DOI: https://doi.org/10.1038/s41598-025-24405-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41254140
تاريخ النشر: 2025-11-18
المؤلف: Yang Li وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة اعتماد أدوات الرسم بالذكاء الاصطناعي (AIPT) بين المصممين باستخدام نموذج قبول التكنولوجيا 3 (TAM3). أظهر استطلاع شمل 645 مصممًا أن المعايير الذاتية (SN) والظروف الميسرة (FC) والثقة المدركة (PT) تؤثر بشكل كبير على الفائدة المدركة (PU)، بينما تؤثر الدوافع الهيدونية (HM) والتأثير الاجتماعي (SI) والكفاءة الذاتية (SE) على سهولة الاستخدام المدركة (PEOU). وُجد أن كل من PU وPEOU يعززان النية السلوكية (BI)، والتي بدورها تؤثر بشكل كبير على سلوك المستخدم (UB) فيما يتعلق بـ AIPT. توفر هذه النتائج رؤى قيمة لمطوري الأنظمة لتوافق AIPT بشكل أفضل مع تفضيلات المستخدمين، مما يعزز الابتكار في الفن الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي.
تسلط الدراسة الضوء على التأثير التحويلي لأدوات الرسم بالذكاء الاصطناعي العامة، مثل الشبكات التنافسية التوليدية (GANs)، على ممارسات التصميم عبر مجالات مختلفة. على الرغم من سهولة استخدام هذه الأدوات، أعرب بعض المستخدمين عن عدم رضاهم عن جودة الأعمال الفنية التي تم إنشاؤها بواسطة الذكاء الاصطناعي، مما يشير إلى الحاجة إلى تحسينات مستمرة في تجربة المستخدم وجودة المخرجات. توسع هذه الدراسة نظرية TAM إلى مجال الرسم بالذكاء الاصطناعي، مقدمة أدلة تجريبية يمكن أن توجه التحسينات المستقبلية وتعزز اعتماد AIPT في الصناعات الإبداعية.
مقدمة
في مقدمة ورقة البحث، يؤسس المؤلفون إطارًا نظريًا يدعم دراستهم. يستعرضون الأدبيات ذات الصلة لتحديد الفجوات في المعرفة الحالية ويضعون فرضيات محددة توجه تحقيقهم. يعتمد تطوير هذه الفرضيات على نظريات راسخة، مما يشير إلى علاقة واضحة بين المتغيرات ذات الاهتمام.
يؤكد المؤلفون على أهمية بحثهم في المساهمة في الفهم الأوسع للموضوع، مشيرين إلى كيف يمكن أن تعالج نتائجهم الفجوات المحددة. من خلال وضع عملهم في سياق النظريات الحالية، يهدفون إلى تقديم أساس قوي لتحليلهم التجريبي.
طرق البحث
تستخدم الدراسة منهجية كمية للتحقيق في العلاقات بين المتغيرات المحددة في النموذج النظري. تم تطوير استبيان منظم لتسهيل هذا الفحص التجريبي. يوضح القسم العمليات المعنية في إعداد الاستبيان، وجمع البيانات، وتحليل النتائج، مما يضمن نهجًا منهجيًا لفهم التفاعلات بين المتغيرات المحددة.
النتائج
تشير نتائج الدراسة إلى أن المعايير الاجتماعية (SN) تعزز بشكل كبير الفائدة المدركة (PU) لتكنولوجيا الذكاء الاصطناعي (AIPT)، مع معامل معياري قدره $\beta = 0.242$ (p < 0.001). يتماشى هذا مع نموذج قبول التكنولوجيا (TAM)، مما يشير إلى أنه عندما يكون المستخدمون في بيئة اجتماعية داعمة، فإنهم أكثر احتمالًا لرؤية AIPT كأداة مفيدة للإبداع والكفاءة. تدعو النتائج إلى تعزيز جو اجتماعي إيجابي وهُوية مجتمعية لتعزيز اعتراف المستخدمين واعتمادهم لـ AIPT. بالإضافة إلى ذلك، تؤثر SN بشكل إيجابي على النية السلوكية (BI) لاعتماد AIPT ($\beta = 0.196$, p < 0.01)، مما يشير إلى أن التوقعات الاجتماعية المدركة يمكن أن تدفع قبول التكنولوجيا. علاوة على ذلك، تؤثر الظروف الميسرة (FC) أيضًا بشكل إيجابي على PU ($\beta = 0.115$, p < 0.01)، مما يعزز الفكرة القائلة بأن الموارد التقنية الكافية والدعم من مطوري AIPT يمكن أن تخفف من التحديات التي يواجهها المستخدمون. لا يعزز هذا التحسين في تجربة المستخدم تقييمهم لجدوى التكنولوجيا فحسب، بل يؤثر أيضًا على نيتهم في استخدامها. تؤكد النتائج على ضرورة توفير موارد كافية ودعم للمستخدمين، وهو أمر أساسي لتعزيز الفائدة المدركة لـ AIPT وتسهيل اعتماده على نطاق واسع.
