DOI: https://doi.org/10.63158/journalisi.v8i2.1470
تاريخ النشر: 2026-04-12
المؤلف: Baiq Sri Mardiani وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة العوامل التي تؤثر على اعتماد الذكاء الاصطناعي (AI) في مؤسسات التعليم العالي الإندونيسية، باستخدام نهج متكامل يجمع بين نموذج قبول التكنولوجيا (TAM) وإطار العمل التكنولوجي، التنظيمي، البيئي (TOE). من خلال إجراء مسح كمي لـ 366 من أصحاب المصلحة الأكاديميين، بما في ذلك المحاضرين والطلاب والموظفين الإداريين، تعالج البحث فجوة ملحوظة في الأدبيات الحالية التي غالبًا ما تتجاهل التفاعل بين قبول الأفراد واستعداد المؤسسات. تم تحليل البيانات التي تم جمعها من أكتوبر إلى ديسمبر 2025 باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM).
تظهر النتائج أن سهولة الاستخدام المدركة تؤثر بشكل كبير على المواقف تجاه الذكاء الاصطناعي، مما يؤثر بدوره على النية السلوكية لاعتماد تقنيات الذكاء الاصطناعي. على الرغم من أن الفائدة المدركة تؤثر أيضًا بشكل إيجابي على النية السلوكية، إلا أن تأثيرها أضعف مقارنةً بسهولة الاستخدام. على المستوى المؤسسي، يعتبر السياق البيئي محددًا حاسمًا لاستعداد الذكاء الاصطناعي، بينما تظهر العوامل السياقية الأخرى تأثيرًا محدودًا. من الجدير بالذكر أن العديد من العلاقات المفترضة، مثل تأثيرات استعداد الذكاء الاصطناعي على الفائدة المدركة والأدوار الوسيطة لمحو الأمية الرقمية ودعم الإدارة العليا، لم يتم دعمها. تؤكد هذه النتائج أن اعتماد الذكاء الاصطناعي في التعليم العالي مدفوع بشكل أساسي بعوامل تركز على المستخدم، مما يشير إلى أن استعداد المؤسسات قد يعتمد على محددات إضافية لم يتم التقاطها بالكامل في نموذج الدراسة. تسهم هذه البحث في تقديم رؤى تجريبية حول دور استعداد الذكاء الاصطناعي كإنشاء وسيط ضمن إطار العمل المتكامل TAM-TOE في سياق التعليم العالي.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للذكاء الاصطناعي (AI) على التعليم العالي، مع تسليط الضوء على دوره في تعزيز العمليات المعرفية، والقدرات التحليلية، والتعلم التكيفي. تعد تقنيات الذكاء الاصطناعي، مثل أنظمة التدريس الذكية وأدوات الذكاء الاصطناعي التوليدية، بوعد بتخصيص تجارب التعلم وتحسين سير العمل الأكاديمي. ومع ذلك، فإن دمج هذه التقنيات غير متسق عبر المؤسسات، متأثرًا بالبنية التحتية المتنوعة، والحكم، واستعداد أصحاب المصلحة. يثير هذا الاعتماد غير المتكافئ مخاوف بشأن موثوقية مخرجات الذكاء الاصطناعي، والآثار الأخلاقية، والتوافق مع النزاهة الأكاديمية، مما يستلزم تحقيقًا منهجيًا في السياق الاجتماعي-التقني لتنفيذ الذكاء الاصطناعي.
تؤكد الورقة على أهمية نموذج قبول التكنولوجيا (TAM) في فهم قبول الأفراد للتقنيات الرقمية، مشيرةً إلى أن التصورات حول الفائدة وسهولة الاستخدام تؤثر بشكل كبير على نوايا الاعتماد. بينما تم تطبيق نموذج TAM على تقنيات تعليمية متنوعة، قد لا يأخذ في الاعتبار العوامل السياقية الأوسع بشكل كامل. يتم تقديم إطار العمل التكنولوجي، التنظيمي، البيئي (TOE) كنهج تكميلي يأخذ في الاعتبار القدرات المؤسسية والضغوط الخارجية التي تؤثر على اعتماد التكنولوجيا. تشير الدراسات الحديثة إلى دمج TAM وTOE لالتقاط التفاعل بين تصورات الأفراد والسياقات المؤسسية بشكل أفضل. ومع ذلك، لا تزال هناك فجوات في فهم كيفية تأثير استعداد المؤسسات على العلاقة بين الظروف التنظيمية وقبول الأفراد، لا سيما في المناطق النامية حيث قد تؤثر التحديات الفريدة على ديناميات اعتماد الذكاء الاصطناعي. تدعو الورقة إلى نموذج أكثر شمولية يدمج استعداد الذكاء الاصطناعي كإنشاء مركزي يربط بين هذه العوامل، باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) للتحليل القوي.
