DOI: https://doi.org/10.28945/5694
تاريخ النشر: 2026-01-01
المؤلف: Theerawut Tantiathimongkhon وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تدرس هذه الدراسة العوامل التي تؤثر على النية السلوكية للمستخدمين في تايلاند لاعتماد منصات التعلم المدعومة بالذكاء الاصطناعي، من خلال دمج نماذج القبول التقليدية مع القدرات الاستراتيجية التنظيمية. تم تحليل بيانات من 1,368 مستجيبًا، معظمهم من الطلاب والمعلمين، باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM). تكشف النتائج أن النموذج المقترح يفسر 63.4% من التباين في النية السلوكية، مع تأثير كبير للقدرات الاستراتيجية على كل من عوامل القبول التقليدية ونوايا القبول المباشرة. ومن الجدير بالذكر أن الثقة في الذكاء الاصطناعي كانت لها تأثيرات على تصورات المستخدمين من خلال التأثيرات المباشرة وزيادة قابلية التكيف للمنصات.
تساهم هذه البحث في النظريات الحالية للقبول من خلال توضيح كيف تؤثر القدرات الاستراتيجية—تحديدًا الاستشعار، والاستيلاء، وإعادة التشكيل—على سلوكيات اعتماد المستخدمين. كما تسلط الضوء على أهمية القابلية للاستخدام والتأثير الاجتماعي كمتنبئين رئيسيين للقبول، خاصة ضمن الثقافات الجماعية. توصي الدراسة بأن تركز المؤسسات التعليمية على تصميم يركز على المستخدم والتكيف الاستراتيجي لتعزيز الثقة وتسهيل اعتماد مستدام لتقنيات الذكاء الاصطناعي. بالإضافة إلى ذلك، تقترح أن تبحث الأبحاث المستقبلية في العوامل الثقافية والمؤسسية التي تعدل تأثير القدرات الاستراتيجية وتحقق من صحة النموذج عبر سياقات متنوعة لتعزيز قابليته للتعميم.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التحول الكبير في التعليم العالي ضمن منطقة آسيا والمحيط الهادئ، وخاصة في تايلاند، حيث تم تسريع اعتماد منصات التعلم عبر الإنترنت بسبب جائحة COVID-19. هذه المنصات، التي تشمل تقنيات تعليمية مدعومة بالذكاء الاصطناعي، قد انتقلت من أدوات تكميلية إلى مكونات أساسية في تقديم التعليم، مما يتيح الوصول إلى التعليم ويقدم تجارب تعلم شخصية. على الرغم من انتشار هذه التقنيات، لا يزال هناك فهم محدود للعوامل التي تؤثر على اعتماد المستخدمين في التعليم العالي التايلاندي.
تهدف الدراسة إلى سد هذه الفجوة من خلال دمج إطار نظرية القبول واستخدام التكنولوجيا الموحد (UTAUT2)، ونظرية القدرات الديناميكية، ووجهات نظر الثقة في نموذج موحد مصمم خصيصًا للسياق التعليمي التايلاندي. تفترض أن اعتماد المستخدم يتأثر ليس فقط بالعوامل السلوكية التقليدية—مثل توقع الأداء والتأثير الاجتماعي—ولكن أيضًا بالثقة في أنظمة الذكاء الاصطناعي وتصورات الجاهزية التنظيمية. تسعى البحث لاستكشاف التفاعل بين هذه العوامل وكيف تشكل نوايا الاعتماد بين مستخدمي الجامعات في تايلاند، مع معالجة أسئلة حاسمة تتعلق بالعوامل المحددة لاعتماد منصات التعلم المدعومة بالذكاء الاصطناعي.
النتائج
تحدد قسم النتائج النتائج التجريبية من اختبار النموذج الهيكلي المتكامل. في البداية، يقدم إحصائيات وصفية وأنماط استخدام العينة، مما يضع فهمًا أساسيًا للبيانات. بعد ذلك، يتم تقييم الخصائص النفسية لنموذج القياس، مما يضمن موثوقية وصلاحية البنى المعنية.
ثم يقدم القسم نتائج النموذج الهيكلي، بما في ذلك اختبار الفرضيات الذي يحلل التأثيرات المباشرة وغير المباشرة والإجمالية بين المتغيرات. يسلط هذا التقييم الشامل الضوء على العلاقات والتأثيرات داخل النموذج. أخيرًا، يتم مناقشة تحليل المجموعات المتعددة (MGA)، مما يكشف عن رؤى حول كيفية تأثير شرائح المستخدمين المختلفة على عملية الاعتماد، وبالتالي تعزيز فهم التباين في سلوك المستخدمين.
