DOI: https://doi.org/10.1145/3672608.3707817
تاريخ النشر: 2025-03-31
المؤلف: Mika Setälä وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
استكشفت هذه الدراسة تصورات طلاب المدارس الثانوية الفنلندية حول الذكاء الاصطناعي التوليدي (GenAI) في تعليم الرياضيات في المرحلة الثانوية، باستخدام نموذج قبول التكنولوجيا (TAM) لتقييم المفاهيم الرئيسية: الفائدة المدركة، سهولة الاستخدام المدركة، المتعة المدركة، ونية الاستخدام. تم تطوير نموذج معادلة هيكلية وتحليله، مما كشف أن الفائدة المدركة أثرت بشكل كبير على نية الطلاب في اعتماد أدوات GenAI. ومن الجدير بالذكر أن الدراسة قدمت مفهومًا إضافيًا، وهو التوافق، الذي عزز من قوة تفسير النموذج، خاصة فيما يتعلق بالفائدة المدركة.
تشير النتائج إلى أن التوافق، الذي يعكس توافق أدوات الذكاء الاصطناعي مع احتياجات الطلاب التعليمية، يلعب دورًا حاسمًا في تحديد الفائدة المدركة. تسلط البحث الضوء على الفروق الثقافية في اعتماد التكنولوجيا، مشيرًا إلى أن الطلاب الفنلنديين يركزون على الفوائد العملية، على عكس طلاب التعليم العالي في هونغ كونغ، الذين يقودهم الدافع الداخلي بشكل أكبر. بشكل عام، تسهم هذه الدراسة في تقديم رؤى قيمة حول دمج أدوات الذكاء الاصطناعي في تعليم الرياضيات وتؤكد على أهمية مراعاة العوامل السياقية في قبول التكنولوجيا.
مقدمة
تناقش مقدمة هذه الورقة البحثية تطور التكنولوجيا التعليمية، مع التركيز بشكل خاص على تأثير الآلات الحاسبة الرسومية والدور الناشئ للذكاء الاصطناعي التوليدي (GenAI) في تعليم الرياضيات. في البداية، تم تقديم الآلات الحاسبة الرسومية في التسعينيات مع توقع تعزيز التعلم الرياضي، على الرغم من المخاوف بشأن تراجع مهارات الحساب التقليدية. أظهرت الأبحاث أن هذه الأدوات حسنت من فهم الطلاب وأدائهم من خلال تسهيل التعلم القائم على الاستفسار والسماح بالتحقق الفوري من الحلول. كانت قبول الآلات الحاسبة الرسومية في امتحان التخرج الفنلندي علامة على تحول كبير نحو تطبيق المفاهيم الرياضية بدلاً من الحفظ عن ظهر قلب.
حاليًا، يثير دمج GenAI، وخاصة نماذج اللغة الكبيرة، مخاوف وفرص مشابهة. بينما يدرك المعلمون والطلاب الإمكانات التي يوفرها GenAI لدعم التعلم الشخصي وتقليل الأعباء، هناك مخاوف بشأن تأثيره على نتائج التعلم. تهدف هذه الدراسة إلى استكشاف تصورات الطلاب حول GenAI في تعليم الرياضيات المتقدم باستخدام نموذج قبول التكنولوجيا (TAM) كإطار عمل. تسعى إلى التحقيق في المفاهيم الرئيسية مثل الفائدة المدركة (PU)، سهولة الاستخدام المدركة (PEOU)، والمتعة المدركة (PE)، إلى جانب المتغير الجديد المقدم وهو التوافق (COM)، الذي يعكس مدى توافق التكنولوجيا مع تجارب الطلاب السابقة واحتياجاتهم التعليمية. من خلال مقارنة النتائج من السياقات الفنلندية وهونغ كونغ، تهدف الدراسة إلى تقديم رؤى حول اعتماد ودمج أدوات الذكاء الاصطناعي في تعليم الرياضيات، مما يوجه المعلمين في عمليات اتخاذ القرار المتعلقة بهذه التقنيات.
طرق البحث
تم إجراء البحث في مدرسة ثانوية عامة فنلندية (مستوى ISCED 3) خلال فصل 2023-2024، بمشاركة 135 مشاركًا عبر أربعة تجارب تعليمية متميزة تستخدم الذكاء الاصطناعي التوليدي (GenAI). ركزت الدراسة على دورات الرياضيات المتقدمة، حيث تم عقد جلستين في خريف 2023 لطلاب الصف الأول (16-17 عامًا) وطلاب الصف الثالث (18-19 عامًا). شارك طلاب الصف الأول (n=45) في تمارين حل المشكلات الشفوية مع وكيل الذكاء الاصطناعي دون تعليم مسبق، بينما بدأ طلاب الصف الثالث (n=19) بدرس حول التوزيع الطبيعي قبل إكمال التمارين مع الذكاء الاصطناعي، باستخدام إما مطالبات أعدها المعلم أو مطالبات تم إنشاؤها ذاتيًا.
