DOI: https://doi.org/10.1371/journal.pone.0334699
PMID: https://pubmed.ncbi.nlm.nih.gov/41270102
تاريخ النشر: 2025-11-21
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة العلاقة بين نية معلمي التربية البدنية في الكلية لاستخدام الذكاء الاصطناعي (AI) وكفاءتهم الرقمية، مع معالجة فجوة في الأبحاث الحالية. باستخدام نظرية التعلم الاجتماعي (SCT) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، طور المؤلفون نموذج معادلة هيكلية يتضمن متغيرات مثل نية السلوك، والكفاءة الذاتية، والتأثير الاجتماعي، والكفاءة الرقمية، مع الجنس كعامل معتدل. تم إجراء مسح لـ 479 معلم تربية بدنية من عشر جامعات في البر الرئيسي للصين، وتم تحليل البيانات باستخدام AMOS و SPSS.
تكشف النتائج أن نية المعلمين في اعتماد الذكاء الاصطناعي مرتبطة إيجابيًا بكفاءتهم الذاتية، والتأثير الاجتماعي المدرك، والكفاءة الرقمية، مع عمل الكفاءة الذاتية والتأثير الاجتماعي كوسيطين مهمين في هذه العلاقة. بالإضافة إلى ذلك، وجدت الدراسة أن الكفاءة الذاتية تؤثر إيجابيًا على التأثير الاجتماعي، بينما لم يكن للجنس تأثير معتدل كبير على أي من العلاقات التي تم فحصها. تسهم هذه الأبحاث في الإطار النظري لـ SCT و UTAUT في سياق التربية البدنية في التعليم العالي، مما يوفر رؤى لتعزيز الكفاءة الرقمية وتسهيل التحول الذكي لممارسات التدريس بين معلمي التربية البدنية في الكلية.
مقدمة
في السنوات الأخيرة، أثر الذكاء الاصطناعي (AI) بشكل كبير على التعليم العالي، مع زيادة ملحوظة في اعتماده من قبل المعلمين. أشار مسح إلى أن حوالي 40% من المعلمين في الولايات المتحدة يستخدمون ChatGPT أسبوعيًا، بشكل أساسي لتخطيط الدروس وتصميم الفصول الدراسية. في الوقت نفسه، يركز خطة تحديث التعليم في الصين (2024-2035) على الحاجة إلى التقدم الرقمي في التخصصات الأكاديمية. ومع ذلك، فإن التكامل الناجح للذكاء الاصطناعي في التدريس يعتمد إلى حد كبير على مواقف المعلمين واستعدادهم لتبني هذه التقنيات، حيث لا يزال العديد مترددين في اعتماد الذكاء الاصطناعي في ممارساتهم.
سلطت الأبحاث الضوء على عوامل مختلفة تؤثر على قبول الذكاء الاصطناعي بين المعلمين والطلاب. أظهرت الدراسات التي تستخدم نمذجة المعادلات الهيكلية أن قبول الطلاب الجامعيين للتعلم المدعوم بالذكاء الاصطناعي يتأثر بتوقع الأداء، وتوقع الجهد، والتأثير الاجتماعي، بينما تؤثر المخاطر المدركة سلبًا على مواقفهم. على العكس، يفضل المعلمون الجامعيون توقع الجهد وظروف التيسير على توقع الأداء، مما يشير إلى التركيز على الوصول والدعم. لقد ظهرت ضرورة كفاءة المعلمين الرقمية (TDC) – التي تشمل المهارات التكنولوجية، والمعرفة التربوية، والوعي الأخلاقي – كأمر حاسم للتكامل الفعال للذكاء الاصطناعي في التعليم. على الرغم من الاهتمام المتزايد بتطبيقات الذكاء الاصطناعي عبر مجالات التعليم المختلفة، تظل الدراسات التجريبية التي تتناول نوايا معلمي التربية البدنية في الجامعات لاعتماد تقنيات الذكاء الاصطناعي محدودة. تؤكد الأطر التقليدية مثل نظرية التعلم الاجتماعي والنظرية الموحدة لقبول واستخدام التكنولوجيا على دور الكفاءة الذاتية في اعتماد التكنولوجيا، مما يشير إلى أن معلمي التربية البدنية في الجامعات قد يظهرون حساسية تكنولوجية ومرونة متزايدة في سياق تكامل الذكاء الاصطناعي.
