DOI: https://doi.org/10.3389/fpubh.2025.1525879
PMID: https://pubmed.ncbi.nlm.nih.gov/40352825
تاريخ النشر: 2025-04-25
المؤلف: Zhenyun Du وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تبحث هذه الدراسة في الدوافع وراء اعتماد المستخدمين للمحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي (AIGC) في عمليات البحث عن المعلومات الصحية، بهدف تعزيز إدارة الصحة العامة والابتكار التكنولوجي. باستخدام نموذج مستمد من النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) ونموذج الاعتقاد الصحي (HBM)، تحلل الدراسة بيانات الاستطلاع من خلال نمذجة المعادلات الهيكلية (SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA). تشير النتائج الرئيسية إلى أن عوامل مثل توقع الأداء، وتوقع الجهد، والإحساس بالعرضة، والشدة المدركة، والفوائد المدركة، والحواجز المدركة، والكفاءة الذاتية تؤثر بشكل كبير على نوايا الاعتماد، بينما لا تظهر الظروف الميسرة تأثيرًا كبيرًا. تحدد fsQCA مسارين – الدعم الشامل والصحة المهيمنة – اللذان يؤديان إلى نوايا الاعتماد.
توسع الدراسة من تطبيق UTAUT و HBM على AIGC في المعلومات الصحية، مما يوفر فهمًا دقيقًا للتفاعلات المعقدة بين مختلف العوامل المسببة التي تؤثر على نوايا الاعتماد. تؤكد أن توقع الأداء هو محرك حاسم لاعتماد المستخدمين واستخدامهم المستمر لمعلومات الصحة التي تم إنشاؤها بواسطة AIGC. علاوة على ذلك، تؤكد البحث على أهمية AIGC في تعزيز كفاءة اكتساب المعلومات، والمصداقية، وإدارة الصحة الشخصية. تقدم هذه النتائج رؤى نظرية قيمة وإرشادات عملية لتطوير أنظمة معلومات صحية أكثر ذكاءً وسهولة في الاستخدام تستفيد من تقنيات AIGC.
مقدمة
ت outlines مقدمة الورقة أهمية إطار الحوكمة لإدارة صحة السكان كما هو موضح في خطة الخمس سنوات الرابعة عشرة للصحة الوطنية وإطار خطة الصين الصحية 2030. تؤكد على الطلب المتزايد على معلومات صحية دقيقة في ظل زيادة الوعي بالصحة العامة، مما يبرز التحديات المزدوجة المتمثلة في overload المعلومات وتفاوت الجودة بسبب التقدم التكنولوجي السريع. يظهر المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي (AIGC) كتكنولوجيا محورية لتعزيز جودة وخدمات المعلومات الصحية الشخصية، وبالتالي دعم اتخاذ القرارات في الصحة العامة. ومع ذلك، فإن قبول معلومات الصحة التي تم إنشاؤها بواسطة AIGC يتأثر بالخصائص التكنولوجية، وجودة المحتوى، والمعتقدات الشخصية، والسياقات الاجتماعية.
تهدف الدراسة إلى التحقيق في العوامل التي تؤثر على نوايا المستخدمين لاعتماد AIGC في خدمات المعلومات الصحية، باستخدام إطار نظري يدمج النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) ونموذج الاعتقاد الصحي (HBM). يتناول هذا الإطار تحديات توليد محتوى الرعاية الصحية واتخاذ قرارات المستخدمين. تستخدم البحث نهجًا مختلطًا، يجمع بين نمذجة المعادلات الهيكلية (SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA) لاستكشاف الديناميات غير الخطية لاعتماد AIGC. تم هيكلة الورقة لمراجعة الأدبيات ذات الصلة، وتقديم نماذج نظرية، وتحديد المنهجية، ومناقشة النتائج والآثار، مما يوفر في النهاية رؤى لتعزيز فعالية AIGC في خدمات المعلومات الصحية.
الطرق
ت outlines قسم المنهجية النهج المنهجي المستخدم في البحث، موضحًا تصميم التجربة، وتقنيات جمع البيانات، وإجراءات التحليل. استخدمت الدراسة إطارًا كميًا، يتضمن طرقًا إحصائية لضمان تحليل قوي للنتائج. تم تشغيل المتغيرات الرئيسية، وتم اختيار الأدوات المناسبة لقياس هذه المتغيرات بشكل فعال.
شمل جمع البيانات استطلاعًا منظمًا تم إدارته لعينة تمثيلية، مما يضمن موثوقية وصحة النتائج. استخدم التحليل تقنيات إحصائية متقدمة، بما في ذلك تحليل الانحدار واختبار الفرضيات، لتقييم العلاقات بين المتغيرات المحددة. يضمن الصرامة المنهجية أن الاستنتاجات المستخلصة من الدراسة موثوقة وقابلة للتعميم على السكان الأوسع.
