DOI: https://doi.org/10.3390/ejihpe14090169
PMID: https://pubmed.ncbi.nlm.nih.gov/39329837
تاريخ النشر: 2024-09-21
المؤلف: Katerina Velli وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة العوامل التي تؤثر على قبول المعلمين اليونانيين لأدوات الذكاء الاصطناعي التعليمية (EAIT) لإبلاغ إطار عمل تربوي لدمجها بشكل مسؤول في الممارسات التعليمية. تم تطوير نموذج مفاهيمي من خلال دمج المفاهيم من نموذج قبول التكنولوجيا (TAM) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، مع تضمين الثقة المدركة، والابتكار الشخصي، والمعتقدات التربوية. تم إجراء مسح كمي شمل 342 معلمًا، وتم تقييم النموذج المقترح باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM). كشفت النتائج أن الفائدة المدركة هي المتنبئ الأكثر أهمية لنية المعلمين السلوكية لاستخدام EAIT، تليها التأثيرات الاجتماعية والابتكار الشخصي. من الجدير بالذكر أنه بينما لم تؤثر المعتقدات التربوية البنائية بشكل مباشر على قبول EAIT، كان المعلمون الذين لديهم مثل هذه المعتقدات يميلون إلى رؤية EAIT على أنها أكثر فائدة وموثوقية.
تساهم هذه البحث في فهم تبني الذكاء الاصطناعي في التعليم من خلال توضيح العلاقات السببية بين العوامل المختلفة التي تؤثر على قبول المعلمين لـ EAIT. تؤكد النتائج على أهمية الفائدة المدركة، والابتكار الشخصي، والتأثير الاجتماعي في تعزيز قبول EAIT. تدعو الدراسة إلى تطوير مهني مستهدف يتناول احتياجات المعلمين المحددة، مما يضمن الدعم الكافي للانتقال إلى أدوات الذكاء الاصطناعي في الفصول الدراسية. يمكن أن توجه الرؤى المستفادة من منهجية PLS-SEM الدقيقة المؤسسات التعليمية وصانعي السياسات في تطوير استراتيجيات فعالة لتنفيذ الذكاء الاصطناعي التعليمي، وتعزيز ثقافة الابتكار والثقة، وتوافق البرامج المهنية مع المناهج التعليمية الموجهة نحو الطلاب.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التقدم السريع في الذكاء الاصطناعي (AI) المدفوع بتقارب البيانات الضخمة، وقوة الحوسبة المعقولة، والاختراقات الكبيرة في تعلم الآلة. لا يعيد هذا التطور التكنولوجي تشكيل الصناعات والاقتصادات فحسب، بل يحول أيضًا الحياة اليومية، مع معدل تبني متوقع للذكاء الاصطناعي بنسبة 75% من قبل الشركات. تطور دمج الذكاء الاصطناعي في التعليم، لا سيما من خلال أنظمة التدريس الذكية (ITS)، من نهج يركز على المعلم إلى نهج يركز على الطالب، مما يعزز تجارب التعلم الشخصية. تصنف أدوات الذكاء الاصطناعي التعليمية (EAIT) إلى أدوات موجهة للمتعلمين، وأدوات موجهة للمعلمين، وأدوات موجهة للنظام، كل منها مصمم لدعم جوانب مختلفة من العملية التعليمية.
