虚拟数字人对用户在线学习效果的影响研究

摘 要： ［目的／ 意义］ 在教学环境中使用虚拟数字人进行授课可以促使用户更高效地在线学习。本研究旨在探究在线学习中虚拟数字人特征对用户在线学习效果的影响， 为在线教学视频设计和教学策略优化提供参考。［方法／ 过程］ 结合准社会互动理论， 使用ＶＴｕｂｅ Ｓｔｕｄｉｏ 软件设计虚拟数字人教学的视频材料， 招募用户观看教学视频并测量用户的主观感受， 对在线学习中虚拟教师授课的情境进行探究。［结果／ 结论］ 虚拟数字人的吸引力、拟人化特征通过用户对虚拟数字人的态度和学习满意度的链式中介作用积极影响在线学习效果， 拟人化到学习效果的中介路径之间存在遮掩效应； 准社会互动对学习满意度有积极影响， 而对学习效果存在负面作用。

关键词： 虚拟数字人； 虚拟人； 虚拟教师； 学习效果； 准社会互动

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０１．００６

〔中图分类号〕Ｇ２５２. ０ 〔文献标识码〕Ａ 〔文章编号〕１００８－０８２１ （２０２５） ０１－００８１－１６

随着新一代信息技术的日益成熟、数字化基础设施的不断完善， 互联网和移动终端的普及为在线教育的发展奠定了坚实基础［１］ ， 在线教育已然成为现代教育体系中的重要组成部分。同时， 伴随着人们在日常生活和工作中对技能提升需求的不断增长，越来越多的用户通过网络在线课程（如ＭＯＯＣ）、网络直播教学等方式学习相关知识。在线教学视频作为最有效的视听辅助材料之一［２］ ， 如何提升其展示与教学效果是研究者们的关注重点［３］ 。

已有研究考察了在线教学视频设计的各个特征对用户学习体验与学习效果的影响， 如教师呈现方式与比例［４］ 、言语或非言语交互特征［５］ 、情绪特征［６］等。而随着人工智能和虚拟现实等新技术的发展，一些研究者开始尝试在教学环境中使用虚拟数字人来代替传统人类讲师形象提供指导。虚拟数字人作为具有类似人类外观的具身代理， 已经成为有效的学习辅助工具［５］ ， 能通过表情变化、肢体互动吸引学习者的注意力， 有助于为学习者提供教师反馈，有效激发学习者的学习动机， 唤起学习者的积极情绪， 减轻认知负荷， 增强学习效能感［７－８］ ， 帮助学习者建立与虚拟数字人之间的社会联系， 创造有趣的学习环境［６］ 。

虚拟数字人也称虚拟人或数字人， 根据驱动方式的不同可以划分为数智驱动型和真人驱动型。新一代数智驱动型虚拟数字人的语言表达、面部表情、肢体动作等， 主要是通过深度学习模型进行实时或离线驱动， 并在渲染后呈现最终效果。真人驱动型则是通过真人来驱动虚拟数字人， 在进行面部及身体３Ｄ 建模后， 利用动作捕捉设备或摄像头将真人的动作、表情等呈现在虚拟形象上［９］ 。虚拟数字人作为数智时代的新型媒介， 外观是最重要的设计特征， 决定了学习者对虚拟数字人的感知［１０］ 。尽管虚拟数字人已经广泛应用于在线学习之中， 但以往的虚拟形象多采用控制智能程度较低的设计， 其外观设计、表情神态和肢体动作等拟人化线索与当今人工智能最新的发展趋势脱节， 对如何将虚拟人设计为有效的学习工具的理解仍然存在不足。同时， 真人驱动型虚拟数字人更容易根据操纵者的相应动作表情来呈现、表达操纵者意愿并及时与学习者进行交互， 相关文献较为缺乏， 探索其在教学视频中替代真人教师进行教学对学习效果影响的研究相对不足。

在线上教学环境中， 准社会互动用于描述用户对媒介角色接触过程中的心理反应， 能够对学习者的认知、情感、行为过程产生有益影响［１１－１２］ 。研究表明， 准社会互动可以提高用户参与度和愉悦度［１３］ 、提升用户满意度和主观幸福感［２０］ 、促进知识采用［２６］ 、改善用户学习体验、提高用户学习效果［３］ ， 但在线学习中的准社会互动视角尚未得到深入研究。教育领域中的研究多采用社会代理理论、多媒体学习认知理论及社会临场感理论等［５，１４］ ， 缺乏应用准社会互动理论深入探索在线学习过程中用户在认知、情感和行为等方面的反应。

基于此， 为探究真人驱动的虚拟数字人在线上教学中对学习者在线学习效果的影响， 本研究通过实验研究法， 结合准社会互动理论， 深入探讨真人驱动型虚拟数字人的吸引力与拟人化特征在线上教学中对学习者的认知、态度与情感等方面的影响，旨在为教育工作者的线上教学方式提供参考， 帮助他们更好地在人工智能时代结合虚拟数字人设计在线教学视频， 改善线上教学效果， 提高学习者的满意度与学习效果， 促进学习者更高效地在线学习［１５］ 。

１ 国内外研究现状

１. １ 准社会互动理论

准社会互动（Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ， ＰＳＩ） 指的是受众在接触媒体的情境中把媒介人物当作现实生活中真实的人物做出回应， 它是形成于受众和媒介人物之间的一种主观联系［１１］ ， 是人们感知到的与无生命特征的“人” 之间进行亲密互动的状态。在与这些媒介人物频繁的接触中， 受众产生类似真实社交活动中形成的精神互动。研究表明， 媒体人物的吸引力（包括外表、社会、性格和任务等维度）对准社会互动具有正向作用［１６－１７］ ， 准社会互动会带来对数字技术更高的参与度和享受度［１３］ ， 增强对媒介角色的认同感［１８］ ， 提高用户感知享乐性［１９］ 、满意度、主观幸福感［２０］ 与购买意愿［１９］ ， 并显著影响社区成员之间的知识共享［２１］ 。

在教学视频中引入社会互动线索， 使得学习者与教师发生类似于真实情景中的互动交流， 即为准社会互动［２２］ 。观看视频的学生可以观察到教师的行为并给出教师反应， 但教师没有与学生的交流回应渠道， 所以这种交往是单方面的［２３］ 。准社会互动会影响信息的选择、组织、整合和理解等认知和元认知过程， 还影响共情、情感传递等情感过程与语言行为、非语言行为、行为意图等行为过程［１２］ 。Ｂｅｅｇｅ Ｍ 等［３，２４］ 的研究表明， 相较于观看使用侧面相对风格视频的学习者， 观看使用正面相对风格视频的学习者表现更优， 正面相对的风格和专业着装风格有利于减少认知负荷、增强准社会互动； 同时，眼神交流是一种非常有效的准社会互动形式， 它能够在学习者的注意力、参与和评估过程等方面起积极作用， 有利于学习的深层认知加工和情感状态提升， 从而使学习更有效。研究者还指出， 外表和沟通之间的专业一致性会促进准社会互动、强化内在动机并减少外部认知负荷， 且当教师具有专业的外表和沟通时， 学习者的学习表现会得到提高［２５］ 。此外， Ｊｉａ Ｍ 等［２６］ 则关注了直播情境下准社会互动对用户知识采用的促进作用。

１. ２ 虚拟数字人

虚拟数字人是结合计算机图形学、动作捕捉、深度学习、语音合成等技术创造的， 存在于虚拟世界中的、具有多重人类特征的综合产物［２７］ 。通过二维或者三维的呈现形式， 虚拟数字人广泛应用于虚拟客服、虚拟导游、虚拟代言人、影视角色、虚拟主播、虚拟偶像和虚拟教师等各个领域。作为一种新型体验性媒介， 虚拟数字人能够以不同的身份角色连接个体和各类场景并提供场景体验反馈， 帮助人们在体验过程中完成新的学习和社会化过程［９］ 。在在线教育环境中， 虚拟数字人也被称为教学代理、虚拟教师等。虚拟数字人能够为学习者提供教师反馈， 对学习过程感知产生积极影响， 帮助学习者建立与虚拟人之间的社会联系并营造有趣的学习环境，对其满意度、学习效果具有促进作用［２８，３８］ 。

已有研究表明， 虚拟数字人的吸引力［２９］ 、拟人化、可信度［３０，５３］ 、专业性、相关性［３１］ 、个性匹配度、人设植入与真实性［３２］ 等特征能够影响用户的感知、态度、接受度与行为意愿。例如， 一些研究者指出， 在视频课程中， 在年龄、服装等方面有吸引力外观的虚拟教师更能吸引学生并使其集中注意力， 进而提升学生的学习表现［３３－３４］ 。Ｌｉｅｗ Ｔ Ｗ 等［８］认为， 虚拟数字人的热情会增加其社会吸引力， 显著提高学习者的积极情绪、内在动机和认知结果，使得学习者对虚拟数字人和多媒体学习界面有更好的感知， 并且提高学习者与虚拟数字人、多媒体学习环境再次互动的意愿。Ｌｉｅｗ Ｔ Ｗ 等［３５］ 还比较了拟人化与非拟人化多媒体课程的实验教学结果， 发现虚拟形象的拟人化可以唤起学习者的积极情绪，降低内部认知负荷， 但对内在动机、保留与迁移学习结果没有产生显著影响。

１. ３ 在线学习效果

以往研究常通过评估学习者自我报告的感知学习效果［３６－３７］ 或保持测验、迁移测验、理解测验、联合测验等客观学习测验指标来衡量其学习效果与表现［４，３８］ ， 并主要从学习者、教师、学习环境等多个维度探究影响在线学习成绩与学习效果的各种因素［５，１４，３９］ 。学习者维度包括性别［４０］ 和性格［４１］ 、学习行为［４２，４４］ 、学习策略［４３］ 、先验知识水平［３９］ 、自主学习能力［４４］ 、对在线学习的态度［４５］ 、个体—技术—任务—环境契合度［４６］ 等； 教师维度包括教学视频中的教师呈现方式［４７］ 、教师类型及设计特征［４］ 、动作手势［４８］ 、目光或眼神［１４］ 、面部表情［４９］等； 学习环境维度则包括学科性质［３９］ 、课程设计、课程质量、平台功能与易用性［５０］ 等特征。除了多元回归、结构方程模型等传统方法外， Ｘｉａｏ Ｗ 等［５１］还基于机器学习模型进一步分析了在线学习效果的预测因素， 并指出参与度、课程互动、资源利用程度等对学习效果的影响相较于人口统计学特征、学术背景与在线课程设计更大。此外， Ｐｉ Ｚ 等［４３］ 结合了在线学习参与者的脑电信号来衡量学习策略的有效性。

对于在线教学视频而言， 虚拟数字人的外在表征、交互特质与社会化属性等均会对用户的在线学习效果产生影响。例如， 研究者基于拟人效应（Ｐｅｒ⁃ｓｏｎａ Ｅｆｆｅｃｔ）指出栩栩如生的虚拟教师能对学习者的学习体验和客观学习表现产生积极影响［３９］ 。蔡新元等［５２］ 设计了虚拟教师授课的人智交互教学情境，发现对于超写实拟真度的虚拟教师， 视频这种信息呈现方式带来的学习效果要显著优于文字和图片；而对卡通版虚拟教师而言， 不同信息呈现方式带来的学习效果则不存在显著差异。Ｓｃｈｎｅｉｄｅｒ Ｓ 等［４９］ 指出， 同时展示手势和面部表情的虚拟教师能诱导更好的记忆力表现和学习效果， 而实施与学习无关的身体动作并不会引起额外的认知负荷， 但可能会带来更高的感知任务复杂性。Ｓｃｈｒｏｅｄｅｒ Ｎ Ｌ 等［５３］ 则探究了用户对虚拟人的信任和可信度对学习成果的影响。此外， 研究者们还对比了真人教师与虚拟教师的教学视频效果。Ｌｉ Ｊ 等［５４］ 的研究表明， 相较于观看真人讲师， 参与虚拟教师教学视频学习的学习者回忆的信息更少， 不同类型的声音还会分散学生注意力， 阻碍信息的保留， 并影响用户的信任［５５］ 。但Ｐｉ Ｚ 等［５６］ 的对比实验结果指出， 使用可爱的虚拟教师形象对参与者的学习表现和动机有积极影响，并且不会引发教师和学习材料领域之间的注意力分散， 但虚拟教师和真实教师在保持测验中都发现了积极促进的效果。Ｌａｗｓｏｎ Ａ Ｐ 等［６］ 则发现学习者能够感知到在线学习视频中教师的积极或消极情绪，并与之感同身受， 积极情绪的教师在促进学习方面更有效， 且这些效应均出现在真人和虚拟教师身上。