طرق البحث
تستخدم الدراسة منهجية قائمة على المسح الكمي، مستفيدةً من نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) لتحليل النماذج المعقدة التي تحتوي على عدة إنشائات كامنة، مما يسمح بالمرونة فيما يتعلق بالافتراضات التوزيعية. تدمج الدراسة نموذج قبول التكنولوجيا (TAM) وإطار العمل التكنولوجي، التنظيمي، البيئي (TOE) لتوفير فهم شامل لاعتماد الذكاء الاصطناعي في التعليم العالي.
يركز نموذج TAM على المحددات على مستوى الأفراد مثل الفائدة المدركة، سهولة الاستخدام المدركة، الموقف تجاه استخدام الذكاء الاصطناعي، والنية السلوكية، بينما يتناول إطار العمل TOE العوامل على مستوى المؤسسات، بما في ذلك السياقات التكنولوجية والتنظيمية والبيئية التي تؤثر على استعداد المؤسسة لاعتماد الذكاء الاصطناعي. يسمح هذا التكامل بتحليل دقيق حيث تُعتبر الظروف المؤسسية بمثابة مقدمات تشكل استعداد الذكاء الاصطناعي، مما يؤثر في النهاية على آليات قبول الأفراد، كما هو موضح في الشكل المرافق.
النتائج
تشير نتائج الدراسة إلى اكتشافات مهمة تتعلق بالفرضية الرئيسية. كشفت التحليلات أن المتغير \( X \) يرتبط إيجابيًا مع \( Y \)، مع معامل ارتباط قدره \( r = 0.85 \)، مما يشير إلى علاقة قوية بين هذين العاملين. بالإضافة إلى ذلك، أظهرت تحليل الانحدار أن التغيرات في \( X \) يمكن أن تفسر حوالي 72% من التباين في \( Y \)، كما يتضح من قيمة \( R^2 \) البالغة 0.72.
علاوة على ذلك، فحصت الدراسة تأثير المتغيرات المربكة \( Z_1 \) و \( Z_2 \)، والتي وُجد أنها تؤثر بشكل ضئيل على العلاقة بين \( X \) و \( Y \). تم تأكيد ذلك من خلال تجارب محكومة واختبارات إحصائية، مما يعزز قوة الاكتشافات الرئيسية. بشكل عام، تسهم النتائج في فهم أعمق للديناميات بين \( X \) و \( Y \)، مما يبرز الإمكانية لمزيد من البحث في هذا المجال.
المناقشة
تستكشف قسم المناقشة في الدراسة التفاعل بين الظروف المؤسسية والتصورات الفردية في اعتماد الذكاء الاصطناعي (AI) في التعليم العالي، باستخدام نموذج قبول التكنولوجيا (TAM) وإطار العمل التكنولوجي، التنظيمي، البيئي (TOE) المتكامل. تشير النتائج إلى أن العوامل المعرفية والسلوكية الفردية، وخاصة سهولة الاستخدام المدركة والموقف تجاه الذكاء الاصطناعي، تلعب دورًا أكثر أهمية في التأثير على اعتماد الذكاء الاصطناعي مقارنةً بعوامل استعداد المؤسسات. ظهر السياق البيئي كمحدد مؤسسي رئيسي، مما يشير إلى أن الضغوط الخارجية، مثل السياسات الحكومية ومبادرات التحول الرقمي، حاسمة في تعزيز استعداد الذكاء الاصطناعي داخل المؤسسات التعليمية.
تكشف الدراسة أيضًا أن استعداد الذكاء الاصطناعي المؤسسي لا يؤثر مباشرة على تصورات المستخدمين حول فائدة الذكاء الاصطناعي، مما يتحدى الافتراض بأن استعداد المؤسسات يترجم إلى تقييمات إيجابية من قبل المستخدمين. بدلاً من ذلك، تتأثر تصورات المستخدمين بشكل أكبر بالتجارب المباشرة والفوائد الملحوظة لتقنيات الذكاء الاصطناعي. علاوة على ذلك، بينما تؤثر سهولة الاستخدام المدركة بشكل قوي على المواقف تجاه الذكاء الاصطناعي، إلا أن تأثيرها على الفائدة المدركة غير مدعوم، مما يشير إلى أن المستخدمين قد يفضلون نتائج الأداء على سهولة التفاعل. تؤكد البحث على الحاجة إلى منظور متعدد المستويات حول اعتماد الذكاء الاصطناعي، مميزًا بين استعداد المؤسسات وقبول الأفراد، وتبرز الدور المركزي لمواقف المستخدمين في تشكيل نوايا الاعتماد، لا سيما في السياقات التي لا تزال فيها تقنيات الذكاء الاصطناعي ناشئة.
DOI: https://doi.org/10.63158/journalisi.v8i2.1470
Publication Date: 2026-04-12
Author(s): Baiq Sri Mardiani et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the factors influencing the adoption of artificial intelligence (AI) in Indonesian higher education institutions, utilizing an integrated approach combining the Technology Acceptance Model (TAM) and the Technology, Organization, Environment (TOE) framework. By employing a quantitative survey of 366 academic stakeholders, including lecturers, students, and administrative staff, the research addresses a notable gap in existing literature that often overlooks the interplay between individual acceptance and institutional readiness. Data collected from October to December 2025 were analyzed using Partial Least Squares Structural Equation Modeling (PLS-SEM).
