DOI: https://doi.org/10.1186/s41239-025-00511-7
تاريخ النشر: 2025-03-13
المؤلف: Aya Shata وآخرون
الموضوع الرئيسي: البيانات الضخمة وذكاء الأعمال
نظرة عامة
تبحث ورقة البحث في اعتماد أدوات الذكاء الاصطناعي التوليدي (GenAI) بين أعضاء هيئة التدريس في التعليم العالي، باستخدام نموذج قبول التكنولوجيا (TAM) ونظرية التعلم الاجتماعي (SCT) كأطر نظرية. أظهر استطلاع أُجري مع 294 عضو هيئة تدريس بدوام كامل من جامعتين حكوميتين متوسطتين الحجم في الولايات المتحدة أن الفائدة المدركة للذكاء الاصطناعي تتنبأ بشكل كبير بمواقف أعضاء هيئة التدريس ونواياهم لاعتماد هذه التقنيات، متجاوزة تأثير سهولة الاستخدام المدركة. ظهرت الثقة والتعزيز الاجتماعي كوسيطين حاسمين في هذه العلاقة، مما يبرز دور الديناميات الاجتماعية في تشكيل كفاءة أعضاء هيئة التدريس الذاتية ومواقفهم تجاه GenAI.
تخلص الدراسة إلى أن التواصل الفعال لفوائد GenAI العملية أمر ضروري لتعزيز الاعتماد. بينما لا تعتبر سهولة الاستخدام المدركة محفزًا قويًا بمفردها، فإنها تصبح مؤثرة عندما تقترن بمواقف إيجابية وبيئات اجتماعية داعمة. تلعب الثقة والتفاعلات الاجتماعية دورًا محوريًا في تخفيف عدم اليقين والتحقق من التصورات، مما يعزز من احتمالية اعتماد GenAI بين أعضاء هيئة التدريس. تقدم هذه النتائج رؤى قيمة للسياسات التعليمية العليا التي تهدف إلى دمج أدوات الذكاء الاصطناعي في الممارسات التعليمية، مما يعزز في النهاية تجربة التعلم في قوة العمل التي تزداد اعتمادًا على الذكاء الاصطناعي.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على التكامل السريع للذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي، مشيرة إلى زيادة كبيرة في الاستخدام بين الشباب، حيث استخدم 43% من الأفراد الذين تتراوح أعمارهم بين 18-29 أدوات مثل ChatGPT في أوائل عام 2024. تقدم هذه الزيادة فرصًا وتحديات لأعضاء هيئة التدريس، مما يدفع لاستكشاف وجهات نظرهم حول دور GenAI في البيئات التعليمية. يُعرف GenAI بأنه تقنية تستخدم نماذج التعلم العميق لإنتاج محتوى يشبه المحتوى البشري، ويشمل مجموعة من الأدوات متعددة الوسائط، بما في ذلك التطبيقات النصية وتقنيات توليد الصور والفيديو.
تهدف الدراسة إلى التحقيق في آثار GenAI على المجالات غير العلمية، حيث قد يفتقر المعلمون إلى فهم شامل للتقنيات الأساسية. من خلال التركيز على هذه التخصصات، تسعى البحث لتقديم رؤى حول كيفية تعزيز GenAI لإنشاء الوسائط التعليمية ودعم الأنشطة الأكاديمية المختلفة، مثل تطوير دراسات الحالة وتحليل البيانات النوعية. تؤكد الورقة على الحاجة إلى فحص أعمق لتأثير GenAI خارج المجالات العلمية التقليدية، حيث تثير سرعة اعتماده أسئلة مهمة حول دمجه في سياقات تعليمية متنوعة.
الطرق
استخدمت الدراسة تصميم استطلاع للتحقيق في تصورات أعضاء هيئة التدريس في التعليم العالي، ومواقفهم، واستخداماتهم، وتجاربهم المتعلقة بالذكاء الاصطناعي التوليدي (GenAI). كان الهدف الرئيسي هو تحديد الدوافع، والعوائق، والعوامل الأساسية التي تؤثر على اعتماد أو رفض أدوات GenAI بين أساتذة الجامعات. سمح هذا النهج المنهجي بإجراء تحليل شامل لوجهات نظر أعضاء هيئة التدريس حول دمج GenAI في ممارساتهم الأكاديمية.