综上所述， 过去的研究主要集中于探究数智驱动型虚拟数字人在电商、新闻传播、游戏及教育等领域对用户的影响， 在线上教学中也有丰富的研究成果。然而， 受限于成本， 新一代数智驱动类虚拟数字人尚未普及， 已有研究中的虚拟数字人在智能化程度和人性化表现上存在较大提升空间。而真人驱动型虚拟数字人相关研究也存在缺口， 目前主要应用于虚拟主播和虚拟偶像等领域中。此外， 教育领域中的研究多采用社会代理理论、多媒体学习认知理论及社会临场感理论等［５，１４］ ， 但从准社会互动视角开展的研究相对不足， 尤其是对用户学习认知和情感等方面的影响。因此， 本研究旨在结合准社会互动理论探讨真人驱动型虚拟数字人在线上教学中对学习者满意度、学习效果等方面的影响， 以帮助更好地结合虚拟数字人设计在线教学视频， 改善线上教学效果。

２ 研究方法

２. １ 研究模型

针对虚拟数字人在线上教学中对用户在线学习体验、学习效果的影响， 结合国内外相关研究与理论， 本研究在准社会互动理论的基础上提出了研究模型， 如图１ 所示。在虚拟数字人和在线学习的相关研究中， 用户性别、年龄、年级、专业、先验知识水平、是否有接触过虚拟数字人的经历、是否有观看虚拟教师讲授课程的学习经历等变量通常作为控制变量。因此， 本研究也将上述变量作为控制变量进行处理。

２. ２ 研究假设

２. ２. １ 虚拟数字人特征对态度和准社会互动的影响

在线教学环境中虚拟数字人是典型的信息源角色， 其特征已被揭示出能对学生的动机、注意力产生潜在的影响， 从而影响他们的学习表现［４－５，３９］ 。其中， 虚拟数字人的外在表征是最重要的设计特征，作为学习者观看视频时最先形成的初步感知， 极大地影响了学习者对虚拟数字人的整体认知和评价［１０］ 。虚拟数字人的吸引力由外观、表情、着装风格等显著的视觉要素构成， 这些视觉要素的设计可以吸引并保持学习者对教学视频的注意力， 影响学习动机和学习表现［３３－３４，５６］ 。虚拟数字人往往具有良好的外表与独特的形象风格， 能够直接影响用户的第一印象并诱发持续关注， 它表现出来的吸引力能够对准社会互动产生积极影响［１７，５７］ ， 提高用户观感、舒适度并提供审美价值， 从而使用户对学习材料和虚拟数字人抱有更加积极的态度、更高的认可度和接受度［１９］ 。因此， 提出假设：

Ｈ１ａ： 吸引力会对态度产生正向影响

Ｈ１ｂ： 吸引力会对准社会互动产生正向影响

在虚拟人的众多外观特征中， 拟人化是设计者在创建虚拟数字人形象时必须考虑的一个要素［５２］ ，栩栩如生的虚拟教师能对学习者的学习体验和学习表现产生积极影响［３９］ 。用户有着拟人化倾向， 即自发在非人类物体中找到拟人的要素， 认为它们能够与人一样拥有意识、人格与人际关系［５８］ 。虚拟教师具有类人的特征， 并能通过声音、表情和手势动作等社会线索创造社会存在感， 令人们更容易将其当作是真实世界的人或朋友［５９］ ， 从而产生拟人化感知与社会反应， 这会诱发更强的准社会互动体验［２４］ 。在拟人化认知处理中， 学习者还会产生感知流畅性［６０］ ， 并通过这种愉悦情绪积极影响态度［６１］ ，提升学习者情绪的敏感度和情感的唤起水平， 使得学习者更能投入视频学习之中。因此， 提出假设：

Ｈ２ａ： 拟人化会对态度产生正向影响

Ｈ２ｂ： 拟人化会对准社会互动产生正向影响

２. ２. ２ 态度对学习满意度和学习效果的影响

理性行为理论认为态度是指个人对该项行为所保持的正面或负面的感觉， 亦指由个人对此特定行为的评价经过概念化之后所形成的态度［６２－６３］ 。本研究探讨的态度指用户对虚拟数字人所持有的积极或消极感觉。３Ｐ 教学模型将用户的学习结果划分为情感和认知两个方面［６４］ ， 情感学习结果主要指学习满意度， 即学习过程中学习者对学习体验的期望与实际感知效果比较后所形成的一种主观心理状态； 而认知学习结果主要指学习者在知识掌握、技能应用发展、创新能力等方面的提升， 可以通过评估学习测验指标来考查。本研究的学习效果主要通过感知学习效果与客观的学习测验成绩综合考量，二者互相补充［６５］ 。已有研究表明， 学习者对在线学习的态度是影响在线学习有效性、课程满意度和持续使用意愿的关键因素［４５，６５］ 。同样地， 学习者对虚拟数字人的态度也会影响他们未来对线上教学材料的使用意愿与行为， 并最终影响在线资源带来的学习益处。正向的态度能够增加学习兴趣， 唤起学习者的积极情绪， 增强内部动机， 提升在线学习满意度和学习效果［６６］ 。因此， 提出假设：

Ｈ３ａ： 学习者对虚拟数字人的态度会对学习满意度产生正向影响

Ｈ３ｂ： 学习者对虚拟数字人的态度会对学习效果产生正向影响

２. ２. ３ 准社会互动对学习满意度和学习效果的影响

准社会互动能够影响信息选择、组织和理解等认知过程与情感投入等情感过程， 引发用户认知、情感和行为等方面的反应［１２］ ， 提高用户的满意度，改善用户体验［２０］ 。研究表明， 教学视频中教师的存在能够使得学习者感知教师行为， 它的面部表情、眼睛注视、手势动作等非言语行为能够提升注意力、促进参与和评估过程［２４］ ， 进而促进师生之间的准社会互动感知［２３］ ， 提高师生间的亲密度， 降低学习者在视频学习中的孤独感。准社会互动提升了学习者的内在学习动机， 使学习者对学习过程产生积极感受或愉快体验进而更加满意， 也促进了学习的深层认知加工和情感状态， 提高了学生的学习成绩与表现［３，１４］ 。因此， 提出假设：

Ｈ４ａ： 准社会互动会对学习满意度产生正向影响

Ｈ４ｂ： 准社会互动会对学习效果产生正向影响

２. ２. ４ 学习满意度对学习效果的影响

已有研究表明， 学习者的满意度与其学习表现息息相关［６５，６７］ ， 当学习者体验到高水平的满意度时， 学习效果能够得到改善， 更有可能学习额外的课程或计划［６８］ ， 并乐于向他人推荐在线学习的方式［６５］ 。Ｂｏｓｓｍａｎ Ａ 等［５０］ 将学习满意度和感知学习效果的影响因素整合到统一的框架中， 指出学习者的学习满意度对学习效果有显著影响， 并在满意度驱动因素和学习效果之间发挥着中介作用。因此，提出假设：

Ｈ５： 学习满意度会对学习效果产生正向影响

２. ３ 用户实验设计

２. ３. １ 视频材料

本实验的视频材料改编自中国大学ＭＯＯＣ 国家精品《信息管理学基础》“信息获取” 章节中的视频课程“信息源及其类型”。对课程中的内容进行精简和调整后， 参考马费成等［６９］ 学者编写的教材《信息管理学基础》， 最终确定本研究教学视频的内容为“记录型信息源的含义与类型”。

“小Ｋ 直播姬” “ＶＴｕｂｅ Ｓｔｕｄｉｏ” 等ＶＴｕｂｅｒ 直播软件能允许用户创建或导入虚拟形象， 并且利用摄像头进行面部捕捉、动作捕捉等使得真人来驱动虚拟数字人做出一系列相应动作。人们对年轻女性具有高亲和力和富有同情心的印象， 因此当前各个行业应用的虚拟数字人绝大多数采用具有美好外貌、个性化特点的二次元或３Ｄ 仿真类女性形象服务用户［７０，７７］ 。此外， Ｇｕｏ Ｐ Ｊ 等［７１］ 在ＭＯＯＣ 视频学习者参与度的研究中指出６ 分钟以内的视频能带来更高的学生参与度。

本研究使用了网络中免费的二次元虚拟数字人模型并将其导入软件“ＶＴｕｂｅ Ｓｔｕｄｉｏ” 中， 通过捕捉真人的面部、身体等动作来驱动虚拟形象， 同时使用视频录制、直播串流软件“ＯＢＳ Ｓｔｕｄｉｏ” 将虚拟数字人展示在视频顶层。视频使用ＯＢＳ 软件进行录制， 采用ＰＰＴ＋虚拟教师讲解的形式， 录制出的视频素材是分辨率１９２０×１０８０、时长４ 分５２ 秒的ｍｋｖ 格式的微视频， 如图２ 所示。

２. ３. ２ 主观感受量表

通过参考国内外学者编制的与本研究模型变量相关的测度量表， 设计了本研究调查问卷的主观感受量表。量表采用李克特７ 级量表进行测量， 其中从“１” 到“７” 分别表示非常不同意、不同意、较不同意、中立、比较同意、同意、非常同意。具体设计如表１ 所示。

２. ３. ３ 先验知识测验与学习效果测验

本研究对被试先验知识经验水平的测试采取自编问卷的形式进行， 测验共设计７ 道客观题， 考察用户对于信息、信息源、信息获取的基本知识， 包括概念、分类及其特征等。学习效果测验由知识的保持测试与迁移测试组成， 这两个测验中涵盖的知识点都来自视频课程中讲授的学习内容， 测试题基于视频内容与教材《信息管理学基础》相关内容设计， 由９ 道客观题与１ 道开放式问答题组成。

２. ４ 数据收集

由于虚拟数字人更加贴合年轻人的口味与文化，在关注和接触虚拟数字人的用户中， 大学生群体是最活跃的主体， 也是在线学习的主力军［７７－７８］ ， 因此本研究选择在读大学生作为实验对象展开研究。本研究在大学生常用社交平台中发布招募信息， 要求实验对象为在读大学生， 最终共招募到被试６３ 名，所有被试均听力正常， 视力或矫正视力正常。实验通过线上形式展开， 使用腾讯会议软件对每个人进行单独实验。正式实验时， 被试首先填写前测问卷，其中包含人口统计学信息、先验知识测验问卷， 然后进入学习阶段， 观看研究制作的视频学习材料。在被试说明其学习结束之后， 进入后测阶段， 被试填写后测问卷， 包含主观感受和学习效果测验两方面的调查内容。整个实验时长约为２０ 分钟。

实验共回收实验数据６３ 份， 根据问卷填写的时间、问卷答案有效性和问卷有效性筛选题项， 剔除无效问卷１３ 份， 最终得到有效问卷５０ 份。

３ 研究结果

３. １ 描述性统计分析

实验样本的基本信息如表２ 所示。从性别比例来看， 参与实验的人群中女性略高于男性， 总体比较协调。年级方面， 大四的参与者比例最高， 其余年级人数相对一致， 比例较均衡。专业方面， 最多的是社科类， 其次是理工类， 最少的人文类占１０.０％。在实验被试中， ７４. ０％的参与者接触过虚拟数字人相关视频， 说明随着科技的发展， 虚拟数字人正广泛应用在生活中。１８. ０％的参与者观看过虚拟教师讲授的课程， 表明虚拟教师授课的形式尽管存在，但并不普遍， 更多的还是通过真人教师授课进行学习。在信息源相关知识的主题熟悉度方面， 被试大多认为自己的熟悉度比较低或中等， 少数人熟悉度非常低或比较高， 仅２. ０％的被试认为自己的主题熟悉度非常高， 这与先验知识水平测验结果分布相符， 大部分被试的先验知识水平得分在３～５ 之间。

