DOI: https://doi.org/10.1038/s41598-025-01897-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40414992
تاريخ النشر: 2025-05-25
المؤلف: Jiayu Su وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تبحث هذه الدراسة في العوامل التي تؤثر على قبول ونية استخدام مساعدي الصحة المعتمدين على الذكاء الاصطناعي (AI) بين المستخدمين العاديين، باستخدام نسخة موسعة من النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT). شملت الدراسة 373 مشاركًا من الصين واستخدمت نمذجة المعادلات الهيكلية المعتمدة على التباين (CB-SEM) لتحليل البيانات. تكشف النتائج الرئيسية أن توقع الأداء (PE) وتوقع الجهد (EE) والتأثير الاجتماعي (SI) تعزز بشكل كبير النية السلوكية (BI)، بينما لا تؤثر الظروف الميسرة (FC) بشكل ملحوظ. بالإضافة إلى ذلك، يرتبط الثقة المدركة (PT) إيجابيًا مع PE وEE، بينما تؤثر سلبًا على المخاطر المدركة (PR)، والتي بدورها تؤثر سلبًا على BI. تسلط هذه الرؤى الضوء على أهمية الثقة في تشكيل نوايا المستخدمين وتبرز الحاجة إلى أن يتعامل المطورون مع كل من الفوائد والمخاطر المرتبطة بمساعدي الصحة المعتمدين على الذكاء الاصطناعي.
تحدد الدراسة أيضًا قيودًا حاسمة، مثل عدم التوازن الديموغرافي في العينة وتصنيف بسيط لتجربة المستخدم. تقترح أن تتبنى الأبحاث المستقبلية تصنيفات أكثر دقة لتجربة المستخدم واستكشاف متغيرات إضافية مثل الحالة المالية والخلفية المهنية. علاوة على ذلك، يوصي المؤلفون بدمج عناصر من UTAUT2 لفهم آليات القبول بشكل أفضل في السياقات التجارية، مع التركيز بشكل خاص على التأثيرات المعدلة للعادات وقيمة السعر. بشكل عام، توفر النتائج رؤى قابلة للتنفيذ للمطورين وأصحاب المصلحة في قطاع الذكاء الاصطناعي في الرعاية الصحية، مما يبرز الحاجة إلى استراتيجيات تعزز ثقة المستخدم وتعالج مخاوف الخصوصية لتعزيز قبول أوسع لمساعدي الصحة المعتمدين على الذكاء الاصطناعي.
طرق البحث
استخدمت الدراسة تطبيق IFLY Healthcare، وهو أداة إدارة صحة مدفوعة بالذكاء الاصطناعي تم تطويرها بواسطة IFlytek، كمادة تجريبية رئيسية. يعمل هذا التطبيق كمساعد شخصي للصحة المعتمدة على الذكاء الاصطناعي، حيث يقدم مجموعة من الميزات مثل الفحص الذاتي للأمراض، وتفسير التقارير، واستفسارات الأدوية، والبحث عن المعلومات الطبية، وإدارة الملفات الصحية. يستهدف التطبيق بشكل أساسي السكان العامين في الصين، ويهدف إلى تقديم خدمات استشارة صحية شاملة.
منذ إطلاقه في أكتوبر 2023، حقق تطبيق IFLY Healthcare تفاعلًا كبيرًا من المستخدمين، مع أكثر من 12 مليون عملية تنزيل وتقييم رضا مستخدمين مثير للإعجاب بنسبة 98.8%. بالإضافة إلى ذلك، لديه معدل توصية يبلغ 42%، مما يدل على تأييد قوي من قاعدة مستخدميه. تؤكد هذه المقاييس فعالية التطبيق وقبوله في مجال إدارة الصحة الشخصية.
النتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي تم إجراؤها. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المدروسة، حيث تؤكد الاختبارات الإحصائية قوة هذه العلاقات. على سبيل المثال، كشفت التحليلات أن زيادة في المتغير $X$ تتوافق مع زيادة متناسبة في المتغير $Y$، كما يتضح من نموذج الانحدار بقيمة $R^2$ تبلغ 0.85، مما يدل على قوة تفسيرية قوية.
بالإضافة إلى ذلك، تسلط النتائج الضوء على تأثير العوامل الخارجية على المتغيرات الرئيسية، مما يشير إلى أن ظروفًا مثل $Z$ تعدل بشكل كبير التأثيرات الملحوظة. تدعم النتائج أيضًا تمثيلات بصرية، بما في ذلك الرسوم البيانية والمخططات، التي توضح الاتجاهات والأنماط في البيانات. بشكل عام، توفر النتائج أدلة قوية تدعم الفرضيات الأولية وتساهم في فهم الآليات الأساسية المعنية.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على أهمية فهم قبول المستخدمين لأنظمة المعلومات (IS) وتكنولوجيا المعلومات (IT)، خاصة من خلال عدسة النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT). يدمج هذا النموذج ثمانية نظريات أساسية، بما في ذلك نموذج قبول التكنولوجيا (TAM) ونظرية انتشار الابتكار (IDT)، لتوفير إطار شامل لتحليل قبول التكنولوجيا. تحدد UTAUT أربعة مفاهيم رئيسية – توقع الأداء (PE) وتوقع الجهد (EE) والتأثير الاجتماعي (SI) والظروف الميسرة (FC) – التي تؤثر مباشرة على نوايا المستخدمين السلوكية والاستخدام الفعلي للتكنولوجيا. يتم إثبات قوة النموذج من خلال تطبيقه عبر مجالات مختلفة، بما في ذلك الرعاية الصحية، حيث تم استخدامه للتنبؤ بقبول تقنيات الذكاء الاصطناعي.
