DOI: https://doi.org/10.1038/s41598-026-46175-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41991571
تاريخ النشر: 2026-04-16
المؤلف: Han Gao وآخرون
الموضوع الرئيسي: الصحة السلوكية والتدخلات
نظرة عامة
تبحث هذه الدراسة في العوامل التي تؤثر على اعتماد DeepSeek، أداة الذكاء الاصطناعي، بين طلاب الجامعات في باكستان، باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA). تدمج الدراسة العناصر الرئيسية من إطار نظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT)، كاشفة أن الوعي بـ DeepSeek يؤثر بشكل كبير على اعتماده. يتم تعديل هذه العلاقة بواسطة سهولة الاستخدام المدركة (PEU) وتوسطها بواسطة الظروف الميسرة (FC) والتأثير الاجتماعي (SI) وتوقع الأداء (PE). تشير النتائج إلى أن FC و SI و PE مرتبطة إيجابيًا بنوايا الاعتماد، وأن العلاقة بين الوعي والاعتماد تتوسطها هذه العوامل، مع لعب PEU دورًا حاسمًا في التعديل.
علاوة على ذلك، يبرز fsQCA أن الاعتماد يمكن أن يحدث من خلال تكوينات مختلفة من هذه العوامل، مما يبرز الحاجة إلى استراتيجيات مخصصة بدلاً من نهج موحد للجميع. تسهم الدراسة في الفهم النظري لاعتماد الذكاء الاصطناعي في التعليم من خلال دمج الوعي في إطار UTAUT واستخدام نهج منهجي هجين. تهدف الرؤى المكتسبة إلى مساعدة مطوري الذكاء الاصطناعي والمعلمين وصانعي السياسات في تعزيز تنفيذ وفعالية أدوات الذكاء الاصطناعي مثل DeepSeek، مما يعزز في النهاية تفاعل الطلاب بشكل أكبر مع هذه التقنيات.
طرق
يستعرض قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. يوضح التصميم التجريبي، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، وإجراءات التحليل. استخدمت الدراسة إطارًا كميًا، مع دمج أدوات إحصائية لتحليل البيانات المجمعة من مصادر متنوعة.
تم تجنيد المشاركين بناءً على معايير إدراج محددة، مما يضمن عينة تمثيلية للدراسة. شملت جمع البيانات أدوات وبروتوكولات موحدة للحفاظ على الاتساق والموثوقية. استخدمت التحليلات أساليب إحصائية متقدمة، مثل تحليل الانحدار واختبار الفرضيات، لتقييم العلاقات بين المتغيرات وتقييم دلالة النتائج. بشكل عام، تم تصميم المنهجية لضمان الصرامة وإمكانية التكرار، مما يسمح باستخلاص استنتاجات قوية من النتائج.
نتائج
يقدم قسم “النتائج” من ورقة البحث النتائج الرئيسية المستمدة من التجارب والتحليلات التي أجريت. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات المستقلة والنتائج الملاحظة، حيث أسفرت التحليلات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في سلوك النظام قيد الدراسة، كما هو موضح من خلال التمثيلات البيانية المضمنة. من الجدير بالذكر أن تطبيق النموذج المقترح أدى إلى تحسين دقة التنبؤ، كما يتضح من انخفاض متوسط الخطأ التربيعي (MSE) مقارنة بالنماذج الأساسية. تؤكد هذه النتائج فعالية النهج المقترح وإمكانياته للتطبيقات المستقبلية.
مناقشة
يتناول قسم المناقشة من ورقة البحث تطبيق نظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT) لتقييم قبول واستخدام روبوت الدردشة الذكي DeepSeek بين الطلاب في سياق التعليم العالي في باكستان. تؤكد الدراسة على الطبيعة متعددة الأبعاد لاعتماد التكنولوجيا، لا سيما بالنسبة لأدوات الذكاء الاصطناعي التفاعلية مثل DeepSeek، التي تتطلب تفاعلًا مستمرًا. تسلط الضوء على أهمية الوعي والتأثير الاجتماعي والظروف الميسرة كعوامل حاسمة في الاعتماد، مع تعديل النموذج ليعكس التحديات الاجتماعية والثقافية والبنية التحتية الفريدة التي يواجهها الطلاب في باكستان. تشير النتائج إلى أن زيادة الوعي بـ DeepSeek ترتبط إيجابيًا بنوايا الاعتماد، بينما يؤثر التأثير الاجتماعي وسهولة الاستخدام المدركة بشكل كبير على العلاقات بين الوعي والعوامل الأخرى للاعتماد.
