DOI: https://doi.org/10.30935/cedtech/18951
تاريخ النشر: 2026-07-13
المؤلف: İbrahim Arpacı وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة التكامل المستدام والمسؤول للذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي، باستخدام نسخة موسعة من نظرية السلوك المخطط (TPB) التي تتضمن اعتبارات أخلاقية مثل الأصالة، والابتكار، والمسؤولية، والسرية. شملت البحث مرحلة نوعية مع مقابلات منظمة مع أعضاء هيئة التدريس لاستكشاف الفوائد، والقيود، والمخاوف الأخلاقية المحيطة بـ GenAI، والتي أبلغت بعد ذلك تطوير إطار نظري ونموذج بحثي.
في المرحلة الكمية، تم اختبار النموذج باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) مع بيانات من 1,261 مستخدمًا لـ GenAI. أشارت النتائج إلى أن الأبعاد الأخلاقية للأصالة، والابتكار، والمسؤولية، والسرية أثرت بشكل كبير على المواقف (ATs) تجاه GenAI. علاوة على ذلك، وُجد أن المواقف، والرقابة السلوكية المدركة، والمعايير الذاتية تنبأت بشكل كبير بنية المستخدمين المستمرة للتفاعل مع GenAI. تؤكد النتائج على أهمية وضع قواعد سلوكية واضحة وإرشادات أخلاقية، تم تطويرها بالتعاون مع أصحاب المصلحة، لضمان الاستخدام المسؤول والمستدام لـ GenAI في التعليم العالي.
مقدمة
تناقش مقدمة ورقة البحث ظهور وأهمية أدوات الذكاء الاصطناعي التوليدي (GenAI) في الأوساط الأكاديمية والتعليم العالي. تستفيد هذه التقنيات المتقدمة من خوارزميات التعلم الآلي ومعالجة اللغة الطبيعية لإشراك المستخدمين في حوارات تفاعلية، مما ينتج محتوى بناءً على مجموعات بيانات واسعة. ومع ذلك، فإن إمكانية التحيز في المحتوى الناتج هي مصدر قلق حاسم، حيث قد تعكس التحيزات المتأصلة في الخوارزميات أو بيانات التدريب المستخدمة (Arpaci, 2024).
تُقدَّر أدوات GenAI بشكل متزايد لقدرتها على توفير وصول سريع إلى المعلومات، مما يسهل المهام الأكاديمية للباحثين والطلاب على حد سواء (Belkina et al., 2025; Kasneci et al., 2023). من خلال إدخال مطالبات بسيطة، يمكن للمستخدمين تلقي ردود سريعة وملائمة تسهل مختلف أنشطة التعلم والبحث، مما يساعد الباحثين في متابعة أحدث التطورات في مجالاتهم (Gibreel & Arpaci, 2025; Kumar et al., 2024; Nguyen et al., 2022). تؤكد المقدمة على ضرورة معالجة القضايا الأخلاقية بشكل شامل لضمان التكامل المسؤول والمستدام لتقنيات الذكاء الاصطناعي في البيئات الأكاديمية (Dave et al., 2023; Mhlanga, 2023).
الطرق
استخدمت الدراسة تصميمًا مختلطًا استكشافيًا متسلسلًا، يتضمن كل من المراحل النوعية والكمية للتحقيق في تكامل الذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي. في البداية، تم جمع بيانات نوعية من خلال مقابلات منظمة مع أعضاء هيئة التدريس عبر مختلف التخصصات الأكاديمية. كانت هذه المرحلة تهدف إلى كشف الفوائد المدركة، والقيود، والمخاوف الأخلاقية المتعلقة بتطبيق GenAI في الأوساط الأكاديمية. كشفت تحليل هذه المقابلات عن مواضيع متكررة أبلغت الإطار المفاهيمي وتطوير عناصر القياس للمرحلة الكمية اللاحقة.
في المرحلة الثانية، تم تحويل المواضيع المحددة إلى مؤشرات قابلة للقياس، والتي تم تقييمها بعد ذلك كميًا باستخدام تحليل العوامل الاستكشافية (EFA) ونمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM). ضمنت هذه المقاربة المتسلسلة أن التبصرات النوعية وجهت مباشرة تطوير المقياس واختبار النموذج، مما عزز من قوة نتائج البحث المتعلقة بتداعيات GenAI في سياقات التعليم العالي.