النتائج
تكشف نتائج الدراسة عن تفاعلات معقدة تؤثر على نوايا اعتماد المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي (AIGC) في بيئات المعلومات الصحية. تؤكد نمذجة المعادلات الهيكلية (SEM) أن عدة عوامل، بما في ذلك توقع الأداء، وتوقع الجهد، والإحساس بالعرضة، والشدة المدركة، والفوائد المدركة، والحواجز المدركة، والكفاءة الذاتية، تعزز بشكل كبير نوايا المستخدمين لاعتماد AIGC. من الجدير بالذكر أن توقع الأداء يظهر كأكثر العوامل أهمية، مما يشير إلى أن المستخدمين يميلون أكثر لاعتماد AIGC عندما يلبي بشكل فعال احتياجاتهم من المعلومات الصحية. من ناحية أخرى، تجد الدراسة أن الظروف الميسرة لا تؤثر بشكل كبير على نوايا الاعتماد، مما يشير إلى أن المستخدمين يفضلون الاحتياجات الصحية المدركة على القضايا اللوجستية في السيناريوهات ذات المخاطر العالية.
تكمل تحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA) هذه النتائج من خلال توضيح أنه لا يوجد عامل واحد ضروري للاعتماد؛ بل تتفاعل عوامل متعددة في تكوينات مختلفة للتأثير على سلوك المستخدم. يتم التعرف على توقع الأداء باستمرار كشرط أساسي عبر جميع التكوينات، مما يبرز دوره المحوري في قرارات الاعتماد. تحدد التحليل مسارين متميزين: مسار الدعم الشامل، حيث تساهم مجموعة واسعة من العوامل، بما في ذلك الفوائد المدركة والكفاءة الذاتية، في نوايا الاعتماد، ومسار الصحة المهيمنة، حيث يمكن أن يقود توقع الأداء وحده نوايا اعتماد عالية على الرغم من غياب عوامل دعم أخرى. يبرز هذا النهج الثنائي ضرورة وضع دوافع الاعتماد في سياقها، مما يكشف أن الحواجز المدركة والكفاءة الذاتية تلعب أدوارًا متباينة اعتمادًا على السياق الصحي المحدد، مما يبرز في النهاية أهمية الفوائد الصحية المدركة في دفع اعتماد التكنولوجيا.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على المشهد المتطور لنشر واكتساب المعلومات الصحية، خاصة في سياق التقنيات الناشئة مثل المحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي (AIGC). تؤكد على التركيز المزدوج للدراسات الحديثة على فهم الآليات وراء نشر المعلومات الصحية والعوامل التي تؤثر على نوايا المستخدمين لاعتماد هذه المعلومات. يتم تعزيز المصادر التقليدية للمعلومات الصحية، التي تتمثل أساسًا في المهنيين الصحيين، بشكل متزايد من خلال المنصات الرقمية، التي، بينما تعزز الوصول، تثير أيضًا مخاوف بشأن المعلومات المضللة والحاجة إلى تقييم المستخدمين لمصداقية المعلومات بشكل نقدي. أظهرت جائحة COVID-19 هذه التحديات، مما يبرز أهمية المعلومات الصحية الدقيقة في إدارة الصحة العامة.
تستكشف الورقة أيضًا نوايا اعتماد المعلومات الصحية ضمن بيئة AIGC، مصنفة تفاعلات المستخدمين إلى سلوكيات غير مدفوعة بالمهمة ومدفوعة بالمهمة. تحدد العوامل الرئيسية التي تؤثر على هذه النوايا، مدمجة النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) ونموذج الاعتقاد الصحي (HBM) في إطار بحث شامل. يقترح النموذج المقترح أن البنى مثل توقع الأداء، وتوقع الجهد، والإحساس بالعرضة تؤثر بشكل كبير على نوايا المستخدمين لاعتماد معلومات الصحة التي تم إنشاؤها بواسطة AIGC. تشير نتائج الدراسة إلى أن تعزيز تصورات المستخدمين للفوائد وتقليل الحواجز المدركة أمران حاسمان لتعزيز قبول AIGC في السياقات الصحية، وبالتالي تعزيز إدارة الصحة والنتائج بشكل أفضل.
DOI: https://doi.org/10.3389/fpubh.2025.1525879
PMID: https://pubmed.ncbi.nlm.nih.gov/40352825
Publication Date: 2025-04-25
Author(s): Zhenyun Du et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This research investigates the motivations behind users’ adoption of AI-generated content (AIGC) in health information searches, aiming to enhance public health management and technological innovation. Utilizing a model derived from the Unified Theory of Acceptance and Use of Technology (UTAUT) and the Health Belief Model (HBM), the study analyzes survey data through Structural Equation Modeling (SEM) and Fuzzy-Set Qualitative Comparative Analysis (fsQCA). Key findings indicate that factors such as performance expectancy, effort expectancy, perceived susceptibility, perceived severity, perceived benefits, perceived barriers, and self-efficacy significantly influence adoption intentions, while facilitating conditions do not show a significant effect. The fsQCA identifies two pathways—Comprehensive Support and Health-Dominated—that lead to adoption intentions.
