT时，用户行为常常受到身边人群，尤其是重要他人的影响。这些影响通过顺应、内化或身份认同等方式，深刻塑造着用户的使用意向。当用户感受到来自上司、同事或朋友的支持或者认知到使用ChatGPT已成为一种潮流时，其使用意愿通常会大幅度提升。因此，本文提出以下假设：
H3：社会影响与ChatGPT用户使用意愿呈正相关。
4 个性生成对ChatGPT用户使用意愿的影响
个性生成是指ChatGPT根据用户的具体需求，创建量身定制的内容。通过不断学习用户的兴趣，ChatGPT能根据不同的对话情境提供精确匹配的回应。基于平台与用户之间的定制化互动不仅强化了二者之间的关系，还逐渐增加了用户对平台工具的依赖，进而提高用户对ChatGPT的使用频率。基于此，本文提出以下假设：
H4：个性生成与用户对ChatGPT使用意愿呈正相关。
（二） ChatGPT用户使用行为影响因素假设
1 促进因素对ChatGPT用户使用行为的影响
促进因素指支持用户顺利使用ChatGPT的外部条件，包括网络环境、设备配置、技术支持和资金投入等
［20］。稳定的网络环境、足够的设备资源和完善的技术支持能够保障用户顺利使用平台，而资金支持则能提高用户的使用频率。足够的外部支持因素能够显著提升用户的使用意愿，并促使其转化为实际行为。因此，本文提出以下假设：
H5：促进因素与ChatGPT的用户使用行为呈正相关。
2 ChatGPT用户使用意愿对使用行为的影响
根据理性行为理论，个体的行为发生通常由其意愿推动，特别是在采纳新技术时。当用户决定使用ChatGPT这一新技术时，其使用意愿往往促使实际使用行为发生。这种意愿不仅反映了用户对技术的态度，还揭示了他们采纳新工具的倾向。Fishbein等
［21］的研究发现，用户的使用意愿与实际行为之间有显著关联，且这一关联通常比其他因素更为显著。基于这一理论框架，本文提出以下假设：
H6：ChatGPT用户使用意愿与使用行为呈正相关。
3 ChatGPT用户使用行为影响因素模型
基于以上假设，结合TAM与UTAUT模型的理论框架及ChatGPT的技术特性，本文提出了一个更加完整的用户行为分析模型，如
图1所示。该模型的外部变量包括绩效期望、个性生成、社会影响、努力期望、促进因素，使用意愿作为中介变量，最终通过用户的实际使用行为揭示内在的潜在因素。
三 实证分析
（一） 问卷设计与数据收集
为验证前文提出的影响因素模型，本文借鉴国内外相关领域学者常用的问卷量表，设计了一份针对ChatGPT用户使用行为的调查问卷。问卷内容涉及用户的基本信息、ChatGPT的使用行为以及与之相关的各类变量，具体内容见表1。该问卷包括28个问题，采用李克特五点量表对每项进行评分，每个问题设有5个选项。在问卷正式发布之前进行了预调研，对部分问题进行了修改和优化，目的是确保问卷能够有效避免调查对象理解上的困惑以及题项表述上的不清晰等问题，确保问卷能够准确、清晰地传递给大规模受访者。
问卷主要通过在线平台进行分发，由ChatGPT使用用户填写，共收集到236份问卷，部分因填写不完整、逻辑冲突、填写时间不足2分钟或重复率超过90%的问卷被剔除。最终，成功回收211份有效问卷，有效问卷比例为89.5%。问卷描述性统计结果如
表2所示。
（二） 信度效度检验
利用SPSS26.0软件进行信效度分析。结果表明，因子分析适用，Bartlett球形检验的统计值为2 704.564，显著性（
Sig）值为0.941，表明各变量之间具有显著相关性，满足进行因子分析的基本条件。通过计算Cronbach’s
α一致性系数，本研究进一步评估了各变量的内部一致性。结果显示，所有维度的Cronbach’s
α值均超过0.7，表明测量工具内部一致性较高。具体测试结果见
表3。
（三） 验证性因子与模型检验
为了对数据进行SEM分析，本研究使用AMOS25.0和SPSS26.0软件并进行验证性因子分析。
表4结果显示，所有潜变量的因子载荷都超过了0.50，且在
P<0.001下达到统计学意义，信度值也均高于0.80，远高于0.60的标准，平均方差值均大于0.50。这表明，所有观测变量都符合收敛效度的基本要求，证实了量表的有效性。
进一步分析显示，量表中任意两项观测变量的相关系数均低于0.85，这些检验均符合标准，证明量表具有良好的区分效度，具体结果如
表5所示。