النتائج
استخدمت نتائج الدراسة تحليلات الانحدار المتعدد لتقييم نموذج قبول التكنولوجيا (TAM) في سياق الذكاء الاصطناعي التوليدي (GenAI) بين أساتذة الجامعات. تم دعم الفرضية الأولى بالكامل، حيث كشفت أن كل من الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEU) تتنبأ بشكل كبير بالمواقف تجاه استخدام GenAI، موضحة 54% من التباين ($F(2, 188) = 108.476, p < 0.001, R^2 = 0.536$). أشارت الفرضية الثانية إلى أن PU والمواقف أثرت بشكل إيجابي على النية السلوكية لاستخدام GenAI، حيث تمثل 58% من التباين، بينما لم تظهر PEU دلالة. كما تم دعم الفرضية الثالثة، حيث أظهرت أن PEU تنبأت إيجابيًا بـ PU، موضحة 14% من التباين ($F(1, 193) = 30.112, p < 0.001, R^2 = 0.135$). استكشفت التحليلات الإضافية دور الكفاءة الذاتية والتعزيز الاجتماعي. تنبأت الكفاءة الذاتية بشكل كبير بـ PEU ولكن ليس بالمواقف أو النية السلوكية، وبالتالي دعمت فقط جزءًا من الفرضية الخامسة. على العكس، أثر التعزيز الاجتماعي بشكل إيجابي على جميع المتغيرات المدروسة، داعمًا الفرضية السادسة بالكامل. أكدت تحليلات الوساطة أن المواقف وسّطت العلاقات بين PU والنية السلوكية، وكذلك بين PEU والنية السلوكية. وُجد أن الثقة تؤثر بشكل كبير على جميع جوانب نموذج TAM، وأنها اعتدلت العلاقة بين PU والنية السلوكية، مع ملاحظة تأثيرات أقوى عند مستويات الثقة المنخفضة. أخيرًا، وسّطت الثقة أيضًا العلاقة بين التعزيز الاجتماعي والنية السلوكية، داعمة الفرضية العاشرة.
المناقشة
في هذه الدراسة، تم استخدام تكامل نموذج قبول التكنولوجيا (TAM) ونظرية التعلم الاجتماعي (SCT) للتحقيق في تصورات أعضاء هيئة التدريس في التعليم العالي، ومواقفهم، وتجاربهم بشأن الذكاء الاصطناعي التوليدي (GenAI). تكشف النتائج أن الثقة هي المتنبئ الأكثر أهمية الذي يؤثر على تصورات الفائدة (PU)، وسهولة الاستخدام المدركة (PEU)، والتعزيز الاجتماعي (SR)، والكفاءة الذاتية (SE)، والمواقف تجاه GenAI. تعزز الثقة من اعتقاد أعضاء هيئة التدريس في قدرة التكنولوجيا على تحسين أدائهم وتعزز الثقة في قدرتهم على استخدامها بفعالية. من الجدير بالذكر أن الدراسة وجدت أنه عندما تكون مستويات الثقة عالية، فإن الاعتماد على الفائدة المدركة يتناقص، مما يشير إلى أن الثقة يمكن أن تطغى على عوامل أخرى في قرار اعتماد GenAI.
ظهر التعزيز الاجتماعي أيضًا كعامل حاسم، يؤثر بشكل إيجابي على تصورات الفائدة وسهولة الاستخدام، مما يشكل المواقف وقرارات الاعتماد. تشير الدراسة إلى أن التفاعلات الاجتماعية والتعليقات من الأقران تؤثر بشكل كبير على كفاءة أعضاء هيئة التدريس الذاتية واحتمالية اعتمادهم لـ GenAI. من المثير للاهتمام، أنه بينما لا يؤثر التعزيز الاجتماعي بشكل مباشر على النية السلوكية، فإنه يعزز الثقة، مما يزيد لاحقًا من احتمالية اعتماد التكنولوجيا. يبرز هذا أهمية الديناميات الاجتماعية في اعتماد GenAI، خاصة في ضوء المخاوف الأخلاقية المحيطة باستخدامه. بشكل عام، تؤكد الأبحاث على الحاجة إلى أن تعمل المؤسسات التعليمية على تعزيز الثقة وتسهيل التفاعلات الاجتماعية الإيجابية لتشجيع اعتماد تقنيات GenAI بين أعضاء هيئة التدريس.
