DOI: https://doi.org/10.1016/j.sbr.2026.100102
تاريخ النشر: 2026-03-05
المؤلف: Gideon Mazuruse وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تستكشف الورقة البحثية محددات رضا المستخدمين عن أدوات الذكاء الاصطناعي (AI) في التعليم الإداري، مع معالجة التحديات المزدوجة المتعلقة بالاعتبارات الأخلاقية ودمج الذكاء الاصطناعي في البيئات الأكاديمية. على الرغم من إمكانيات الذكاء الاصطناعي في تعزيز إنتاجية البحث، تبقى القضايا المتعلقة بالنزاهة الأكاديمية والتفكير النقدي ذات أهمية كبيرة. تعتمد الدراسة، التي تستند إلى عينة من 260 مستجيبًا، على كل من نمذجة المعادلات الهيكلية (SEM) وخوارزمية الغابة العشوائية (RF) لتحليل تسعة مفاهيم رئيسية تؤثر على الرضا. تكشف النتائج أن سهولة الاستخدام المدركة تعزز بشكل كبير من الفائدة المدركة، مما يدفع بدوره الرضا العام عن أدوات الذكاء الاصطناعي. ومن الجدير بالذكر أن الاعتبارات الأخلاقية تؤثر سلبًا على الفائدة المدركة، مما يبرز التوازنات المعنية في اعتماد الذكاء الاصطناعي.
تظهر نموذج الغابة العشوائية أداءً تنبؤيًا قويًا (R² = 0.73) وتحدد سهولة الاستخدام المدركة، والوصول إلى تقنيات الذكاء الاصطناعي، والفائدة المدركة كأكثر المتنبئين تأثيرًا على الرضا. يعزز تقارب نتائج SEM وRF مساهمات الدراسة في الأدبيات المتعلقة بالتحول الرقمي والابتكار المسؤول في التعليم الإداري. تقدم الرؤى المستمدة من هذا البحث توجيهات قابلة للتنفيذ لقادة كليات الأعمال وصانعي السياسات الذين يسعون لدمج أدوات الذكاء الاصطناعي بشكل أخلاقي واستراتيجي في البحث والتعليم الإداري.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في التعليم الإداري، مع التأكيد على تطوره السريع ودمجه في منهجيات البحث وممارسات التدريس. يتم استخدام الذكاء الاصطناعي بشكل متزايد لتحليل بيانات تحليلات التعلم، وتوقع أداء الطلاب، وتصميم أنظمة التعلم التكيفية، مما يعزز جودة التعليم. ومع ذلك، تستمر التحديات مثل الانتحال وتقليل مهارات التفكير النقدي، مما يستدعي فحصًا دقيقًا لرضا المستخدمين عن أدوات الذكاء الاصطناعي. تهدف الدراسة إلى استكشاف العوامل التي تؤثر على هذا الرضا، وخاصة الدور الوسيط للفائدة المدركة، وتطوير نهج نمذجة معادلات هيكلية هجينة لفهم التفاعلات المعقدة التي تؤثر على تجربة المستخدم في بحث التعليم الإداري.
علاوة على ذلك، تناقش الورقة الآثار الأخلاقية لاستخدام الذكاء الاصطناعي، بما في ذلك المخاوف بشأن النزاهة الأكاديمية وإمكانية الاعتماد المفرط على التكنولوجيا، مما قد يقوض العلاقات الشخصية والوصول العادل إلى الموارد. يعتبر سياق زيمبابوي ذا صلة خاصة، حيث يواجه تحديات فريدة في اعتماد الذكاء الاصطناعي ضمن نظام التعليم العالي الخاص به، المتأثر بالقيود الهيكلية والقدرات. من خلال معالجة هذه القضايا، تسعى الدراسة إلى تقديم رؤى يمكن أن تفيد صانعي السياسات وتعزز الدمج الفعال للذكاء الاصطناعي في البيئات التعليمية، مما يساهم في سد الفجوة بين التقدم التكنولوجي ورضا المستخدمين في الأوساط الأكاديمية.
طرق
يستعرض قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك مصادرها وطرق إعدادها، بالإضافة إلى إعداد التجربة. يتم وصف المنهجيات بطريقة خطوة بخطوة، مما يضمن إمكانية تكرار النتائج. كما يتم تسليط الضوء على التقنيات والأدوات الرئيسية المستخدمة لجمع البيانات وتحليلها، مما يوفر رؤى حول صرامة وصلاحية البحث.