علاوة على ذلك، تستخدم الدراسة منهجية هجينة تجمع بين نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA) لاستكشاف العلاقات السببية والتكوينات التي تؤثر على الاعتماد. تكشف النتائج أن توقع الأداء هو دافع رئيسي للاعتماد، لا سيما في السياقات النامية، بينما تلعب الظروف الميسرة والتأثير الاجتماعي أيضًا أدوارًا مهمة. تختتم الدراسة بأن الفهم الشامل لهذه العوامل يمكن أن يعزز التكامل الفعال لتقنيات الذكاء الاصطناعي في البيئات التعليمية، مما يحسن في النهاية الأداء الأكاديمي وتفاعل الطلاب. كما يحدد تحليل خريطة الأهمية والأداء (IPMA) مجالات التركيز المؤسسي، مشيرًا إلى أنه بينما يعتبر الوعي وسهولة الاستخدام أمرين حاسمين، يجب أيضًا إيلاء اهتمام لتعزيز التأثير الاجتماعي وتوقع الأداء لتعزيز اعتماد أعمق لـ DeepSeek.
القيود
تسلط قيود البحث الحالي الضوء على عدة مجالات للتحقيق المستقبلي. أولاً، كانت عينة الدراسة تتكون حصريًا من طلاب الجامعات الباكستانيين، مما يشير إلى الحاجة إلى تمثيل جغرافي أوسع في الأبحاث اللاحقة، قد تشمل طلابًا من دول مثل إندونيسيا ونيجيريا. ثانيًا، يحد التركيز على طلاب الجامعات من الصلاحية الخارجية للنتائج؛ يجب أن تأخذ الدراسات المستقبلية في الاعتبار سياقات تعليمية متنوعة، بما في ذلك إعدادات التعليم الابتدائي والثانوي.
بالإضافة إلى ذلك، قد يكون عدم معرفة المشاركين بـ DeepSeek قد أثر على تصوراتهم ونواياهم بشأن اعتماده. يجب أن تستكشف الأبحاث المستقبلية كيف تتطور الألفة مع DeepSeek بمرور الوقت وتأثيراتها اللاحقة على مواقف الطلاب وسلوكيات الاعتماد. يمكن أن توفر الدراسات الطولية رؤى قيمة حول الآثار طويلة الأجل لأدوات القراءة المدعومة بالذكاء الاصطناعي في التعليم العالي. أخيرًا، استخدمت الدراسة الحالية نهجًا كميًا، ويمكن أن تستفيد الأبحاث المستقبلية من المنهجيات النوعية للحصول على فهم أكثر دقة للعوامل التي تؤثر على استخدام أدوات القراءة المدعومة بالذكاء الاصطناعي.
DOI: https://doi.org/10.1038/s41598-026-46175-9
PMID: https://pubmed.ncbi.nlm.nih.gov/41991571
Publication Date: 2026-04-16
Author(s): Han Gao et al.
Primary Topic: Behavioral Health and Interventions
Overview
This research investigates the factors influencing the adoption of DeepSeek, an AI tool, among university students in Pakistan, utilizing partial least squares structural equation modeling (PLS-SEM) and Fuzzy-set qualitative comparative analysis (fsQCA). The study integrates key elements from the Unified Theory of Acceptance and Use of Technology (UTAUT) framework, revealing that awareness of DeepSeek significantly affects its adoption. This relationship is moderated by perceived ease of use (PEU) and mediated by facilitating conditions (FC), social influence (SI), and performance expectancy (PE). The findings indicate that FC, SI, and PE are positively correlated with adoption intentions, and that the relationship between awareness and adoption is mediated by these factors, with PEU playing a crucial moderating role.
