23、人工智能应用与高等教育可持续性：关键洞察与实践建议

人工智能应用与高等教育可持续性：关键洞察与实践建议

1. 数据检验与效应分析

研究对数据进行了一系列检验，以确保其质量和可靠性。方差膨胀因子（VIF）分析显示，各项和结构的VIF值均小于5，表明数据不存在共线性和多重共线性问题。这为后续的分析提供了坚实的基础。
| 结构 | ES | AI | PR | Trust | PR × AI | PR × Trust |
| — | — | — | — | — | — | — |
| VIF | - | 1.756 | 1.709 | 1.048 | 1.025 | 1.02 |

同时，还考察了外生变量对内生变量（教育可持续性ES）的方差解释（r²）和预测相关性（q²）。结果表明，人工智能采用、人工智能政策和法规以及信任（以数据隐私和安全关注衡量）等外生变量能够解释教育可持续性77.5%的方差。这意味着这些因素在影响教育可持续性方面起着重要作用。
| 变量 | R-square | R-square adjusted | ES ( f ²) |
| — | — | — | — |
| SC | 0.775 | 0.774 | - |
| AI | - | - | 0.038 |
| PR | - | - | 0.002 |
| Trust | - | - | 0.224 |
| PR × AI | - | - | 0.016 |
| PR × Trust | - | - | 0.001 |

根据Cohen的建议，对效应大小进行了观察。结果显示，信任对教育可持续性有中度影响，而人工智能技术采用、政策和法规以及调节关系对教育可持续性