DOI: https://doi.org/10.1038/s41598-025-02926-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40399399
تاريخ النشر: 2025-05-21
المؤلف: Ning Ding وآخرون
الموضوع الرئيسي: أثر الذكاء الاصطناعي والبيانات الضخمة على الأعمال والمجتمع
نظرة عامة
تستكشف هذه الورقة البحثية تأثير سمات الشخصية الخمسة الكبرى (BFP) على استعداد مصممي الجيل Z للاشتراك في أدوات الرسم المدفوعة بالذكاء الاصطناعي، باستخدام نموذج موسع يدمج نموذج قبول التكنولوجيا (TAM) ونظرية المخاطر المدركة (PRT). تستخدم الدراسة نمذجة المعادلات الهيكلية (SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA) لتحليل البيانات من 477 مستجيبًا. تشير النتائج الرئيسية إلى أن سمات مثل الانفتاح (OPE) والانبساط (EXT) تؤثر إيجابيًا على سهولة الاستخدام المدركة (PEU) والاستعداد للدفع للاشتراك (WPS)، بينما تؤثر سلبًا على المخاطر المدركة (PR). بالإضافة إلى ذلك، يعزز EXT والاتفاق (AGR) الفائدة المدركة (PU)، بينما تؤثر العصابية (NEU) سلبًا على PU وPEU وWPS، بينما تزيد من PR. تكشف التحليلات أن WPS يتأثر إيجابيًا بكل من PEU وPU، ولكنه يتأثر سلبًا بـ PR، حيث تعمل هذه العوامل كوسائط في علاقات مختلفة.
تظهر نتائج fsQCA أربع تكوينات متميزة من سمات BFP تؤثر على WPS بين مصممي الجيل Z، مما يبرز تفاعلًا معقدًا يختلف عن نتائج SEM. تعتبر هذه الدراسة رائدة في استكشافها المنهجي لكيفية تأثير سمات الشخصية على سلوكيات قبول التكنولوجيا ضمن هذه الفئة العمرية، مما يساهم في تقديم رؤى نظرية قيمة في مجالات علم نفس الشخصية وقبول التكنولوجيا. علاوة على ذلك، تقدم آثارًا عملية لتطوير التكنولوجيا واستراتيجيات التسويق والنهج التعليمية وإدارة الموارد البشرية.
طرق البحث
تستخدم منهجية هذه الدراسة نمذجة المعادلات الهيكلية (SEM) وتحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA) لتحليل البيانات. يتم استخدام SEM، وخاصة SEM القائم على التباين (CB-SEM)، نظرًا لقدراته القوية في تقدير العلاقات المتعددة المتغيرة المعقدة والتحقق من الفرضيات النظرية. تشمل أدوات البرمجيات الشائعة لـ CB-SEM AMOS وEQS وLISREL وMPlus، والتي تسهل الاختبار الإحصائي وتقييم ملاءمة النموذج. بالمقابل، يسمح fsQCA، المستند إلى نظرية التعقيد، باستكشاف السبب المشترك والنتائج المتعددة، مما يجعله مناسبًا لفحص الظواهر الاجتماعية المعقدة التي تتجاوز قيود النماذج الخطية التقليدية.
لقد حظي دمج fsQCA مع SEM باهتمام أكاديمي كبير، خاصة في مجالات مثل سلوك المستهلك وقبول التكنولوجيا، حيث يعزز فهم الشبكات السببية المعقدة. بالإضافة إلى ذلك، تستخدم هذه الدراسة SPSS 26.0 لتحليل التكرار، واختبار الموثوقية باستخدام ألفا كرونباخ، واختبار انحياز الطريقة الشائعة (CMB). كما يتم استخدام ماكرو PROCESS للتحقيق في التأثيرات الوسيطة المحتملة، مما يعزز الإطار التحليلي للبحث.