المناقشة
يتناول قسم المناقشة في الورقة البحثية سؤالين بحثيين رئيسيين (RQ2 و RQ3) يتعلقان بتأثير القدرات الاستراتيجية التنظيمية المدركة—الاستشعار، والاستيلاء، وإعادة التشكيل—على قبول واعتماد منصات التعلم المدعومة بالذكاء الاصطناعي في السياق التعليمي التايلاندي. يسلط الضوء على التحديات المرتبطة بدمج الذكاء الاصطناعي في التعليم، مثل خصوصية البيانات، وكفاءات المعلمين، والإرشادات الأخلاقية، والثقة في أنظمة الذكاء الاصطناعي. ستراجع الأقسام التالية من الورقة الأدبيات ذات الصلة، وتحدد منهجية البحث، وتقدم النتائج التجريبية، وتناقش الآثار النظرية والعملية لاعتماد الذكاء الاصطناعي في جنوب شرق آسيا.
تؤكد مراجعة الأدبيات على الدور التحويلي لمنصات التعلم عبر الإنترنت، خاصة بعد COVID-19، والقدرات الفريدة للذكاء الاصطناعي في تعزيز التجارب التعليمية من خلال التعلم الشخصي والتغذية الراجعة التكيفية. تشير إلى أنه بينما يمكن أن تحسن أدوات الذكاء الاصطناعي بشكل كبير الممارسات التربوية، لا تزال هناك حواجز أمام الاعتماد، بما في ذلك قيود البنية التحتية والعوامل الثقافية. يتم تقديم إطار UTAUT2 كنموذج شامل لفهم سلوكيات اعتماد التكنولوجيا، مما يكشف أن البنى مثل توقع الأداء والتأثير الاجتماعي تختلف عبر السياقات الثقافية. كما تدمج الورقة نظرية القدرات الديناميكية لاستكشاف كيفية تأثير جاهزية الاستراتيجية للمنظمات على تصورات المستخدمين ونوايا الاعتماد، مقترحة في النهاية إطارًا مفاهيميًا يجمع بين الدوافع السلوكية، والقدرات الاستراتيجية، والثقة في الذكاء الاصطناعي كعوامل حاسمة في اعتماد المستخدمين لتقنيات التعلم المدعومة بالذكاء الاصطناعي.
القيود
تعترف الدراسة بعدة قيود قد تؤثر على نتائجها. أولاً، تصميمها العرضي يحد من القدرة على استنتاج العلاقات السببية ويقيد فهم أنماط الاستخدام طويلة الأجل لتقنيات الذكاء الاصطناعي في السياقات التعليمية. بالإضافة إلى ذلك، قد لا تعكس الاعتماد على تصورات المستخدمين للقدرات الاستراتيجية التعقيدات الكاملة لتأثيرات هذه التقنيات. لمعالجة هذه القيود، يُوصى بإجراء أبحاث مستقبلية لاستكشاف الوسطاء الثقافيين والمؤسسيين الذين يؤثرون على القدرات الاستراتيجية، وفحص اتجاهات الاعتماد الطولية مع تطور تقنيات الذكاء الاصطناعي، والتحقيق في كيفية اختلاف تصورات هذه القدرات عبر مختلف الفئات السكانية للمستخدمين والإعدادات التعليمية.
علاوة على ذلك، فإن إجراء تحقق عبر الثقافات للنموذج المتكامل ضمن أنظمة تعليمية متنوعة في منطقة آسيا والمحيط الهادئ من شأنه أن يعزز قابلية تعميم النتائج. تتضمن الدراسة أيضًا عناصر النية السلوكية المتعلقة باستخدام المنصات المدعومة بالذكاء الاصطناعي للتعلم، مما يشير إلى ميل إيجابي نحو دمج أدوات الذكاء الاصطناعي في الممارسات التعليمية. يتم تقييم الثقة في الذكاء الاصطناعي من خلال عدة بنى، مما يبرز الموثوقية المدركة وأهمية أنظمة الذكاء الاصطناعي في بيئات التعلم المنظمة.
DOI: https://doi.org/10.28945/5694
Publication Date: 2026-01-01
Author(s): Theerawut Tantiathimongkhon et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study examines the factors influencing the behavioral intention of users in Thailand to adopt AI-powered learning platforms, integrating traditional acceptance models with organizational strategic capabilities. Data from 1,368 respondents, primarily students and teachers, were analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM). The findings reveal that the proposed model accounts for 63.4% of the variance in behavioral intention, with strategic capabilities significantly impacting both traditional adoption factors and direct adoption intentions. Notably, trust in AI was found to influence user perceptions through both direct effects and enhanced adaptability of the platforms.
