DOI: https://doi.org/10.1057/s41599-026-07742-7
تاريخ النشر: 2026-07-06
المؤلف: Riyaz Abdullah Sheikh وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف الدراسة العوامل التي تؤثر على اعتماد الذكاء الاصطناعي التوليدي (GenAI) بين المعلمين في الجامعات السعودية، مع التركيز على دوره في تحقيق الهدف الرابع من أهداف التنمية المستدامة (التعليم الجيد). من خلال دمج نموذج ملاءمة المهمة والتكنولوجيا (TTF) ونظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT)، تصيغ البحث ثمانية فرضيات وتستخدم نهجًا كميًا، حيث تجمع البيانات من 413 من أعضاء هيئة التدريس الأكاديمية. تكشف التحليلات من خلال نمذجة المعادلات الهيكلية باستخدام طريقة المربعات الصغرى الجزئية (PLS-SEM) أن ملاءمة المهمة والتكنولوجيا، وتوقع الأداء، وتوقع الجهد، والتأثير الاجتماعي، وظروف التيسير تؤثر بشكل كبير على اعتماد GenAI، مما يعزز بدوره نتائج جودة التعليم المدركة.
تسلط النتائج الرئيسية الضوء على آلية ذات مسارين لملاءمة المهمة والتكنولوجيا، حيث يكون تأثيرها على الاعتماد مباشرًا وغير مباشر، بشكل أساسي من خلال توقع الأداء. كما تحدد الدراسة “هرمية الكفاءة”، مما يشير إلى أن توقع الجهد هو المحرك الأكثر أهمية للاعتماد، مما يقترح أن تعقيد الأدوات يمثل حاجزًا رئيسيًا في التعليم العالي. بالإضافة إلى ذلك، تؤكد الأبحاث على وجود علاقة قوية بين اعتماد GenAI والتحسينات في جودة التعليم، مما يحول التركيز من مجرد التحديث التكنولوجي إلى تعزيز التميز التعليمي. توفر هذه الرؤى تداعيات قيمة لصانعي السياسات وقادة المؤسسات في تصميم استراتيجيات فعالة لـ GenAI تتماشى مع رؤية 2030 والهدف الرابع من أهداف التنمية المستدامة. تشمل اتجاهات البحث المستقبلية مقارنات بين الدول ونهج مختلط لاستكشاف ممارسات GenAI في سياقات تعليمية متنوعة.
مقدمة
تسلط مقدمة ورقة البحث الضوء على التأثير الكبير للتقدم التكنولوجي، وخاصة الذكاء الاصطناعي التوليدي (GenAI)، على المشهد التعليمي، خاصة في التعليم العالي. يميز GenAI نفسه عن الذكاء الاصطناعي التقليدي من خلال قدرته على إنشاء محتوى جديد، مما يسهل تجارب التعلم الشخصية ويوفر آليات تغذية راجعة ذكية. يتماشى هذا مع رؤية المملكة العربية السعودية 2030، التي تؤكد على التحول الرقمي وزراعة اقتصاد قائم على المعرفة، مما يضع GenAI كأداة محورية لتعزيز الممارسات التعليمية ودعم الهدف الرابع من أهداف التنمية المستدامة (SDG 4) الذي يهدف إلى ضمان التعليم الشامل والجيد.
على الرغم من الفوائد المحتملة لـ GenAI، تشير الورقة إلى نقص الأدلة التجريبية بشأن اعتماده بين أعضاء هيئة التدريس السعوديين، الذين يواجهون تحديات مثل المخاوف الأخلاقية، والمخاطر على النزاهة الأكاديمية، ومشاكل خصوصية البيانات، والسياسات المؤسسية غير المتسقة. تتفاقم هذه الحواجز بسبب التنفيذ السريع لمبادرات التحول الرقمي، والتي قد لا تتماشى مع الاستعداد الفعلي واحتياجات المؤسسات التعليمية. يقترح المؤلفون أن معالجة هذه التحديات أمر حاسم للتكامل الفعال لـ GenAI في التعليم العالي، مما يعزز جودة التعليم ويوسع الوصول إلى فرص التعلم.