في ربيع 2024، تم إجراء جلستين إضافيتين لطلاب الصف الثاني (17-18 عامًا) في دورة الخوارزميات ونظرية الأعداد. تضمنت الجلسة الأولى 33 طالبًا يدرسون المنطق والبرمجة، بينما شملت الجلسة الثانية 38 طالبًا يستكشفون التوافق والمعادلات الديوفنتينية، وكلاهما يستخدم GenAI للمساعدة. كانت هذه الطريقة المنظمة تهدف إلى تقييم فعالية الذكاء الاصطناعي في تعزيز الفهم الرياضي ومهارات حل المشكلات بين طلاب المدارس الثانوية.
مناقشة
في هذه الدراسة، تم استخدام نموذج قبول التكنولوجيا (TAM) لتحليل العوامل التي تؤثر على نية الطلاب الفنلنديين في المرحلة الثانوية لاستخدام الذكاء الاصطناعي التوليدي (GenAI) في تعليم الرياضيات. تم توسيع المفاهيم الأساسية للفائدة المدركة (PU)، سهولة الاستخدام المدركة (PEOU)، ونية الاستخدام (ITU) من خلال دمج المتعة المدركة (PE) والتوافق (COM). أشارت النتائج إلى أن الفائدة المدركة كانت أقوى مؤشر على نية الاستخدام، بينما كان لسهولة الاستخدام المدركة تأثير ضئيل. ومن الجدير بالذكر أن المتعة المدركة أثرت بشكل كبير على الفائدة المدركة، مما يشير إلى أن المتعة تعزز من الفائدة المدركة لأدوات GenAI. أوضح النموذج 80.4% من التباين في نية الاستخدام، مما يظهر قدرته التنبؤية القوية.
كما سلطت الدراسة الضوء على الفروق الثقافية في اعتماد التكنولوجيا. أولى الطلاب الفنلنديون الأولوية للفوائد العملية، حيث كانت الفائدة المدركة عاملًا سائدًا، مما يتناقض مع النتائج من دراسة مماثلة في هونغ كونغ، حيث كانت الدوافع الداخلية والمتعة أكثر تأثيرًا. أدى إدخال التوافق إلى تحسين قوة تفسير النموذج للفائدة المدركة، مما يشير إلى أن الطلاب وجدوا أدوات GenAI أكثر فائدة عندما كانت متوافقة مع تجاربهم الرقمية الحالية. ومع ذلك، كان تأثير التوافق على نية الاستخدام محدودًا. بشكل عام، تؤكد الأبحاث على أهمية فهم السياقات الثقافية وتفاعل العوامل المختلفة في اعتماد التقنيات التعليمية مثل GenAI.
القيود
تسلط قيود هذه الدراسة الضوء على عدة عوامل حاسمة قد تؤثر على قابلية تعميم نتائجها. بينما كان حجم العينة كافيًا لتحليل نموذج المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM)، إلا أنه لا يزال صغيرًا نسبيًا، مما قد يحد من قابلية تطبيق النتائج خارج السياق المباشر للبحث. تشير فترة التجربة القصيرة مع Copilot بين الطلاب إلى الحاجة إلى دراسات طولية لتقييم تطور قبول التكنولوجيا بمرور الوقت. علاوة على ذلك، يكشف المقارنة مع دراسة مماثلة أجريت في هونغ كونغ عن اختلافات ملحوظة في أحجام العينات والسياقات التعليمية، والتي يمكن أن تؤثر على النتائج.
تظهر أسئلة رئيسية حول فعالية الذكاء الاصطناعي التوليدي (GenAI) في تحسين نتائج التعلم، خاصة للطلاب ذوي مستويات المهارات المتفاوتة في الرياضيات. تثير الدراسة مخاوف بشأن ما إذا كان GenAI يعزز من الفهم العميق للمفاهيم الرياضية أو يقدم فقط طرقًا مختصرة لتحقيق مكاسب أكاديمية قصيرة الأجل. هذا مهم بشكل خاص للطلاب الذين يعانون من فجوات في المهارات الأساسية، حيث تعتمد فعالية GenAI في سد هذه الفجوات على قدرته على تعزيز الفهم المفاهيمي بدلاً من تقديم حلول سريعة فقط. يجب أن تركز الأبحاث المستقبلية على تأثير GenAI عبر مجموعات طلابية متنوعة، بما في ذلك أولئك الذين يعانون من صعوبات التعلم، واستكشاف إمكانيات الأساليب متعددة الوسائط في تعليم الرياضيات لتعزيز النمو الأكاديمي.
DOI: https://doi.org/10.1145/3672608.3707817
Publication Date: 2025-03-31
Author(s): Mika Setälä et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study explored Finnish high school students’ perceptions of Generative Artificial Intelligence (GenAI) in upper-secondary mathematics education, utilizing the Technology Acceptance Model (TAM) to assess key constructs: Perceived Usefulness, Perceived Ease of Use, Perceived Enjoyment, and Intention to Use. A structural equation model was developed and analyzed, revealing that Perceived Usefulness significantly influenced students’ intention to adopt GenAI tools. Notably, the study introduced an additional construct, Compatibility, which enhanced the model’s explanatory power, particularly in relation to Perceived Usefulness.