النتائج
تشير نتائج هذه الدراسة إلى موثوقية وصلاحية قوية لنموذج القياس، كما يتضح من معاملات ألفا كرونباخ التي تتجاوز 0.7 لجميع البنى، مما يؤكد التناسق الداخلي العالي. دعمت تحليل العوامل التأكيدية (CFA) هذه النتائج، حيث كانت قيم الموثوقية المركبة (CR) أعلى من 0.7 وقيم التباين المتوسط المستخرج (AVE) تتجاوز 0.5، مما يشير إلى صلاحية تقاربية قوية. أظهرت نتائج نمذجة المعادلات الهيكلية (SEM) ملاءمة جيدة للنموذج، مع تحديد علاقات مسار مهمة لعدة فرضيات، خاصة تلك المتعلقة بسمات الانفتاح (OPE) والانبساط (EXT) والعصابية (NEU) التي تؤثر على سهولة الاستخدام المدركة (PEU) والفائدة المدركة (PU) والمخاطر المدركة (PR) بطرق مختلفة.
كشفت تحليل الوساطة باستخدام اختبار البوتستراب النسب المئوية المصححة عن تأثيرات وساطة مهمة لبعض المسارات، لا سيما OPE→PEU→WPS وEXT→PU→WPS، بينما تم رفض مسارات أخرى، مما يشير إلى أن ليس كل السمات تمارس تأثيرات مباشرة على رضا مكان العمل (WPS). بالإضافة إلى ذلك، استخدمت الدراسة تحليل المقارنة النوعية باستخدام مجموعة ضبابية (fsQCA) لاستكشاف تأثيرات التفاعل بين سمات الشخصية الخمسة الكبرى (BFP)، مما يبرز تعقيد هذه العلاقات ويقترح أن الطبيعة المستقلة لهذه السمات قد تؤدي إلى نتائج متنوعة في WPS بين مصممي الجيل Z. يبرز هذا النهج متعدد الأبعاد أهمية النظر في تركيبات سمات الشخصية بدلاً من التأثيرات المعزولة لفهم تأثيرها بالكامل على ديناميات مكان العمل.
المناقشة
تؤكد قسم المناقشة في الورقة على أهمية ونقاط ضعف نموذج قبول التكنولوجيا (TAM) في فهم اعتماد التكنولوجيا، خاصة في سياق الذكاء الاصطناعي (AI). بينما تم استخدام TAM على نطاق واسع لتحليل سلوكيات المستخدمين تجاه التقنيات الجديدة، قد يتجاهل إطاره المبسط عوامل اجتماعية تقنية حاسمة واختلافات فردية تؤثر على قبول التكنولوجيا. سعت الدراسات الحديثة إلى تعزيز قوة تفسير TAM من خلال دمجه مع أطر نظرية أخرى، مثل نظرية السلوك المخطط ونموذج الشخصية الخمسة الكبرى (BFP). كشفت هذه الدمجات أن سمات الشخصية تؤثر بشكل كبير على تصورات المستخدمين للتكنولوجيا، مما يؤثر بدوره على استعدادهم لتبني أدوات جديدة.
تقترح الورقة نموذجًا موسعًا جديدًا يجمع بين TAM ونموذج BFP ونظرية المخاطر المدركة (PRT)، بهدف تقديم رؤى أعمق حول سلوكيات قبول التكنولوجيا. على وجه التحديد، تفترض أن سمات الشخصية – الانفتاح على التجربة (OPE)، والضمير (CON)، والانبساط (EXT)، والاتفاق (AGR)، والعصابية (NEU) – تؤثر على سهولة الاستخدام المدركة (PEU) والفائدة المدركة (PU) والمخاطر المدركة (PR)، والتي بدورها تؤثر على استعداد المستخدمين للدفع مقابل أدوات الرسم بالذكاء الاصطناعي. كما تسلط الدراسة الضوء على أهمية فهم التفاعلات غير الخطية لهذه السمات ضمن عملية قبول التكنولوجيا، مما يقترح أن نظرية التعقيد يمكن أن تقدم منظورًا أكثر دقة حول كيفية تشكيل الاختلافات الفردية لعملية اتخاذ القرار في اعتماد التكنولوجيا. بشكل عام، يهدف دمج هذه الأطر إلى تعزيز قابلية تطبيق النموذج وتقديم فهم أوضح للعوامل التي تدفع قبول التكنولوجيا في السياقات الواقعية.