النتائج
تكشف النتائج النوعية لهذه الدراسة، المستمدة من مقابلات منظمة مع 20 مشاركًا، عن ثلاثة مواضيع رئيسية تتعلق باستخدام الذكاء الاصطناعي التوليدي (GenAI) في الأوساط الأكاديمية: المزايا، والقيود التقنية، والمخاوف الأخلاقية. حدد التحليل الموضوعي أن GenAI يعزز بشكل كبير الإنتاجية ويسهل المهام مثل تحرير النصوص، والترجمة، والتلخيص. ومع ذلك، أبلغ المشاركون أيضًا عن قيود تقنية، بما في ذلك مشاكل في المعالجة المعرفية والفهم السياقي، مما يمكن أن يؤدي إلى سوء تفسير الاستفسارات. ظهرت الاعتبارات الأخلاقية كموضوع حاسم، مما يبرز الحاجة إلى معايير صارمة لمعالجة القضايا المتعلقة بالأصالة، والسرية، والمسؤولية في استخدام أدوات GenAI.
استخدمت الدراسة أيضًا نظرية السلوك المخطط (TPB) لاستكشاف كيف تتنبأ المواقف تجاه GenAI، والمعايير الذاتية، والرقابة السلوكية المدركة بنية استخدام هذه الأدوات. أشارت النتائج إلى أن التصورات حول الأصالة والابتكار تؤثر بشكل كبير على المواقف تجاه استخدام GenAI. تم إثارة المخاوف بشأن إمكانية المعلومات المضللة ونقص المساءلة المرتبطة بالمحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي، مما يبرز ضرورة أن تقوم المؤسسات التعليمية بتنفيذ تدابير تقلل من هذه المخاطر. تؤكد النتائج على أهمية وضع إرشادات أخلاقية لضمان التكامل المسؤول لـ GenAI في البيئات الأكاديمية، مع معالجة كل من الفوائد والتحديات التي تطرحها هذه التقنيات.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على الاعتبارات السلوكية والأخلاقية الحاسمة المحيطة بتكامل الذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي. تهدف الدراسة إلى استكشاف كيف تؤثر هذه العوامل على النية المستمرة لتكامل GenAI بشكل مسؤول، مما يبرز الحاجة إلى تنفيذ مستدام وأخلاقي يعالج التأثيرات طويلة الأمد على المجتمع الأكاديمي. بينما يتمتع GenAI بالقدرة على تعزيز التعلم والتدريس من خلال إدارة المعرفة الفعالة وتجارب التعلم الشخصية، فإنه يطرح أيضًا مخاطر كبيرة، مثل إنتاج معلومات غير دقيقة أو متحيزة، مما يمكن أن يقوض النزاهة الأكاديمية والمصداقية.
تحدد البحث البنى الأخلاقية الرئيسية—الأصالة، والابتكار، والمسؤولية، والسرية—كمنبئات أساسية للمواقف تجاه استخدام GenAI. تستخدم الدراسة نظرية السلوك المخطط (TPB) كإطار عمل، موسعة إياها لتشمل هذه الأبعاد الأخلاقية، مما يعالج فجوة في الأدبيات الحالية التي غالبًا ما تتجاهل تقاطع القضايا الأخلاقية واعتماد التكنولوجيا. تشير النتائج إلى أن الموقف الإيجابي تجاه GenAI، الذي يتشكل من خلال التصورات حول تداعياته الأخلاقية، يتنبأ بشكل كبير بالنوايا المستمرة لاستخدام هذه الأنظمة. تسهم هذه الفهم الدقيقة في الخطاب النظري حول التكامل المسؤول للذكاء الاصطناعي في الأوساط الأكاديمية، مما يبرز أهمية الاعتبارات الأخلاقية في تشكيل سلوك المستخدمين ومواقفهم تجاه التقنيات الناشئة.
