理解知识管理因素对基于人工智能的聊天机器人在教育目的上的可持续使用的影响，采用混合SEM-ANN方法

基于人工智能（AI）的聊天机器人在过去几年中受到广泛关注。然而，对于影响其在教育用途中的使用因素知之甚少。因此，本研究基于从期望确认模型（ECM）中提取的构念（期望确认、感知有用性和满意度），结合知识管理（KM）因素（知识共享、知识获取和知识应用），来理解聊天机器人的可持续使用。然后，通过对448名使用聊天机器人进行学习的大学生进行的在线调查收集的数据对所开发的模型进行了测试。与主要依赖结构方程模型（SEM）技术的先前文献相反，实证数据使用混合SEM-人工神经网络（SEM-ANN）方法进行分析。假设检验结果证实了所开发模型中所有建议的假设。敏感性分析结果显示，知识应用对聊天机器人的可持续使用具有最大的影响，标准化重要性为96.9%，其次是感知有用性（70.7%）、知识获取（69.3%）、满意度（61%）和知识共享（19.6%）。根据这些结果，研究突出了有益于开发者、设计师、服务提供者和讲师的多项实际意义。