القيود
تسلط قيود هذه الدراسة الضوء على عدة مجالات للبحث المستقبلي. أولاً، يحد التركيز على مصممي الجيل Z من الصلاحية الخارجية للنتائج؛ وبالتالي، قد يؤدي توسيع العينة لتشمل مجموعات عمرية مختلفة وقطاعات صناعية إلى تعزيز القابلية للتعميم. ثانيًا، يؤدي الاعتماد على مقاييس الإبلاغ الذاتي إلى إدخال انحياز الرغبة الاجتماعية المحتمل، مما يشير إلى أن الدراسات المستقبلية يجب أن تتضمن طرقًا تجريبية أو تتبعًا طوليًا أو تحليلات بيانات ضخمة لتحسين الموضوعية والموثوقية.
بالإضافة إلى ذلك، يحد استخدام البيانات المقطعية من فهم التغيرات الديناميكية في سلوك المستخدم. يمكن أن تستفيد الأبحاث المستقبلية من التصاميم الطولية أو تقنيات التعلم الآلي، مثل تحليل السلاسل الزمنية وتحليل المجموعات، لنمذجة تطور سلوك الاشتراك وكشف آليات الاعتماد على المدى الطويل. كما تتجاهل الدراسة المخاطر المتعلقة بالخصوصية والأخلاقيات المرتبطة بأدوات الرسم بالذكاء الاصطناعي، بما في ذلك أمان البيانات والتحيز الخوارزمي، والتي تستدعي المزيد من الاستكشاف بشأن تأثيرها على ثقة المستخدمين وارتباطهم. أخيرًا، تشير غياب العوامل المعدلة – مثل الجنس والخلفية الثقافية والقيود المالية – إلى أن الأبحاث المستقبلية يجب أن تستخدم التحليل متعدد المستويات لتحسين اختيار المتغيرات وتقديم فهم نظري وعملي أكثر شمولاً لعملية اتخاذ القرار لدى المستخدمين.
DOI: https://doi.org/10.1038/s41598-025-02926-8
PMID: https://pubmed.ncbi.nlm.nih.gov/40399399
Publication Date: 2025-05-21
Author(s): Ning Ding et al.
Primary Topic: Impact of AI and Big Data on Business and Society
Overview
This research paper investigates the impact of Big Five Personality (BFP) traits on Generation Z designers’ willingness to subscribe to paid AI drawing tools, utilizing an extended model that integrates the Technology Acceptance Model (TAM) and Perceived Risk Theory (PRT). The study employs structural equation modeling (SEM) and fuzzy-set qualitative comparative analysis (fsQCA) to analyze data from 477 respondents. Key findings indicate that traits such as Openness (OPE) and Extraversion (EXT) positively influence Perceived Ease of Use (PEU) and Willingness to Pay for Subscription (WPS), while negatively affecting Perceived Risk (PR). Additionally, EXT and Agreeableness (AGR) enhance Perceived Usefulness (PU), whereas Neuroticism (NEU) has detrimental effects on PU, PEU, and WPS, while increasing PR. The analysis reveals that WPS is positively influenced by both PEU and PU, but negatively impacted by PR, with these factors serving as mediators in various relationships.
The fsQCA results uncover four distinct configurations of BFP traits that affect WPS among Generation Z designers, highlighting a complex interplay that diverges from SEM findings. This study is pioneering in its systematic exploration of how personality traits influence technology acceptance behaviors within this demographic, contributing valuable theoretical insights to the fields of personality psychology and technology acceptance. Furthermore, it offers practical implications for technology development, marketing strategies, educational approaches, and human resource management.
Methods
The methodology of this study employs Structural Equation Modeling (SEM) and fuzzy-set Qualitative Comparative Analysis (fsQCA) for data analysis. SEM, particularly covariance-based SEM (CB-SEM), is utilized due to its robust capabilities in estimating complex multivariate relationships and validating theoretical hypotheses. Common software tools for CB-SEM include AMOS, EQS, LISREL, and MPlus, which facilitate statistical testing and model fit evaluation. In contrast, fsQCA, rooted in complexity theory, allows for the exploration of conjunctural causation and equifinality, making it suitable for examining intricate social phenomena beyond the limitations of traditional linear models.