The findings indicate that Compatibility, reflecting the alignment of AI tools with students’ educational needs, plays a crucial role in determining Perceived Usefulness. The research highlights cultural differences in technology adoption, noting that Finnish students emphasize practical benefits, contrasting with higher education students in Hong Kong, who are more driven by intrinsic motivation. Overall, this study contributes valuable insights into the integration of AI tools in mathematics education and underscores the importance of considering contextual factors in technology acceptance.
Introduction
The introduction of this research paper discusses the evolution of educational technology, particularly focusing on the impact of graphic calculators and the emerging role of Generative Artificial Intelligence (GenAI) in mathematics education. Initially, graphic calculators were introduced in the 1990s with the expectation of enhancing mathematical learning, despite concerns about diminishing traditional calculation skills. Research indicated that these tools improved students’ understanding and performance by facilitating inquiry-based learning and allowing for real-time verification of solutions. The acceptance of graphic calculators in Finland’s matriculation examination marked a significant shift towards applying mathematical concepts rather than rote memorization.
Currently, the integration of GenAI, particularly large language models, raises similar concerns and opportunities. While educators and students recognize GenAI’s potential to support personalized learning and reduce workloads, there are apprehensions regarding its impact on learning outcomes. This study aims to explore students’ perceptions of GenAI in advanced mathematics education using the Technology Acceptance Model (TAM) as a framework. It seeks to investigate key constructs such as Perceived Usefulness (PU), Perceived Ease of Use (PEOU), and Perceived Enjoyment (PE), alongside the newly introduced variable of Compatibility (COM), which reflects how well the technology aligns with students’ prior experiences and educational needs. By comparing findings from Finnish and Hong Kong contexts, the study intends to provide insights into the adoption and integration of AI tools in mathematics education, ultimately guiding educators in their decision-making processes regarding these technologies.
Methods
The research was conducted in a Finnish general upper secondary school (ISCED level 3) during the 2023-2024 semester, involving 135 participants across four distinct teaching experiments utilizing Generative AI (GenAI). The study focused on advanced mathematics courses, with two sessions held in autumn 2023 for first-grade (16-17 years old) and third-grade (18-19 years old) students. First-grade students (n=45) engaged in verbal problem-solving exercises with the AI agent without prior instruction, while third-grade students (n=19) began with a lesson on normal distribution before completing exercises with the AI, using either teacher-prepared or self-generated prompts.
In spring 2024, two additional sessions were conducted for second-grade students (17-18 years old) in the Algorithms and Number Theory course. The first session involved 33 students studying logic and programming, while the second session included 38 students exploring congruence and Diophantine equations, both utilizing GenAI for assistance. This structured approach aimed to assess the effectiveness of AI in enhancing mathematical understanding and problem-solving skills among secondary school students.
Discussion
In this study, the Technology Acceptance Model (TAM) was employed to analyze the factors influencing Finnish upper secondary students’ intention to use generative AI (GenAI) in mathematics education. The core constructs of perceived usefulness (PU), perceived ease of use (PEOU), and intention to use (ITU) were extended by incorporating perceived enjoyment (PE) and compatibility (COM). The findings indicated that PU was the strongest predictor of ITU, while PEOU had a negligible impact. Notably, PE significantly influenced PU, suggesting that enjoyment enhances the perceived utility of GenAI tools. The model explained 80.4% of the variance in ITU, demonstrating its robust predictive capability.
The study also highlighted cultural differences in technology adoption. Finnish students prioritized practical benefits, with PU being a dominant factor, contrasting with findings from a similar study in Hong Kong, where intrinsic motivation and enjoyment were more influential. The introduction of COM improved the model’s explanatory power for PU, indicating that students found GenAI tools more useful when they aligned with their existing digital experiences. However, the effect of COM on ITU was limited. Overall, the research underscores the importance of understanding cultural contexts and the interplay of various factors in the adoption of educational technologies like GenAI.
Limitations
The limitations of this study highlight several critical factors that may affect the generalizability of its findings. While the sample size was adequate for Partial Least Squares Structural Equation Modeling (PLS-SEM) analysis, it remains relatively small, which may restrict the applicability of the results beyond the immediate context of the research. The brief trial period with Copilot among students suggests a need for longitudinal studies to assess the evolution of technology acceptance over time. Furthermore, the comparison with a similar study conducted in Hong Kong reveals notable differences in sample sizes and educational contexts, which could influence the outcomes.
Key questions arise regarding the efficacy of Generative AI (GenAI) in enhancing learning outcomes, particularly for students with varying skill levels in mathematics. The study raises concerns about whether GenAI fosters a deeper understanding of mathematical concepts or merely provides shortcuts to achieving short-term academic gains. This is particularly pertinent for students with foundational skill gaps, as the effectiveness of GenAI in bridging these gaps hinges on its ability to promote conceptual understanding rather than just delivering quick solutions. Future research should focus on the impact of GenAI across diverse student populations, including those with learning difficulties, and explore the potential of multimodal approaches in mathematics education to optimize academic growth.