القيود
تسلط قيود هذه الدراسة الضوء على عدة قيود تقنية ومنهجية قد تؤثر على تفسير النتائج. أبلغ المشاركون عن مشاكل في المعالجة المعرفية، مثل سوء تفسير الأسئلة وتقديم إجابات متكررة، مما قد يؤثر على جودة البيانات. بالإضافة إلى ذلك، فإن قيود تدريب النموذج، بما في ذلك عدم قدرته على إنتاج صور واعتماده على معلومات قديمة، تعقد التحليل أكثر. يحد تصميم الدراسة، الذي تضمن بيانات ذاتية تم جمعها من خلال أخذ عينات ملائمة، من النتائج لتكون رؤى إدراكية وارتباطية بدلاً من استنتاجات سببية.
علاوة على ذلك، فإن اختلاف ملفات تعريف المشاركين في المراحل النوعية والكمية—أعضاء هيئة التدريس للمقابلات مقابل طلاب الجامعات بشكل أساسي للعينة الكمية—يحد من قابلية تطبيق المواضيع النوعية على فئة الطلاب. يجب أن تُعتبر البنى الأخلاقية المستمدة من مقابلات أعضاء هيئة التدريس كأساس مفاهيمي بدلاً من دليل قاطع على التجارب المشتركة المتعلقة بقضايا GenAI الأخلاقية. يجب أن تهدف الأبحاث المستقبلية إلى اختبار النموذج المقترح مع عينات متطابقة أو مصنفة عبر مختلف أصحاب المصلحة في التعليم لتعزيز الصلاحية. كما حددت الدراسة مشاكل في الصلاحية التمييزية بين بعض البنى، مما يشير إلى الحاجة إلى تحسين عناصر القياس ومزيد من الفحص لتمييز البنى. أخيرًا، بينما أشار اختبار عامل هارمان الواحد إلى قلق ضئيل بشأن التحيز في الطريقة الشائعة (CMB)، يُوصى بإجراءات تحكم إضافية واستراتيجيات أخذ عينات بديلة لتحسين قوة وعمومية النتائج المستقبلية.
DOI: https://doi.org/10.30935/cedtech/18951
Publication Date: 2026-07-13
Author(s): İbrahim Arpacı et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study investigates the sustainable and responsible integration of generative artificial intelligence (GenAI) in higher education, utilizing an extended version of the theory of planned behavior (TPB) that incorporates ethical considerations such as authenticity, originality, responsibility, and confidentiality. The research involved a qualitative phase with structured interviews of faculty members to explore the benefits, limitations, and ethical concerns surrounding GenAI, which subsequently informed the development of a theoretical framework and research model.
In the quantitative phase, the model was tested using Partial Least Squares Structural Equation Modeling (PLS-SEM) with data from 1,261 GenAI users. The results indicated that the ethical dimensions of authenticity, originality, responsibility, and confidentiality significantly influenced attitudes (ATs) toward GenAI. Furthermore, ATs, perceived behavioral control, and subjective norms were found to significantly predict users’ continuous intention to engage with GenAI. The findings underscore the importance of establishing clear behavioral rules and ethical guidelines, developed collaboratively with stakeholders, to ensure the responsible and sustainable use of GenAI in higher education.
Introduction
The introduction of the research paper discusses the emergence and significance of generative artificial intelligence (GenAI) tools in academia and higher education. These advanced technologies leverage machine learning algorithms and natural language processing to engage users in interactive dialogues, producing content based on extensive datasets. However, the potential for bias in the generated content is a critical concern, as it may reflect the biases inherent in the algorithms or training data used (Arpaci, 2024).
GenAI tools are increasingly valued for their ability to provide rapid access to information, thereby streamlining academic tasks for researchers and students alike (Belkina et al., 2025; Kasneci et al., 2023). By simply entering prompts, users can receive timely and relevant responses that facilitate various learning and research activities, ultimately aiding researchers in keeping abreast of the latest developments in their fields (Gibreel & Arpaci, 2025; Kumar et al., 2024; Nguyen et al., 2022). The introduction emphasizes the necessity of addressing ethical issues comprehensively to ensure the responsible and sustainable integration of AI technologies in academic settings (Dave et al., 2023; Mhlanga, 2023).