Moreover, fsQCA highlights that adoption can occur through various configurations of these factors, underscoring the need for tailored strategies rather than a one-size-fits-all approach. The study contributes to the theoretical understanding of AI adoption in education by incorporating awareness into the UTAUT framework and employing a hybrid methodological approach. The insights gained are intended to assist AI developers, educators, and policymakers in enhancing the implementation and effectiveness of AI tools like DeepSeek, ultimately fostering greater student engagement with such technologies.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. It details the experimental design, including the selection of participants, data collection techniques, and analytical procedures. The study utilized a quantitative framework, incorporating statistical tools to analyze the data collected from various sources.
Participants were recruited based on specific inclusion criteria, ensuring a representative sample for the study. Data collection involved standardized instruments and protocols to maintain consistency and reliability. The analysis employed advanced statistical methods, such as regression analysis and hypothesis testing, to evaluate the relationships between variables and assess the significance of the findings. Overall, the methodology was designed to ensure rigor and reproducibility, allowing for robust conclusions to be drawn from the results.
Results
The “Results” section of the research paper presents key findings derived from the conducted experiments and analyses. The data indicates a significant correlation between the independent variables and the observed outcomes, with statistical analyses yielding p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate a clear trend in the behavior of the system under study, as illustrated by the graphical representations included. Notably, the application of the proposed model resulted in an improvement in predictive accuracy, as evidenced by a reduction in the mean squared error (MSE) compared to baseline models. These findings underscore the effectiveness of the proposed approach and its potential implications for future research and practical applications.
Discussion
The discussion section of the research paper elaborates on the application of the Unified Theory of Acceptance and Use of Technology (UTAUT) to assess the acceptance and usage of the DeepSeek AI chatbot among students in Pakistan’s higher education context. The study emphasizes the multidimensional nature of technology adoption, particularly for interactive AI tools like DeepSeek, which require continuous engagement. It highlights the importance of awareness, social influence, and facilitating conditions as critical determinants of adoption, with the model being tailored to reflect the unique socio-cultural and infrastructural challenges faced by students in Pakistan. The findings indicate that increased awareness of DeepSeek correlates positively with adoption intentions, while social influence and perceived ease of use significantly moderate the relationships between awareness and other adoption determinants.
Furthermore, the research employs a hybrid methodology combining Partial Least Squares Structural Equation Modeling (PLS-SEM) and fuzzy-set qualitative comparative analysis (fsQCA) to explore causal relationships and configurations influencing adoption. The results reveal that performance expectancy is a key driver of adoption, particularly in developing contexts, while facilitating conditions and social influence also play significant roles. The study concludes that a comprehensive understanding of these factors can enhance the effective integration of AI technologies in educational settings, ultimately improving academic performance and student engagement. The importance-performance map analysis (IPMA) further identifies areas for institutional focus, suggesting that while awareness and ease of use are critical, attention should also be given to enhancing social influence and performance expectancy to foster deeper adoption of DeepSeek.
Limitations
The limitations of the present research highlight several areas for future investigation. Firstly, the study’s sample was exclusively composed of Pakistani university students, suggesting a need for broader geographical representation in subsequent research, potentially including students from countries such as Indonesia and Nigeria. Secondly, the focus on university students limits the external validity of the findings; future studies should consider diverse educational contexts, including primary and secondary education settings.
Additionally, the unfamiliarity of participants with DeepSeek may have influenced their perceptions and intentions regarding its adoption. Future research should explore how familiarity with DeepSeek evolves over time and its subsequent effects on students’ attitudes and adoption behaviors. Longitudinal studies could provide valuable insights into the long-term implications of AI-assisted reading tools in higher education. Lastly, the current study employed a quantitative approach, and future research could benefit from qualitative methodologies to gain a more nuanced understanding of the factors affecting the use of AI-assisted reading tools.