تؤكد الورقة على ضرورة توافق دمج الذكاء الاصطناعي مع الأهداف التربوية بدلاً من القدرات التكنولوجية فقط. بينما يمكن أن يخفف الذكاء الاصطناعي الأعباء الإدارية عن المعلمين، تظل الدور الذي لا يمكن استبداله للمعلمين في تعزيز مشاركة الطلاب أمرًا حيويًا. تتناول المقدمة أيضًا التحديات المرتبطة بتبني الذكاء الاصطناعي في التعليم، بما في ذلك المخاوف بشأن النزاهة الأكاديمية، والشفافية، والثقة في أنظمة الذكاء الاصطناعي. تؤكد على أهمية وضع إرشادات أخلاقية وأطر تعاون بين المؤسسات التعليمية، ومطوري الذكاء الاصطناعي، والباحثين لتسهيل دمج الذكاء الاصطناعي بشكل فعال. تهدف الدراسة إلى استكشاف وجهات نظر معلمي المدارس اليونانية حول تقنيات الذكاء الاصطناعي، مندمجةً مع مفاهيم من نماذج قبول التكنولوجيا المعروفة (TAM وUTAUT) مع عوامل إضافية مثل الثقة المدركة، والمعتقدات التربوية، والابتكار الشخصي لتعزيز فهم نوايا المعلمين لقبول واستخدام EAIT في ممارساتهم التعليمية.
طرق البحث
تستخدم الدراسة منهجية استنتاجية، تبدأ بصياغة فرضيات توجه التحقيق التجريبي. يسمح هذا النهج بالاختبار المنهجي والتحقق من المفاهيم المقترحة. يتم تمثيل النموذج المفاهيمي، مع الفرضيات المرتبطة، بصريًا في الشكل 1، مما يوفر إطارًا للتحليل وجمع البيانات اللاحق. تعتبر هذه المنهجية المنظمة ضرورية لاستخلاص استنتاجات ذات مغزى من البيانات المجمعة.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود علاقة كبيرة بين المتغيرات قيد التحقيق، حيث تكشف التحليلات الإحصائية عن قيمة p أقل من 0.05، مما يشير إلى أن النتائج ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في سلوك النظام، كما هو موضح من خلال التمثيلات البيانية المقدمة، التي تصور العلاقة بين المتغيرات المستقلة والتابعة.
علاوة على ذلك، تؤكد نتائج تحليل التباين (ANOVA) أن الفروق الملحوظة بين المجموعات ليست بسبب الصدفة العشوائية، مما يعزز صحة الفرضيات المختبرة. يختتم القسم بمناقشة تداعيات هذه النتائج، مقترحًا تطبيقات محتملة في المجال المعني واتجاهات للبحث المستقبلي. بشكل عام، تساهم النتائج في تقديم رؤى قيمة حول الآليات الأساسية المعنية وتدعم الإطار النظري الذي تم تأسيسه في الأقسام السابقة من الورقة.
المناقشة
تتناول قسم المناقشة من الورقة البحثية تطبيق نموذج قبول التكنولوجيا (TAM) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) في فهم نوايا المعلمين اليونانيين السلوكية (BI) تجاه استخدام تقنيات الذكاء الاصطناعي التعليمية (EAIT). تفترض الدراسة أن الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEU) تؤثر بشكل كبير على BI للمعلمين، مدعومةً بالفرضيات H1 وH2. بالإضافة إلى ذلك، يتم دمج مفاهيم نموذج UTAUT—توقع الأداء (PE)، وتوقع الجهد (EE)، والتأثير الاجتماعي (SI)، وظروف التيسير (FC)—في التحليل، مع اقتراح الفرضيات H3 وH4 بأن كل من FC وSI تؤثر إيجابيًا على BI. كما يتم التأكيد على أهمية الثقة المدركة (PT)، مع اقتراح الفرضيات H5 وH6 بأن PT تعزز بشكل كبير من PU وBI، مما يبرز دورها الحاسم في قبول أدوات الذكاء الاصطناعي في التعليم.
