静思广研丨价值共创抑或AI Washing:AI元素在校园文化活动中实质效能分析

引言

Introduction

当“AI”成为校园活动的热门标签，它究竟是带来了真实的效能提升，还是仅仅停留在宣传噱头？

本研究基于JD-R模型、TAM模型和I-TPACK理论，对某高校119名学生进行问卷调查，带你一窥AI在校园文化活动中的真实面貌。

PART 01

研究背景

Research Background

人工智能正在快速进入高校校园文化活动。从班团建设、志愿服务到学术讲座、创意工作坊，“AI”已成为一个鲜明的标签。然而，在“万物皆可AI”的风潮之下，重形式轻实质、重标签轻融合的现象逐渐凸显。

本研究围绕四个核心问题展开：

1. AI如何介入校园文化活动全过程？

2. AI如何影响组织者与参与者的心理状态和效能感知？

3. AI在何种条件下能够促进价值共创？

4. AI在何种情况下会滑向“AI Washing”

PART 02

样本速览

Sample Snapshot

样本数量与样本结构

本次调研共回收有效问卷 119份，样本结构均衡：

性别：

男性59人（49.6%），女性60人（50.4%）

年级：

本科一年级45人（37.8%），二年级42人（35.3%），三年级24人（20.2%），四年级5人（4.2%），研究生3人（2.5%）

学科：

理工类76人（63.9%），人文社科类36人（30.3%），其他7人（5.8%）

学生日常AI应用已较为普遍：课程作业辅助、信息检索与资料整理占比均超过八成；创意生成、语言学习与翻译、编程等技术问题解决的使用率也超过六成。面对挑战性任务时，学生多采用“AI辅助构思+自主完成内容”的模式，整体呈现理性、适度的使用特征。

PART 03

核心发现一：

AI介入呈现“宣传热、策划浅、实施弱”

通过对AI在活动各环节介入方式的统计与文本编码，我们发现：

——宣传环节占比62.2%：

AI主要用于海报、推文配图、标签文案等浅层物料

——策划环节占比31.1%：

AI用于创意构思、文案初稿、框架搭建等事务性辅助

——实施环节仅占6.7%：

AI几乎无法提供实时互动、协同创作等核心体验

这一结构性失衡，从源头上造成了“资源-需求”的错配。

正如JD-R模型所揭示的：资源供给集中在浅层环节，需求压力却集中在体验环节——参与者被前期宣传拉高了期待，现场却只能看到AI生成视频或静态展示，落差感由此而生。

表1-2 核心变量得分统计总表

各维度得分也印证了这一点：

效能与易用性（Q13）：均值3.82——参与者认可AI的效率辅助，但易用性评价一般

外部影响（Q14）：均值3.58——参与者受同辈传播、官方宣传、“AI前沿”标签影响显著

互动控制与价值体验（Q15）：均值3.41（参与者维度中最低）——AI互动深度不足，宣传预期与实际体验存在落差

策划者AI整合能力（Q22）：均值3.22（策划者维度中最低）——对应I-TPACK理论中的“技术-内容-教学”融合能力短板

PART 04

核心发现二：

资源-需求失衡是AI Washing的根源

结合JD-R工作要求-资源模型，AI介入校园活动后形成双向博弈：

资源端：AI效率工具、创意辅助、物料生成等技术资源，以及策划者整合能力、活动组织经验等人力资源

需求端：学生学习辅助、互动体验、价值共创的内在需求，以及宣传渲染、标签造势、热度吸引的外在需求

JD-R模型揭示了两条核心路径：

动机增益路径：资源充足、需求合理 → 促进价值共创

健康损耗路径：资源不足、需求过高 → 持续消耗资源，引发失衡与负面结果

本研究中，失衡的动态传导机制清晰可见：

“宣传画饼 → 策划浅层 → 实施空转 → 体验落差 → 形式化暴露”

超过六成的AI应用集中在宣传造势环节，近三成用于基础性策划工作，真正落地到活动现场、服务于学生体验的应用不足一成。

AI更多扮演着包装符号、宣传噱头的角色，而非赋能活动开展、优化参与体验的核心要素。

PART 05

核心发现三：

策划者的动机与能力是关键供给侧因素

5.1 动机偏差：超六成策划者以“吸引关注”为首要目标

数据统计显示（Q23多选题），超六成策划者引入AI的首要目标是“吸引关注、提升热度”，不足四成聚焦“解决实际痛点”。

以“吸引参与”为主要驱动力的活动，其参与者的整体活动体验平均分（3.920）显著低于非以此为主要驱动的活动（4.125），且呈显著负相关（r=-0.496，p=0.0361）。