الطرق
توضح قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يتناول المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، مما يضمن إمكانية تكرار التجارب. يتم وصف المنهجية بطريقة منهجية، مع تسليط الضوء على التقنيات لجمع البيانات، والتحليل، وأي طرق إحصائية تم تطبيقها لتفسير النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات عن الظروف التجريبية، مثل درجة الحرارة، والمدة، والضوابط المطبقة للتحقق من النتائج. يضمن هذا النهج الصارم أن تكون النتائج موثوقة ويمكن مقارنتها مع دراسات أخرى في هذا المجال. بشكل عام، تعتبر الطرق المستخدمة ضرورية لفهم السياق وآثار نتائج البحث.
النتائج
تدمج الدراسة نظرية التعلم الاجتماعي (SCT) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) لاستكشاف العلاقة بين نية معلمي التربية البدنية في الجامعات لاستخدام الذكاء الاصطناعي (AI) وكفاءتهم الرقمية. تكشف النتائج الرئيسية أن نية أقوى لاعتماد الذكاء الاصطناعي ترتبط إيجابيًا مع كفاءة ذاتية أعلى (SE)، وتأثير اجتماعي مدرك (SI)، وكفاءة رقمية تكنولوجية (TDC). وهذا يشير إلى أن المعلمين الذين يميلون أكثر لاستخدام الذكاء الاصطناعي يظهرون دافعًا داخليًا أكبر ووعيًا بالاتصال الخارجي، مع عمل SE و SI كوسيطين مهمين في هذه العلاقة. تحدد الأبحاث مسارًا مزدوجًا “نفسي-اجتماعي” حيث تعزز الدوافع الداخلية والتأثيرات الخارجية بشكل متآزر الكفاءة الرقمية.
بالإضافة إلى ذلك، تشير تحليل التأثيرات المعتدلة إلى أن الجنس لا يؤثر بشكل كبير على العلاقات بين BI و SE/SI، مما يشير إلى أن أنماط اعتماد الذكاء الاصطناعي متسقة عبر الجنسين في سياق التربية البدنية في التعليم العالي. بشكل عام، تؤكد النتائج على أهمية تعزيز كل من التمكين النفسي والدعم الاجتماعي لتعزيز التكامل الفعال للتكنولوجيا في التربية البدنية، مما يقدم رؤى نظرية وعملية قيمة لتعزيز التحول الرقمي في هذا المجال.
المناقشة
تسلط قسم المناقشة في هذه الورقة البحثية الضوء على أهمية فهم العلاقة بين استعداد معلمي التربية البدنية في الكلية لاستخدام الذكاء الاصطناعي (AI) وكفاءتهم الرقمية. يجادل المؤلفون بأن هذه العلاقة تتأثر بعوامل مختلفة، بما في ذلك الكفاءة الذاتية (SE) والتأثير الاجتماعي (SI)، ويقترحون إطارًا نظريًا متكاملًا يجمع بين نظرية التعلم الاجتماعي (SCT) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT). يهدف هذا الإطار إلى تقديم فهم شامل لكيفية تأثير نية السلوك (BI) على الكفاءة الرقمية، مع الأخذ في الاعتبار أيضًا التأثيرات المعتدلة للجنس.
تستخدم الدراسة استبيانًا يستهدف معلمي التربية البدنية من الجامعات الصينية في البر الرئيسي وتستخدم نمذجة المعادلات الهيكلية للتحقق من العلاقات المقترحة. تشير النتائج إلى أن نية قوية لاستخدام الذكاء الاصطناعي تؤثر إيجابيًا على كفاءة المعلمين الذاتية والتأثير الاجتماعي المدرك، مما يعزز بدوره كفاءتهم الرقمية. يؤكد المؤلفون على الحاجة إلى أبحاث تجريبية في هذا المجال، حيث تظل الأدبيات الحالية حول الكفاءة الرقمية لمعلمي التربية البدنية محدودة. من خلال معالجة هذه الفجوة، تهدف الدراسة إلى تقديم رؤى نظرية وتوصيات عملية لتعزيز قدرات الذكاء الاصطناعي بين المعلمين في سياقات التعليم العالي.
