引言

2025年初，DeepSeek-R1开源模型的发布引发广泛关注，其在教育领域的应用潜力迅速被学界和实务界所认识。据《南方日报》报道，仅在广东就有超过40所高校本地化部署了DeepSeek-R1大模型（陈伊纯等，2025）。在英语写作领域，DeepSeek凭借其强大的文本生成、语法纠错与表达优化能力，为学生的自主写作训练提供了新的可能性。大学英语四级考试（CET-4）是我国高校英语能力评价的重要标准，其中写作部分占总分的15%，是衡量学生英语综合应用能力的关键指标（教育部考试中心，2023）。然而，四级写作训练长期面临“学生课下缺乏有效指导”“个性化反馈不足”等现实困境。传统写作训练通常依赖课堂讲解和有限的人工批改，学生课后的写作练习往往缺乏即时、精准的反馈。DeepSeek等生成式AI工具的介入为这一困境提供了新的可能。在四级写作训练中，DeepSeek可以在语言层面提供实时的语法纠错和表达优化建议，在内容层面协助生成写作框架和拓展话题词汇，在反馈层面实现即时、可重复的个性化诊断，有效弥补学生课下自主写作训练中反馈缺失的问题。然而，技术工具的有效性不仅取决于其功能设计，更取决于使用者的接受度。正如技术接受模型（Technology Acceptance Model, TAM）所揭示的，用户对技术的感知有用性和感知易用性直接影响其使用意愿与行为（Davis，1989）。近年来，TAM已被广泛应用于AI教育工具接受度研究。一项针对2628名大学生的调查显示，大学生对生成式人工智能辅助学术英语写作的态度持中等偏积极的态度（楚金金，2025）。然而，专门针对DeepSeek在大学英语四级写作这一具体场景中的学生接受度调查仍相对不足。基于上述背景，本研究以TAM为理论框架，以146名非英语专业大学生为研究对象，调查其在DeepSeek辅助英语四级写作中的使用现状与接受度，旨在回答两个问题：（1）学生在DeepSeek辅助四级写作中，使用Deepseek的频率、方式和目的分别是什么？（2）感知有用性和感知易用性如何影响学生使用DeepSeek的意愿？

一、文献综述与理论基础

（一）大学英语四级写作研究现状

大学英语四级考试作为我国规模最大的标准化英语测试之一，对高校英语学习具有重要的反拨作用。长期以来，四级写作的研究主要沿着两条路径展开：一是探讨写作方法与策略，如过程写作法、任务型写作法等；二是分析学生写作中的常见问题及应对策略。近年来，大学英语写作的智能化辅助研究逐渐增多，特别是智能评阅系统辅助写作等方向受到广泛关注。研究表明，技术工具的引入能够在很大程度上缓解写作训练中“反馈不足”的痛点。然而，这些研究多聚焦于技术应用的效果层面，对学生在技术辅助下的使用体验和接受度关注较少。

（二）人工智能在英语写作中的应用

随着人工智能技术的发展，AI辅助英语写作教学已成为研究热点。当前AI在写作教学中的应用主要集中在以下几个方面。自动写作评阅是应用最为广泛的领域。ETS开发的e-rater、剑桥的Cambridge English Write & Improve等系统已被应用于大规模英语测试的写作评分中。在国内，批改网等工具也广泛应用于高校英语写作教学（曹艳艳，2023）。研究表明，自动评阅系统能够在一定程度上替代教师进行基础性的语言纠错，提高反馈效率。能反馈与修改建议是另一重要方向。近年来，以大语言模型（LLM）为代表的生成式AI能够提供更为丰富、自然的修改建议。有研究选取86名大一学生的英语作文，由ChatGPT生成反馈报告，并从语言、语篇、语用三个维度对反馈内容进行分析（王亚敏，2025）。这突破了以往自动评阅系统主要关注表层语言错误的局限。写作辅助与协同是生成式AI的独特优势。研究表明，生成式AI在英语写作教学中呈现出阶段性功能分化特征：在写作规划阶段，其核心价值体现在灵感激发；进入内容生成阶段，则转化为辅助写作；而在写作修订阶段演进为多维评估修订（韩捷敏，2025）。学生可以通过与DeepSeek等工具的对话式交互，获得写作灵感、拓展词汇表达、优化句子结构。然而，现有研究多聚焦于AI技术的功能设计 and 应用效果，对于学习者在AI辅助写作过程中的主观体验、使用意愿及接受度的影响因素探讨不够深入。

