DOI: https://doi.org/10.1186/s40359-025-02620-4
PMID: https://pubmed.ncbi.nlm.nih.gov/40148913
تاريخ النشر: 2025-03-27
المؤلف: Nannan Liu
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تستكشف هذه الدراسة الأدوار الوسيطة للثقة (CON) واستعداد الذكاء الاصطناعي (AIRE) في العلاقة بين المعايير الذاتية (SN) ونية المعلمين الجامعيين السلوكية (BI) لتبني تكنولوجيا الذكاء الاصطناعي. باستخدام عينة عشوائية من 504 معلمين جامعيين، استخدمت البحث استبيانات عبر الإنترنت وحللت البيانات باستخدام AMOS 26 و SPSS Statistics 27. تكشف النتائج أن المعايير الذاتية ترتبط بشكل كبير بالنوايا السلوكية، حيث تعمل كل من الثقة واستعداد الذكاء الاصطناعي كوسيطين في هذه العلاقة (β = 0.0324، 95% CI: [0.0129، 0.0551])، مما يمثل 12.87% من التأثير الكلي.
تؤكد النتائج على أهمية المعايير الذاتية في تعزيز استعداد المعلمين لتبني تكنولوجيا الذكاء الاصطناعي، مشددة على أن تحسين ثقة المعلمين واستعدادهم أمر حاسم لتعزيز هذه النية. توسع الدراسة نموذج قبول التكنولوجيا (TAM) في السياق التعليمي من خلال دمج CON و AIRE كعوامل وسيطة. تقترح أن يركز المسؤولون التعليميون على توفير الموارد مثل التدريب المهني والدعم الفني لتعزيز ثقة المعلمين واستعدادهم، مما يسهل تبني تكنولوجيا الذكاء الاصطناعي بشكل أوسع في التعليم العالي. يقدم نموذج الوساطة المتسلسل المقترح رؤى جديدة لكل من البحث الأكاديمي والتطبيقات العملية، بينما يتم تشجيع الدراسات المستقبلية لاستكشاف متغيرات وسيطة إضافية تتعلق بتبني التكنولوجيا التعليمية.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التكامل المتزايد لتكنولوجيا الذكاء الاصطناعي (AI) في التعليم العالي، بما في ذلك أنظمة التدريس الذكية، ومنصات التعلم عبر الإنترنت، والدردشات الآلية. لقد عززت هذه الابتكارات تقديم المحتوى التعليمي، وتقييم الطلاب، وتوزيع الموارد الشخصية، مما أدى إلى تحسين كفاءة ومرونة الممارسات التعليمية. على الرغم من هذه التقدمات، فإن النجاح في تبني تكنولوجيا الذكاء الاصطناعي يعتمد على نية المعلمين السلوكية (BI) لاستخدام هذه الأدوات، والتي تتأثر بمهاراتهم التقنية، وثقتهم، والدعم الذي يتلقونه من بيئتهم.
تحدد الورقة عدة تحديات تعيق استعداد المعلمين لتبني الذكاء الاصطناعي، بما في ذلك نقص المهارات التقنية، والمخاوف الأخلاقية، وقيود الموارد. تعتمد الأبحاث الحالية بشكل أساسي على نماذج تقليدية مثل نموذج قبول التكنولوجيا (TAM) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، التي تركز على قابلية استخدام التكنولوجيا بدلاً من العوامل الفردية مثل الثقة والاستعداد. تهدف هذه الدراسة إلى معالجة هذه الفجوة من خلال فحص كيفية تأثير العوامل النفسية والاجتماعية، وخاصة في سياق التعليم العالي الصيني، على نية المعلمين الجامعيين لتبني تكنولوجيا الذكاء الاصطناعي. من خلال التأكيد على التفاعل بين التأثيرات الفردية والاجتماعية، تسعى البحث إلى تقديم رؤى نظرية وتوصيات عملية لتعزيز تكامل الذكاء الاصطناعي في البيئات التعليمية، مما يعزز الابتكار ويحسن جودة التعليم.
الطرق
تضمنت طرق البحث المستخدمة في هذه الدراسة نهجًا منهجيًا لجمع البيانات وتحليلها. استخدم المؤلفون مجموعة من التقنيات الكمية والنوعية لضمان فهم شامل لمشكلة البحث. على وجه التحديد، قاموا بإجراء استبيانات وتجارب لجمع البيانات الرقمية، بينما دمجوا أيضًا المقابلات ومجموعات التركيز لالتقاط وجهات نظر دقيقة من المشاركين.