علاوة على ذلك، تستكشف الورقة تأثير معتقدات المعلمين التربوية (PB) على تبني التكنولوجيا، مميزةً بين المعتقدات التربوية التقليدية (TPB) والمعتقدات التربوية البنائية (CPB). تم صياغة الفرضيات H7 إلى H14 لتقييم التأثيرات الإيجابية لـ CPB والتأثيرات السلبية لـ TPB على PU وPEU وPT وBI. كما تقدم الدراسة الابتكار الشخصي (PI) كعامل ذي صلة، مقترحةً الفرضيات H15 إلى H17 لفحص تأثيره الإيجابي على PU وPEU وBI. تعتمد التحليل التجريبي، المستند إلى عينة من 342 معلمًا، على نمذجة المعادلات الهيكلية للتحقق من الفرضيات المقترحة، كاشفةً أن PU وPI تمثلان جزءًا كبيرًا من التباين في BI، مما يبرز أهمية هذه المفاهيم في التنبؤ بتبني التكنولوجيا بين المعلمين.
القيود
تقدم الدراسة عدة قيود تؤثر على قابلية تعميم وملاءمة نتائجها. باعتبارها دراسة ميدانية كمية تركز على نوايا المعلمين اليونانيين لقبول تكنولوجيا الذكاء الاصطناعي التعليمية (EAIT)، قد لا تمتد النتائج إلى سياقات تعليمية أخرى. إن الاعتماد على البيانات المبلغ عنها ذاتيًا يقدم تحيزات محتملة، حيث قد يبالغ المشاركون في تقدير قبولهم وإلمامهم بـ EAIT.
علاوة على ذلك، بينما تأخذ الدراسة في الاعتبار عوامل مختلفة تؤثر على القبول، فإنها تتجاهل المتغيرات الخارجية مثل دعم القيادة المدرسية والمواقف الأبوية تجاه التكنولوجيا في التعليم. يقيم الاستطلاع بشكل أساسي ميول المعلمين لتبني EAIT، مما يفشل في التقاط تعقيدات مواقفهم بشأن تنفيذ EAIT في الفصل الدراسي أو استخدامهم الفعلي للتكنولوجيا.
DOI: https://doi.org/10.3390/ejihpe14090169
PMID: https://pubmed.ncbi.nlm.nih.gov/39329837
Publication Date: 2024-09-21
Author(s): Katerina Velli et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the factors influencing Greek teachers’ acceptance of educational AI tools (EAIT) to inform a pedagogical framework for their responsible integration into educational practices. A conceptual model was developed by integrating constructs from the Technology Acceptance Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT), incorporating perceived trust, personal innovativeness, and pedagogical beliefs. A quantitative survey involving 342 teachers was conducted, and the proposed model was evaluated using partial least squares structural equation modeling (PLS-SEM). The findings revealed that perceived usefulness is the most significant predictor of teachers’ behavioral intention to use EAIT, followed by social influence and personal innovativeness. Notably, while constructivist pedagogical beliefs did not directly impact EAIT acceptance, teachers with such beliefs tended to view EAIT as more useful and trustworthy.
The research contributes to the understanding of AI adoption in education by elucidating the causal relationships between various factors influencing teachers’ acceptance of EAIT. The results underscore the importance of perceived usefulness, personal innovativeness, and social influence in promoting EAIT acceptance. The study advocates for targeted professional development that addresses teachers’ specific needs, ensuring adequate support for the transition to AI tools in classrooms. The insights gained from the rigorous PLS-SEM methodology can guide educational institutions and policymakers in developing effective strategies for the implementation of educational AI, fostering a culture of innovation and trust, and aligning professional programs with student-oriented pedagogical approaches.
Introduction
The introduction of this research paper highlights the rapid advancements in artificial intelligence (AI) driven by the convergence of big data, affordable computing power, and significant machine learning breakthroughs. This technological evolution is not only reshaping industries and economies but also transforming daily life, with a projected 75% adoption rate of AI by enterprises. The integration of AI into education, particularly through intelligent tutoring systems (ITS), has evolved from teacher-centered to student-centric approaches, enhancing personalized learning experiences. Educational AI tools (EAIT) are categorized into learner-facing, teacher-facing, and system-facing tools, each designed to support different aspects of the educational process.