النتائج
توفر نتائج الدراسة تحليلًا شاملاً للعوامل التي تؤثر على اعتماد الذكاء الاصطناعي التوليدي (GenAI) بين أعضاء هيئة التدريس في التعليم العالي السعودي، في إطار نموذج ملاءمة المهمة والتكنولوجيا (TTF) ونظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT). تشير النتائج الرئيسية إلى وجود علاقة إيجابية ذات دلالة إحصائية بين تصورات المعلمين حول التوافق بين أدوات GenAI ومهامهم التعليمية واحتمالية اعتماد التكنولوجيا، مع معامل مسار قدره $\beta = 0.196$، $t = 4.766$، و $p < 0.001$. تسلط الدراسة الضوء على أن ملاءمة المهمة والتكنولوجيا لا تؤثر فقط بشكل مباشر على نوايا الاعتماد ولكن تؤثر أيضًا بشكل غير مباشر من خلال توقع الأداء، الذي ظهر كأقوى متنبئ في النموذج ($\beta = 0.550$، $f^2 = 0.434$). تكشف التحليلات أيضًا أن خصائص المهمة ($\beta = 0.235$) وخصائص التكنولوجيا ($\beta = 0.259$) حاسمة في إنشاء ملاءمة المهمة والتكنولوجيا، مما يثبت نموذج TTF ذو البعدين. بالإضافة إلى ذلك، تؤكد النتائج على أهمية سهولة الاستخدام المدركة، حيث أظهر توقع الجهد أكبر حجم تأثير عملي ($f^2 = 0.392$) على قرارات الاعتماد. تؤكد الدراسة جميع الفرضيات الثمانية عند مستوى دلالة قدره $p < 0.001$، مما يظهر دقة النموذج التنبؤية القوية لاعتماد الذكاء الاصطناعي وتوافقه مع أهداف الهدف الرابع من أهداف التنمية المستدامة. بشكل عام، تشير النتائج إلى أن نجاح اعتماد GenAI يتطلب نهجًا متعدد الأبعاد يأخذ في الاعتبار التوافق الهيكلي، والاستعداد النفسي، والسياق الاجتماعي، والدعم المؤسسي، مع تحديد ملاءمة المهمة وسهولة الاستخدام المدركة كنقاط ضغط حاسمة لاستراتيجيات المؤسسات.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على الإمكانات التحويلية للذكاء الاصطناعي التوليدي (GenAI) في التعليم العالي، مع التركيز على دوره في تعزيز ممارسات التعليم والتعلم والبحث. تُلاحظ أدوات مثل ChatGPT وDALLE وMidjourney لقدرتها على تعزيز مشاركة المتعلمين، وتوفير تجارب تعلم شخصية، وتخفيف الأعباء الإدارية عن المعلمين. ومع ذلك، لا يزال اعتماد GenAI في مراحله الأولى، خاصة في المناطق النامية، مع وجود مخاوف بشأن الآثار الأخلاقية، والنزاهة الأكاديمية، وخصوصية البيانات التي تسود بين المعلمين. تحدد الدراسة فجوة كبيرة في الأبحاث التجريبية التي تركز على تصورات أعضاء هيئة التدريس واعتماد GenAI، خاصة في السياق الشرق أوسطي، وتهدف إلى معالجة ذلك من خلال استخدام إطار نظري متكامل يجمع بين ملاءمة المهمة والتكنولوجيا (TTF) ونظرية القبول واستخدام التكنولوجيا الموحدة (UTAUT).
تؤكد الأساسيات النظرية على أن توافق خصائص التكنولوجيا مع متطلبات المهمة يعزز من احتمالية الاعتماد، بينما تعتبر العناصر من UTAUT – مثل توقع الأداء، وتوقع الجهد، والتأثير الاجتماعي، وظروف التيسير – محددات حاسمة لقبول التكنولوجيا. تقترح الأبحاث أن التكامل الفعال لأدوات GenAI يمكن أن يساهم في تحقيق الهدف الرابع من أهداف التنمية المستدامة (SDG 4)، الذي يعزز التعليم الجيد والشامل والعادل. تستخدم الدراسة منهجية قوية، حيث تستفيد من PLS-SEM لتحليل البيانات من 413 معلمًا عبر ثلاث جامعات سعودية، مما يكشف أن توقع الأداء وتوقع الجهد هما أقوى المتنبئين لاعتماد GenAI. تؤكد هذه النتائج على ضرورة وجود تكنولوجيا سهلة الاستخدام ودعم مؤسسي لتسهيل التكامل الناجح لـ GenAI في البيئات التعليمية.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات للتحسين والبحث المستقبلي. أولاً، يحد التصميم العرضي من فهم كيفية تطور نوايا الاعتماد بمرور الوقت، مما يستلزم دراسات طولية لتتبع الانتقال من الاستكشاف إلى التكامل الروتيني للتكنولوجيا. بالإضافة إلى ذلك، قد يؤدي الاعتماد على البيانات المبلغ عنها ذاتيًا إلى إدخال تحيز الرغبة الاجتماعية، والذي يمكن التخفيف منه من خلال دمج سجلات الاستخدام الفعلية في التحقيقات المستقبلية. على الرغم من أن حجم العينة المكونة من 413 مشاركًا كبير، إلا أن التركيز على ثلاث جامعات في المملكة العربية السعودية يحد من إمكانية تعميم النتائج على سياقات ثقافية أخرى ذات هياكل تعليمية ومستويات نضج رقمي مختلفة.