策划者动机饼图

5.2 能力短板：活动育人把握比技术知识更重要

对策划者能力结构的分析发现：

对活动内容与育人目标的深刻把握（I量表），是预测其AI整合能力（J量表）的核心因素，而单纯的技术知识（H量表）预测作用不显著。

回归分析表明：

I平均分（活动把握）显著正向预测整合能力（β=0.987，p<0.001）

H平均分（技术知识）预测作用不显著（β=-0.223，p=0.289）

两者共同解释J量表75.3%的变异

值得注意的是，策划者自评的“高整合能力”与参与者实际感知的“高融合深度”之间并无显著差异（p=0.3121）。

这意味着，策划者可能高估了自身设计的融合效果，从“能力”到“感知”的转化并非自动实现。

PART 06

核心发现四：参与者体验的关键路径

6.1 感知易用性 → 感知有用性：TAM模型依然成立

数据分析显示，AI工具的易用性显著正向影响着参与者对其有用性的感知：

高昂的负担感最严重的后果在于侵蚀了参与者对AI技术创造独特价值的归因（与“独特体验得益于AI”的负相关高达-0.428）。即使活动效果尚可，沉重的学习与操作成本也会让参与者产生“这份好体验与AI关系不大”的感受。

6.2 自主体验：从工具效能到价值认可的关键桥梁

中介效应分析发现：

AI工具效能对体验认可度的影响，有83.36%是通过参与者的“自主性体验”中介传递的。

D3（控制感：“我能按照自己的想法和节奏进行探索和调整”）：中介效应占51.69%，但未达显著（p=0.056）

D4（主动性：“我觉得自己是在主动地借助AI工具进行创造或解决问题”）：中介效应占64.98%，显著（p=0.016）

D3与D4组合中介效应高达83.36%，显著性最高（p=0.007）

这表明，让参与者成为“主动的创造者”而非被动的观看者，是AI工具效能转化为活动价值的最关键桥梁。

6.3 宣传与实际体验匹配度：AI Washing的试金石

参与者感知到的“收获与宣传相符”程度（D5），与整体满意度（r=0.6887）、尝试其他AI活动意愿（r=0.4680）均呈高度正相关。

当宣传承诺被实际体验确认时，形成健康的“技术赋能-价值认可”闭环；当发生显著的“期望负向确认”时，便构成典型的AI Washing心理体验——参与者带着高期待而来，却发现应用流于表面，落差感直接导致满意度崩塌。

PART 07

亮点发现：

学科背景差异在具体活动中消失

理工科学生对AI的通用态度显著更积极（均值差0.388，p<0.001），但在评价具体某次AI融合活动时，两组学生在大多数体验维度上未呈现显著差异。

例如：

“活动中AI工具帮助我更快或更好地完成任务”：均值差仅0.298（p=0.078）

“实际收获与宣传相符”：均值差0.06（p=0.760）

整体满意度：理工4.208 vs. 人文社科4.238（p=0.863）

一次设计精良的活动，能够弥合甚至超越参与者因学科背景产生的初始态度差异。

这为活动组织者指明了方向：应专注于活动本身的价值设计，而非依赖或受限于参与者的背景。

PART 08

研究结论、反思和建议

8.1核心结论

本研究基于JD-R理论框架，对人工智能在校园文化活动中的实质效能进行了系统性考察，核心结论如下：

结构性失衡：AI应用“宣传热（62.2%）、策划浅（31.1%）、实施弱（6.7%）”，资源-需求错位是效能困境的根源。
双主体差异：参与者需“易用→有用→自主体验”才能认可价值；策划者的育人设计能力比技术知识更关键，形式化动机会拉低体验分。
转化关键：宣传-体验匹配度决定信任；组织方实时支持是满意度最强催化剂。
AI Washing本质：资源虚增、需求实增导致的JD-R健康损耗，其核心识别标准是“宣传与体验的匹配度”。

8.2 研究反思

本研究仍存在一定局限。样本主要基于一所顶尖高校，结论在向不同类型、层次的高校推广时需保持谨慎。研究方法上，对活动过程的动态追踪仍可加强；对“融合深度”“AI Washing”的测量工具有待进一步开发和验证。理论上，可进一步探讨AI介入下校园文化活动中的权力关系变迁、伦理边界等更深层次的议题。

8.3 实践建议

对学校相关部门：

优化评价标准：在活动立项、评优考核中，降低对形式化因素的权重，探索针对“技术-内容-育人目标融合度”及“学生实质性获得感”的评价维度，引导活动回归育人本质。
加强I-TPACK能力培训：重点提升学生策划者的活动设计、体验策划与育人目标整合能力，而非简单的工具操作技能。
推广优秀案例：系统征集、评选并推广“高质量AI+校园文化活动”的优秀案例，形成可复用、可迁移的设计模式库。
制定倡导性指南：明确诚实宣传、深度整合、保障体验等原则。

对活动策划与组织者：