经过对各变量的各个测量项的描述统计分析，可以发现吸引力、态度的各个测度项均值都在４ 以上， 得到了用户的认可。而拟人化、准社会互动的各个测度项（除“虚拟教师是在给我上课” 均值为４. ６６ 外）均值都在４ 以下， 表明虚拟形象的拟人化程度在用户感知上并不高， 虚拟教师授课并没有带来足够好的准社会互动体验。学习满意度（除“总的来说， 我喜欢这种虚拟教师授课的学习方式”，均值为３. ７８）、感知学习效果的测度项均值都在４以上， 得到了大部分用户的认可。

３. ２ 信度与效度检验

偏最小二乘法能够对研究模型有效性进行评估， 同时对样本量的要求不高［７９］ 。因此， 本研究通过ＳＰＳＳ ２６. ０ 和ＳｍａｒｔＰＬＳ ３. ０ 软件， 采用探索性因子分析的操作流程并结合偏最小二乘法对信度与效度进行检验。

删除使用主成分分析法发现的因子载荷小于０. ５ 的测度项后， 采用Ｂａｇｏｚｚｉ Ｒ Ｐ 等［８０］ 推荐的３个标准评估聚合效度， 如表３ 所示， 所有指标因子载荷超过０. ５， 组合信度均大于０. ７， 提取的每个潜变量的平均萃取变异量（ＡＶＥ）均超过０. ５， 说明聚合效度良好， 采取Ｆｏｒｎｅｌｌ－Ｌａｒｃｋｅｒ 方法［８１］ 评估区分效度， 从表４ 可知， 各个构念ＡＶＥ 的平方根（已加粗表示）均大于该构念与其他构念之间的相关系数， 说明测量模型的区分效度较好。问卷整体的Ｃｒｏｎｂａｃｈ'ｓ Ａｌｐｈａ 值为０.９４９，且所有变量的Ｃｒｏｎｂａｃｈ'ｓＡｌｐｈａ 值均大于０. ７， 组合信度均大于０. ７， 如表３所示， 可见本研究编制的量表具有较高的信度， 问卷质量较好。综上所述， 模型具有令人满意的信度、聚合效度和区分效度。

３. ３ 共同方法偏差检验

为了排除人为共变对研究结果产生的严重混淆和对结论产生的潜在误导， 在数据分析之前往往要先进行共同方法偏差检验。本研究采用较为常用的Ｈａｒｍａｎ 单因素检验法进行共同方法偏差检验， 使用主成分分析法提取因子， 结果发现所有因子共占方差的７９.１９％， 第一公因子解释了总方差的３７.５５％，小于５０％的临界值， 说明第一个因子对变异量的解释程度并不起主要作用， 因此本研究不存在明显的共同方法偏差。

３. ４ 相关性分析

对实验获得的学习测验成绩（记作ＬＰ， 满分１７）按照式（１） 进行换算：

ＯＬＰ ＝（７－１）×ＬＰ÷（１７－１）＋１ （１）

得到与李克特７ 级量表一致区间的学习测验成绩变量（记作ＯＬＰ）， 接着对感知学习效果（ＰＬＰ）与客观的学习测验成绩（ＯＬＰ）求算术平均数作为后续分析中的学习效果变量。本研究采用皮尔逊（Ｐｅａｒ⁃ｓｏｎ）相关系数ｒ 对变量进行分析， 变量之间的相关系数矩阵如表５ 所示。分析结果说明了各变量之间存在着一定的相关关系， 但变量之间关系的紧密程度还需要借助后续的回归分析来进一步检验。

３. ５ 回归分析

吸引力、拟人化、态度、准社会互动、学习满意度、学习效果之间存在着显著相关关系， 通过回归分析探究各个变量之间的关系， 对提出的各个研究假设进行检验， 检验结果如表６ 所示， 除假设Ｈ１ｂ 不成立（Ｂｅｔａ ＝ －０. ０５８， ｐ＞０. ０５）、假设Ｈ３ｂ不成立（Ｂｅｔａ＝０. ０６８， ｐ＞０. ０５）、假设Ｈ４ｂ 不成立（Ｂｅｔａ＝－０. ２６９， ｐ＜０. ０５）外， 其他假设均得到数据支持。其中， 准社会互动对学习效果产生了显著的负面影响， 这与假设Ｈ４ｂ 相悖， 而各个控制变量没有对学习效果产生显著影响， 并未在表中列出。

３. ６ 中介效应分析

对吸引力、拟人化与在线学习效果之间进行回归分析发现， 吸引力与在线学习效果存在显著正相关关系（Ｂｅｔａ ＝ ０. ４４９， ｔ ＝ ３. ５１２， ｐ＜０. ００１）， 而拟人化与在线学习效果之间没有显著的相关关系（Ｂｅｔａ＝０. ２６９， ｔ＝１. ８７４， ｐ＞０. ０５）， 这与以往研究的结论存在不同［３５］ 。为了进一步研究虚拟数字人特征与学习效果之间的关系， 本文进行了事后分析以探索它们之间的关系， 使用ＳＰＳＳ ２６. ０ 的ＰＲＯＣＥＳＳｖ４. １ 插件， 基于偏差校正百分位Ｂｏｏｔｓｔｒａｐ 法（重复抽样５ ０００次）检验态度、准社会互动和学习满意度的中介作用［８２］ 。根据相关性分析与回归分析可知，吸引力和准社会互动之间并不存在显著的相关关系，因此不纳入中介效应分析中。

３. ６. １ 态度、学习满意度在吸引力与学习效果之间的中介效应

态度、学习满意度在吸引力与学习效果的中介效应的回归分析结果如表７ 所示。经检验发现， 态度、学习满意度在吸引力与学习效果之间的链式中介作用的９５％置信区间不包含０， 表明该路径的中介效应显著， 中介效应的相对效应值为４７. ４％， 同时吸引力产生的直接效应的置信区间包含０， 表明直接效应不显著， 这说明态度、学习满意度在吸引力与学习效果之间起完全中介作用。

３. ６. ２ 态度、准社会互动、学习满意度在拟人化与学习效果之间的中介效应

态度、准社会互动、学习满意度在拟人化与学习效果的中介效应的分析结果如表８ 所示。检验发现， 拟人化对学习效果的总效应、直接效应的９５％置信区间包含０， 表明拟人化对学习效果的影响不显著， 但以态度、学习满意度为链式中介的间接效应显著（置信区间不包含０）。由于拟人化与学习效果之间的各个间接效应值有正有负， 根据温忠麟等的中介效应检验步骤［８２］ 可知， 拟人化对学习效果的主效应关系被遮掩， 遮掩效应量即间接效应与直接效应的比例的绝对值为４４６. ４％， 态度和学习满意度发挥了完全中介作用。

此外， 拟人化通过准社会互动影响学习满意度的间接效应值为０. ３２６， 置信区间［０. ０９８，０. ６６８］不包含０， 拟人化产生的直接效应的置信区间［－０.２２４，０.５７０］包含０， 说明准社会互动在拟人化与学习满意度之间起完全中介作用， 中介效应的相对效应值为６５. ３％。

为了增强研究结论的说服力， 除了基于偏差校正百分位Ｂｏｏｔｓｔｒａｐ 法外， 本研究还使用Ｓｏｂｅｌ 检验法对中介效应结果进行了稳健性检验［８２］ 。对于态度、学习满意度在吸引力与学习效果之间的中介效应， 检验结果显示该路径的中介效应值为０. ２９０（ｔ＝３. ３８８， ｐ＜０. ００１）。对于态度、准社会互动、学习满意度在拟人化与学习效果之间的中介作用， 拟人化通过态度、学习满意度对学习效果的链式中介作用效应值为０. ２６０（ｔ＝ ３. １９４， ｐ＜０. ０１）， 拟人化通过准社会互动、学习满意度对学习效果的中介作用效应值为０. １１２（ｔ＝ １. ７６３， ｐ＞０. ０５）， 和前文的中介作用分析结果一致。此外， 为了进一步验证中介效应的分析结果， 将感知学习效果和客观学习测验对学习效果的贡献比例修改为０. ４ 与０. ６， 使用偏差校正百分位的Ｂｏｏｔｓｔｒａｐ 法进行检验， 得到的中介效应结果如表９ 所示， 假设检验情况与前文一致。

４ 结论与讨论

４. １ 主要发现

本文旨在探讨虚拟数字人的吸引力、拟人化特征对用户在线学习体验、学习效果的影响， 结合回归分析、中介效应分析等量化分析结果， 主要得到以下研究结论：

第一， 虚拟数字人的吸引力会通过态度、学习满意度的链式中介作用显著正向影响在线学习效果。虚拟数字人的形象设计在在线学习环境中发挥着至关重要的作用， 相较于真人教师， 其最大的特点就是形象设计上的灵活性和个性化， 不论是二次元动漫风格还是３Ｄ 仿真风格的虚拟形象， 它们具有美感的外观或独特的外表特点（如动物特征、虚构特征等）不仅能引起学习者注意， 还能激发其学习兴趣， 降低感知的心理努力水平［４７］ 。与Ｗａｎｇ Ｊ 等［４７］的研究结果相符， 虚拟教师授课情境下， 优化的审美体验提升了用户的观感和舒适度， 令其对虚拟教师及该教学视频抱有更积极的态度， 进而增加了学习兴趣， 激发了学习动机［８３］ 。学习者以更加认真的态度投入更多的精力和视觉注意参与学习， 并对整个学习过程更加满意［６６］ ， 令人愉悦与满意的学习经历和体验带来了更好的学习成绩与主观学习评价［５０，６７］ 。

第二， 拟人化主要通过态度、学习满意度的中介作用间接正向影响在线学习效果。从整个中介模型来看， 拟人化到学习效果的几条中介路径之间存在遮掩效应， 这导致了拟人化到学习效果的主效应不显著。只有在以态度和学习满意度为链式中介的条件下， 拟人化才能显著正向预测学习效果， 这一链式中介作用抵消了拟人化通过准社会互动带来的负向影响， 凸显了态度、学习满意度在学习过程中的关键作用。和刘超等［３２］ 的研究结果相同， 虚拟教师的拟人化特征能够提高用户对在线学习过程的愉悦享受程度， 并对虚拟教师产生更加积极的态度；用户由于喜爱虚拟教师而对整个学习过程感到满意，进而提升了学习效果。影响遮掩效应的主要中介路径， 即拟人化通过准社会互动影响学习效果的中介效应为负但不显著， 而准社会互动对学习效果有显著的负面影响， 与以往的研究结果不同［３，２４］ ， 这可能与社会互动线索有关。社会代理理论指出， 教师的肢体动作、眼神交流和面部表情能够激活学习者的社会反应， 促进学习者更加努力地参与主动认知过程， 包括选择、组织和整合学习内容， 从而提高学习效率［３９］ 。在教学视频材料中， 虽然虚拟教师的声音与基本动作都是由真人控制的， 但在教学过程中与学习者的眼神交流和手势动作引导等显得较为僵硬或不合时宜， 学习者可能感觉到被注视而没有激活社会化反应， 并在虚拟教师身上停留了更长的时间［５６］ ， 增加了其尝试理解虚拟教师行为意图的认知负荷［３８］ ， 未能对学习的深层认知加工和情感状态产生正向影响， 阻碍了学习过程， 但这种效应被态度、满意度路径中所产生的积极情绪的影响所覆盖。