المناقشة
تتناول قسم المناقشة في ورقة البحث تطور وتطبيق نموذج قبول التكنولوجيا (TAM) وتوسعاته، خاصة في سياق أدوات الرسم بالذكاء الاصطناعي (AIPT). تم اقتراح TAM لأول مرة من قبل ديفيس في عام 1985، ويركز على عنصرين أساسيين: الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEOU). تم التحقق من صحة النموذج من خلال تحليلات ميتا مختلفة وتكييفه ليشمل عوامل إضافية مثل المعايير الذاتية (SN) والتأثير الاجتماعي (SI) في TAM2 وTAM3، على التوالي. على الرغم من قوته، فإن TAM3 له قيود في معالجة عوامل السياق المحددة وآليات الثقة الحيوية لاستخدام AIPT، والتي تهدف هذه الدراسة إلى تصحيحها من خلال دمج المتغيرات من النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) ونظرية الثقة بين الإنسان والحاسوب.
تطرح الدراسة عدة فرضيات بشأن تأثير SN والظروف الميسرة (FC) والثقة المدركة (PT) والدافع الهيدوني (HM) والكفاءة الذاتية (SE) على قبول المصممين واستخدامهم لـ AIPT. تؤكد أن SN يمكن أن تعزز PU والنية السلوكية (BI) تجاه AIPT، بينما تعتبر FC ضرورية لثقة المصممين في استخدام التكنولوجيا. علاوة على ذلك، يتم تسليط الضوء على PT كعامل مهم يؤثر على PU، خاصة بالنظر إلى عدم اليقين المحيط بالمخرجات التي يتم إنشاؤها بواسطة الذكاء الاصطناعي. تستكشف الدراسة أيضًا كيف يمكن أن تؤثر HM وSE على PEOU، مما يقترح في النهاية إطار TAM3 مُحسن يتناسب مع سياق AIPT. يهدف هذا النموذج إلى تقديم فهم شامل لمنطق سلوك المصممين وتحسين تصميم ومنصة AIPT، مع معالجة الفجوات في النماذج الحالية وتقديم رؤى عملية لتعزيز قبول المستخدمين.
القيود
تقدم الدراسة عدة قيود تستدعي الاعتبار. أولاً، هناك غياب ملحوظ للبحوث التجريبية التي تحقق بشكل منهجي في العوامل التي تؤثر على قبول المستخدمين واستخدامهم لتكنولوجيا الذكاء الاصطناعي (AIPT) من خلال نموذج قبول التكنولوجيا الموسع (ETAM). ثانيًا، على الرغم من أن البحث يستفيد من حجم عينة كبير، فإن تركيزه الحصري على الصين قد يعيق تعميم النتائج على سياقات أخرى. أخيرًا، يحد الاعتماد على استبيان عبر الإنترنت من التقاط شامل لسلوك المستخدم.
لمعالجة هذه القيود، يجب أن تهدف الأبحاث المستقبلية إلى التحقق من عالمية وفعالية نموذج قبول التكنولوجيا 3 (TAM3) عبر سيناريوهات قبول التكنولوجيا المختلفة. علاوة على ذلك، من الضروري أن تجمع الدراسات اللاحقة بيانات أكثر تنوعًا، مما سيسهل تحسين وابتكار AIPT.
DOI: https://doi.org/10.1038/s41598-025-24405-w
PMID: https://pubmed.ncbi.nlm.nih.gov/41254140
Publication Date: 2025-11-18
Author(s): Yang Li et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the adoption of Artificial Intelligence Painting Tools (AIPT) among designers using the Technology Acceptance Model 3 (TAM3). A survey of 645 designers revealed that Subjective Norms (SN), Facilitating Conditions (FC), and Perceived Trust (PT) significantly influence Perceived Usefulness (PU), while Hedonic Motivation (HM), Social Influence (SI), and Self-Efficacy (SE) affect Perceived Ease of Use (PEOU). Both PU and PEOU were found to enhance Behavioral Intention (BI), which in turn significantly impacts User Behavior (UB) regarding AIPT. These findings provide valuable insights for system developers to better align AIPT with user preferences, thereby fostering innovation in AI-generated art.