علاوة على ذلك، تشير القوة التنبؤية المعتدلة لمفهوم التعليم الجيد (SDG 4) إلى أنه على الرغم من أهمية اعتماد التكنولوجيا، إلا أنه ليس العامل الوحيد الذي يؤثر على جودة التعليم؛ تلعب عناصر بيداغوجية أخرى أيضًا أدوارًا حاسمة. يجب أن تستكشف الأبحاث المستقبلية نتائج بيداغوجية محددة، مثل مشاركة الطلاب والتفكير النقدي، وتقييم الفروق الدقيقة في اعتماد التكنولوجيا عبر مختلف التخصصات. قد يتضمن ذلك أخذ عينات مصنفة من مجموعة أوسع من الجامعات السعودية، ومقارنات بين الدول، وتصاميم طولية لفهم ديناميكيات اعتماد GenAI بشكل أفضل في بيئات تعليمية متنوعة. يمكن أن تسلط المناهج النوعية والمختلطة الضوء بشكل أكبر على التحديات الخاصة بالتخصصات وقضايا العدالة المتعلقة بتكامل GenAI.
DOI: https://doi.org/10.1057/s41599-026-07742-7
Publication Date: 2026-07-06
Author(s): Riyaz Abdullah Sheikh et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
The study investigates the factors influencing the adoption of Generative Artificial Intelligence (GenAI) among educators in Saudi Arabian universities, emphasizing its role in achieving Sustainable Development Goal 4 (Quality Education). By integrating the Task-Technology Fit (TTF) and Unified Theory of Acceptance and Use of Technology (UTAUT) models, the research formulates eight hypotheses and employs a quantitative approach, collecting data from 413 academic staff. Analysis through Partial Least Squares Structural Equation Modeling (PLS-SEM) reveals that task-technology fit, performance expectancy, effort expectancy, social influence, and facilitating conditions significantly impact GenAI adoption, which in turn enhances perceived educational quality outcomes.
Key findings highlight a dual-pathway mechanism for TTF, where its influence on adoption is both direct and indirect, primarily through performance expectancy. The study also identifies an “efficiency hierarchy,” indicating that effort expectancy is the most significant driver of adoption, suggesting that tool complexity is a major barrier in higher education. Additionally, the research confirms a strong link between GenAI adoption and improvements in educational quality, shifting the focus from mere technological modernization to fostering educational excellence. These insights provide valuable implications for policymakers and institutional leaders in designing effective GenAI strategies aligned with Vision 2030 and SDG 4. Future research directions include cross-country comparisons and mixed-methods approaches to further explore GenAI practices in diverse educational contexts.
Introduction
The introduction of the research paper highlights the significant impact of technological advancements, particularly Generative Artificial Intelligence (GenAI), on the educational landscape, especially in higher education. GenAI distinguishes itself from traditional AI by its ability to create new content, thereby facilitating personalized learning experiences and providing intelligent feedback mechanisms. This aligns with Saudi Arabia’s Vision 2030, which emphasizes digital transformation and the cultivation of a knowledge-based economy, positioning GenAI as a pivotal tool for enhancing educational practices and supporting Sustainable Development Goal 4 (SDG 4) aimed at ensuring inclusive and quality education.