تم إجراء تحليل البيانات باستخدام برامج إحصائية، مما سمح بتطبيق تقنيات تحليلية متنوعة، بما في ذلك تحليل الانحدار والترميز الموضوعي. لم تعزز هذه الطريقة المزدوجة فقط صحة النتائج ولكنها أيضًا سهلت استكشافًا أعمق للعوامل الأساسية التي تؤثر على الظواهر الملاحظة. قدم دمج منهجيات متنوعة في النهاية إطارًا قويًا لمعالجة أسئلة البحث المطروحة في الدراسة.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الدور المهم للمعايير الذاتية (SN) والثقة (CON) في التأثير على نوايا المعلمين السلوكية (BI) لتبني تكنولوجيا الذكاء الاصطناعي في البيئات التعليمية. يثبت أن SN الإيجابية، المستمدة من الزملاء والدعم القيادي، تعزز ثقة المعلمين، مما يزيد من استعدادهم لدمج تكنولوجيا الذكاء الاصطناعي في ممارساتهم التعليمية. تشير الأدلة التجريبية إلى أنه عندما يدرك المعلمون SN قوية، فإنهم يطورون مواقف أكثر إيجابية تجاه الذكاء الاصطناعي، مما يؤدي إلى نية أكبر لاستخدامه. على العكس من ذلك، يمكن أن تقلل SN السلبية من هذه النية، مما يبرز أهمية بيئة داعمة في تعزيز تبني التكنولوجيا.
بالإضافة إلى ذلك، تحدد الورقة الأدوار الوسيطة لـ CON واستعداد الذكاء الاصطناعي (AIRE) في العلاقة بين SN و BI. تعزز مستويات أعلى من CON ثقة المعلمين في إتقان تكنولوجيا الذكاء الاصطناعي، كما تعزز AIRE الخاصة بهم، والتي تشمل استعدادهم ودافعهم لدمج الذكاء الاصطناعي في فصولهم الدراسية. تشير النتائج إلى أن SN يمكن أن تؤثر بشكل غير مباشر على BI من خلال هذه الوسطاء، مما يوضح تأثير الوساطة المتسلسل حيث يؤدي زيادة SN إلى زيادة CON، مما يعزز بعد ذلك AIRE وفي النهاية BI. يبرز هذا الإطار ضرورة تعزيز مجتمع داعم وتوفير فرص التطوير المهني لتحسين استعداد وثقة المعلمين في استخدام تكنولوجيا الذكاء الاصطناعي، مما يسهل تكاملها في الممارسات التعليمية.
القيود
تقدم الدراسة عدة قيود قد تؤثر على قابلية تعميم وعمق نتائجها. أولاً، كانت العينة تتكون بشكل أساسي من معلمين جامعيين من منطقة معينة، مما يحد من قابلية تطبيق النتائج على سياقات جغرافية وتعليمية أخرى. لتعزيز قوة البحث المستقبلي، يُوصى بتضمين عينة أكثر تنوعًا تمتد عبر مناطق مختلفة، وأنواع الجامعات، وإعدادات متعددة التخصصات. سيسهل ذلك فهمًا أفضل للاختلافات المحتملة بين مجموعات المعلمين.
بالإضافة إلى ذلك، استخدمت البحث تصميمًا مقطعيًا، والذي يحدد بشكل أساسي الارتباطات بين المتغيرات دون إقامة علاقات سببية. يمكن أن تستفيد الدراسات المستقبلية من اعتماد تصميمات طولية لمراقبة التغيرات في مفاهيم المعلمين لتبني التكنولوجيا، مثل CON (البناء)، AIRE (الموقف تجاه المعلومات والانخراط في الموارد)، و BI (نية السلوك) بمرور الوقت. سيمكن هذا التحول المنهجي من استكشاف أكثر دقة للديناميات طويلة الأجل والمسارات السببية التي تؤثر على سلوكيات تبني التكنولوجيا بين المعلمين.
DOI: https://doi.org/10.1186/s40359-025-02620-4
PMID: https://pubmed.ncbi.nlm.nih.gov/40148913
Publication Date: 2025-03-27
Author(s): Nannan Liu
Primary Topic: AI in Service Interactions
Overview
This study investigates the mediating roles of confidence (CON) and artificial intelligence readiness (AIRE) in the relationship between subjective norms (SN) and university teachers’ behavioral intention (BI) to adopt AI technology. Utilizing a random sample of 504 university teachers, the research employed online surveys and analyzed data using AMOS 26 and SPSS Statistics 27. The findings reveal that subjective norms significantly correlate with behavioral intention, with both confidence and AI readiness serving as chain mediators in this relationship (β = 0.0324, 95% CI: [0.0129, 0.0551]), accounting for 12.87% of the total effect.
