DOI: https://doi.org/10.1057/s41599-026-06583-8
تاريخ النشر: 2026-01-31
المؤلف: Subhasis Bera وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تبحث ورقة البحث في اعتماد الذكاء الاصطناعي (AI) بين طلاب الجيل Z في الهند الحضرية، مع الأخذ في الاعتبار أيضًا جيل الألفية وخبراء الذكاء الاصطناعي. تعتمد على النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) من خلال دمج الوسطاء المركبين وتستخدم نمذجة المعادلات الهيكلية (SEM) جنبًا إلى جنب مع نموذج المؤشرات المتعددة والأسباب المتعددة (MIMIC) لاختبار ستة فرضيات بناءً على بيانات من 305 مستجيب. تكشف النتائج الرئيسية أن النية السلوكية، التأثير الاجتماعي، والانخراط الرقمي تؤثر بشكل إيجابي على اعتماد الذكاء الاصطناعي، حيث يحفز الطلاب توقعات أداء الذكاء الاصطناعي، سهولة الاستخدام، والسياق الاجتماعي. ومن الجدير بالذكر أن تمكين الذات تم تحديده كعامل حاسم، حيث يسعى الطلاب لتعزيز مهاراتهم وآفاقهم المهنية من خلال الذكاء الاصطناعي.
تسلط الدراسة أيضًا الضوء على الفجوات الكبيرة بين الجنسين في اعتماد الذكاء الاصطناعي، حيث تشير النتائج إلى أن المستجيبين الذكور والإناث يختلفون في تصوراتهم ودوافعهم بشأن الذكاء الاصطناعي. بينما تؤثر مستويات التعليم الأعلى واستخدام الإنترنت الطوعي بشكل إيجابي على اعتماد الذكاء الاصطناعي، فإن الجنس له تأثير معتدل سلبي، مما يشير إلى الحاجة إلى تدخلات مستهدفة لمعالجة هذه الفجوات. تؤكد الأبحاث على أهمية تعزيز معرفة الذكاء الاصطناعي والكفاءة الذاتية الرقمية في البيئات التعليمية لإعداد قوة عاملة جاهزة للمستقبل. علاوة على ذلك، تؤكد على ضرورة استراتيجيات محددة للسياق للتخفيف من الحواجز أمام اعتماد الذكاء الاصطناعي، لا سيما في البلدان النامية مثل الهند، حيث تعيق التحديات المتعلقة بالبنية التحتية والموارد التحول الرقمي.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على الدور التحويلي للذكاء الاصطناعي (AI) عبر مختلف القطاعات، لا سيما في التعليم، حيث يعمل كأداة رقمية للمهام المعرفية التي يؤديها البشر تقليديًا. تُستخدم تقنيات الذكاء الاصطناعي، بما في ذلك التعلم الآلي ومعالجة اللغة الطبيعية، بشكل متزايد لتعزيز تجارب التعلم الشخصية وتعزيز مهارات التفكير العليا. ومع ذلك، فإن دمج الذكاء الاصطناعي في السياقات التعليمية يثير مخاوف أخلاقية كبيرة، مثل خصوصية البيانات، والتحيز الخوارزمي، والقدرة على تعزيز الفوارق القائمة. تتفاقم هذه التحديات في البلدان النامية، حيث تعيق البنية التحتية غير الكافية ومعرفة القراءة والكتابة الرقمية بين المعلمين التنفيذ الفعال للذكاء الاصطناعي.
تهدف الدراسة إلى معالجة الفجوة في فهم اعتماد الذكاء الاصطناعي بين الطلاب في الهند، لا سيما في السياقات التي قد لا تدعم فيها التفويضات المؤسسية مثل هذا الدمج. من خلال استخدام امتداد لنموذج النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، تبحث الأبحاث في محددات اعتماد الذكاء الاصطناعي، مع التركيز على الدافع الداخلي وتأثيرات ملفات الانخراط الرقمي. من المتوقع أن توفر النتائج رؤى قيمة للمؤسسات الأكاديمية وصانعي السياسات، مما يبرز الحاجة إلى الوصول العادل إلى تقنيات الذكاء الاصطناعي وبرامج معرفة الذكاء الاصطناعي المستهدفة لإعداد الطلاب لمتطلبات التكنولوجيا المستقبلية. تم هيكلة الورقة لمراجعة الأدبيات ذات الصلة، وتطوير الفرضيات، وتفصيل تصميم الدراسة، وتحليل البيانات، وتقديم النتائج الرئيسية والآثار للبحوث المستقبلية.