第三， 拟人化能通过用户的准社会互动感知正向影响学习满意度。虚拟教师采用了动漫风格的人物形象， 具有较为鲜明的人类特征， 虽然其人设可能会脱离现实， 但人具有与生俱来的拟人化倾向，在观看虚拟数字人的时候会自发地寻找拟人的要素特征， 将其当作现实中存在的人， 模糊现实与虚拟的边界［５９］ 。拟人化感知使学习者感知教师行为， 在精神层面诱发更强的准社会互动感知。研究结果发现， 准社会互动对学习效果产生负向影响， 而对学习满意度有正向影响， 这种现象可能反映了学习过程中认知和情感反应的区别与准社会互动对不同学习评价维度的影响。认知层面， 准社会互动可能增加学习者的认知负荷， 并在社会互动元素过多或设计不当时分散其注意力， 未能激发深层次的认知加工， 从而降低学习效果。情感层面， 准社会互动使学习者对学习体验和学习过程产生愉快、独特、新颖的积极感觉， 提升了情绪敏感度和情感的唤起水平［６１］ ， 学习者的需求得到满足或部分满足， 并更乐于和继续使用虚拟教师授课的在线学习方式， 而这可能无法直接促进学习效果的提升。此外， 虚拟数字人的吸引力对用户的准社会互动体验没有影响，与过去学者们的结果不同［１６－１７］ ， 这可能是由于吸引力虽然会使用户对虚拟人投入更多关注并抱有积极的态度与情绪， 却不会让用户将其作为真实的人物而做出反应， 拟人化特征在这过程中发挥了更大的作用。

４. ２ 理论贡献

本研究的理论贡献主要体现在以下两个方面：

第一， 本研究丰富了虚拟数字人作为教学代理的理论研究， 揭示了虚拟数字人特征对学习效果的影响机制。已有研究中的在线课程多以真人教师和智能程度较低的虚拟数字人为教学主体， 本研究则聚焦于真人驱动型虚拟数字人这一新兴的人工智能教学代理， 对其吸引力、拟人化程度等特征如何影响在线学习满意度、学习效果的作用机制进行了探索。与前人的研究结果［３５］ 不同， 本研究指出了拟人化对在线学习效果的促进作用与复杂作用机制，并验证了虚拟教师特征对学习者动机和认知结果的积极影响［５６］ 。本研究有助于拓宽对虚拟教师特征的影响和虚拟数字人作为教学代理支持学习的机制的理解， 并为如何设计和优化它们以提高在线教学视频的有效性提供了指导， 也为未来进一步研究虚拟数字人在线上教学中的应用提供了见解。

第二， 本研究拓展了准社会互动理论的应用边界。先前研究主要关注真人教师与学习者的准社会互动， 较少涉及高度拟人化的虚拟数字人。本研究则将准社会互动理论扩展到在线教育使用真人驱动型虚拟数字人作为教学代理的新型教育情境中。研究结果显示， 拟人化特征通过增强学习者的准社会互动感知显著提升了学习满意度， 吸引力则更多地通过改善学习者的态度而非准社会互动来积极影响学习满意度； 准社会互动对学习效果有负向影响，而对学习满意度有正向影响， 这反映了准社会互动对认知和情感两种不同的学习评价维度的不同影响机制。本研究为准社会互动理论的应用提供了新的实证支持， 丰富了对在线学习环境中准社会互动理论影响机制的理解， 进一步证实了准社会互动理论在人智互动环境中的适用性和扩展性。

４. ３ 实践启示

本研究为在线课程中虚拟数字人的设计提供了如下实践启示：

第一， 在线学习环境中应充分利用虚拟教师相对于真人教师的设计灵活性和个性化特点。根据本研究结果， 吸引力和拟人化程度强的虚拟教师可以提升学习者的学习体验、满意度和学习效果。因此，教育工作者在教学视频设计时应考虑更加贴合新时代技术发展现状， 结合动漫风格或３Ｄ 仿真风格等多样的视觉元素和外表特征来优化视觉外观， 使用可爱的、具有吸引力的虚拟形象（由学习者自己定义）来保持学习者的积极态度， 增加在线课程的吸引力和教学效果。本研究的实验设计采用了较新的虚拟数字人形象， 能够为教育工作者更好地结合虚拟数字人设计在线教学视频、增加在线课程吸引力与趣味度提供参考。

第二， 教学视频设计中应优化虚拟教师和学习者之间的准社会互动以提升教学效果。研究结果表明， 准社会互动能够影响学习满意度和学习效果。教育工作者在考虑在线学习材料和虚拟教师的互动特征时， 应通过精心设计的社会互动线索（如适时的眼神交流、表情变化和符合语境的手势动作引导）减少潜在的认知负担［３］ 与增强准社会互动体验， 确保激发学习者的情感参与， 避免不佳的准社会互动感知带来的学习干扰， 同时提升学习效果和满意度。具体而言， 开发者可以利用最新的人工智能和动态捕捉技术， 使虚拟教师的动作和表情更加自然和流畅， 同时保持与学习内容的紧密结合。

第三， 教育工作者需要探索如何适应数智技术发展并利用这些技术以提升教学效果。随着元宇宙及人工智能、动态捕捉、虚拟现实等相关技术的发展进步， 虚拟和真实的边界逐渐消弭， 教育开发者和实践者应积极探索这些技术在在线学习中的应用潜力， 不断更新自己的技术知识和教学方法， 以便在快速变化的技术环境中保持教学的前沿性和有效性， 为学习者提供更加高质量的在线课程。本研究对虚拟数字人在在线教育中的应用进行了探索， 并发现其对于提升学习体验和效果具有重要作用， 为未来教育元宇宙的实践提供了一定参考。

５ 结 语

本研究旨在探究真人驱动型虚拟数字人在线上教学中对学习者在线学习效果的影响， 通过设计虚拟数字人教学视频材料开展实验， 并结合准社会互动理论， 探讨了虚拟数字人的吸引力与拟人化特征对学习者满意度、学习效果等方面的影响， 丰富了虚拟数字人在在线教学方面的应用研究， 为深入理解虚拟数字人特征及准社会互动在在线学习的作用、设计更有效的虚拟数字人教学视频和优化教学策略等提供参考。

本研究还存在着一些局限与不足。首先， 虚拟数字人的设计方面， 本研究使用了网络上免费提供的模型， 虚拟形象的面部表情、动作手势等相应的功能还不够丰富和完善， 可能无法很好地为学习者提供手势指引、目光注视等社会线索， 和真人教师授课情境存在一些差距， 未来可以考虑设计神态、表情和动作更加丰富的虚拟数字人模型， 或使用３Ｄ 模型动作捕捉进行授课； 其次， 本研究只考虑了虚拟数字人的部分特征， 忽视了用户特征、情境特征的一些变量， 且各变量之间可能还存在交叉影响， 未来还可以从更多角度展开研究； 第三， 本研究的实验模拟了一个短时间的在线学习场景， 并未关注长视频（如３０～４０ 分钟）对学习者的影响， 今后可以进一步开展纵向研究， 并拓展到直播情境中，考察师生之间的互动体验、感受及反应， 还应更多地尝试收集多模态数据以更全面地评估虚拟数字人的影响， 包括眼动、心电、脑电等神经生理信号和数据； 最后， 实验法的被试样本量较少， 未来研究可以扩大样本的范畴和数量， 使结论更具有可推广性。

参考文献

［１］ 中国互联网络信息中心． 第５２ 次《中国互联网络发展状况统计

报告》［ ＥＢ／ ＯＬ］． ｈｔｔｐｓ：／ ／ ｃｎｎｉｃ．ｃｎ／ ｎ４／２０２３／０８２８／ ｃ１９９－１０８３０．

ｈｔｍｌ， ２０２４－０５－３０．

［２］ Ｔａｒｃｈｉ Ｃ， Ｚａｃｃｏｌｅｔｔｉ Ｓ， Ｍａｓｏｎ Ｌ． Ｌｅａｒｎｉｎｇ ｆｒｏｍ Ｔｅｘｔ， Ｖｉｄｅｏ， ｏｒ

Ｓｕｂｔｉｔｌｅｓ： Ａ Ｃｏｍｐａｒａｔｉｖｅ Ａｎａｌｙｓｉｓ ［ Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ，

２０２１， １６０： １０４０３４．

［３］ Ｂｅｅｇｅ Ｍ， Ｓｃｈｎｅｉｄｅｒ Ｓ， Ｎｅｂｅｌ Ｓ， ｅｔ ａｌ． Ｌｏｏｋ ｉｎｔｏ Ｍｙ Ｅｙｅｓ！ Ｅｘ⁃

ｐｌｏｒｉｎｇ ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ａｄｄｒｅｓｓｉｎｇ ｉｎ Ｅｄｕｃａｔｉｏｎａｌ Ｖｉｄｅｏｓ ［Ｊ］． Ｌｅａｒｎ⁃

ｉｎｇ ａｎｄ Ｉｎｓｔｒｕｃｔｉｏｎ， ２０１７， ４９： １１３－１２０．

［４］ Ｄａｉ Ｌ， Ｊｕｎｇ Ｍ Ｍ， Ｐｏｓｔｍａ Ｍ， ｅｔ ａｌ． Ａ Ｓｙｓｔｅｍａｔｉｃ Ｒｅｖｉｅｗ ｏｆ Ｐｅｄ⁃

ａｇｏｇｉｃａｌ Ａｇｅｎｔ Ｒｅｓｅａｒｃｈ： Ｓｉｍｉｌａｒｉｔｉｅｓ， Ｄｉｆｆｅｒｅｎｃｅｓ ａｎｄ Ｕｎｅｘｐｌｏｒｅｄ

Ａｓｐｅｃｔｓ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ， ２０２２， １９０： １０４６０７．

［５］ Ｃａｓｔｒｏ－Ａｌｏｎｓｏ Ｊ Ｃ， Ｗｏｎｇ Ｒ Ｍ， Ａｄｅｓｏｐｅ Ｏ Ｏ， ｅｔ ａｌ． Ｅｆｆｅｃｔｉｖｅ⁃

ｎｅｓｓ ｏｆ Ｍｕｌｔｉｍｅｄｉａ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔｓ Ｐｒｅｄｉｃｔｅｄ ｂｙ Ｄｉｖｅｒｓｅ Ｔｈｅｏｒｉｅｓ：

Ａ Ｍｅｔａ－ａｎａｌｙｓｉｓ ［ Ｊ］． Ｅｄｕｃａｔｉｏｎａｌ Ｐｓｙｃｈｏｌｏｇｙ Ｒｅｖｉｅｗ， ２０２１， ３３

（３）： ９８９－１０１５．

［６］ Ｌａｗｓｏｎ Ａ Ｐ， Ｍａｙｅｒ Ｒ Ｅ． Ｄｏｅｓ ｔｈｅ Ｅｍｏｔｉｏｎａｌ Ｓｔａｎｃｅ ｏｆ Ｈｕｍａｎ ａｎｄ

Ｖｉｒｔｕａｌ Ｉｎｓｔｒｕｃｔｏｒｓ ｉｎ Ｉｎｓｔｒｕｃｔｉｏｎａｌ Ｖｉｄｅｏｓ Ａｆｆｅｃｔ Ｌｅａｒｎｉｎｇ Ｐｒｏｃｅｓｓｅｓ

ａｎｄ Ｏｕｔｃｏｍｅｓ？ ［Ｊ］． Ｃｏｎｔｅｍｐｏｒａｒｙ Ｅｄｕｃａｔｉｏｎａｌ Ｐｓｙｃｈｏｌｏｇｙ， ２０２２，

７０： １０２０８０．

［７］ Ｅｌｌｉｏｔｔ Ｃ， Ｂｒｚｅｚｉｎｓｋｉ Ｊ． Ａｕｔｏｎｏｍｏｕｓ Ａｇｅｎｔｓ ａｓ Ｓｙｎｔｈｅｔｉｃ Ｃｈａｒａｃｔｅｒｓ

［Ｊ］． ＡＩ Ｍａｇａｚｉｎｅ， １９９８， １９ （２）： １３－３０．

［８］ Ｌｉｅｗ Ｔ Ｗ， Ｍａｔ Ｚｉｎ Ｎ Ａ， Ｓａｈａｒｉ Ｎ． Ｅｘｐｌｏｒｉｎｇ ｔｈｅ Ａｆｆｅｃｔｉｖｅ， Ｍｏ⁃

ｔｉｖａｔｉｏｎａｌ ａｎｄ Ｃｏｇｎｉｔｉｖｅ Ｅｆｆｅｃｔｓ ｏｆ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔ Ｅｎｔｈｕｓｉａｓｍ ｉｎ