القيود
تسلط القيود في هذه الدراسة الضوء على عدة مجالات للبحث المستقبلي لتعزيز فهم نوايا معلمي التربية البدنية في الجامعات لاستخدام الذكاء الاصطناعي (AI) فيما يتعلق بكفاءتهم الرقمية. بينما يوفر دمج نظرية التعلم الاجتماعي (SCT) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) أساسًا قويًا، يمكن أن تستفيد الدراسات المستقبلية من دمج أطر إضافية مثل نظرية انتشار الابتكار (IDT) وإطار التكنولوجيا-المنظمة-البيئة (TOE). من شأن ذلك أن يثري المشهد النظري ويحسن القوة التفسيرية بشأن سلوكيات اعتماد الذكاء الاصطناعي في البيئات التعليمية.
علاوة على ذلك، يحد تركيز الدراسة على عينة من معلمي التربية البدنية في الجامعات الصينية في البر الرئيسي من تعميم النتائج بسبب الاختلافات الثقافية والمؤسسية الإقليمية. يمكن أن تعزز الدراسات المقارنة عبر أنظمة التعليم الوطنية المختلفة من الصلاحية الخارجية للنتائج. بالإضافة إلى ذلك، قد يغفل الاعتماد على نهج كمي التجارب الذاتية الدقيقة للمعلمين أثناء تنفيذ الذكاء الاصطناعي. يمكن أن تؤدي استخدام تصاميم مختلطة، بما في ذلك المقابلات النوعية أو ملاحظات الفصول الدراسية، إلى رؤى أعمق. أخيرًا، بينما تحدد الدراسة الأدوار الوسيطة للكفاءة الذاتية والتأثير الاجتماعي، يُوصى بمزيد من الاستكشاف للأبعاد العملية من خلال البحث العملي أو الأساليب القائمة على التدخل. سيساعد ذلك في تسهيل فهم شامل للعوامل التي تؤثر على اعتماد الذكاء الاصطناعي ودعم التطبيق الفعال للنماذج النظرية في الممارسة التعليمية.
DOI: https://doi.org/10.1371/journal.pone.0334699
PMID: https://pubmed.ncbi.nlm.nih.gov/41270102
Publication Date: 2025-11-21
Author(s): Zhenyun Du et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the relationship between college physical education teachers’ behavioral intention to use artificial intelligence (AI) and their digital competence, addressing a gap in existing research. Utilizing Social Cognitive Theory (SCT) and the Unified Theory of Acceptance and Use of Technology (UTAUT), the authors developed a structural equation model that includes variables such as behavioral intention, self-efficacy, social influence, and digital competence, with gender as a moderating factor. A survey of 479 physical education teachers from ten universities in mainland China was conducted, and the data were analyzed using AMOS and SPSS.
The findings reveal that teachers’ intention to adopt AI is positively correlated with their self-efficacy, perceived social influence, and digital competence, with self-efficacy and social influence acting as significant mediators in this relationship. Additionally, the study found that self-efficacy positively influences social influence, while gender did not significantly moderate any of the relationships examined. This research contributes to the theoretical framework of SCT and UTAUT within the context of higher education physical education, providing insights for enhancing digital competence and facilitating the intelligent transformation of teaching practices among college physical education instructors.
Introduction
In recent years, artificial intelligence (AI) has significantly influenced higher education, with a notable increase in its adoption by educators. A survey indicated that around 40% of U.S. teachers utilize ChatGPT weekly, primarily for lesson planning and classroom design. Concurrently, China’s Educational Modernization Plan (2024-2035) emphasizes the need for digital advancements in academic disciplines. However, the successful integration of AI in teaching largely hinges on educators’ attitudes and readiness to embrace these technologies, with many still hesitant to adopt AI in their practices.