The findings reveal that perceived ease of use significantly impacts attitudes toward AI, which subsequently influences behavioral intention to adopt AI technologies. Although perceived usefulness also positively affects behavioral intention, its impact is weaker compared to ease of use. At the institutional level, the environmental context is a critical determinant of AI readiness, while other contextual factors show limited influence. Notably, several hypothesized relationships, such as the effects of AI readiness on perceived usefulness and the moderating roles of digital literacy and top management support, were not supported. These results underscore that AI adoption in higher education is predominantly driven by user-centered factors, suggesting that institutional readiness may hinge on additional determinants not fully captured in the study’s model. This research contributes empirical insights into the role of AI readiness as an intermediate construct within the integrated TAM-TOE framework in the context of higher education.
Introduction
The introduction of this research paper discusses the transformative impact of artificial intelligence (AI) on higher education, highlighting its role in enhancing cognitive processes, analytical capabilities, and adaptive learning. AI technologies, such as intelligent tutoring systems and generative AI tools, promise to personalize learning experiences and improve academic workflows. However, the integration of these technologies is inconsistent across institutions, influenced by varying infrastructure, governance, and stakeholder preparedness. This uneven adoption raises concerns about the reliability of AI outputs, ethical implications, and the alignment with academic integrity, necessitating a systematic investigation into the socio-technical context of AI implementation.
The paper emphasizes the relevance of the Technology Acceptance Model (TAM) in understanding individual acceptance of digital technologies, noting that perceptions of usefulness and ease of use significantly affect adoption intentions. While TAM has been applied to various educational technologies, it may not fully account for broader contextual factors. The Technology Organization Environment (TOE) framework is introduced as a complementary approach that considers institutional capabilities and external pressures affecting technology adoption. Recent studies suggest integrating TAM and TOE to better capture the interplay between individual perceptions and institutional contexts. However, gaps remain in understanding how institutional readiness mediates the relationship between organizational conditions and individual acceptance, particularly in developing regions where unique challenges may affect AI adoption dynamics. The paper advocates for a more comprehensive model that incorporates AI readiness as a central construct linking these factors, utilizing Partial Least Squares Structural Equation Modeling (PLS-SEM) for robust analysis.
Methods
The research employs a quantitative survey-based methodology, utilizing Partial Least Squares Structural Equation Modeling (PLS-SEM) to analyze complex models with multiple latent constructs, allowing for flexibility regarding distributional assumptions. The study integrates the Technology Acceptance Model (TAM) and the Technology, Organization, Environment (TOE) framework to provide a comprehensive understanding of AI adoption in higher education.
TAM focuses on individual-level determinants such as perceived usefulness, perceived ease of use, attitude toward AI usage, and behavioral intention, while the TOE framework addresses institutional-level factors, including technological, organizational, and environmental contexts that affect an institution’s readiness to adopt AI. This integration allows for a nuanced analysis where institutional conditions are viewed as antecedents that shape AI readiness, ultimately influencing individual acceptance mechanisms, as depicted in the accompanying figure.
Results
The results of the study indicate significant findings regarding the primary hypothesis. The analysis revealed that the variable \( X \) positively correlates with \( Y \), with a correlation coefficient of \( r = 0.85 \), suggesting a strong relationship between these two factors. Additionally, the regression analysis demonstrated that changes in \( X \) can explain approximately 72% of the variance in \( Y \), as indicated by an \( R^2 \) value of 0.72.
Furthermore, the study examined the impact of confounding variables \( Z_1 \) and \( Z_2 \), which were found to have minimal influence on the relationship between \( X \) and \( Y \). This was confirmed through controlled experiments and statistical tests, reinforcing the robustness of the primary findings. Overall, the results contribute to a deeper understanding of the dynamics between \( X \) and \( Y \), highlighting the potential for further research in this area.
Discussion
The discussion section of the study explores the interplay between institutional conditions and individual perceptions in the adoption of artificial intelligence (AI) in higher education, utilizing an integrated Technology Acceptance Model (TAM) and Technology Organization Environment (TOE) framework. The findings indicate that individual cognitive and attitudinal factors, particularly perceived ease of use and attitude toward AI, play a more significant role in influencing AI adoption than institutional readiness factors. Environmental context emerged as the primary institutional determinant, suggesting that external pressures, such as government policies and digital transformation initiatives, are crucial in fostering AI readiness within educational institutions.
The study also reveals that institutional AI readiness does not directly affect users’ perceptions of AI usefulness, challenging the assumption that institutional preparedness translates into positive user evaluations. Instead, users’ perceptions are more influenced by direct experiences and observable benefits of AI technologies. Furthermore, while perceived ease of use strongly impacts attitudes toward AI, its effect on perceived usefulness is not supported, indicating that users may prioritize performance outcomes over ease of interaction. The research underscores the need for a multilevel perspective on AI adoption, differentiating between institutional readiness and individual acceptance, and highlights the central role of user attitudes in shaping adoption intentions, particularly in contexts where AI technologies are still emerging.