ａ Ｍｕｌｔｉｍｅｄｉａ Ｌｅａｒｎｉｎｇ Ｅｎｖｉｒｏｎｍｅｎｔ ［ Ｊ］． Ｈｕｍａｎ－ｃｅｎｔｒｉｃ Ｃｏｍｐｕ⁃

ｔｉｎｇ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅｓ， ２０１７， ７ （１）： １－２１．

［９］ 程思琪， 喻国明， 杨嘉仪， 等． 虚拟数字人： 一种体验性媒介———

试析虚拟数字人的连接机制与媒介属性［Ｊ］． 新闻界， ２０２２， （７）：

１２－２３．

［１０］ Ｂａｙｌｏｒ Ａ Ｌ． Ｔｈｅ Ｄｅｓｉｇｎ ｏｆ Ｍｏｔｉｖａｔｉｏｎａｌ Ａｇｅｎｔｓ ａｎｄ Ａｖａｔａｒｓ ［Ｊ］． Ｅｄ⁃

ｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ Ｒｅｓｅａｒｃｈ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ， ２０１１， ５９ （ ２）：

２９１－３００．

［１１］ Ｈｏｒｔｏｎ Ｄ， Ｒｉｃｈａｒｄ Ｗ Ｒ． Ｍａｓｓ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ａｎｄ Ｐａｒａ－ｓｏｃｉａｌ

Ｉｎｔｅｒａｃｔｉｏｎ： Ｏｂｓｅｒｖａｔｉｏｎｓ ｏｎ Ｉｎｔｉｍａｃｙ ａｔ ａ Ｄｉｓｔａｎｃｅ ［Ｊ］． Ｐｓｙｃｈｉａ⁃

ｔｒｙ， １９５６， １９ （３）： ２１５－２２９．

［１２］ Ｓｃｈｎｅｉｄｅｒ Ｓ， Ｂｅｅｇｅ Ｍ， Ｎｅｂｅｌ Ｓ， ｅｔ ａｌ． Ｔｈｅ Ｃｏｇｎｉｔｉｖｅ－ａｆｆｅｃｔｉｖｅｓｏｃｉａｌ

Ｔｈｅｏｒｙ ｏｆ Ｌｅａｒｎｉｎｇ ｉｎ Ｄｉｇｉｔａｌ Ｅｎｖｉｒｏｎｍｅｎｔｓ（ ＣＡＳＴＬＥ） ［ Ｊ］．

Ｅｄｕｃａｔｉｏｎａｌ Ｐｓｙｃｈｏｌｏｇｙ Ｒｅｖｉｅｗ， ２０２２， ３４ （１）： １－３８．

［１３］ Ｔｓａｙ－Ｖｏｇｅｌ Ｍ， Ｓｃｈｗａｒｔｚ Ｍ Ｌ． Ｔｈｅｏｒｉｚｉｎｇ Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎｓ

Ｂａｓｅｄ ｏｎ Ａｕｔｈｅｎｔｉｃｉｔｙ： Ｔｈｅ Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａ Ｍｅｄｉａ Ｆｉｇｕｒｅ Ｃｌａｓｓｉｆｉ⁃

ｃａｔｉｏｎ Ｓｃｈｅｍｅ ［Ｊ］． Ｐｓｙｃｈｏｌｏｇｙ ｏｆ Ｐｏｐｕｌａｒ Ｍｅｄｉａ Ｃｕｌｔｕｒｅ， ２０１４， ３

（２）： ６６－７８．

［１４］ 匡子翌， 成美霞， 李文静， 等． 视频教学中教师的眼神注视能否

促进学习？ ［Ｊ］． 心理科学进展， ２０２２， ３０ （１０）： ２２９１－２３０２．

［１５］ Ｓｃｈｒｏｅｄｅｒ Ｎ Ｌ， Ｒｏｍｉｎｅ Ｗ Ｌ， Ｃｒａｉｇ Ｓ Ｄ． Ｍｅａｓｕｒｉｎｇ Ｐｅｄａｇｏｇｉｃａｌ

Ａｇｅｎｔ Ｐｅｒｓｏｎａ ａｎｄ ｔｈｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ａｇｅｎｔ Ｐｅｒｓｏｎａ ｏｎ Ｌｅａｒｎｉｎｇ ［Ｊ］．

Ｃｏｍｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ， ２０１７， １０９： １７６－１８６．

［１６］ Ｓｃｈｒａｍｍ Ｈ， Ｈａｒｔｍａｎｎ Ｔ． Ｔｈｅ ＰＳＩ－ｐｒｏｃｅｓｓ Ｓｃａｌｅｓ： Ａ Ｎｅｗ Ｍｅａｓ⁃

ｕｒｅ ｔｏ Ａｓｓｅｓｓ ｔｈｅ Ｉｎｔｅｎｓｉｔｙ ａｎｄ Ｂｒｅａｄｔｈ ｏｆ Ｐａｒａｓｏｃｉａｌ Ｐｒｏｃｅｓｓｅｓ ［Ｊ］．

Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ， ２００８， ３３ （４）： ３８５－４０１．

［１７］ Ｓｏｋｏｌｏｖａ Ｋ， Ｋｅｆｉ Ｈ． Ｉｎｓｔａｇｒａｍ ａｎｄ ＹｏｕＴｕｂｅ Ｂｌｏｇｇｅｒｓ Ｐｒｏｍｏｔｅ

ｉｔ， Ｗｈｙ Ｓｈｏｕｌｄ Ｉ Ｂｕｙ？ Ｈｏｗ Ｃｒｅｄｉｂｉｌｉｔｙ ａｎｄ Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ

Ｉｎｆｌｕｅｎｃｅ Ｐｕｒｃｈａｓｅ Ｉｎｔｅｎｔｉｏｎｓ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｒｅｔａｉｌｉｎｇ ａｎｄ Ｃｏｎ⁃

ｓｕｍｅｒ Ｓｅｒｖｉｃｅｓ， ２０２０， ５３： １０１７４２．

［１８］ Ｏｌｉｖｅｒ Ｍ Ｂ， Ｂｉｌａｎｄｚｉｃ Ｈ， Ｃｏｈｅｎ Ｊ， ｅｔ ａｌ． Ａ Ｐｅｎｃｈａｎｔ ｆｏｒ ｔｈｅ

Ｉｍｍｏｒａｌ： Ｉｍｐｌｉｃａｔｉｏｎｓ ｏｆ Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ， Ｐｅｒｃｅｉｖｅｄ Ｃｏｍ⁃

ｐｌｉｃｉｔｙ， ａｎｄ Ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｏｎ Ｌｉｋｉｎｇ ｏｆ Ａｎｔｉ－ｈｅｒｏｅｓ ［ Ｊ］． Ｈｕｍａｎ

Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｒｅｓｅａｒｃｈ， ２０１９， ４５ （２）： １６９－２０１．

［１９］ Ｘｉａｎｇ Ｌ， Ｚｈｅｎｇ Ｘ， Ｌｅｅ Ｍ Ｋ Ｏ， ｅｔ ａｌ． Ｅｘｐｌｏｒｉｎｇ Ｃｏｎｓｕｍｅｒｓ

Ｉｍｐｕｌｓｅ Ｂｕｙｉｎｇ Ｂｅｈａｖｉｏｒ ｏｎ Ｓｏｃｉａｌ Ｃｏｍｍｅｒｃｅ Ｐｌａｔｆｏｒｍ： Ｔｈｅ Ｒｏｌｅ

ｏｆ Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ ［ Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ

Ｍａｎａｇｅｍｅｎｔ， ２０１６， ３６ （３）： ３３３－３４７．

［２０］ 马志浩， 葛进平， 周翔． 网络直播用户的持续使用行为及主观

幸福感———基于期望确认模型及准社会关系的理论视角［Ｊ］．

新闻与传播评论， ２０２０， ７３ （２）： ２９－４６．

［２１］ Ｌａｂｒｅｃｑｕｅ Ｌ Ｉ． Ｆｏｓｔｅｒｉｎｇ Ｃｏｎｓｕｍｅｒ－Ｂｒａｎｄ Ｒｅｌａｔｉｏｎｓｈｉｐｓ ｉｎ Ｓｏｃｉａｌ

Ｍｅｄｉａ Ｅｎｖｉｒｏｎｍｅｎｔｓ： Ｔｈｅ Ｒｏｌｅ ｏｆ Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ ［Ｊ］． Ｊｏｕｒ⁃

ｎａｌ ｏｆ Ｉｎｔｅｒａｃｔｉｖｅ Ｍａｒｋｅｔｉｎｇ， ２０１４， ２８ （２）： １３４－１４８．

［２２］ Ｈａｒｔｍａｎｎ Ｔ， Ｓｃｈｒａｍｍ Ｈ， Ｋｌｉｍｍｔ Ｃ． Ｐｅｒｓｏｎｅｎｏｒｉｅｎｔｉｅｒｔｅ Ｍｅｄｉ⁃

ｅｎｒｅｚｅｐｔｉｏｎ： Ｅｉｎ Ｚｗｅｉ－Ｅｂｅｎｅｎ－Ｍｏｄｅｌｌ Ｐａｒａｓｏｚｉａｌｅｒ Ｉｎｔｅｒａｋｔｉｏｎｅｎ

［Ｊ］． Ｐｕｂｌｉｚｉｓｔｉｋ， ２００４， ４９ （１）： ２５－４７．

［２３］ 匡子翌， 张洋， 王福兴， 等． 教师的存在能否促进视频学习？

［Ｊ］． 心理科学进展， ２０２１， ２９ （１２）： ２１８４－２１９４．

［２４］ Ｂｅｅｇｅ Ｍ， Ｎｅｂｅｌ Ｓ， Ｓｃｈｎｅｉｄｅｒ Ｓ， ｅｔ ａｌ． Ｓｏｃｉａｌ Ｅｎｔｉｔｉｅｓ ｉｎ Ｅｄｕｃａ⁃

ｔｉｏｎａｌ Ｖｉｄｅｏｓ： Ｃｏｍｂｉｎｉｎｇ ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ａｄｄｒｅｓｓｉｎｇ ａｎｄ Ｐｒｏｆｅｓｓｉｏｎ⁃

ａｌｉｓｍ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０１９， ９３： ４０－５２．

［２５］ Ｂｅｅｇｅ Ｍ， Ｋｒｉｅｇｌｓｔｅｉｎ Ｆ， Ａｒｎｏｌｄ Ｃ． Ｈｏｗ Ｉｎｓｔｒｕｃｔｏｒｓ Ｉｎｆｌｕｅｎｃｅ Ｌｅａｒｎ⁃

ｉｎｇ ｗｉｔｈ Ｉｎｓｔｒｕｃｔｉｏｎａｌ Ｖｉｄｅｏｓ－ｔｈｅ Ｉｍｐｏｒｔａｎｃｅ ｏｆ Ｐｒｏｆｅｓｓｉｏｎａｌ Ａｐｐｅａｒ⁃

ａｎｃｅ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ， ２０２２， １８５：

１０４５３１．

［２６］ Ｊｉａ Ｍ， Ｚｈａｏ Ｙ Ｃ， Ｓｏｎｇ Ｓ， ｅｔ ａｌ． Ｈｏｗ Ｖｉｃａｒｉｏｕｓ Ｌｅａｒｎｉｎｇ Ｉｎ⁃

ｃｒｅａｓｅｓ Ｕｓｅｒｓ Ｋｎｏｗｌｅｄｇｅ Ａｄｏｐｔｉｏｎ ｉｎ Ｌｉｖｅ Ｓｔｒｅａｍｉｎｇ： Ｔｈｅ Ｒｏｌｅｓ ｏｆ

Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ， Ｓｏｃｉａｌ Ｍｅｄｉａ Ａｆｆｏｒｄａｎｃｅｓ， ａｎｄ Ｋｎｏｗｌｅｄｇｅ

Ｃｏｎｓｅｎｓｕｓ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ ＆ Ｍａｎａｇｅｍｅｎｔ， ２０２４， ６１