بالإضافة إلى ذلك، قد يتضمن القسم طرقًا إحصائية تم تطبيقها لتفسير البيانات، مع تحديد أي برامج أو خوارزميات تم استخدامها للتحليل. بشكل عام، يخدم هذا القسم في وضع الإطار الذي تم فيه إجراء البحث، مما يسمح بالتقييم النقدي للنتائج المقدمة في الأقسام اللاحقة.
نتائج
تشير نتائج الدراسة، التي تم تحليلها باستخدام SmartPLS v.4.1.0.9، إلى علاقات هامة بين العوامل المختلفة التي تؤثر على الفائدة المدركة للذكاء الاصطناعي. أثر الوصول إلى تقنيات الذكاء الاصطناعي وتحسينات جودة البحث بشكل إيجابي على الفائدة المدركة، مع معاملات مسار تبلغ 0.145 و0.146 على التوالي، وقيم p تساوي صفر. بالإضافة إلى ذلك، كانت فوائد توفير الوقت مرتبطة إيجابيًا بالفائدة المدركة (H5: $\beta = 0.160$, $SE = 0.025$, $p < 0.01$, $t = 4.46$) والدقة المدركة لمخرجات الذكاء الاصطناعي (H6: $\beta = 0.120$, $SE = 0.019$, $p < 0.01$, $t = 3.87$). أظهرت سهولة استخدام أدوات الذكاء الاصطناعي تأثيرًا إيجابيًا قويًا على الفائدة المدركة (H4: $\beta = 0.637$, $SE = 0.021$, $p < 0.01$, $t = 5.34$)، بينما كان توفر التدريب والدعم له علاقة إيجابية أضعف (H7: $\beta = 0.025$, $SE = 0.02$, $p < 0.01$, $t = 3.08$). ومن الجدير بالذكر أن الفائدة المدركة كانت مرتبطة بقوة برضا المستخدمين (H8: $\beta = 0.791$, $SE = 0.014$, $p < 0.01$, $t = 6.23$)، على الرغم من أن الوعي بالاعتبارات الأخلاقية أثر سلبًا على الفائدة المدركة (H3: $\beta = -0.178$, $SE = 0.064$, $p < 0.01$, $t = 1.35$). في تحليل الغابة العشوائية، تم تطوير نموذج للتنبؤ برضا المستخدمين بين الباحثين في التعليم الإداري في زيمبابوي، باستخدام تقسيم التدريب/الاختبار بنسبة 70:30 ودمج التحقق المتقاطع 10 مرات لتعزيز القوة. حقق النموذج دقة عالية بقيمة $R^2$ تبلغ 73%، مما يشير إلى أن العوامل المدرجة - سهولة الاستخدام، الوصول إلى تقنيات الذكاء الاصطناعي، الدقة المدركة، فوائد توفير الوقت، تحسين جودة البحث، توفر التدريب والدعم، الوعي بالاعتبارات الأخلاقية، والفائدة المدركة - تفسر جزءًا كبيرًا من التباين في رضا المستخدمين. أظهرت مقاييس التقييم مثل RMSE (0.744)، MSE (0.553)، وMAE (0.467) موثوقية النموذج في التنبؤ برضا المستخدمين، مما يشير إلى إمكانيته في إبلاغ السياسات الهادفة إلى تعزيز استخدام الذكاء الاصطناعي في أنشطة ريادة الأعمال.
مناقشة
في هذا القسم، تناقش البحث الأسس النظرية والافتراضات المتعلقة بتأثير الفائدة المدركة على رضا المستخدمين عن أدوات الذكاء الاصطناعي (AI) في بحث التعليم الإداري في زيمبابوي. تستند الدراسة إلى إطارين رئيسيين: نموذج قبول التكنولوجيا (TAM) ونموذج نجاح نظم المعلومات لديلون وماكلين (ISSM). يفترض نموذج قبول التكنولوجيا أن سهولة الاستخدام المدركة والفائدة المدركة هما محددان حاسمان لقبول التكنولوجيا، مما يشير إلى أن المستخدمين من المرجح أن يعتمدوا أدوات الذكاء الاصطناعي إذا كانت تعزز الجودة والكفاءة. من ناحية أخرى، يؤكد نموذج نجاح نظم المعلومات على أهمية جودة النظام والمعلومات والخدمات في تحديد رضا المستخدمين، مما يشير إلى أن الدقة المدركة وخدمات الدعم تؤثر بشكل كبير على تجارب المستخدمين مع الذكاء الاصطناعي.