The study extends the application of UTAUT and HBM to AIGC in health information, providing a nuanced understanding of the complex interactions among various antecedents influencing adoption intentions. It confirms that performance expectancy is a critical driver for users’ adoption and sustained use of AIGC-generated health information. Furthermore, the research underscores the importance of AIGC in enhancing information acquisition efficiency, credibility, and personalized health management. These findings offer valuable theoretical insights and practical guidance for developing more intelligent and user-friendly health information systems leveraging AIGC technologies.
Introduction
The introduction of the paper outlines the significance of a governance framework for population health management as established by the 14th Five-Year Plan for National Health and the Healthy China 2030 Plan Outline. It emphasizes the increasing demand for accurate health information amidst rising public health awareness, highlighting the dual challenges of information overload and varying quality due to rapid technological advancements. Artificial Intelligence Generated Content (AIGC) emerges as a pivotal technology to enhance the quality and personalization of health information services, thereby supporting public health decision-making. However, the acceptance of AIGC-generated health information is influenced by technological characteristics, content quality, personal beliefs, and social contexts.
The study aims to investigate the factors affecting users’ intentions to adopt AIGC in health information services, employing a theoretical framework that integrates the Unified Theory of Acceptance and Use of Technology (UTAUT) and the Health Belief Model (HBM). This framework addresses the challenges of healthcare content generation and user decision-making. The research utilizes a mixed-method approach, combining Structural Equation Modeling (SEM) and Fuzzy-Set Qualitative Comparative Analysis (fsQCA) to explore the non-linear adoption dynamics of AIGC. The paper is structured to review relevant literature, present theoretical models, outline methodology, and discuss findings and implications, ultimately providing insights for enhancing AIGC’s effectiveness in health information services.
Methods
The methodology section outlines the systematic approach employed in the research, detailing the experimental design, data collection techniques, and analytical procedures. The study utilized a quantitative framework, incorporating statistical methods to ensure robust analysis of the results. Key variables were operationalized, and appropriate instruments were selected to measure these variables effectively.
Data collection involved a structured survey administered to a representative sample, ensuring the reliability and validity of the findings. The analysis employed advanced statistical techniques, including regression analysis and hypothesis testing, to evaluate the relationships between the identified variables. The methodological rigor ensures that the conclusions drawn from the study are both credible and generalizable to the broader population.
Results
The results of the study reveal complex interactions influencing the adoption intentions of AI-generated content (AIGC) in health information environments. Structural Equation Modeling (SEM) confirms that several factors, including performance expectancy, effort expectancy, perceived susceptibility, perceived severity, perceived benefits, perceived barriers, and self-efficacy, significantly enhance users’ intentions to adopt AIGC. Notably, performance expectancy emerges as the most critical factor, indicating that users are more inclined to adopt AIGC when it effectively meets their health information needs. Conversely, the study finds that facilitating conditions do not significantly impact adoption intentions, suggesting that users prioritize perceived health needs over logistical concerns in high-stakes scenarios.
Fuzzy-Set Qualitative Comparative Analysis (fsQCA) complements these findings by illustrating that no single factor is necessary for adoption; rather, multiple factors interact in various configurations to influence user behavior. Performance expectancy is consistently identified as a core condition across all configurations, emphasizing its pivotal role in adoption decisions. The analysis identifies two distinct pathways: the Comprehensive Support Path, where a broad range of factors, including perceived benefits and self-efficacy, contribute to adoption intentions, and the Health-Dominated Path, where performance expectancy alone can drive high adoption intentions despite the absence of other supportive factors. This dual-method approach underscores the necessity of contextualizing adoption drivers, revealing that perceived barriers and self-efficacy play varying roles depending on the specific health context, ultimately highlighting the importance of perceived health benefits in driving technology adoption.
Discussion
The discussion section of the research paper highlights the evolving landscape of health information dissemination and acquisition, particularly in the context of emerging technologies like Artificial Intelligence-Generated Content (AIGC). It emphasizes the dual focus of recent studies on understanding the mechanisms behind health information dissemination and the factors influencing users’ intentions to adopt such information. Traditional sources of health information, primarily healthcare professionals, are increasingly supplemented by digital platforms, which, while enhancing accessibility, also raise concerns about misinformation and the need for users to critically evaluate information credibility. The COVID-19 pandemic exemplified these challenges, underscoring the importance of accurate health information in public health management.
The paper further explores the adoption intentions of health information within the AIGC environment, categorizing user interactions into non-task-driven and task-driven behaviors. It identifies key factors influencing these intentions, integrating the Unified Theory of Acceptance and Use of Technology (UTAUT) and the Health Belief Model (HBM) into a comprehensive research framework. The proposed model posits that constructs such as performance expectancy, effort expectancy, and perceived susceptibility significantly impact users’ intentions to adopt AIGC-generated health information. The study’s findings suggest that enhancing users’ perceptions of the benefits and reducing perceived barriers are critical for fostering acceptance of AIGC in health contexts, thereby promoting better health management and outcomes.