القيود
تستعرض هذه القسم قيود الدراسة حول وجهات نظر أعضاء هيئة التدريس في التعليم العالي بشأن اعتماد الذكاء الاصطناعي التوليدي (GenAI). بينما تقدم الأبحاث رؤى قيمة حول كيفية تأثير الثقة والديناميات الاجتماعية على مواقف أعضاء هيئة التدريس، فإنها تعترف بعدة قيود قد تؤثر على إمكانية تعميم النتائج. قد لا تمثل استراتيجية العينة المستهدفة، التي تركز بشكل أساسي على المجالات غير العلمية وعلى جامعتين حكوميتين متوسطتي الحجم ذات تركيز بحثي في الولايات المتحدة، وجهات نظر المعلمين في المؤسسات الأصغر، أو الجامعات الخاصة، أو السياقات الدولية بشكل كافٍ. بالإضافة إلى ذلك، قد يؤدي الاعتماد على بيانات التقرير الذاتي إلى إدخال تحيز، خاصة في المواضيع الحساسة، مما قد يشوه دقة الردود.
تسلط الدراسة أيضًا الضوء على الحاجة إلى مزيد من الأبحاث لاستكشاف دور الدعم المؤسسي، والاعتبارات الأخلاقية، والتصورات المتطورة لـ GenAI مع مرور الوقت. تقترح أن الأساليب النوعية، بما في ذلك الأسئلة المفتوحة، يمكن أن توفر رؤى أعمق حول تجارب أعضاء هيئة التدريس ومواقفهم. علاوة على ذلك، تشير الأبحاث إلى ضرورة الدراسات الطولية لتتبع التغيرات في سلوكيات أعضاء هيئة التدريس وتصوراتهم مع استمرار تطور تكنولوجيا GenAI. بشكل عام، بينما تساهم النتائج في فهم آثار GenAI في التعليم، فإنها تؤكد على أهمية معالجة القيود لتعزيز قوة وقابلية تطبيق الأبحاث المستقبلية.
DOI: https://doi.org/10.1186/s41239-025-00511-7
Publication Date: 2025-03-13
Author(s): Aya Shata et al.
Primary Topic: Big Data and Business Intelligence
Overview
The research paper investigates the adoption of generative AI (GenAI) tools among higher education faculty, utilizing the Technology Acceptance Model (TAM) and Social Cognitive Theory (SCT) as theoretical frameworks. A survey conducted with 294 full-time faculty members from two mid-size public universities in the U.S. revealed that perceived usefulness of AI significantly predicts faculty attitudes and intentions to adopt these technologies, overshadowing the influence of perceived ease of use. Trust and social reinforcement emerged as critical mediators in this relationship, highlighting the role of social dynamics in shaping faculty self-efficacy and attitudes towards GenAI.
The study concludes that effective communication of GenAI’s practical benefits is essential for fostering adoption. While perceived ease of use is not a strong standalone motivator, it becomes influential when combined with positive attitudes and supportive social environments. Trust and social interactions play a pivotal role in mitigating uncertainty and validating perceptions, thereby enhancing the likelihood of GenAI adoption among faculty. These findings offer valuable insights for higher education policies aimed at integrating AI tools into educational practices, ultimately enhancing the learning experience in an increasingly AI-driven workforce.
Introduction
The introduction of this research paper highlights the rapid integration of Generative AI (GenAI) in higher education, noting a significant increase in usage among young adults, with 43% of individuals aged 18-29 having utilized tools like ChatGPT as of early 2024. This surge presents both opportunities and challenges for faculty, prompting an exploration of their perspectives on GenAI’s role in educational settings. GenAI, defined as technology that employs deep learning models to produce human-like content, encompasses a range of multimodal tools, including text-based applications and image and video generation technologies.
The study aims to investigate the implications of GenAI for non-STEM fields, where educators may lack a comprehensive understanding of the underlying technologies. By focusing on these disciplines, the research seeks to provide insights into how GenAI can enhance educational media creation and support various academic activities, such as developing case studies and qualitative data analysis. The paper underscores the need for a deeper examination of GenAI’s impact beyond traditional STEM domains, as its rapid adoption raises important questions about its integration into diverse educational contexts.