تحدد الدراسة أيضًا عدة عوامل تؤثر على الفائدة المدركة، بما في ذلك الوصول إلى تقنيات الذكاء الاصطناعي، تحسين جودة البحث، الوعي الأخلاقي، سهولة الاستخدام، فوائد توفير الوقت، الدقة المدركة لمخرجات الذكاء الاصطناعي، وتوفر التدريب والدعم. يرتبط كل عامل بفرضيات محددة، مثل التأثير الإيجابي للوصول إلى الذكاء الاصطناعي على الفائدة المدركة والتأثير السلبي للاعتبارات الأخلاقية على رضا المستخدمين. تستخدم الدراسة نهجًا كميًا مقطعيًا، مع استخدام استبيان منظم لجمع البيانات من 260 مشاركًا، وتحليل البيانات باستخدام منهجية هجينة من SEM والغابة العشوائية للتحقق من الفرضيات المقترحة وتقييم العلاقات بين المتغيرات.
القيود
تقدم الدراسة رؤى هامة حول الرضا عن أدوات الذكاء الاصطناعي في البحث الأكاديمي؛ ومع ذلك، من المهم التعرف على قيودها. تم إجراء الدراسة ضمن مؤسسات التعليم العالي في زيمبابوي، وقد لا تكون النتائج قابلة للتعميم على سياقات أخرى تمتلك بنى تحتية تكنولوجية أو بيئات أكاديمية مختلفة. على سبيل المثال، قد تختلف الاعتبارات الأخلاقية المتعلقة باستخدام الذكاء الاصطناعي بشكل ملحوظ بين الدول النامية والمتقدمة، مما يؤثر على مدى ملاءمة هذا البحث في بيئات متنوعة.
بالإضافة إلى ذلك، فإن الاعتماد على البيانات المبلغ عنها ذاتيًا يقدم انحيازات محتملة، مثل انحياز الرغبة الاجتماعية، مما قد يشوه النتائج والتنبؤات. تبرز هذه القيود الحاجة إلى الحذر عند استنتاج استنتاجات الدراسة إلى سياقات أوسع أو مجموعات سكانية مختلفة.
DOI: https://doi.org/10.1016/j.sbr.2026.100102
Publication Date: 2026-03-05
Author(s): Gideon Mazuruse et al.
Primary Topic: AI in Service Interactions
Overview
The research paper investigates the determinants of user satisfaction with artificial intelligence (AI) tools in management education, addressing the dual challenges of ethical concerns and the integration of AI in academic settings. Despite the potential of AI to enhance research productivity, issues related to academic integrity and critical thinking remain significant. The study, based on a sample of 260 respondents, employs both Structural Equation Modelling (SEM) and a Random Forest (RF) algorithm to analyze nine key constructs influencing satisfaction. The findings reveal that perceived ease of use significantly enhances perceived usefulness, which in turn drives overall satisfaction with AI tools. Notably, ethical concerns negatively impact perceived usefulness, highlighting the trade-offs involved in AI adoption.
The RF model demonstrates strong predictive performance (R² = 0.73) and identifies perceived ease of use, access to AI technologies, and perceived usefulness as the most influential predictors of satisfaction. The convergence of SEM and RF results strengthens the study’s contributions to the literature on digital transformation and responsible innovation in management education. The insights derived from this research offer actionable guidance for business school leaders and policymakers aiming to ethically and strategically integrate AI tools into management research and education.
Introduction
The introduction of this research paper highlights the transformative role of Artificial Intelligence (AI) in management education, emphasizing its rapid development and integration into research methodologies and teaching practices. AI is increasingly utilized to analyze learning analytics data, predict student performance, and design adaptive learning systems, thereby enhancing educational quality. However, challenges such as plagiarism and reduced critical thinking skills persist, necessitating a careful examination of user satisfaction with AI tools. The study aims to explore the factors influencing this satisfaction, particularly the mediating role of perceived usefulness, and to develop a hybrid structural equation modeling approach to better understand the complex interactions affecting user experience in management education research.