（２）： １０３５９９．

［２７］ 量子位． ２０２１ 年虚拟数字人深度产业报告［ＥＢ／ ＯＬ］． ｈｔｔｐ：／ ／

ｗｗｗ．１９９ｉｔ．ｃｏｍ／ ａｒｃｈｉｖｅｓ／１３４６８３２．ｈｔｍｌ， ２０２４－０４－０７．

［２８］ Ｌｅｓｔｅｒ Ｊ Ｃ， Ｃｏｎｖｅｒｓｅ Ｓ Ａ， Ｋａｈｌｅｒ Ｓ Ｅ， ｅｔ ａｌ． Ｔｈｅ Ｐｅｒｓｏｎａ

Ｅｆｆｅｃｔ： Ａｆｆｅｃｔｉｖｅ Ｉｍｐａｃｔ ｏｆ Ａｎｉｍａｔｅｄ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔｓ ［ Ｃ］ ／ ／

Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＡＣＭ ＳＩＧＣＨＩ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｈｕｍａｎ Ｆａｃｔｏｒｓ ｉｎ

Ｃｏｍｐｕｔｉｎｇ Ｓｙｓｔｅｍｓ， １９９７： ３５９－３６６．

［２９］ Ｈｏｌｚｗａｒｔｈ Ｍ， Ｊａｎｉｓｚｅｗｓｋｉ Ｃ， Ｎｅｕｍａｎｎ Ｍ Ｍ． Ｔｈｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ａｖａ⁃

ｔａｒｓ ｏｎ Ｏｎｌｉｎｅ Ｃｏｎｓｕｍｅｒ Ｓｈｏｐｐｉｎｇ Ｂｅｈａｖｉｏｒ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍａｒｋｅｔ⁃

ｉｎｇ， ２００６， ７０ （４）： １９－３６．

［３０］ 王忆希， 吴福仲， 王峥． 人工智能新闻主播何以被接受？： 新

技术与社会行动者的双重视角［ Ｊ］． 全球传媒学刊， ２０２１， ８

（４）： ８６－１０２．

［３１］ 张宁． 虚拟代言人对品牌资产的影响研究： 品牌体验的中介

作用及消费者个人特征和产品特征的调节作用［ Ｄ］． 武汉：

武汉大学， ２０１３．

［３２］ 刘超， 吴倩盈， 熊开容， 等． ＣＧＩ 仿真虚拟代言人应用与品

牌传播效果： 消费者感知视角的质性研究［ Ｊ］． 新媒体与社

会， ２０２０， （１）： ８２－１０３．

［３３］ Ｄｏｍａｇｋ Ｓ． Ｄｏ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔｓ Ｆａｃｉｌｉｔａｔｅ Ｌｅａｒｎｅｒ Ｍｏｔｉｖａｔｉｏｎ ａｎｄ

Ｌｅａｒｎｉｎｇ Ｏｕｔｃｏｍｅｓ？ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉａ Ｐｓｙｃｈｏｌｏｇｙ， ２０１０， ２２

（２）： ８４－９７．

［３４］ Ｓｈｉｂａｎ Ｙ， Ｓｃｈｅｌｈｏｒｎ Ｉ， Ｊｏｂｓｔ Ｖ， ｅｔ ａｌ． Ｔｈｅ Ａｐｐｅａｒａｎｃｅ Ｅｆｆｅｃｔ：

Ｉｎｆｌｕｅｎｃｅｓ ｏｆ Ｖｉｒｔｕａｌ Ａｇｅｎｔ Ｆｅａｔｕｒｅｓ ｏｎ Ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ Ｍｏｔｉｖａｔｉｏｎ

［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０１５， ４９： ５－１１．

［３５］ Ｌｉｅｗ Ｔ Ｗ， Ｐａｎｇ Ｗ Ｍ， Ｌｅｏｗ Ｍ Ｃ， ｅｔ ａｌ． Ａｎｔｈｒｏｐｏｍｏｒｐｈｉｚｉｎｇ Ｍａｌ⁃

ｗａｒｅ， Ｂｏｔｓ， ａｎｄ Ｓｅｒｖｅｒｓ ｗｉｔｈ Ｈｕｍａｎ－ｌｉｋｅ Ｉｍａｇｅｓ ａｎｄ Ｄｉａｌｏｇｕｅｓ： Ｔｈｅ

Ｅｍｏｔｉｏｎａｌ Ｄｅｓｉｇｎ Ｅｆｆｅｃｔｓ ｉｎ ａ Ｍｕｌｔｉｍｅｄｉａ Ｌｅａｒｎｉｎｇ Ｅｎｖｉｒｏｎｍｅｎｔ ［Ｊ］．

Ｓｍａｒｔ Ｌｅａｒｎｉｎｇ Ｅｎｖｉｒｏｎｍｅｎｔｓ， ２０２２， ９ （１）： ５．

［３６］ Ｋａｎｇ Ｍ， Ｉｍ Ｔ． Ｆａｃｔｏｒｓ ｏｆ Ｌｅａｒｎｅｒ－ｉｎｓｔｒｕｃｔｏｒ Ｉｎｔｅｒａｃｔｉｏｎ Ｗｈｉｃｈ

Ｐｒｅｄｉｃｔ Ｐｅｒｃｅｉｖｅｄ Ｌｅａｒｎｉｎｇ Ｏｕｔｃｏｍｅｓ ｉｎ Ｏｎｌｉｎｅ Ｌｅａｒｎｉｎｇ Ｅｎｖｉｒｏｎ⁃

ｍｅｎｔ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｌｅａｒｎｉｎｇ， ２０１３， ２９ （３）：

２９２－３０１．

［３７］ Ｒｉｃｈａｒｄｓｏｎ Ｊ Ｃ， Ｍａｅｄａ Ｙ， Ｌｖ Ｊ， ｅｔ ａｌ． Ｓｏｃｉａｌ Ｐｒｅｓｅｎｃｅ ｉｎ Ｒｅｌａｔｉｏｎ

ｔｏ Ｓｔｕｄｅｎｔｓ Ｓａｔｉｓｆａｃｔｉｏｎ ａｎｄ Ｌｅａｒｎｉｎｇ ｉｎ ｔｈｅ Ｏｎｌｉｎｅ Ｅｎｖｉｒｏｎｍｅｎｔ： Ａ

Ｍｅｔａ－ａｎａｌｙｓｉｓ ［ Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０１７， ７１：

４０２－４１７．

［３８］ 王燕青， 龚少英， 姜甜甜， 等． 情感代理能否提高多媒体学

习的效果？ ［Ｊ］． 心理科学进展， ２０２２， ３０ （７）： １５２４－１５３５．

［３９］ 王福兴， 李文静， 谢和平， 等． 多媒体学习中教学代理有利

于学习吗？———一项元分析研究［Ｊ］． 心理科学进展， ２０１７， ２５

（１）： １２－２８．

［４０］ Ｍａｋｒａｎｓｋｙ Ｇ， Ｗｉｓｍｅｒ Ｐ， Ｍａｙｅｒ Ｒ Ｅ． Ａ Ｇｅｎｄｅｒ Ｍａｔｃｈｉｎｇ Ｅｆｆｅｃｔ

ｉｎ Ｌｅａｒｎｉｎｇ ｗｉｔｈ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔｓ ｉｎ ａｎ Ｉｍｍｅｒｓｉｖｅ Ｖｉｒｔｕａｌ Ｒｅａｌｉｔｙ

Ｓｃｉｅｎｃｅ Ｓｉｍｕｌａｔｉｏｎ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｌｅａｒｎｉｎｇ，

２０１９， ３５ （３）： ３４９－３５８．

［４１］ Ｙｕ Ｚ． Ｔｈｅ Ｅｆｆｅｃｔｓ ｏｆ Ｇｅｎｄｅｒ， Ｅｄｕｃａｔｉｏｎａｌ Ｌｅｖｅｌ， ａｎｄ Ｐｅｒｓｏｎａｌｉｔｙ

ｏｎ Ｏｎｌｉｎｅ Ｌｅａｒｎｉｎｇ Ｏｕｔｃｏｍｅｓ Ｄｕｒｉｎｇ ｔｈｅ ＣＯＶＩＤ － １９ Ｐａｎｄｅｍｉｃ

［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ ｉｎ Ｈｉｇｈｅｒ Ｅｄ⁃

ｕｃａｔｉｏｎ， ２０２１， １８ （１）： １４．

［４２］ 沈欣忆， 刘美辰， 吴健伟， 等． ＭＯＯＣ 学习者在线学习行为

和学习绩效评估模型研究［Ｊ］． 中国远程教育， ２０２０， （１０）：

１－８， ７６．

［４３］ Ｐｉ Ｚ， Ｚｈａｎｇ Ｙ， Ｚｈｏｕ Ｗ， ｅｔ ａｌ． Ｌｅａｒｎｉｎｇ ｂｙ Ｅｘｐｌａｉｎｉｎｇ ｔｏ Ｏｎｅ⁃

ｓｅｌｆ ａｎｄ ａ Ｐｅｅｒ Ｅｎｈａｎｃｅｓ Ｌｅａｒｎｅｒｓ Ｔｈｅｔａ ａｎｄ Ａｌｐｈａ Ｏｓｃｉｌｌａｔｉｏｎｓ

ｗｈｉｌｅ Ｗａｔｃｈｉｎｇ Ｖｉｄｅｏ Ｌｅｃｔｕｒｅｓ ［Ｊ］． Ｂｒｉｔｉｓｈ Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ

Ｔｅｃｈｎｏｌｏｇｙ， ２０２１， ５２ （２）： ６５９－６７９．

［４４］ 刘威童， 乔伟峰． 在线同步学习效果的影响机制： 交互行为的

中介效应———基于清华大学大规模在线调查数据的分析［Ｊ］．

现代教育技术， ２０２２， ３２ （３）： １１０－１１８．

［４５］ Ｗｅｉ Ｈ Ｃ， Ｃｈｏｕ Ｃ． Ｏｎｌｉｎｅ Ｌｅａｒｎｉｎｇ Ｐｅｒｆｏｒｍａｎｃｅ ａｎｄ Ｓａｔｉｓｆａｃ⁃

ｔｉｏｎ： Ｄｏ Ｐｅｒｃｅｐｔｉｏｎｓ ａｎｄ Ｒｅａｄｉｎｅｓｓ Ｍａｔｔｅｒ？ ［Ｊ］． Ｄｉｓｔａｎｃｅ Ｅｄｕｃａ⁃

ｔｉｏｎ， ２０２０， ４１ （１）： ４８－６９．

［４６］ Ｌｉｕ Ｋ， Ｙａｏ Ｊ， Ｔａｏ Ｄ， ｅｔ ａｌ． Ｉｎｆｌｕｅｎｃｅ ｏｆ Ｉｎｄｉｖｉｄｕａｌ－ｔｅｃｈｎｏｌｏｇｙｔａｓｋ－

ｅｎｖｉｒｏｎｍｅｎｔ Ｆｉｔ ｏｎ Ｕｎｉｖｅｒｓｉｔｙ Ｓｔｕｄｅｎｔ Ｏｎｌｉｎｅ Ｌｅａｒｎｉｎｇ Ｐｅｒｆｏｒｍ⁃

ａｎｃｅ： Ｔｈｅ Ｍｅｄｉａｔｉｎｇ Ｒｏｌｅ ｏｆ Ｂｅｈａｖｉｏｒａｌ， Ｅｍｏｔｉｏｎａｌ， ａｎｄ Ｃｏｇｎｉｔｉｖｅ

Ｅｎｇａｇｅｍｅｎｔ ［ Ｊ］． Ｅｄｕｃａｔｉｏｎ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｉｅｓ， ２０２３，