Methods
The study utilized a survey design to investigate higher education faculty’s perceptions, attitudes, uses, and experiences related to Generative Artificial Intelligence (GenAI). The primary aim was to identify the motivations, barriers, and underlying factors influencing the adoption or rejection of GenAI tools among university professors. This methodological approach allowed for a comprehensive analysis of faculty perspectives on integrating GenAI into their academic practices.
Results
The results of the study employed multiple regression analyses to evaluate the Technology Acceptance Model (TAM) in the context of Generative AI (GenAI) among college professors. The first hypothesis was fully supported, revealing that both Perceived Usefulness (PU) and Perceived Ease of Use (PEU) significantly predicted attitudes toward using GenAI, explaining 54% of the variance ($F(2, 188) = 108.476, p < 0.001, R^2 = 0.536$). The second hypothesis indicated that PU and attitudes positively influenced behavioral intention to use GenAI, accounting for 58% of the variance, while PEU did not show significance. The third hypothesis was also supported, demonstrating that PEU positively predicted PU, explaining 14% of the variance ($F(1, 193) = 30.112, p < 0.001, R^2 = 0.135$). Further analyses explored the role of self-efficacy and social reinforcement. Self-efficacy significantly predicted PEU but not attitudes or behavioral intention, thus only supporting part of the fifth hypothesis. Conversely, social reinforcement positively influenced all examined variables, fully supporting the sixth hypothesis. Mediation analyses confirmed that attitudes mediated the relationships between PU and behavioral intention, as well as between PEU and behavioral intention. Trust was found to significantly influence all aspects of the TAM, and it moderated the relationship between PU and behavioral intention, with stronger effects observed at lower levels of trust. Finally, trust also mediated the relationship between social reinforcement and behavioral intention, supporting the tenth hypothesis.
Discussion
In this study, the integration of the Technology Acceptance Model (TAM) and Social Cognitive Theory (SCT) was employed to investigate higher education faculty’s perceptions, attitudes, and experiences regarding Generative AI (GenAI). The findings reveal that trust is the most significant predictor influencing perceptions of usefulness (PU), perceived ease of use (PEU), social reinforcement (SR), self-efficacy (SE), and attitudes toward GenAI. Trust enhances faculty members’ belief in the technology’s ability to improve their performance and fosters confidence in their ability to utilize it effectively. Notably, the study found that when trust levels are high, the reliance on perceived usefulness diminishes, suggesting that trust can overshadow other factors in the decision to adopt GenAI.
Social reinforcement also emerged as a crucial factor, positively influencing perceptions of usefulness and ease of use, thereby shaping attitudes and adoption decisions. The study indicates that social interactions and feedback from peers significantly impact faculty members’ self-efficacy and their likelihood of adopting GenAI. Interestingly, while social reinforcement does not directly affect behavioral intention, it enhances trust, which subsequently increases the likelihood of technology adoption. This highlights the importance of social dynamics in the adoption of GenAI, especially in light of the ethical concerns surrounding its use. Overall, the research underscores the need for educational institutions to foster trust and facilitate positive social interactions to encourage the adoption of GenAI technologies among faculty.
Limitations
This section outlines the limitations of the study on higher education faculty’s perspectives regarding the adoption of Generative AI (GenAI). While the research provides valuable insights into how trust and social dynamics influence faculty attitudes, it acknowledges several constraints that may affect the generalizability of the findings. The targeted sampling strategy, focusing primarily on non-STEM fields and two mid-sized research-intensive public universities in the U.S., may not adequately represent the views of educators in smaller institutions, private universities, or international contexts. Additionally, the reliance on self-report data could introduce bias, particularly on sensitive topics, potentially skewing the accuracy of responses.
The study also highlights the need for further research to explore the role of institutional support, ethical considerations, and the evolving perceptions of GenAI over time. It suggests that qualitative methods, including open-ended questions, could provide deeper insights into faculty experiences and attitudes. Moreover, the research points to the necessity of longitudinal studies to track changes in faculty behaviors and perceptions as GenAI technology continues to develop. Overall, while the findings contribute to understanding the implications of GenAI in education, they underscore the importance of addressing the limitations to enhance the robustness and applicability of future research.