النتائج
توفر نتائج الدراسة تحققًا تجريبيًا للعلاقات المفترضة بشأن اعتماد الذكاء الاصطناعي بين الطلاب الهنود الشباب، مما يؤكد قوة نموذج المعادلات الهيكلية (SEM) المستخدم. كشفت التحليلات عن علاقات إيجابية كبيرة لعدة فرضيات: أظهرت H1 أن النية السلوكية (BI)، التي تتأثر بتوقع الأداء (PE)، وتوقع الجهد (EE)، وتمكين الذات (SE)، تؤثر بشكل إيجابي على اعتماد الذكاء الاصطناعي (AIA) بمعامل معياري قدره $\beta = 0.593$ (p < 0.001). وهذا يبرز أهمية الدافع الشخصي وفوائد الأداء في دفع اعتماد الذكاء الاصطناعي، مما يوسع نموذج UTAUT من خلال دمج SE كعامل حاسم. بالإضافة إلى ذلك، وجدت H2 علاقة إيجابية كبيرة بين التأثير الاجتماعي (SI) واعتماد الذكاء الاصطناعي (AIA) ($\beta = 0.561$, p < 0.001)، مما يبرز دور سلوكيات الأقران والمعايير الاجتماعية في تعزيز قبول الذكاء الاصطناعي. في المقابل، أشارت H3 إلى عدم وجود تأثير كبير للظروف الميسرة (FC) على اعتماد الذكاء الاصطناعي ($\beta = 0.008$, p = 0.942)، مما يشير إلى أن الوصول إلى الموارد وحده لا يدفع الاعتماد. كانت التأثيرات المعتدلة لملف الانخراط الرقمي (DEP) معقدة؛ بينما افترضت H4 وH5 وH6 أن DEP سيعزز العلاقات بين BI وFC وSI مع AIA، كشفت النتائج عن تأثير معتدل سلبي كبير، مما يشير إلى أن الانخراط الرقمي الأعلى قد يضعف هذه التأثيرات. أكد نموذج MIMIC أيضًا أن التعليم والانخراط الطوعي يتنبأان بشكل إيجابي باعتماد الذكاء الاصطناعي، بينما أثرت الفروق بين الجنسين سلبًا على احتمال الاعتماد، مما يتطلب مزيدًا من التحقيق في هذه الديناميات.
المناقشة
توفر قسم المناقشة في ورقة البحث نظرة شاملة على المشهد المتطور للذكاء الاصطناعي (AI) في التعليم، مع التركيز على تعريفاته، وقدراته، والتحديات المرتبطة بدمجه. تكشف الأدبيات أنه بينما تم تعريف الذكاء الاصطناعي بطرق متنوعة—تتراوح من وجهة نظر جون مكارثي التأسيسية إلى التفسيرات المعاصرة من قبل منظمات مثل منظمة التعاون والتنمية الاقتصادية (OECD) وIBM—لا يزال هناك توافق على إمكانيته في تعزيز اتخاذ القرار وعمليات التعلم. تسلط الورقة الضوء على التقدم السريع في الذكاء الاصطناعي التوليدي، الذي أثر بشكل كبير على منهجيات التعليم، لا سيما من خلال تجارب التعلم الشخصية وأنظمة التدريس الذكية. ومع ذلك، على الرغم من هذه التقدمات، فإن الحالة الحالية للذكاء الاصطناعي في التعليم تتميز بالقيود في القابلية للتوسع، والقدرة على التفسير، والذكاء العام، مما يشير إلى أنه بينما يمكن للذكاء الاصطناعي أن يتفوق على البشر في مهام معينة، فإنه يفتقر إلى القدرات المعرفية الأوسع اللازمة للسياقات التعليمية المعقدة.
علاوة على ذلك، تواجه عملية دمج الذكاء الاصطناعي في الأطر التعليمية عدة تحديات، بما في ذلك المخاوف الأخلاقية، والحاجة إلى الإشراف البشري، والحواجز البنية التحتية، لا سيما في البلدان النامية. تؤكد الورقة على أهمية فهم العوامل التي تؤثر على اعتماد الطلاب للذكاء الاصطناعي، مشيرة إلى أن الخلفية الثقافية، والمواقف، والثقة تلعب أدوارًا حاسمة. تكشف تحليل بيبليومتري تم إجراؤه في الدراسة عن تحول في اتجاهات البحث نحو بيئات التعلم التكيفية والشخصية، مع التركيز على تطبيقات الذكاء الاصطناعي التوليدي. يحدد هذا التحليل مجموعات موضوعية رئيسية في الأدبيات، مثل النية السلوكية، وتوقع الأداء، والتأثير الاجتماعي، والتي تعتبر أساسية لفهم ديناميات اعتماد الذكاء الاصطناعي في التعليم. تشير النتائج إلى أنه مع استمرار تطور تقنيات الذكاء الاصطناعي، هناك حاجة ملحة لمواءمة الممارسات التعليمية مع توقعات وسلوكيات التعلم للطلاب المعاصرين، لا سيما جيل Z، الذين يظهرون أنماط اعتماد مميزة مدفوعة بالاستقلالية وتمكين الذات.
DOI: https://doi.org/10.1057/s41599-026-06583-8
Publication Date: 2026-01-31
Author(s): Subhasis Bera et al.
Primary Topic: AI in Service Interactions
Overview
The research paper investigates the adoption of Artificial Intelligence (AI) among Generation Z (Gen-Z) students in urban India, while also considering millennials and AI experts. It builds on the Unified Theory of Acceptance and Use of Technology (UTAUT) by incorporating composite moderators and employs structural equation modeling (SEM) alongside a Multiple Indicators Multiple Causes (MIMIC) model to test six hypotheses based on data from 305 respondents. Key findings reveal that behavioral intention, social influence, and digital engagement positively affect AI adoption, with students motivated by expectations of AI performance, ease of use, and social context. Notably, self-empowerment is identified as a crucial factor, as students seek to enhance their skills and career prospects through AI.