Despite the potential benefits of GenAI, the paper notes a lack of empirical evidence regarding its adoption among Saudi faculty, who face challenges such as ethical concerns, risks to academic integrity, data privacy issues, and inconsistent institutional policies. These barriers are exacerbated by the rapid implementation of digital transformation initiatives, which may not align with the actual readiness and needs of educational institutions. The authors suggest that addressing these challenges is crucial for the effective integration of GenAI in higher education, thereby enhancing instructional quality and expanding access to learning opportunities.
Results
The results of the study provide a comprehensive analysis of the factors influencing the adoption of Generative AI (GenAI) among faculty in Saudi higher education, framed within an integrated Task-Technology Fit (TTF) and Unified Theory of Acceptance and Use of Technology (UTAUT) model. Key findings indicate a statistically significant positive relationship between educators’ perceptions of alignment between GenAI tools and their teaching tasks and the likelihood of technology adoption, with a path coefficient of $\beta = 0.196$, $t = 4.766$, and $p < 0.001$. The study highlights that task-technology fit not only directly influences adoption intentions but also indirectly affects them through Performance Expectancy, which emerged as the strongest predictor in the model ($\beta = 0.550$, $f^2 = 0.434$). The analysis further reveals that both task characteristics ($\beta = 0.235$) and technology characteristics ($\beta = 0.259$) are crucial in establishing task-technology fit, validating the dual-dimension TTF model. Additionally, the findings underscore the importance of perceived ease of use, as Effort Expectancy showed the largest practical effect size ($f^2 = 0.392$) on adoption decisions. The study confirms all eight hypotheses at a significance level of $p < 0.001$, demonstrating the model's robust predictive accuracy for AI adoption and its alignment with Sustainable Development Goal 4 objectives. Overall, the results suggest that successful GenAI adoption requires a multifaceted approach that considers structural alignment, psychological readiness, social context, and institutional support, with task fit and perceived ease of use identified as critical leverage points for institutional strategies.
Discussion
The discussion section of the research paper highlights the transformative potential of Generative Artificial Intelligence (GenAI) in higher education, emphasizing its role in enhancing teaching, learning, and research practices. Tools such as ChatGPT, DALLE, and Midjourney are noted for their ability to foster learner engagement, provide personalized learning experiences, and alleviate educators’ administrative burdens. However, the adoption of GenAI remains nascent, particularly in developing regions, with concerns surrounding ethical implications, academic integrity, and data privacy being prevalent among educators. The study identifies a significant gap in empirical research focused on faculty perceptions and adoption of GenAI, particularly in the Middle Eastern context, and aims to address this by employing an integrated theoretical framework combining Task-Technology Fit (TTF) and the Unified Theory of Acceptance and Use of Technology (UTAUT).
The theoretical foundation posits that the alignment of technology characteristics with task requirements enhances adoption likelihood, while constructs from UTAUT—such as Performance Expectancy, Effort Expectancy, Social Influence, and Facilitating Conditions—are critical determinants of technology acceptance. The research proposes that effective integration of GenAI tools can contribute to achieving Sustainable Development Goal 4 (SDG 4), which promotes inclusive and equitable quality education. The study employs a robust methodology, utilizing PLS-SEM to analyze data from 413 educators across three Saudi universities, revealing that Performance Expectancy and Effort Expectancy are the strongest predictors of GenAI adoption. These findings underscore the necessity for user-friendly technology and institutional support to facilitate the successful integration of GenAI in educational settings.
Limitations
The limitations of this study highlight several areas for improvement and future research. Firstly, the cross-sectional design restricts the understanding of how adoption intentions evolve over time, necessitating longitudinal studies to track the transition from exploration to routine integration of technology. Additionally, reliance on self-reported data may introduce social desirability bias, which could be mitigated by incorporating actual usage logs in future investigations. While the sample size of 413 participants is substantial, the focus on three universities in Saudi Arabia limits the generalizability of findings to other cultural contexts with different educational hierarchies and levels of digital maturity.
Moreover, the moderate predictive power of the Quality Education (SDG 4) concept suggests that while technology adoption is important, it is not the sole factor influencing educational quality; other pedagogical elements also play critical roles. Future research should explore specific pedagogical outcomes, such as student engagement and critical thinking, and assess the nuances of technology adoption across various disciplines. This could involve stratified sampling from a broader range of Saudi universities, cross-country comparisons, and longitudinal designs to better understand the dynamics of GenAI adoption in diverse educational settings. Qualitative and mixed-methods approaches could further elucidate discipline-specific challenges and equity issues related to GenAI integration.