２８ （１２）： １５９４９－１５９６８．

［ ４７］ Ｗａｎｇ Ｊ， Ａｎｔｏｎｅｎｋｏ Ｐ Ｄ． Ｉｎｓｔｒｕｃｔｏｒ Ｐｒｅｓｅｎｃｅ ｉｎ Ｉｎｓｔｒｕｃｔｉｏｎａｌ

Ｖｉｄｅｏ： Ｅｆｆｅｃｔｓ ｏｎ Ｖｉｓｕａｌ Ａｔｔｅｎｔｉｏｎ， Ｒｅｃａｌｌ， ａｎｄ Ｐｅｒｃｅｉｖｅｄ Ｌｅａｒｎ⁃

ｉｎｇ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０１７， ７１： ７９－８９．

［４８］ Ｌｉ Ｗ， Ｗａｎｇ Ｆ， Ｍａｙｅｒ Ｒ Ｅ， ｅｔ ａｌ． Ｇｅｔｔｉｎｇ ｔｈｅ Ｐｏｉｎｔ： Ｗｈｉｃｈ

Ｋｉｎｄｓ ｏｆ Ｇｅｓｔｕｒｅｓ ｂｙ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔｓ Ｉｍｐｒｏｖｅ Ｍｕｌｔｉｍｅｄｉａ Ｌｅａｒｎ⁃

ｉｎｇ？ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ Ｐｓｙｃｈｏｌｏｇｙ， ２０１９， １１１ （ ８）：

１３８２－１３９５．

［４９］ Ｓｃｈｎｅｉｄｅｒ Ｓ， Ｋｒｉｅｇｌｓｔｅｉｎ Ｆ， Ｂｅｅｇｅ Ｍ， ｅｔ ａｌ． Ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｖｉｄｅｏ

Ｌｅｃｔｕｒｅｒｓ Ｎｏｎｖｅｒｂａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｏｎ Ｌｅａｒｎｉｎｇ－Ａｎ Ｅｘｐｅｒｉｍｅｎｔ ｏｎ

Ｇｅｓｔｕｒｅｓ ａｎｄ Ｆａｃｉａｌ Ｅｘｐｒｅｓｓｉｏｎｓ ｏｆ Ｐｅｄａｇｏｇｉｃａｌ Ａｇｅｎｔｓ ［ Ｊ］． Ｃｏｍ⁃

ｐｕｔｅｒｓ ａｎｄ Ｅｄｕｃａｔｉｏｎ， ２０２２， １７６： １０４３５０．

［５０］ Ｂｏｓｓｍａｎ Ａ， Ａｇｙｅｉ Ｓ Ｋ． Ｔｅｃｈｎｏｌｏｇｙ ａｎｄ Ｉｎｓｔｒｕｃｔｏｒ Ｄｉｍｅｎｓｉｏｎｓ，

Ｅ－ ｌｅａｒｎｉｎｇ Ｓａｔｉｓｆａｃｔｉｏｎ， ａｎｄ Ａｃａｄｅｍｉｃ Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ Ｄｉｓｔａｎｃｅ

Ｓｔｕｄｅｎｔｓ ｉｎ Ｇｈａｎａ ［Ｊ］． Ｈｅｌｉｙｏｎ， ２０２２， ８ （４）： ｅ０９２００．

［５１］ Ｘｉａｏ Ｗ， Ｈｕ Ｊ． Ａｎａｌｙｚｉｎｇ Ｅｆｆｅｃｔｉｖｅ Ｆａｃｔｏｒｓ ｏｆ Ｏｎｌｉｎｅ Ｌｅａｒｎｉｎｇ

Ｐｅｒｆｏｒｍａｎｃｅ ｂｙ Ｉｎｔｅｒｐｒｅｔｉｎｇ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ Ｍｏｄｅｌｓ ［ Ｊ］． ＩＥＥＥ

Ａｃｃｅｓｓ， ２０２３， １１： １３２４３５－１３２４４７．

［５２］ 蔡新元， 陶梦楚， 张健， 等． 信息呈现方式对学习效果的影

响： 虚拟教师拟真度的调节作用［ Ｊ］． 图书情报知识， ２０２３，

４０ （２）： ２０－２８．

［５３］ Ｓｃｈｒｏｅｄｅｒ Ｎ Ｌ， Ｃｈｉｏｕ Ｅ Ｋ， Ｓｉｅｇｌｅ Ｒ Ｆ， ｅｔ ａｌ． Ｔｒｕｓｔｉｎｇ ａｎｄ Ｌｅａｒｎ⁃

ｉｎｇ Ｆｒｏｍ Ｖｉｒｔｕａｌ Ｈｕｍａｎｓ ｔｈａｔ Ｃｏｒｒｅｃｔ Ｃｏｍｍｏｎ Ｍｉｓｃｏｎｃｅｐｔｉｏｎｓ ［Ｊ］．

Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ Ｃｏｍｐｕｔｉｎｇ Ｒｅｓｅａｒｃｈ， ２０２３， ６１ （４）： ７９０－

８１６．

［５４］ Ｌｉ Ｊ， Ｋｉｚｉｌｃｅｃ Ｒ， Ｂａｉｌｅｎｓｏｎ Ｊ， ｅｔ ａｌ． Ｓｏｃｉａｌ Ｒｏｂｏｔｓ ａｎｄ Ｖｉｒｔｕａｌ

Ａｇｅｎｔｓ ａｓ Ｌｅｃｔｕｒｅｒｓ ｆｏｒ Ｖｉｄｅｏ Ｉｎｓｔｒｕｃｔｉｏｎ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ

Ｂｅｈａｖｉｏｒ， ２０１６， ５５： １２２２－１２３０．

［５５］ Ｓｃｈｒｏｅｄｅｒ Ｎ Ｌ， Ｃｈｉｏｕ Ｅ Ｋ， Ｃｒａｉｇ Ｓ Ｄ． Ｔｒｕｓｔ Ｉｎｆｌｕｅｎｃｅｓ Ｐｅｒｃｅｐ⁃

ｔｉｏｎｓ ｏｆ Ｖｉｒｔｕａｌ Ｈｕｍａｎｓ， Ｂｕｔ Ｎｏｔ Ｎｅｃｅｓｓａｒｉｌｙ Ｌｅａｒｎｉｎｇ ［Ｊ］． Ｃｏｍ⁃

ｐｕｔｅｒｓ ＆ Ｅｄｕｃａｔｉｏｎ， ２０２１， １６０： １０４０３９．

［５６］ Ｐｉ Ｚ， Ｄｅｎｇ Ｌ， Ｗａｎｇ Ｘ， ｅｔ ａｌ． Ｔｈｅ Ｉｎｆｌｕｅｎｃｅｓ ｏｆ ａ Ｖｉｒｔｕａｌ

Ｉｎｓｔｒｕｃｔｏｒｓ Ｖｏｉｃｅ ａｎｄ Ａｐｐｅａｒａｎｃｅ ｏｎ Ｌｅａｒｎｉｎｇ ｆｒｏｍ Ｖｉｄｅｏ Ｌｅｃｔｕｒｅｓ

［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｌｅａｒｎｉｎｇ， ２０２２， ３８ （ ６）：

１７０３－１７１３．

［５７］ Ｈａｒｔｍａｎｎ Ｔ， Ｇｏｌｄｈｏｏｒｎ Ｃ． Ｈｏｒｔｏｎ ａｎｄ Ｗｏｈｌ Ｒｅｖｉｓｉｔｅｄ： Ｅｘｐｌｏ⁃

ｒｉｎｇ Ｖｉｅｗｅｒｓ Ｅｘｐｅｒｉｅｎｃｅ ｏｆ Ｐａｒａｓｏｃｉａｌ Ｉｎｔｅｒａｃｔｉｏｎ ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ

Ｃｏｍｍｕｎｉｃａｔｉｏｎ， ２０１１， ６１ （６）： １１０４－１１２１．

［ ５８］ Ｅｐｌｅｙ Ｎ， Ｗａｙｔｚ Ａ， Ｃａｃｉｏｐｐｏ Ｊ Ｔ． Ｏｎ Ｓｅｅｉｎｇ Ｈｕｍａｎ： Ａ Ｔｈｒｅｅ－ｆａｃ⁃

ｔｏｒ Ｔｈｅｏｒｙ ｏｆ Ａｎｔｈｒｏｐｏｍｏｒｐｈｉｓｍ ［Ｊ］． Ｐｓｙｃｈｏｌｏｇｉｃａｌ Ｒｅｖｉｅｗ， ２００７，

１１４ （４）： ８６４－８８６．

［５９］ 陈一奔， 宋钰． 真实与虚拟的双重扮演———虚拟主播的演变、

问题与展望［Ｊ］． 青年记者， ２０２２， （８）： ９５－９７．

［６０］ Ｌａｂｒｏｏ Ａ Ａ， Ｄｈａｒ Ｒ， Ｓｃｈｗａｒｚ Ｎ． Ｏｆ Ｆｒｏｇ Ｗｉｎｅｓ ａｎｄ Ｆｒｏｗｎｉｎｇ

Ｗａｔｃｈｅｓ： Ｓｅｍａｎｔｉｃ Ｐｒｉｍｉｎｇ， Ｐｅｒｃｅｐｔｕａｌ Ｆｌｕｅｎｃｙ， ａｎｄ Ｂｒａｎｄ Ｅｖａｌ⁃

ｕａｔｉｏｎ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｃｏｎｓｕｍｅｒ Ｒｅｓｅａｒｃｈ， ２００８， ３４ （６）： ８１９－

８３１．

［６１］ 柳茜， 庞晖， 王兴华， 等． 人工智能支持的语言学习———拟

人化技术如何影响学习［Ｊ］． 电化教育研究， ２０２２， ４３ （１０）：

１０２－１０９．

［６２］ Ａｊｚｅｎ Ｉ． Ｔｈｅ Ｔｈｅｏｒｙ ｏｆ Ｐｌａｎｎｅｄ Ｂｅｈａｖｉｏｒ ［Ｊ］． Ｏｒｇａｎｉｚａｔｉｏｎａｌ Ｂｅ⁃

ｈａｖｉｏｒ ａｎｄ Ｈｕｍａｎ Ｄｅｃｉｓｉｏｎ Ｐｒｏｃｅｓｓｅｓ， １９９１， ５０ （２）： １７９－２１１．

［６３］ Ｖｅｎｋａｔｅｓｈ Ｖ， Ｍｏｒｒｉｓ Ｍ Ｇ， Ｄａｖｉｓ Ｇ Ｂ， ｅｔ ａｌ． Ｕｓｅｒ Ａｃｃｅｐｔａｎｃｅ ｏｆ

Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ： Ｔｏｗａｒｄ ａ Ｕｎｉｆｉｅｄ Ｖｉｅｗ ［Ｊ］． ＭＩＳ Ｑｕａｒｔｅｒ⁃

ｌｙ， ２００３， ２７ （３）： ４２５－４７８．

［６４］ 戴薇郦， 吴立保， 祝成林， 等． 研究生课程感知对学习方式

及学习结果的影响———基于３Ｐ 教学模型的实证研究［ Ｊ］． 研

究生教育研究， ２０２３， （５）： ２７－３４．

［６５］ Ｋｉｎｔｕ Ｍ Ｊ， Ｚｈｕ Ｃ， Ｋａｇａｍｂｅ Ｅ． Ｂｌｅｎｄｅｄ Ｌｅａｒｎｉｎｇ Ｅｆｆｅｃｔｉｖｅｎｅｓｓ：

Ｔｈｅ Ｒｅｌａｔｉｏｎｓｈｉｐ Ｂｅｔｗｅｅｎ Ｓｔｕｄｅｎｔ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ， Ｄｅｓｉｇｎ Ｆｅａｔｕｒｅｓ

ａｎｄ Ｏｕｔｃｏｍｅｓ ［Ｊ］． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏ⁃

ｇｙ ｉｎ Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ， ２０１７， １４： １－２０．

［６６］ Ｓａｈｉｎ Ｉ， Ｓｈｅｌｌｅｙ Ｍ． Ｃｏｎｓｉｄｅｒｉｎｇ Ｓｔｕｄｅｎｔｓ Ｐｅｒｃｅｐｔｉｏｎｓ： Ｔｈｅ Ｄｉｓ⁃

ｔａｎｃｅ Ｅｄｕｃａｔｉｏｎ Ｓｔｕｄｅｎｔ Ｓａｔｉｓｆａｃｔｉｏｎ Ｍｏｄｅｌ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｅｄｕｃａ⁃