The results underscore the importance of subjective norms in enhancing teachers’ willingness to adopt AI technology, highlighting that improving teachers’ confidence and readiness is crucial for fostering this intention. The study extends the Technology Acceptance Model (TAM) within the educational context by integrating CON and AIRE as mediating factors. It suggests that educational administrators should focus on providing resources such as professional training and technical support to bolster teachers’ confidence and readiness, thereby facilitating broader AI technology adoption in higher education. The proposed chain mediation model offers new insights for both academic research and practical applications, while future studies are encouraged to explore additional mediating variables related to educational technology adoption.
Introduction
The introduction of the research paper highlights the growing integration of artificial intelligence (AI) technologies in higher education, including intelligent tutoring systems, online learning platforms, and chatbots. These innovations have enhanced instructional content delivery, student assessment, and personalized resource distribution, thereby improving the efficiency and flexibility of educational practices. Despite these advancements, the successful adoption of AI technology is contingent upon teachers’ behavioral intention (BI) to utilize such tools, which is influenced by their technical skills, confidence, and the support they receive from their environment.
The paper identifies several challenges that hinder teachers’ willingness to adopt AI, including insufficient technical skills, ethical concerns, and resource limitations. Existing research primarily relies on traditional models like the Technology Acceptance Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT), which focus on technology usability rather than individual factors such as confidence and readiness. This study aims to address this gap by examining how psychological and social factors, particularly within the context of Chinese higher education, affect university teachers’ BI to adopt AI technology. By emphasizing the interplay between individual and social influences, the research seeks to provide theoretical insights and practical recommendations for enhancing AI integration in educational settings, ultimately fostering innovation and improving educational quality.
Methods
The research methods employed in this study involved a systematic approach to data collection and analysis. The authors utilized a combination of quantitative and qualitative techniques to ensure a comprehensive understanding of the research problem. Specifically, they conducted surveys and experiments to gather numerical data, while also incorporating interviews and focus groups to capture nuanced perspectives from participants.
Data analysis was performed using statistical software, allowing for the application of various analytical techniques, including regression analysis and thematic coding. This dual-method approach not only enhanced the validity of the findings but also facilitated a deeper exploration of the underlying factors influencing the observed phenomena. The integration of diverse methodologies ultimately provided a robust framework for addressing the research questions posed in the study.
Discussion
The discussion section of the research paper emphasizes the significant role of subjective norms (SN) and confidence (CON) in influencing teachers’ behavioral intentions (BI) to adopt AI technology in educational settings. It establishes that positive SN, derived from supportive colleagues and leadership, enhances teachers’ CON, which in turn increases their willingness to integrate AI technology into their teaching practices. Empirical evidence indicates that when teachers perceive strong SN, they develop more favorable attitudes towards AI, leading to a greater intention to utilize it. Conversely, negative SN can diminish this intention, highlighting the importance of a supportive environment in fostering technology adoption.
Additionally, the paper identifies the mediating roles of CON and AI readiness (AIRE) in the relationship between SN and BI. Higher levels of CON not only boost teachers’ confidence in mastering AI technology but also enhance their AIRE, which encompasses their preparedness and motivation to integrate AI into their classrooms. The findings suggest that SN can indirectly influence BI through these mediators, illustrating a chain mediation effect where increased SN leads to higher CON, which subsequently enhances AIRE and ultimately BI. This framework underscores the necessity of fostering a supportive community and providing professional development opportunities to improve teachers’ readiness and confidence in using AI technology, thereby facilitating its integration into educational practices.
Limitations
The study presents several limitations that may affect the generalizability and depth of its findings. Firstly, the sample was predominantly composed of university teachers from a specific region, which limits the applicability of the results to other geographical and educational contexts. To enhance the robustness of future research, it is recommended to include a more diverse sample that spans various regions, types of universities, and multidisciplinary settings. This would facilitate a better understanding of potential differences among teacher groups.
Additionally, the research utilized a cross-sectional design, which primarily identifies correlations between variables without establishing causal relationships. Future studies could benefit from adopting longitudinal designs to monitor changes in teachers’ constructs of technology adoption, such as CON (Construct), AIRE (Attitude towards Information and Resource Engagement), and BI (Behavioral Intention) over time. This methodological shift would enable a more nuanced exploration of the long-term dynamics and causal pathways influencing technology adoption behaviors among educators.