Moreover, the paper discusses the ethical implications of AI usage, including concerns about academic integrity and the potential for overdependence on technology, which may undermine interpersonal relationships and equitable access to resources. The context of Zimbabwe is particularly relevant, as it faces unique challenges in adopting AI within its higher education system, influenced by infrastructural and capacity constraints. By addressing these issues, the study seeks to provide insights that can inform policymakers and enhance the effective integration of AI in educational settings, ultimately bridging the gap between technological advancements and user satisfaction in academia.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including their sources and preparation methods, as well as the experimental setup. The methodologies are described in a step-by-step manner, ensuring reproducibility of the results. Key techniques and instruments utilized for data collection and analysis are also highlighted, providing insight into the rigor and validity of the research.
Additionally, the section may include statistical methods applied to interpret the data, specifying any software or algorithms used for analysis. Overall, this section serves to establish the framework within which the research was conducted, allowing for critical evaluation of the findings presented in subsequent sections.
Results
The results of the study, analyzed using SmartPLS v.4.1.0.9, indicate significant relationships among various factors influencing the perceived usefulness of AI. Access to AI technologies and improvements in research quality both positively impacted perceived usefulness, with path coefficients of 0.145 and 0.146, respectively, and p-values of zero. Additionally, timesaving benefits were positively associated with perceived usefulness (H5: $\beta = 0.160$, $SE = 0.025$, $p < 0.01$, $t = 4.46$) and perceived accuracy of AI outputs (H6: $\beta = 0.120$, $SE = 0.019$, $p < 0.01$, $t = 3.87$). The ease of use of AI tools showed a strong positive effect on perceived usefulness (H4: $\beta = 0.637$, $SE = 0.021$, $p < 0.01$, $t = 5.34$), while training and support availability had a weaker positive relationship (H7: $\beta = 0.025$, $SE = 0.02$, $p < 0.01$, $t = 3.08$). Notably, perceived usefulness was strongly associated with user satisfaction (H8: $\beta = 0.791$, $SE = 0.014$, $p < 0.01$, $t = 6.23$), although awareness of ethical concerns negatively impacted perceived usefulness (H3: $\beta = -0.178$, $SE = 0.064$, $p < 0.01$, $t = 1.35$). In the random forest analysis, a model was developed to predict user satisfaction among management education researchers in Zimbabwe, utilizing a training/testing split of 70:30 and incorporating 10-fold cross-validation to enhance robustness. The model achieved a high precision with an $R^2$ value of 73%, indicating that the included factors—ease of use, access to AI technologies, perceived accuracy, timesaving benefits, research quality improvement, training and support availability, awareness of ethical concerns, and perceived usefulness—explain a significant portion of the variation in user satisfaction. Evaluation metrics such as RMSE (0.744), MSE (0.553), and MAE (0.467) demonstrated the model's reliability in predicting user satisfaction, suggesting its potential utility in informing policies aimed at enhancing AI use in entrepreneurship activities.
Discussion
In this section, the research discusses the theoretical foundations and hypotheses related to the impact of perceived usefulness on user satisfaction with artificial intelligence (AI) tools in management education research in Zimbabwe. The study is grounded in two primary frameworks: the Technology Acceptance Model (TAM) and the DeLone and McLean Information Systems Success Model (ISSM). TAM posits that perceived ease of use and perceived usefulness are critical determinants of technology acceptance, suggesting that users are more likely to adopt AI tools if they enhance quality and efficiency. Conversely, ISSM emphasizes the importance of system, information, and service quality in determining user satisfaction, indicating that perceived accuracy and support services significantly influence user experiences with AI.
The research further identifies several factors influencing perceived usefulness, including access to AI technologies, research quality improvement, ethical awareness, ease of use, time-saving benefits, perceived accuracy of AI outputs, and the availability of training and support. Each factor is linked to specific hypotheses, such as the positive influence of access to AI on perceived usefulness and the negative impact of ethical concerns on user satisfaction. The study employs a cross-sectional quantitative approach, utilizing a structured questionnaire to gather data from 260 participants, and analyzes the data using a hybrid SEM-random forest methodology to validate the proposed hypotheses and assess the relationships among the variables.
Limitations
The study presents significant insights into satisfaction with AI tools in academic research; however, it is important to recognize its limitations. Conducted within Zimbabwean higher education institutions, the findings may not be generalizable to other contexts that possess varying technological infrastructures or academic environments. For instance, ethical considerations surrounding AI usage may differ markedly between developing and developed countries, affecting the relevance of this research in diverse settings.
Additionally, the reliance on self-reported data introduces potential biases, such as social desirability bias, which could skew the results and predictions. These limitations highlight the need for caution when extrapolating the study’s conclusions to broader contexts or different populations.