The study also highlights significant gender disparities in AI adoption, with findings indicating that male and female respondents differ in their perceptions and motivations regarding AI. While higher education levels and voluntary internet use positively moderate AI adoption, gender has a negative moderating effect, suggesting the need for targeted interventions to address these disparities. The research underscores the importance of fostering AI literacy and digital self-efficacy in educational settings to prepare a future-ready workforce. Furthermore, it emphasizes the necessity of context-specific strategies to mitigate barriers to AI adoption, particularly in developing countries like India, where infrastructural and resource challenges impede digital transformation.
Introduction
The introduction of this research paper highlights the transformative role of Artificial Intelligence (AI) across various sectors, particularly in education, where it serves as a digital tool for cognitive tasks traditionally performed by humans. AI technologies, including machine learning and natural language processing, are increasingly utilized to enhance personalized learning experiences and foster higher-order thinking skills. However, the integration of AI in educational contexts raises significant ethical concerns, such as data privacy, algorithmic bias, and the potential for reinforcing existing inequalities. These challenges are exacerbated in developing countries, where inadequate infrastructure and digital literacy among educators hinder effective AI implementation.
The study aims to address the gap in understanding AI adoption among students in India, particularly in contexts where institutional mandates may not support such integration. By employing an extension of the Unified Theory of Acceptance and Use of Technology (UTAUT) framework, the research investigates the determinants of AI adoption, focusing on intrinsic motivation and the moderating effects of digital engagement profiles. The findings are expected to provide valuable insights for academic institutions and policymakers, emphasizing the need for equitable access to AI technologies and targeted AI literacy programs to prepare students for future technological demands. The paper is structured to review relevant literature, develop hypotheses, detail study design, analyze data, and present key findings and implications for future research.
Results
The results of the study provide empirical validation for the hypothesized relationships regarding AI adoption among young Indian students, confirming the robustness of the structural equation model (SEM) used. The analysis revealed significant positive relationships for several hypotheses: H1 demonstrated that Behavioral Intention (BI), influenced by Performance Expectancy (PE), Effort Expectancy (EE), and Self-Empowerment (SE), positively affects AI Adoption (AIA) with a standardized coefficient of $\beta = 0.593$ (p < 0.001). This underscores the importance of personal motivation and performance benefits in driving AI adoption, extending the UTAUT model by integrating SE as a critical factor. Additionally, H2 found a significant positive relationship between Social Influence (SI) and AI Adoption (AIA) ($\beta = 0.561$, p < 0.001), highlighting the role of peer behaviors and societal norms in promoting AI acceptance. In contrast, H3 indicated no significant effect of Facilitating Conditions (FC) on AI Adoption ($\beta = 0.008$, p = 0.942), suggesting that access to resources alone does not drive adoption. The moderating effects of Digital Engagement Profile (DEP) were complex; while H4, H5, and H6 hypothesized that DEP would enhance the relationships between BI, FC, and SI with AIA, the results revealed a significant negative moderating effect, indicating that higher digital engagement may actually weaken these influences. The MIMIC model further confirmed that education and voluntary engagement positively predict AI adoption, while gender differences negatively impacted adoption likelihood, warranting further investigation into these dynamics.
Discussion
The discussion section of the research paper provides a comprehensive overview of the evolving landscape of artificial intelligence (AI) in education, emphasizing its definitions, capabilities, and the challenges associated with its integration. The literature reveals that while AI has been defined in various ways—ranging from John McCarthy’s foundational perspective to contemporary interpretations by organizations like the OECD and IBM—there remains a consensus on its potential to enhance decision-making and learning processes. The paper highlights the rapid advancements in generative AI, which have significantly impacted educational methodologies, particularly through personalized learning experiences and intelligent tutoring systems. However, despite these advancements, the current state of AI in education is characterized by limitations in scalability, explainability, and general intelligence, indicating that while AI can outperform humans in specific tasks, it lacks the broader cognitive capabilities necessary for complex educational contexts.
Furthermore, the integration of AI into educational frameworks faces several challenges, including ethical concerns, the need for human oversight, and infrastructural barriers, particularly in developing countries. The paper underscores the importance of understanding the factors influencing students’ adoption of AI, noting that cultural background, attitudes, and confidence play critical roles. A bibliometric analysis conducted in the study reveals a shift in research trends towards adaptive, personalized learning environments, with a focus on generative AI applications. This analysis identifies key thematic clusters in the literature, such as behavioral intention, performance expectancy, and social influence, which are essential for understanding the dynamics of AI adoption in education. The findings suggest that as AI technologies continue to evolve, there is a pressing need to align educational practices with the expectations and learning behaviors of contemporary students, particularly Generation Z, who exhibit distinct adoption patterns driven by autonomy and self-empowerment.