DOI: https://doi.org/10.1186/s43093-025-00459-0
تاريخ النشر: 2025-03-10
المؤلف: Muhammad Khalilur Rahman وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تبحث هذه الدراسة في العوامل التي تؤثر على اعتماد روبوتات الدردشة الذكية في التعليم العالي، مع التركيز على وجهات نظر الطلاب. تفحص الدراسة العلاقات بين الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEU) والكفاءة التقنية (TC) فيما يتعلق باستخدام روبوتات الدردشة الذكية. تم تحليل بيانات من 429 طالبًا جامعيًا باستخدام نمذجة المعادلات الهيكلية المعتمدة على المربعات الصغرى الجزئية (PLS-SEM). تشير النتائج إلى أن PU وPEU وTC تؤثر بشكل كبير على قدرة روبوتات الدردشة الذكية، مما يؤثر بدوره على اعتماد هذه التقنيات لتعزيز فعالية التعلم عبر الإنترنت. ومن الجدير بالذكر أن المعايير الذاتية (SN) لم تؤثر بشكل كبير على قدرة روبوتات الدردشة الذكية، مما يشير إلى أن الاعتبارات الوظيفية هي الأهم في قرارات الاعتماد.
تخلص الدراسة إلى أن قدرة روبوتات الدردشة الذكية تتوسط تأثيرات PU وPEU وTC على الاعتماد، بينما تعمل الظروف الميسرة على تعديل العلاقة بين PU وTC وقدرة روبوتات الدردشة الذكية. تؤكد هذه النتائج على أهمية الكفاءة التقنية والدعم الخارجي في التكامل الناجح لروبوتات الدردشة الذكية في البيئات التعليمية. تسهم هذه الدراسة في تقديم رؤى قيمة حول محددات اعتماد روبوتات الدردشة الذكية، مقدمة توصيات عملية للمعلمين والمؤسسات التي تهدف إلى الاستفادة من هذه التقنيات لتحسين نتائج التعلم.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الإمكانات التحويلية للذكاء الاصطناعي (AI) عبر مختلف القطاعات، وخاصة في التعليم، حيث تظهر روبوتات الدردشة الذكية كأدوات فعالة من حيث التكلفة تعزز تجارب التعلم الشخصية. على الرغم من اعتمادها المتزايد، يواجه الطلاب تحديات مثل نقص المهارات التكنولوجية، والدعم غير الكافي، والقضايا المتعلقة بالعدالة التعليمية، مما يمكن أن يعيق فعالية بيئات التعلم المدعومة بالذكاء الاصطناعي. ركزت الدراسات السابقة بشكل أساسي على الجوانب الوظيفية لروبوتات الدردشة الذكية، متجاهلة الديناميكيات السياقية والسلوكية الأوسع التي تؤثر على استخدامها في البيئات التعليمية.
تهدف هذه الدراسة إلى معالجة الفجوات الكبيرة في الأدبيات المتعلقة باعتماد روبوتات الدردشة الذكية من خلال تطبيق نموذج قبول التكنولوجيا (TAM) لاستكشاف كيفية تأثير الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEU) والمعايير الذاتية (SN) والكفاءة التكنولوجية (TC) على قبول الطلاب واستخدامهم الفعال لهذه الأدوات. من خلال توسيع TAM ليشمل العوامل السلوكية والإدراكية والسياقية المحددة لاعتماد روبوتات الدردشة الذكية في التعليم العالي، تسعى الدراسة إلى تقديم إطار شامل يمكن أن يُفيد صانعي السياسات والمعلمين ومزودي التكنولوجيا. من المتوقع أن تسهم النتائج في فهم أعمق للعوامل المؤثرة في استخدام روبوتات الدردشة الذكية، مما يعزز في النهاية ممارسات تعليمية أكثر شمولية وفعالية.
الطرق
توضح قسم المنهجية النهج المنظم المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الطرق الكمية والنوعية، مما يضمن تحليلًا شاملاً للبيانات. تم تطبيق تقنيات إحصائية لتحليل البيانات العددية، بينما تم استخدام التحليل الموضوعي لتفسير الردود النوعية.