AMOS软件用于建立结构方程模型，以验证不同变量之间的关系。在此基础上，本文构建了一个完整的结构方程模型，并通过对数据进行详细计算，最终得到如
图2所示的模型结果，相关适配度指标如
表6所示。
（四） 参数估计与假设检验
表7数据显示，研究模型的适配度指标符合预期，表明模型的拟合度较为理想。进一步分析揭示，绩效期望对用户使用意愿具有显著影响（标准载荷量为0.992，P<0.05），从而验证了相应假设；同时，努力期望也对使用意愿产生了显著影响（标准载荷量为1.212，P<0.05），支持了该假设；社会影响对用户使用意愿的正向影响显著（标准载荷量为1.645，P<0.001），进一步确认了假设的正确性；个性生成对使用意愿同样产生了积极影响（标准载荷量为0.419，P<0.05），证实了相关假设；此外，促进因素对实际使用行为的影响未达到显著性（标准载荷量为-0.254，P>0.05），因此该假设未得到验证。最终，使用意愿对实际使用行为的正向影响显著（标准载荷量为1.235，P<0.001），突显了使用意愿在行为预测中的关键作用。
表7 路径系数及假设验证结果
（五） 分析讨论
基于上述结果，除促进因素外，其余假设均获得了数据验证支持。研究表明，在所有外部影响因素中，社会影响对用户使用ChatGPT的意愿具有最显著的作用。此外，使用意愿作为中介因素，对实际使用行为的发生也起到了显著推动作用。
首先，在各种外部因素中，社会影响显然对用户是否愿意使用ChatGPT起到了关键作用。尽管ChatGPT现在还处于大部分人尚不完全熟悉的阶段，用户的态度和行为都在不断变化，但他们的决策很容易受到身边人影响。特别是当朋友或同事开始使用并分享经验时，通常会让其他人产生尝试的兴趣，进而加深对技术的理解和掌握，提升使用的积极性。此外，ChatGPT的娱乐性和社交性也在潜移默化中影响着用户选择。当人们在社交圈内分享关于ChatGPT的使用经验时，社会压力常常促使更多人愿意尝试并参与其中。
其次，研究结果显示，绩效期望通过直接影响用户的使用意愿，进而间接促进实际的使用行为。ChatGPT在信息检索和语言生成方面表现出的高效性和强大功能是吸引用户的主要动力。用户期望借助ChatGPT提升工作效率或获取更准确的信息，这些期望直接转化为他们的使用意愿。然而，需要注意的是，绩效期望对实际使用行为的影响是间接的，首先影响使用意愿，然后通过使用意愿推动实际行为。因此，用户对ChatGPT的期望增强了他们的使用兴趣，最终促使他们实际操作这一工具。同时，努力期望在形成使用意愿过程中也起到了积极作用。ChatGPT的易用性降低了学习门槛，使用户能够快速上手并有效利用其功能。此外，用户在决策时，通常会权衡工具的使用成本与潜在收益。由于ChatGPT界面简洁、操作便捷，用户能够在较短时间内掌握使用技巧，从而增强了其使用意愿。
再次，个性生成对使用意愿的形成也有重要影响。ChatGPT能够根据用户的具体需求，生成如祝福语、邮件等个性化内容，这种定制化服务不仅带来了惊喜，还加深了用户的兴趣和参与感。通过提供个性化建议，ChatGPT优化了用户的整体体验，进一步激发了他们的持续使用动机。然而，外部促进因素对实际使用行为的影响相对较小。在新工具推广初期，由于ChatGPT尚未广泛普及，外部环境的支持和推荐往往难以迅速改变用户的认知和行为模式。用户需要一定时间来适应并理解新工具，逐步将其融入个人需求中。这时，外部因素对用户行为的推动作用较为有限，通常只有在用户初步形成使用意愿之后，外部因素的作用才会显现。特别是在技术的早期阶段，外部因素无法直接促使用户形成持续使用的习惯，用户必须通过不断的体验和深入的理解，才能加深对工具的认知与依赖。
最终，研究表明，用户对ChatGPT的使用意愿显著影响其实际使用行为，并在绩效期望、社会影响、努力期望、个性生成等因素与实际使用行为之间发挥中介作用。这一发现与Venkatesh等
［8］关于技术接受的研究结果一致。
四 结论与讨论
本研究整合了TAM与UTAUT，并将“个性生成”作为新因素引入理论框架，以全新的视角探讨用户与ChatGPT的互动行为。通过对数据的深入分析，发现绩效期望和社会影响是影响用户使用意愿的核心驱动因素，它们在用户的决策过程中发挥了决定性作用，直接促成了ChatGPT使用意愿的形成。
（一） 用户主体性与能动性的彰显