The research contributes to existing adoption theories by illustrating how strategic capabilities—specifically sensing, seizing, and reconfiguring—affect user adoption behaviors. It highlights the importance of usability and social influence as key predictors of adoption, particularly within collectivist cultures. The study recommends that educational institutions focus on user-centered design and strategic adaptability to foster trust and facilitate sustainable adoption of AI technologies. Additionally, it suggests that future research should investigate cultural and institutional factors that moderate the influence of strategic capabilities and validate the model across diverse contexts to enhance its generalizability.
Introduction
The introduction of this research paper highlights the significant transformation in higher education within the Asia-Pacific region, particularly in Thailand, where the rapid adoption of online learning platforms has been accelerated by the COVID-19 pandemic. These platforms, which include AI-powered educational technologies, have shifted from supplementary tools to essential components of instructional delivery, democratizing access to education and offering personalized learning experiences. Despite the proliferation of such technologies, there remains a limited understanding of the factors influencing user adoption in Thai higher education.
The study aims to fill this gap by integrating the Unified Theory of Acceptance and Use of Technology (UTAUT2) framework, dynamic capabilities theory, and trust perspectives into a unified model tailored to the Thai educational context. It posits that user adoption is influenced not only by traditional behavioral factors—such as performance expectancy and social influence—but also by trust in AI systems and perceptions of organizational readiness. The research seeks to explore the interplay between these factors and how they shape adoption intentions among university users in Thailand, addressing critical questions regarding the determinants of AI-powered learning platform adoption.
Results
The Results section outlines the empirical findings from the testing of the integrated structural model. Initially, it provides descriptive statistics and usage patterns of the sample, establishing a foundational understanding of the data. Following this, the psychometric properties of the measurement model are assessed, ensuring the reliability and validity of the constructs involved.
The section then presents the results of the structural model, including hypothesis testing that analyzes direct, indirect, and total effects among the variables. This comprehensive evaluation highlights the relationships and influences within the model. Finally, the Multi-Group Analysis (MGA) is discussed, revealing insights into how different user segments impact the adoption process, thereby enhancing the understanding of variability in user behavior.
Discussion
The discussion section of the research paper addresses two primary research questions (RQ2 and RQ3) concerning the influence of perceived organizational strategic capabilities—sensing, seizing, and reconfiguring—on the acceptance and adoption of AI-powered learning platforms in the Thai educational context. It highlights the challenges associated with integrating AI in education, such as data privacy, educator competencies, ethical guidelines, and trust in AI systems. The subsequent sections of the paper will review relevant literature, outline the research methodology, present empirical findings, and discuss theoretical and practical implications for AI adoption in Southeast Asia.
The literature review emphasizes the transformative role of online learning platforms, particularly post-COVID-19, and the unique capabilities of AI in enhancing educational experiences through personalized learning and adaptive feedback. It notes that while AI tools can significantly improve pedagogical practices, barriers to adoption remain, including infrastructure limitations and cultural factors. The UTAUT2 framework is introduced as a comprehensive model for understanding technology adoption behaviors, revealing that constructs such as performance expectancy and social influence vary across cultural contexts. The paper also integrates dynamic capabilities theory to explore how organizations’ strategic readiness influences user perceptions and adoption intentions, ultimately proposing a conceptual framework that combines behavioral motivations, strategic capabilities, and trust in AI as critical factors in user adoption of AI-powered learning technologies.
Limitations
The study acknowledges several limitations that may impact its findings. Firstly, its cross-sectional design restricts the ability to draw causal inferences and limits the understanding of long-term usage patterns of AI technologies in educational contexts. Additionally, the reliance on user perceptions of strategic capabilities may not fully capture the complexities of these technologies’ impacts. To address these limitations, future research is recommended to explore cultural and institutional moderators that influence strategic capabilities, examine longitudinal adoption trends as AI technologies develop, and investigate how perceptions of these capabilities vary across different user demographics and educational settings.
Furthermore, conducting cross-cultural validation of the integrated model within diverse educational systems in the Asia-Pacific region would enhance the generalizability of the findings. The study also includes behavioral intention items related to the use of AI-powered platforms for learning, indicating a positive inclination towards integrating AI tools in educational practices. Trust in AI is assessed through various constructs, highlighting the perceived reliability and importance of AI systems in structured learning environments.