Methods
The study utilized an exploratory sequential mixed-methods design, incorporating both qualitative and quantitative phases to investigate the integration of Generative AI (GenAI) in higher education. Initially, qualitative data were gathered through structured interviews with faculty members across various academic disciplines. This phase aimed to uncover the perceived benefits, limitations, and ethical concerns related to GenAI’s application in academia. The analysis of these interviews revealed recurring themes that informed the conceptual framework and the development of measurement items for the subsequent quantitative phase.
In the second phase, the identified themes were operationalized into measurable indicators, which were then quantitatively assessed using exploratory factor analysis (EFA) and partial least squares structural equation modeling (PLS-SEM). This sequential approach ensured that the qualitative insights directly guided the scale development and model testing, thereby enhancing the robustness of the research findings regarding the implications of GenAI in higher education contexts.
Results
The qualitative findings of this study, derived from structured interviews with 20 participants, reveal three primary themes regarding the use of Generative AI (GenAI) in academia: advantages, technical limitations, and ethical concerns. Thematic analysis identified that GenAI significantly enhances productivity and simplifies tasks such as text editing, translation, and summarization. However, participants also reported technical limitations, including issues with cognitive processing and contextual understanding, which can lead to misinterpretation of queries. Ethical considerations emerged as a critical theme, emphasizing the need for rigorous standards to address concerns related to originality, confidentiality, and responsibility in the use of GenAI tools.
The study further employed the Theory of Planned Behavior (TPB) to explore how attitudes toward GenAI, subjective norms, and perceived behavioral control predict the intention to use these tools. Findings indicated that perceptions of authenticity and originality significantly influence attitudes toward GenAI use. Concerns were raised about the potential for misinformation and lack of accountability associated with AI-generated content, highlighting the necessity for educational institutions to implement measures that mitigate these risks. The results underscore the importance of establishing ethical guidelines to ensure responsible integration of GenAI in academic settings, addressing both the benefits and challenges posed by these technologies.
Discussion
The discussion section of the research paper emphasizes the critical behavioral and ethical considerations surrounding the integration of Generative AI (GenAI) in higher education. The study aims to explore how these factors influence the continuous intention to integrate GenAI responsibly, highlighting the need for sustainable and ethical implementation that addresses long-term impacts on the academic community. While GenAI has the potential to enhance learning and teaching through effective knowledge management and personalized learning experiences, it also poses significant risks, such as the generation of inaccurate or biased information, which can undermine academic integrity and credibility.
The research identifies key ethical constructs—authenticity, originality, responsibility, and confidentiality—as essential predictors of attitudes toward GenAI use. The study employs the Theory of Planned Behavior (TPB) as a framework, expanding it to include these ethical dimensions, thereby addressing a gap in existing literature that often overlooks the intersection of ethical concerns and technology adoption. The findings suggest that a favorable attitude toward GenAI, shaped by perceptions of its ethical implications, significantly predicts the continuous intention to use these systems. This nuanced understanding contributes to the theoretical discourse on responsible AI integration in academia, emphasizing the importance of ethical considerations in shaping user behavior and attitudes toward emerging technologies.
Limitations
The limitations of this study highlight several technical and methodological constraints that may affect the interpretation of the findings. Participants reported cognitive processing issues, such as misinterpreting questions and providing repetitive answers, which may have influenced the data quality. Additionally, the training limitations of the model, including its inability to generate visuals and its reliance on outdated information, further complicate the analysis. The study’s design, which involved self-reported data collected through convenience sampling, restricts the findings to perceptual and associational insights rather than causal inferences.
Moreover, the differing participant profiles in the qualitative and quantitative phases—faculty members for interviews versus predominantly university students for the quantitative sample—limit the applicability of qualitative themes to the student population. The ethical constructs derived from faculty interviews should be viewed as a conceptual foundation rather than definitive evidence of shared experiences regarding GenAI-related ethical issues. Future research should aim to test the proposed model with matched or stratified samples across various educational stakeholders to enhance validity. The study also identified issues with discriminant validity among certain constructs, suggesting a need for refinement in measurement items and further examination of construct distinctiveness. Finally, while Harman’s single-factor test indicated minimal concern regarding common method bias (CMB), additional controls and alternative sampling strategies are recommended to improve the robustness and generalizability of future findings.