The integration of fsQCA with SEM has garnered significant academic interest, particularly in fields such as consumer behavior and technology acceptance, as it enhances the understanding of complex causal networks. Additionally, this study employs SPSS 26.0 for frequency analysis, reliability testing using Cronbach’s alpha, and Common Method Bias (CMB) testing. The PROCESS macro is also utilized to investigate potential mediating effects, thereby enriching the analytical framework of the research.
Results
The results of this study indicate strong reliability and validity of the measurement model, as evidenced by Cronbach’s alpha coefficients exceeding 0.7 for all constructs, confirming high internal consistency. Confirmatory Factor Analysis (CFA) further supported these findings, with composite reliability (CR) values above 0.7 and average variance extracted (AVE) values exceeding 0.5, indicating robust convergent validity. Structural Equation Modeling (SEM) results demonstrated a good model fit, with significant path relationships identified for several hypotheses, particularly those related to the traits of Openness (OPE), Extraversion (EXT), and Neuroticism (NEU) impacting perceived ease of use (PEU), perceived usefulness (PU), and perceived risk (PR) in various ways.
Mediation analysis using a bias-corrected percentile bootstrap test revealed significant mediating effects for certain paths, notably OPE→PEU→WPS and EXT→PU→WPS, while other paths were rejected, indicating that not all traits exert direct influences on workplace satisfaction (WPS). Additionally, the study employed fuzzy-set Qualitative Comparative Analysis (fsQCA) to explore the interaction effects among the Big Five Personality (BFP) traits, highlighting the complexity of these relationships and suggesting that the independent nature of these traits may lead to diverse outcomes in WPS among Generation Z designers. This multifaceted approach underscores the importance of considering combinations of personality traits rather than isolated effects to fully understand their impact on workplace dynamics.
Discussion
The discussion section of the paper emphasizes the relevance and limitations of the Technology Acceptance Model (TAM) in understanding technology adoption, particularly in the context of artificial intelligence (AI). While TAM has been widely utilized to analyze user behaviors towards new technologies, its simplified framework may overlook critical socio-technical factors and individual differences that influence technology acceptance. Recent studies have sought to enhance TAM’s explanatory power by integrating it with other theoretical frameworks, such as the Theory of Planned Behavior and the Big Five Personality (BFP) model. These integrations have revealed that personality traits significantly affect users’ perceptions of technology, thereby influencing their willingness to adopt new tools.
The paper proposes a new extended model that combines TAM with the BFP model and Perceived Risk Theory (PRT), aiming to provide deeper insights into technology acceptance behaviors. Specifically, it hypothesizes that personality traits—Openness to Experience (OPE), Conscientiousness (CON), Extraversion (EXT), Agreeableness (AGR), and Neuroticism (NEU)—affect perceived ease of use (PEU), perceived usefulness (PU), and perceived risk (PR), which in turn influence users’ willingness to pay for AI drawing tools. The study also highlights the importance of understanding the nonlinear interactions of these traits within the technology acceptance process, suggesting that complexity theory can offer a more nuanced perspective on how individual differences shape decision-making in technology adoption. Overall, the integration of these frameworks aims to enhance the model’s applicability and provide a clearer understanding of the factors driving technology acceptance in real-world contexts.
Limitations
The limitations of this study highlight several areas for future research. Firstly, the focus on Generation Z designers limits the external validity of the findings; thus, expanding the sample to include various age groups and industry sectors could enhance generalizability. Secondly, reliance on self-reported measures introduces potential social desirability bias, suggesting that future studies should incorporate experimental methods, longitudinal tracking, or big data analytics to improve objectivity and robustness.
Additionally, the use of cross-sectional data restricts the understanding of dynamic changes in user behavior. Future research could benefit from longitudinal designs or machine learning techniques, such as time series analysis and cluster analysis, to model the evolution of subscription behavior and uncover long-term adoption mechanisms. The study also overlooks privacy and ethical risks associated with AI drawing tools, including data security and algorithmic bias, which warrant further exploration regarding their impact on user trust and engagement. Lastly, the absence of moderating factors—such as gender, cultural background, and financial constraints—suggests that future research should employ multilevel analysis to optimize variable selection and provide a more comprehensive theoretical and practical understanding of user decision-making.