ｔｉｏｎａｌ Ｔｅｃｈｎｏｌｏｇｙ ＆ Ｓｏｃｉｅｔｙ， ２００８， １１ （３）： ２１６－２２３．

［６７］ Ｐéｒｅｚ－Ｐéｒｅｚ Ｍ， Ｓｅｒｒａｎｏ－Ｂｅｄｉａ Ａ Ｍ， Ｇａｒｃíａ－Ｐｉｑｕｅｒｅｓ Ｇ． Ａｎ

Ａｎａｌｙｓｉｓ ｏｆ Ｆａｃｔｏｒｓ Ａｆｆｅｃｔｉｎｇ Ｓｔｕｄｅｎｔｓ？ Ｐｅｒｃｅｐｔｉｏｎｓ ｏｆ Ｌｅａｒｎｉｎｇ

Ｏｕｔｃｏｍｅｓ ｗｉｔｈ Ｍｏｏｄｌｅ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｆｕｒｔｈｅｒ ａｎｄ Ｈｉｇｈｅｒ Ｅｄｕｃａ⁃

ｔｉｏｎ， ２０２０， ４４ （８）： １１１４－１１２９．

［６８］ Ａｂｏｕ Ｎａａｊ Ｍ， Ｎａｃｈｏｕｋｉ Ｍ， Ａｎｋｉｔ Ａ． Ｅｖａｌｕａｔｉｎｇ Ｓｔｕｄｅｎｔ Ｓａｔｉｓ⁃

ｆａｃｔｉｏｎ ｗｉｔｈ Ｂｌｅｎｄｅｄ Ｌｅａｒｎｉｎｇ ｉｎ ａ Ｇｅｎｄｅｒ－ｓｅｇｒｅｇａｔｅｄ Ｅｎｖｉｒｏｎｍｅｎｔ

［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ Ｅｄｕｃａｔｉｏｎ： Ｒｅｓｅａｒｃｈ， ２０１２，

１１： １８５－２００．

［６９］ 马费成， 宋恩梅， 赵一鸣． 信息管理学基础［ Ｍ］． 第３ 版．

武汉： 武汉大学出版社， ２０１８．

［７０］ Ｂｅｌｄａｄ Ａ， Ｈｅｇｎｅｒ Ｓ， Ｈｏｐｐｅｎ Ｊ． Ｔｈｅ Ｅｆｆｅｃｔ ｏｆ Ｖｉｒｔｕａｌ Ｓａｌｅｓ Ａｇｅｎｔ

（ ＶＳＡ） Ｇｅｎｄｅｒ － ｐｒｏｄｕｃｔ Ｇｅｎｄｅｒ Ｃｏｎｇｒｕｅｎｃｅ ｏｎ Ｐｒｏｄｕｃｔ Ａｄｖｉｃｅ

Ｃｒｅｄｉｂｉｌｉｔｙ， Ｔｒｕｓｔ ｉｎ ＶＳＡ ａｎｄ Ｏｎｌｉｎｅ Ｖｅｎｄｏｒ， ａｎｄ Ｐｕｒｃｈａｓｅ Ｉｎｔｅｎ⁃

ｔｉｏｎ ［Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ， ２０１６， ６０： ６２－７２．

［７１］ Ｇｕｏ Ｐ Ｊ， Ｋｉｍ Ｊ， Ｒｕｂｉｎ Ｒ． Ｈｏｗ Ｖｉｄｅｏ Ｐｒｏｄｕｃｔｉｏｎ Ａｆｆｅｃｔｓ Ｓｔｕｄｅｎｔ

Ｅｎｇａｇｅｍｅｎｔ： Ａｎ Ｅｍｐｉｒｉｃａｌ Ｓｔｕｄｙ ｏｆ ＭＯＯＣ Ｖｉｄｅｏｓ ［ Ｃ］ ／ ／ Ｐｒｏ⁃

ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｆｉｒｓｔ ＡＣＭ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｌｅａｒｎｉｎｇ ＠ Ｓｃａｌｅ Ｃｏｎｆｅｒ⁃

ｅｎｃｅ， ２０１４： ４１－５０．

［７２］ ＭｃＣｒｏｓｋｅｙ Ｊ Ｃ， ＭｃＣａｉｎ Ｔ Ａ． Ｔｈｅ Ｍｅａｓｕｒｅｍｅｎｔ ｏｆ Ｉｎｔｅｒｐｅｒｓｏｎａｌ

Ａｔｔｒａｃｔｉｏｎ ［Ｊ］． Ｓｐｅｅｃｈ Ｍｏｎｏｇｒａｐｈｓ， １９７４， ４１ （３）： ２６１－２６６．

［７３］ Ｎｏｗａｋ Ｋ Ｌ， Ｒａｕｈ Ｃ． Ｃｈｏｏｓｅ Ｙｏｕｒ “ Ｂｕｄｄｙ Ｉｃｏｎ” Ｃａｒｅｆｕｌｌｙ：

Ｔｈｅ Ｉｎｆｌｕｅｎｃｅ ｏｆ Ａｖａｔａｒ Ａｎｄｒｏｇｙｎｙ， Ａｎｔｈｒｏｐｏｍｏｒｐｈｉｓｍ ａｎｄ Ｃｒｅｄｉ⁃

ｂｉｌｉｔｙ ｉｎ Ｏｎｌｉｎｅ Ｉｎｔｅｒａｃｔｉｏｎｓ ［ Ｊ］． Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｈｕｍａｎ Ｂｅｈａｖｉｏｒ，

２００８， ２４ （４）： １４７３－１４９３．

［７４］ Ａｒｂａｕｇｈ Ｊ Ｂ． Ｖｉｒｔｕａｌ Ｃｌａｓｓｒｏｏｍ Ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ Ｓｔｕｄｅｎｔ Ｓａｔｉｓ⁃

ｆａｃｔｉｏｎ ｗｉｔｈ Ｉｎｔｅｒｎｅｔ－ｂａｓｅｄ ＭＢＡ Ｃｏｕｒｓｅｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｍａｎａｇｅ⁃

ｍｅｎｔ Ｅｄｕｃａｔｉｏｎ， ２０００， ２４ （１）： ３２－５４．

［７５］ Ｗａｎｇ Ｙ Ｓ． Ａｓｓｅｓｓｍｅｎｔ ｏｆ Ｌｅａｒｎｅｒ Ｓａｔｉｓｆａｃｔｉｏｎ ｗｉｔｈ Ａｓｙｎｃｈｒｏｎｏｕｓ

Ｅｌｅｃｔｒｏｎｉｃ Ｌｅａｒｎｉｎｇ Ｓｙｓｔｅｍｓ ［Ｊ］． Ｉｎｆｏｒｍａｔｉｏｎ ＆ Ｍａｎａｇｅｍｅｎｔ， ２００３，

４１ （１）： ７５－８６．

［７６］ Ｒｉｃｈａｒｄｓｏｎ Ｊ Ｃ， Ｓｗａｎ Ｋ． Ｅｘａｍｉｎｉｎｇ Ｓｏｃｉａｌ Ｐｒｅｓｅｎｃｅ ｉｎ Ｏｎｌｉｎｅ

Ｃｏｕｒｓｅｓ ｉｎ Ｒｅｌａｔｉｏｎ ｔｏ Ｓｔｕｄｅｎｔｓ Ｐｅｒｃｅｉｖｅｄ Ｌｅａｒｎｉｎｇ ａｎｄ Ｓａｔｉｓｆａｃｔｉｏｎ

［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ａｓｙｎｃｈｒｏｎｏｕｓ Ｌｅａｒｎｉｎｇ Ｎｅｔｗｏｒｋｓ， ２００３， ７ （１）：

６８－８９．

［７７］ 清华大学新闻与传播学院－元宇宙文化实验室． 虚拟数字人

研究报告２ ０ 版［ ＥＢ／ ＯＬ］． ｈｔｔｐｓ： ／ ／ ｗｗｗ．１００ｅｃ．ｃｎ／ ｉｎｄｅｘ．ｐｈｐ／

ｄｅｔａｉｌ－－６６１９４１８．ｈｔｍｌ， ２０２４－０５－３０．

［７８］ 艾瑞咨询． 中国虚拟偶像行业研究报告［Ｒ］． 北京： 艾瑞市

场咨询有限公司， ２０２２： ８１７－８６３．

［７９］ Ｃｈｉｎ Ｗ Ｗ． Ｔｈｅ Ｐａｒｔｉａｌ Ｌｅａｓｔ Ｓｑｕａｒｅｓ Ａｐｐｒｏａｃｈ ｔｏ Ｓｔｒｕｃｔｕｒａｌ Ｅ⁃

ｑｕａｔｉｏｎ Ｍｏｄｅｌｉｎｇ ［ Ｊ］． Ｍｏｄｅｒｎ Ｍｅｔｈｏｄｓ ｆｏｒ Ｂｕｓｉｎｅｓｓ Ｒｅｓｅａｒｃｈ，

１９９８， ２９５ （２）： ２９５－３３６．

［８０］ Ｂａｇｏｚｚｉ Ｒ Ｐ， Ｙｉ Ｙ． Ｏｎ ｔｈｅ Ｅｖａｌｕａｔｉｏｎ ｏｆ Ｓｔｒｕｃｔｕｒａｌ Ｅｑｕａｔｉｏｎ

Ｍｏｄｅｌｓ ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｃａｄｅｍｙ ｏｆ Ｍａｒｋｅｔｉｎｇ Ｓｃｉｅｎｃｅ， １９８８，

１６ （１）： ７４－９４．

［８１］ Ｆｏｒｎｅｌｌ Ｃ， Ｌａｒｃｋｅｒ Ｄ Ｆ． Ｅｖａｌｕａｔｉｎｇ Ｓｔｒｕｃｔｕｒａｌ Ｅｑｕａｔｉｏｎ Ｍｏｄｅｌｓ

ｗｉｔｈ Ｕｎｏｂｓｅｒｖａｂｌｅ Ｖａｒｉａｂｌｅｓ ａｎｄ Ｍｅａｓｕｒｅｍｅｎｔ Ｅｒｒｏｒ ［ Ｊ］． Ｊｏｕｒｎａｌ

ｏｆ Ｍａｒｋｅｔｉｎｇ Ｒｅｓｅａｒｃｈ， １９８１， １８ （１）： ３９－５０．

［８２］ 温忠麟， 叶宝娟． 中介效应分析： 方法和模型发展［ Ｊ］． 心

理科学进展， ２０１４， ２２ （５）： ７３１－７４５．

［８３］ Ｗｅａｖｅｒ Ｃ Ｍ， Ａｌｂｉｏｎ Ｐ． Ｍｏｍｅｎｔｕｍ ｉｎ Ｏｎｌｉｎｅ Ｄｉｓｃｕｓｓｉｏｎｓ： Ｔｈｅ

Ｅｆｆｅｃｔ ｏｆ Ｓｏｃｉａｌ Ｐｒｅｓｅｎｃｅ ｏｎ Ｍｏｔｉｖａｔｉｏｎ ｆｏｒ Ｐａｒｔｉｃｉｐａｔｉｏｎ ［ Ｃ］ ／ ／

Ｐｒｏｃｅｅｄｉｎｇｓ ＡＳＣＩＬＩＴＥ ２００５： ２２ｎｄ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ ｔｈｅ Ａｕｓ⁃

ｔｒａｌａｓｉａｎ Ｓｏｃｉｅｔｙ ｆｏｒ Ｃｏｍｐｕｔｅｒｓ ｉｎ Ｌｅａｒｎｉｎｇ ｉｎ Ｔｅｒｔｉａｒｙ Ｅｄｕｃａｔｉｏｎ：

Ｂａｌａｎｃｅ， Ｆｉｄｅｌｉｔｙ， Ｍｏｂｉｌｉｔｙ－Ｍａｉｎｔａｉｎｉｎｇ ｔｈｅ Ｍｏｍｅｎｔｕｍ， ２００５．

（责任编辑： 杨丰侨）