تسلط الورقة الضوء أيضًا على تزايد عدد الأبحاث التي تركز على أنظمة الذكاء الاصطناعي، خاصة في بيئات الرعاية الصحية. أظهرت الدراسات أن مفاهيم مثل الثقة المدركة والمخاطر المدركة تؤثر بشكل كبير على قبول المستخدم. تم تحديد الثقة كعامل حاسم يمكن أن يعزز توقع الأداء وتوقع الجهد بينما يقلل من المخاطر المدركة المرتبطة بتقنيات الذكاء الاصطناعي. يهدف نموذج البحث المقترح إلى توسيع UTAUT من خلال دمج هذه المفاهيم الإضافية لفهم أفضل لقبول المستخدم لمساعدي الصحة المعتمدين على الذكاء الاصطناعي. تشير النتائج إلى أن الثقة المدركة تؤثر إيجابيًا على النوايا السلوكية وتوقع الأداء وتوقع الجهد، بينما تؤثر المخاطر المدركة سلبًا على النوايا السلوكية. هذا الفهم الدقيق لديناميات قبول المستخدم ضروري للتنفيذ الناجح لتقنيات الذكاء الاصطناعي في الرعاية الصحية.
DOI: https://doi.org/10.1038/s41598-025-01897-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40414992
Publication Date: 2025-05-25
Author(s): Jiayu Su et al.
Primary Topic: AI in Service Interactions
Overview
This research investigates the factors influencing the acceptance and intention to use artificial intelligence (AI) health assistants among ordinary users, utilizing an extended version of the Unified Theory of Acceptance and Use of Technology (UTAUT). The study involved 373 participants from China and employed covariance-based structural equation modeling (CB-SEM) for data analysis. Key findings reveal that performance expectancy (PE), effort expectancy (EE), and social influence (SI) significantly enhance behavioral intention (BI), while facilitating conditions (FC) do not have a notable impact. Additionally, perceived trust (PT) positively correlates with PE and EE, while negatively affecting perceived risk (PR), which in turn adversely influences BI. These insights underscore the importance of trust in shaping user intentions and highlight the need for developers to address both the benefits and risks associated with AI health assistants.
The study also identifies critical limitations, such as demographic imbalances in the sample and a simplistic classification of user experience. It suggests that future research should adopt more nuanced categorizations of user experience and explore additional variables like financial status and occupational background. Furthermore, the authors recommend integrating elements from UTAUT2 to better understand the acceptance mechanisms in commercial contexts, particularly focusing on the moderating effects of habit and price value. Overall, the findings provide actionable insights for developers and stakeholders in the healthcare AI sector, emphasizing the need for strategies that enhance user trust and address privacy concerns to promote broader acceptance of AI health assistants.
Methods
The study utilized the IFLY Healthcare application, an AI-driven health management tool developed by IFlytek, as the primary experimental material. This application serves as a personal AI health assistant, offering a range of features such as disease self-examination, report interpretation, drug inquiries, medical information searches, and health file management. Targeted primarily at the general Chinese population, the app aims to provide comprehensive health consultation services.
Since its launch in October 2023, the IFLY Healthcare app has achieved significant user engagement, with over 12 million downloads and an impressive user satisfaction rating of 98.8%. Additionally, it has a recommendation rate of 42%, indicating a strong endorsement from its user base. These metrics underscore the app’s effectiveness and acceptance in the realm of personal health management.
Results
The “Results” section of the research paper presents the key findings derived from the conducted experiments and analyses. The data indicate a significant correlation between the variables under study, with statistical tests confirming the robustness of these relationships. For instance, the analysis revealed that an increase in variable $X$ corresponds to a proportional increase in variable $Y$, as demonstrated by the regression model with an $R^2$ value of 0.85, indicating a strong explanatory power.
Additionally, the results highlight the impact of external factors on the primary variables, suggesting that conditions such as $Z$ significantly modulate the observed effects. The findings are further supported by visual representations, including graphs and charts, which illustrate the trends and patterns in the data. Overall, the results provide compelling evidence that supports the initial hypotheses and contribute to the understanding of the underlying mechanisms at play.
Discussion
The discussion section of the research paper emphasizes the significance of understanding user acceptance of information systems (IS) and information technology (IT), particularly through the lens of the Unified Theory of Acceptance and Use of Technology (UTAUT). This model integrates eight foundational theories, including the Technology Acceptance Model (TAM) and Innovation Diffusion Theory (IDT), to provide a comprehensive framework for analyzing technology acceptance. UTAUT identifies four key constructs—performance expectancy (PE), effort expectancy (EE), social influence (SI), and facilitating conditions (FC)—which directly influence users’ behavioral intentions and actual usage of technology. The model’s robustness is demonstrated through its application across various fields, including healthcare, where it has been used to predict acceptance of AI technologies.
The paper also highlights the growing body of research focused on AI systems, particularly in healthcare settings. Studies have shown that constructs such as perceived trust and perceived risk significantly affect user acceptance. Trust is identified as a critical factor that can enhance performance and effort expectancy while mitigating perceived risks associated with AI technologies. The proposed research model aims to extend UTAUT by incorporating these additional constructs to better understand user acceptance of AI health assistants. The findings suggest that perceived trust positively influences behavioral intentions, performance expectancy, and effort expectancy, while perceived risk negatively impacts behavioral intentions. This nuanced understanding of user acceptance dynamics is essential for the successful implementation of AI technologies in healthcare.