Research has highlighted various factors affecting the acceptance of AI among educators and students. Studies employing structural equation modeling have shown that university students’ acceptance of AI-assisted learning is influenced by performance expectancy, effort expectancy, and social influence, while perceived risks negatively impact their attitudes. Conversely, university teachers prioritize effort expectancy and facilitating conditions over performance expectancy, indicating a focus on accessibility and support. The necessity for teachers’ digital competence (TDC)—encompassing technological skills, pedagogical knowledge, and ethical awareness—has emerged as crucial for effectively integrating AI into education. Despite the growing interest in AI applications across various educational domains, empirical studies specifically addressing university physical education teachers’ behavioral intentions to adopt AI technologies remain limited. Traditional frameworks like social cognitive theory and the Unified Theory of Acceptance and Use of Technology underscore the role of self-efficacy in technology adoption, suggesting that university physical education teachers may exhibit heightened technological sensitivity and adaptability in the context of AI integration.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the experiments. The methodology is described in a systematic manner, highlighting the techniques for data collection, analysis, and any statistical methods applied to interpret the results.
Additionally, the section may include information on the experimental conditions, such as temperature, duration, and controls implemented to validate the findings. This rigorous approach ensures that the results are reliable and can be compared with other studies in the field. Overall, the methods employed are crucial for understanding the context and implications of the research outcomes.
Results
The study integrates Social Cognitive Theory (SCT) and the Unified Theory of Acceptance and Use of Technology (UTAUT) to explore the relationship between university physical education teachers’ behavioral intention (BI) to use artificial intelligence (AI) and their digital competence. Key findings reveal that a stronger intention to adopt AI positively correlates with higher self-efficacy (SE), perceived social influence (SI), and technology digital competence (TDC). This indicates that teachers who are more inclined to use AI demonstrate greater intrinsic motivation and awareness of external connectivity, with SE and SI acting as significant mediators in this relationship. The research identifies a dual “psychological-social” pathway where internal motivations and external influences synergistically enhance digital competence.
Additionally, the analysis of moderating effects indicates that gender does not significantly impact the relationships between BI and SE/SI, suggesting that AI adoption patterns are consistent across genders in the context of higher education physical education. Overall, the findings underscore the importance of nurturing both psychological empowerment and social support to promote effective technology integration in physical education, offering valuable theoretical and practical insights for advancing digital transformation in this field.
Discussion
The discussion section of this research paper highlights the significance of understanding the relationship between college physical education teachers’ willingness to use artificial intelligence (AI) and their digital competence. The authors argue that this relationship is influenced by various factors, including self-efficacy (SE) and social influence (SI), and propose an integrated theoretical framework combining Social Cognitive Theory (SCT) and the Unified Theory of Acceptance and Use of Technology (UTAUT). This framework aims to provide a comprehensive understanding of how behavioral intention (BI) impacts digital competence, while also considering the moderating effects of gender.
The study employs a questionnaire survey targeting physical education teachers from mainland Chinese universities and utilizes structural equation modeling to validate the proposed relationships. The findings suggest that a strong intention to use AI positively influences teachers’ self-efficacy and perceived social influence, which in turn enhances their digital competence. The authors emphasize the need for empirical research in this area, as existing literature on the digital competence of physical education teachers remains limited. By addressing this gap, the study aims to offer both theoretical insights and practical recommendations for fostering AI capabilities among educators in higher education contexts.
Limitations
The limitations of this study highlight several areas for future research to enhance the understanding of university physical education teachers’ intentions to use artificial intelligence (AI) in relation to their digital competence. While the integration of Social Cognitive Theory (SCT) and the Unified Theory of Acceptance and Use of Technology (UTAUT) provides a solid foundation, future studies could benefit from incorporating additional frameworks such as the Innovation Diffusion Theory (IDT) and the Technology-Organization-Environment (TOE) framework. This would enrich the theoretical landscape and improve the explanatory power regarding AI adoption behaviors in educational settings.
Moreover, the study’s focus on a sample of Chinese mainland university physical education teachers limits the generalizability of the findings due to regional cultural and institutional differences. Conducting comparative studies across various national education systems could enhance the external validity of the results. Additionally, the reliance on a quantitative approach may overlook the nuanced subjective experiences of teachers during AI implementation. Employing mixed-methods designs, including qualitative interviews or classroom observations, could yield deeper insights. Lastly, while the study identifies the mediating roles of self-efficacy and social influence, further exploration of practical dimensions through action research or intervention-based approaches is recommended. This would facilitate a comprehensive understanding of the factors influencing AI adoption and support the effective application of theoretical models in educational practice.