The research highlights the transformative impact of general-purpose AIPT, such as Generative Adversarial Networks (GANs), on design practices across various fields. Despite the ease of use of these tools, some users expressed dissatisfaction with the quality of AI-generated artworks, indicating a need for ongoing improvements in user experience and output quality. This study extends TAM theory into the realm of AI painting, offering empirical evidence that can guide future enhancements and promote broader adoption of AIPT in creative industries.
Introduction
In the introduction of the research paper, the authors establish a theoretical framework that underpins their study. They review relevant literature to identify gaps in existing knowledge and formulate specific hypotheses that guide their investigation. The development of these hypotheses is grounded in established theories, suggesting a clear relationship between the variables of interest.
The authors emphasize the importance of their research in contributing to the broader understanding of the topic, highlighting how their findings could address the identified gaps. By situating their work within the context of existing theories, they aim to provide a robust foundation for their empirical analysis.
Methods
The study utilizes a quantitative methodology to investigate the relationships among variables defined in the theoretical model. A structured questionnaire was developed to facilitate this empirical examination. The section details the processes involved in preparing the questionnaire, collecting data, and analyzing the results, ensuring a systematic approach to understanding the interactions between the identified variables.
Results
The study’s results indicate that social norms (SN) significantly enhance perceived usefulness (PU) of Artificial Intelligence-Powered Technology (AIPT), with a standardized coefficient of $\beta = 0.242$ (p < 0.001). This aligns with the Technology Acceptance Model (TAM), suggesting that when users are in a supportive social environment, they are more likely to view AIPT as beneficial for creativity and efficiency. The findings advocate for fostering a positive social atmosphere and community identity to boost user recognition and adoption of AIPT. Additionally, SN positively influences behavioral intention (BI) to adopt AIPT ($\beta = 0.196$, p < 0.01), indicating that perceived social expectations can drive technology acceptance. Furthermore, facilitating conditions (FC) also positively affect PU ($\beta = 0.115$, p < 0.01), reinforcing the notion that adequate technical resources and support from AIPT developers can alleviate challenges faced by users. This enhancement of user experience not only improves their evaluation of the technology's practicality but also influences their intention to use it. The results underscore the necessity of providing sufficient resources and support to users, which is essential for promoting the perceived usefulness of AIPT and facilitating its widespread adoption.
Discussion
The discussion section of the research paper elaborates on the evolution and application of the Technology Acceptance Model (TAM) and its extensions, particularly in the context of Artificial Intelligence Painting Tools (AIPT). Initially proposed by Davis in 1985, TAM focuses on two core constructs: Perceived Usefulness (PU) and Perceived Ease of Use (PEOU). The model has been validated through various meta-analyses and adapted to include additional factors such as Subjective Norms (SN) and Social Influence (SI) in TAM2 and TAM3, respectively. Despite its robustness, TAM3 has limitations in addressing specific contextual factors and trust mechanisms critical to AIPT usage, which this study aims to rectify by integrating variables from the Unified Theory of Acceptance and Use of Technology (UTAUT) and Human-Computer Trust Theory.
The study posits several hypotheses regarding the influence of SN, Facilitating Conditions (FC), Perceived Trust (PT), Hedonistic Motivation (HM), and Self-Efficacy (SE) on designers’ acceptance and usage of AIPT. It emphasizes that SN can enhance PU and Behavioral Intention (BI) towards AIPT, while FC is crucial for designers’ confidence in utilizing the technology. Furthermore, PT is highlighted as a significant factor influencing PU, especially given the uncertainties surrounding AI-generated outputs. The research also explores how HM and SE can affect PEOU, ultimately proposing a refined TAM3 framework tailored to the AIPT context. This model aims to provide a comprehensive understanding of designers’ behavioral logic and improve the design and optimization of AIPT platforms, addressing the gaps in existing models and offering practical insights for enhancing user acceptance.
Limitations
The study presents several limitations that warrant consideration. Firstly, there is a notable absence of empirical research that systematically investigates the factors affecting users’ acceptance and utilization of Artificial Intelligence-Powered Technology (AIPT) through the Extended Technology Acceptance Model (ETAM). Secondly, while the research benefits from a substantial sample size, its exclusive focus on China may hinder the generalizability of the results to other contexts. Lastly, the reliance on an online questionnaire limits the comprehensive capture of user behavior.
To address these limitations, future research should aim to validate the universality and effectiveness of the Technology Acceptance Model 3 (TAM3) across various technology acceptance scenarios. Moreover, it is essential for subsequent studies to collect more diverse data, which would facilitate the enhancement and innovation of AIPT.