The paper emphasizes the necessity of aligning AI integration with pedagogical goals rather than merely technological capabilities. While AI can alleviate administrative burdens for educators, the irreplaceable role of teachers in fostering student engagement remains crucial. The introduction also addresses the challenges associated with AI adoption in education, including concerns about academic integrity, transparency, and trust in AI systems. It underscores the importance of establishing ethical guidelines and collaborative frameworks among educational institutions, AI developers, and researchers to facilitate effective AI integration. The study aims to explore Greek school teachers’ perspectives on AI technologies, merging constructs from established technology acceptance models (TAM and UTAUT) with additional factors such as perceived trust, pedagogical beliefs, and personal innovativeness to enhance understanding of educators’ intentions to accept and utilize EAIT in their teaching practices.
Methods
The research employs a deductive methodology, beginning with the formulation of hypotheses that guide the empirical investigation. This approach allows for systematic testing and validation of the proposed concepts. The conceptual model, along with the associated hypotheses, is visually represented in Figure 1, providing a framework for the subsequent analysis and data collection. This structured methodology is essential for deriving meaningful conclusions from the gathered data.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses revealing a p-value of less than 0.05, suggesting that the results are statistically significant. Additionally, the results demonstrate a clear trend in the behavior of the system, as illustrated by the graphical representations provided, which depict the relationship between the independent and dependent variables.
Furthermore, the analysis of variance (ANOVA) results confirm that the differences observed among the groups are not due to random chance, reinforcing the validity of the hypotheses tested. The section concludes with a discussion of the implications of these findings, suggesting potential applications in the relevant field and directions for future research. Overall, the results contribute valuable insights into the underlying mechanisms at play and support the theoretical framework established in earlier sections of the paper.
Discussion
The discussion section of the research paper elaborates on the application of the Technology Acceptance Model (TAM) and the Unified Theory of Acceptance and Use of Technology (UTAUT) in understanding Greek school teachers’ behavioral intentions (BI) towards using Educational Artificial Intelligence Technologies (EAIT). The study posits that perceived usefulness (PU) and perceived ease of use (PEU) significantly influence teachers’ BI, supported by hypotheses H1 and H2. Additionally, the UTAUT model’s constructs—performance expectancy (PE), effort expectancy (EE), social influence (SI), and facilitating conditions (FC)—are integrated into the analysis, with hypotheses H3 and H4 suggesting that both FC and SI positively affect BI. The importance of perceived trust (PT) is also emphasized, with hypotheses H5 and H6 proposing that PT significantly enhances PU and BI, highlighting its critical role in the acceptance of AI tools in education.
Furthermore, the paper explores the impact of teachers’ pedagogical beliefs (PB) on technology adoption, distinguishing between traditional pedagogical beliefs (TPB) and constructivist pedagogical beliefs (CPB). Hypotheses H7 to H14 are formulated to assess the positive effects of CPB and the negative effects of TPB on PU, PEU, PT, and BI. The study also introduces personal innovativeness (PI) as a relevant factor, proposing hypotheses H15 to H17 to examine its positive influence on PU, PEU, and BI. The empirical analysis, based on a sample of 342 teachers, employs structural equation modeling to validate the proposed hypotheses, revealing that PU and PI account for a significant portion of the variance in BI, thus underscoring the relevance of these constructs in predicting technology adoption among educators.
Limitations
The study presents several limitations that affect the generalizability and applicability of its findings. As a quantitative field study focused on Greek school teachers’ intentions to accept Educational Artificial Intelligence Technology (EAIT), the results may not extend to other educational contexts. The reliance on self-reported data introduces potential biases, as participants might overestimate their acceptance and familiarity with EAIT.
Additionally, while the research considers various factors influencing acceptance, it overlooks external variables such as school leadership support and parental attitudes towards technology in education. The survey primarily assesses teachers’ tendencies to adopt EAIT, failing to capture the complexities of their attitudes regarding EAIT implementation in the classroom or their actual usage of the technology.