研究显示，用户在与 ChatGPT 互动过程中展现出显著的主动性和创造性，表现出超越传统技术接受模型的特征。本研究强调用户在技术使用中的主导地位，突出其在技术采纳过程中的创新性与适应性。研究发现，用户不仅是依赖 ChatGPT 获取信息或解决问题，而且是在不断互动中，根据自己的需求调整交互方式，从而提升工具的使用效率。用户在互动中的主导作用体现了他们的创造力，并促使技术不断发展。例如，根据实际需求调整提问方式或对话节奏，从而获得更加个性化的回答。这种行为不仅反映出 ChatGPT 的易用性，也凸显了用户在互动过程中的主动性和灵活性。随着用户熟练度的提高，互动方式逐步变得个性化，进一步验证了ChatGPT的灵活性。用户创造性地使用该技术，不仅推动了技术本身的改进，也加强了他们在应用过程中的积极作用，展示了与技术的互动不仅仅是被动的接受，而且是主动的推动和创造
［22］。
（二） 社会环境对技术采纳的深远影响
本研究深入探讨了社会环境在技术采纳中的重要作用，特别是在ChatGPT等新兴技术推广的初期。用户选择使用ChatGPT，不仅仅是因为其技术性能出色，还受到周围人的影响、社交圈的看法以及文化背景等多方面因素的影响。研究发现，在技术尚未广泛普及的早期，社会环境和他人意见对用户的接受程度有着显著的影响。ChatGPT不仅提高了用户的工作效率，也对用户的社交形式及互动习惯产生影响。用户在日常生活中逐渐将与ChatGPT的互动融入到社交活动中，这为他们带来了额外的社交价值。这表明，技术不仅促进了信息的交流，还在改变人们的社交互动模式方面起到了关键作用。随着ChatGPT的普及，用户不仅在工作中频繁使用这一工具，也将其应用到日常生活中。例如，有些用户会利用ChatGPT来安排日常事务、进行学习辅导或娱乐休闲。这种广泛的应用进一步证明了ChatGPT在不同场景下的适应性和实用性。
此外，研究还指出，社交网络和文化背景在技术采纳过程中扮演了重要角色。来自不同文化背景的用户，对技术的接受度和使用方式也有所不同。社会支持和集体认同感显著提升了用户对ChatGPT的接受度和满意度
［23］。这种社会环境的影响不仅加快了技术的普及速度，也增强了用户在使用过程中的积极性和忠诚度。
（三） 技术与用户关系的动态探索
本研究还探讨了技术与用户之间的互动关系，尤其是技术如何塑造用户的认知与行为模式。作为新型智能交互工具，ChatGPT对人机交互体验产生了深远影响，并逐渐改变了用户的思维方式和行为模式。研究表明，个性化服务在推动用户使用意愿方面起到了关键作用，进一步验证了ChatGPT通过个性化功能有效满足用户需求，从而增强了平台依赖性和用户满意度。ChatGPT通过深度学习算法，根据用户提供的信息生成个性化的回应。个性化服务不仅提升了用户的参与感，还显著增强了他们的持续使用意愿。用户能够根据自身需求调整提问方式，以获取更符合个人需求的回答。这种互动方式为传统技术应用提供了新的思路，表明技术不再仅仅是被动的工具，反而在用户体验中发挥着积极作用。通过增强用户的参与感并推动技术不断优化，个性化服务促进了技术与用户之间更紧密的互动和双向反馈关系
［24］。
本研究的实证结果不仅为技术接受理论带来了新的视角，也为技术在实际应用中的推广提供了指导。研究发现，技术的真正价值在于其能够超越基本功能，融入具体的应用场景并赋予其独特的意义。技术只有在能够精准响应用户需求的前提下，才能充分展现其应用价值。在此框架下，本文在优化TAM与UTAUT的基础上，新增了“个性生成”这一变量，进一步扩展了现有理论框架。研究表明，社会环境与技术本身的功能效益共同影响用户的使用意愿和行为，两者在新技术的推广过程中相辅相成。因此，单纯提升技术功能并不足以充分发挥其作用，必须根据用户的实际需求创造合适的使用环境和情境。这不仅依赖外部的推动因素，还需要优化用户体验和增强技术的灵活性。随着技术越来越贴合用户的个性化需求，用户的参与感和满足感也随之提升，从而促进了技术的长期使用。此外，未来研究可以进一步探讨多元化的因素，例如文化差异、技术理解能力及年龄等因素对技术接受度的影响，并扩展至多元化的技术平台与应用场景，以促进技术的广泛应用和发展。
中广联合会媒介素养专项研究项目(2024ZGL012)
教育部人文社会科学研究规划基金项目(22YJAZH026)
重庆市教育委员会人文社会科学研究青年项目(24SKGH122)
京公网安备11010202008535号
PDF
(1327KB)