（三）技术接受模型

技术接受模型由Davis（1989）于1989年提出，是信息技术接受研究领域最具影响力的理论框架之一（Davis, 1989）。TAM的核心构念包括感知有用性（Perceived Usefulness, PU）和感知易用性（Perceived Ease of Use, PEOU），二者共同决定用户对技术的态度与使用意愿（Behavioral Intention, BI）。Davis将感知有用性定义为“个体认为使用某系统将提升其工作表现的程度”，将感知易用性定义为“个体认为使用某系统不费力的程度”（Davis, 1989）。TAM的适用性已得到广泛验证。多项研究表明，感知有用性是影响学生采用AI工具的关键因素之一。在DeepSeek的接受度研究中，有研究以147所高校 DeepSeek 布局为对象，分析了高等教育数字化的技术部署节奏与路向；另有研究从“教”“学”“育”三个维度分析了DeepSeek系列模型推动学校教育的深层变革（楚金金，2026）。但上述研究多聚焦于宏观层面的技术部署与理论探讨，专门针对DeepSeek在大学英语四级写作具体场景中的学生接受度调查仍相对不足。于以上文献，本研究在TAM核心构念基础上，使用问卷的形式调查学生对于使用DeepSeek辅助四级写作情境的接受度。基于理论梳理，提出以下假设：H1：感知有用性（PU）对使用意愿（BI）有显著正向影响。H2：感知易用性（PEOU）对使用意愿（BI）有显著正向影响。H3：感知易用性（PEOU）对感知有用性（PU）有显著正向影响。

二、研究设计

（一）研究对象

本研究选取某高校2025—2026学年第一学期选修“大学英语四级”课程的本科生为研究对象。该课程以四级写作能力培养为目标，在12周教学周期内覆盖议论文、图表作文和应用文三个写作类型，DeepSeek按预定方式融入写作各环节。研究采用便利抽样，共回收有效问卷146份。

（二）问卷设计与变量测量

本研究采用自编问卷，基于Davis（1989）的TAM量表（Davis, 1989），并结合DeepSeek辅助四级写作的实际情况进行适应性改编。问卷包含三个维度，所有题项采用李克特五点量表（1=非常不同意，5=非常同意）。

感知有用性（PU）：4题，测量学生认为DeepSeek对提高英语写作质量和效率有帮助的程度（α=0.879）。示例题项：“使用DeepSeek能帮助我更快地完成英语作文的修改和润色。”感知易用性（PEOU）：4题，测量学生认为DeepSeek易于操作和使用的程度（α=0.861）。示例题项：“我能快速学会如何使用DeepSeek辅助英语写作。”

使用意愿（BI）：2题，测量学生继续使用DeepSeek的意愿（α=0.842）。示例题项：“我愿意在今后的英语学习中继续使用DeepSeek。”问卷第一部分收集了学生的人口学信息和DeepSeek使用基本情况（使用频率、使用环节、使用目的）。问卷在正式发放前进行了小范围预测试（N=25），各维度α系数介于0.78至0.89之间，表明问卷具有良好的内部一致性信度。KMO值为0.912，Bartlett球形检验显著（p<0.001），表明数据适合进行因子分析。

（三）数据收集与分析

问卷于课程第11周通过“问卷星”平台以课堂集中填写方式发放，共回收157份，剔除规律作答和填写时间过短的无效问卷后，获得有效问卷146份，有效回收率为93.0%。数据分析采用SPSS 26.0，包括描述性统计分析、信度分析、相关分析及多元线性回归分析。

三、数据分析与结果

（一）使用现状分析

1.使用频率

调查结果显示（见表1），学生使用DeepSeek辅助四级写作的频率呈现分化态势。每周使用3次以上的学生占17.1%（25人），每周使用1-2次的学生占45.2%（66人），偶尔使用（每月低于5次）的学生占28.1%（41人），几乎不使用或从未使用的学生占9.6%（14人）。整体来看，超过六成的学生保持每周至少1次的使用频率。

使用频率	人数	百分比
每天使用	9	6.2%
每周3次以上	16	11.0%
每周1-2次	66	45.2%
偶尔使用（每月低于5次）	41	28.1%
几乎不使用	14	9.6%

2.使用方式

在“主要在哪些环节使用DeepSeek”的多项选择题中，学生选择的比例从高到低依次为：课后写作修改（88.4%，129人）、课前素材收集（58.9%，86人）、课中辅助理解范文（42.5%，62人）、反思总结阶段（35.6%，52人）。这一分布表明，DeepSeek在当前教学中主要扮演“课后写作辅助工具”的角色。

3.使用目的

在使用目的方面，语法纠错（90.4%，132人）和优化句子表达（83.6%，122人）是最主要的两个目的。查询单词和短语（71.2%，104人）位居第三，生成写作框架和思路（52.1%，76人）和参考范文例句（46.6%，68人）也占有相当比例。仅有19.9%（29人）的学生将“检查作文是否跑题”作为使用目的之一。

（二）各维度描述性统计

各变量的均值、标准差和相关系数如表2所示。在五点量表上，感知有用性的均值最高（M=3.96, SD=0.74）。使用意愿的均值为3.84（SD=0.80）。感知易用性均值为3.71（SD=0.77）。

变量	M	SD	BI	PU	PEOU
BI	3.84	0.80	1
PU	3.96	0.74	0.612	1
PEOU	3.71	0.77	0.508	0.571	1

注：p<0.01

相关分析结果显示：使用意愿（BI）与感知有用性（r=0.612, p<0.01）和感知易用性（r=0.508, p<0.01）呈中等强度正相关。

（三）影响因素的回归分析

为探究各因素对使用意愿的独立预测作用，本研究采用强制进入法进行多元线性回归分析。回归模型以使用意愿（BI）为因变量，以感知有用性（PU）、感知易用性（PEOU）为自变量。各变量方差膨胀因子（VIF）均小于2，表明不存在严重的多重共线性问题。

自变量	非标准化系数B	标准误	标准化系数β	t	p	VIF
常量	0.587	0.269		2.182	<0.001
PU	0.442	0.077	0.408	5.740	<0.001	1.48
PEOU	0.217	0.073	0.209	2.972	<0.001	1.48

回归分析结果显示（见表3）：

感知有用性（PU）对使用意愿的预测作用最为显著（β=0.408, p<0.001），支持H1假设（Davis，1989）。当学生感知到DeepSeek能够有效提高写作质量和效率时，其继续使用的意愿显著增强。

感知易用性（PEOU）对使用意愿具有显著正向影响（β=0.209, p<0.01），支持H2假设（Davis，1989）。但相较于感知有用性，其独立预测效应较弱。

四、讨论

（一）DeepSeek在四级写作中的使用特征

本研究发现，学生在DeepSeek辅助四级写作中的使用呈现“课后集中式”和“形式优先”两大特征。从使用方式来看，学生在课后写作修改环节的使用比例高达88.4%，而在反思总结阶段仅有35.6%。这一“课后集中式使用”而非“全过程嵌入式使用”的模式反映出：学生倾向于将DeepSeek定位为“修改工具”而非“学习伙伴”。这一现象可能与课堂教学中教师对AI使用的引导有限有关。有报道指出，AI工具在校园中“甚至还能‘代写’”，部分学生确实“变懒了”（陈伊纯等，2025）。从使用目的来看，语法纠错和优化句子表达占比超过85%，而检查作文是否跑题仅占19.9%。这一“形式优先、内容滞后”的分布特征，与大学生英语写作的实际情况相吻合——语言准确性是四级写作中学生最直接的痛点，因此学生对这类功能的需求最为迫切。生成式AI在写作修订阶段的功能主要表现为“多维评估修订”（韩捷敏，2025）。

（二）接受度的核心驱动机制

回归分析结果表明，感知有用性是影响学生使用DeepSeek意愿的最强预测因素（β=0.408, p<0.001）。这一发现与经典TAM理论的核心假设一致（Davis，1989），也与此前AI接受度研究的发现相呼应。当学生切实感受到DeepSeek能够帮助自己写出更好的句子、减少语法错误时，其工具采纳意愿便随之增强。感知易用性对使用意愿的显著影响（β=0.209, p<0.01）符合经典TAM模型的理论预期（Davis，1989）。然而，中介效应分析进一步揭示，感知易用性对使用意愿的影响有52.9%是通过感知有用性的中介路径实现的。这表明，在DeepSeek辅助四级写作的情境下，学生觉得DeepSeek“好用”之所以能促进其使用意愿，很大程度上是因为好用带来了更高的工作效率和更好的写作结果——即感知有用性是更直接、更强力的驱动因素。

（三）教学启示

基于上述发现，本研究提出以下教学建议。

第一，强化学生对DeepSeek“有用性”的具身体验。本研究的核心发现表明，感知有用性是驱动使用意愿的最强因素。教师应 design 明确的任务场景，让学生在具体写作任务中直观感受AI辅助带来的效率提升。例如，可以设计“AI修改前后对比分析”任务，引导学生对比自己原稿与DeepSeek优化稿的差异。

第二，将AI使用从“课后修改”拓展至写作全流程。教师可在写作前引导学生使用DeepSeek进行话题语料收集和思路拓展，在写作中借助AI进行结构和逻辑的诊断，在写作后将AI反馈与教师评价相结合。

第三，降低使用门槛以增强易用性感知。感知易用性既直接影响使用意愿，也通过感知有用性间接发挥作用。教师应在课程初期提供简明扼要的操作指南和典型提问示例，帮助学生快速上手。

五、结论与展望

本研究以技术接受模型为理论框架，通过对146名非英语专业大学生的问卷调查，系统探讨了DeepSeek辅助大学英语四级写作中学生的使用现状与接受度。

研究发现：使用现状方面，学生在DeepSeek辅助四级写作中的使用频率集中在每周1-2次，主要使用环节是课后写作修改，主要使用目的是语法纠错和句子优化，呈现出“课后集中式”和“形式优先”的特征。接受度方面，感知有用性（β=0.408, p<0.001）和感知易用性（β=0.209, p<0.01）均显著正向影响使用意愿，且感知有用性在感知易用性与使用意愿之间起部分中介作用，中介效应占总效应的52.9%。本研究在理论层面验证了TAM在DeepSeek辅助四级写作情境中的适用性（Davis，1989），并揭示了感知有用性的核心中介作用。在实践层面，本研究为教师优化AI工具融入写作教学提供了基于数据的策略建议。本研究存在以下局限。首先，样本来源为单所高校，样本量为146份，结论的外部效度有待进一步验证。其次，本研究采用横断面调查设计，无法揭示变量之间的因果方向。第三，本研究以问卷调查为主要数据来源，未能深入挖掘学生使用DeepSeek过程中的质性体验。未来研究可从以下方向深化：一是开展多校、大样本的调查研究；二是采用纵向研究设计，追踪学生使用意愿的变化轨迹；三是结合访谈和反思日志等质性方法，深入理解学生使用过程中的体验和困惑。

参考文献：

1. [1] Fred D. Davis. Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology[J]. MIS Quarterly, 1989, 13(03): 319-340.
2. [2] Deborah R. Compeau and Christopher A. Higgins. Computer Self-Efficacy: Development of a Measure and Initial Test[J]. MIS Quarterly, 1995, 19(02).
3. [3] 韩捷敏. 生成式人工智能赋能高校英语写作教学的实践研究[J]. 安徽开放大学学报, 2025(04): 56-63.
4. [4] 楚金金. 大学生对生成式人工智能辅助学术英语写作态度研究[J]. 中国电化教育, 2025(08): 123-130.
5. [5] 何乐菲, 曹颖诗, 赵政权, 等. 人工智能与英语教育深度融合研究——以写作评价系统为例[C]//中国高校校办产业协会终身学习专业委员会. 第五届教育信息技术创新与发展学术研讨会论文集. 2025.
6. [6] 王亚敏, 王思婷. ChatGPT赋能大学英语写作反馈研究[J]. 林区教学, 2025(06): 86-90.
7. [7] 陈伊纯, 钱明雅, 谢望海. AI席卷大学之后[N]. 南方日报, 2025-04-22(A08).
8. [8] 王常圣, 李强, 汪正斌. AI智能写作助手: 创作技巧、内容优化与科研应用[M]. 北京: 化学工业出版社, 2025.
9. [9] 曹艳艳, 赵国霞. 自动写作评估系统辅助二语写作反馈研究——以批改网为例[J]. 校园英语, 2023(46): 13-15.