شملت جمع البيانات استبيانًا منظمًا تم توزيعه على عينة تمثيلية، تلاه مقابلات معمقة للحصول على رؤى أعمق. تضمن الاستبيان مقاييس موثوقة لقياس المتغيرات الرئيسية، مما يضمن موثوقية وصحة النتائج. تم تحليل النتائج باستخدام برامج إحصائية مناسبة، مع تحديد مستويات الدلالة عند p < 0.05 لتحديد قوة النتائج. بشكل عام، تم تصميم المنهجية لتوفير إطار صارم لفهم أسئلة البحث المطروحة.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل الذي تم إجراؤه. تشير البيانات إلى وجود علاقة كبيرة بين المتغيرات قيد التحقيق، حيث أسفرت الاختبارات الإحصائية عن قيم p أقل من العتبة التقليدية 0.05، مما يشير إلى وجود دليل قوي ضد الفرضية الصفرية.
بالإضافة إلى ذلك، تظهر النتائج أن النموذج المستخدم للتنبؤ يلتقط بدقة الأنماط الأساسية في مجموعة البيانات، كما يتضح من قيمة R-squared العالية، مما يشير إلى توافق جيد. علاوة على ذلك، يكشف التحليل أن بعض العوامل لها تأثير أكثر وضوحًا على المتغير التابع، مما يمكن أن يُفيد توجيهات البحث المستقبلية والتطبيقات العملية في المجال المعني.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على الدور التحويلي لروبوتات الدردشة الذكية في التعليم العالي، مع التأكيد على قدرتها على تخصيص تجارب التعلم، وتعزيز مشاركة الطلاب، وتوفير الدعم الفوري. تشير الأدبيات إلى أن فعالية هذه الروبوتات تتأثر بعوامل مثل مهارات الطلاب التكنولوجية، وإدراكهم للفائدة (PU)، وسهولة الاستخدام (PEU). بينما كان نموذج قبول التكنولوجيا (TAM) إطارًا أساسيًا لفهم اعتماد التكنولوجيا، فإن تطبيقه على روبوتات الدردشة الذكية في التعليم لا يزال غير مستكشف بشكل كافٍ، خاصة فيما يتعلق بالمعايير الذاتية والكفاءة التكنولوجية.
تحدد الدراسة الفجوات في الأبحاث الحالية، مما يشير إلى الحاجة إلى إطار أكثر شمولية يدمج العوامل السلوكية والإدراكية والسياقية التي تؤثر على اعتماد روبوتات الدردشة الذكية. تفترض أن المعايير الذاتية، وكفاءة التكنولوجيا، والظروف الميسرة تؤثر بشكل كبير على الفائدة المدركة وسهولة الاستخدام لروبوتات الدردشة الذكية، مما يؤثر بدوره على اعتمادها في بيئات التعلم عبر الإنترنت. تؤكد النتائج على أهمية السياسات المؤسسية والتدريب لتعزيز تكامل روبوتات الدردشة الذكية، بهدف تحسين نتائج التعلم وتعزيز التعلم الذاتي بين الطلاب. تدعو الدراسة إلى تقييم كمي لهذه المتغيرات لفهم أفضل لأدوارها في تعزيز فعالية روبوتات الدردشة الذكية في البيئات التعليمية.
القيود
تقدم الدراسة حول وجهات نظر الطلاب بشأن دمج روبوتات الدردشة الذكية في التعليم عدة قيود تستحق الاعتبار. أولاً، قد لا تكون عينة 429 مشاركًا، المأخوذة حصريًا من ثلاث جامعات ماليزية، تمثل بشكل كافٍ وجهات النظر والتجارب المتنوعة للطلاب من خلفيات ثقافية وتعليمية مختلفة. وبالتالي، يُنصح بالحذر عند تعميم هذه النتائج على مجموعات الطلاب الأوسع عبر مؤسسات مختلفة.
ثانيًا، بينما تعالج الدراسة فجوة معرفية كبيرة تتعلق بالعوامل التي تؤثر على اعتماد الطلاب لروبوتات الدردشة الذكية للتعلم عبر الإنترنت، فإنها تسلط الضوء على العوامل المحفزة والمثبطة مثل الفائدة المدركة، وسهولة الاستخدام المدركة، والكفاءة التكنولوجية، والظروف الميسرة. توفر هذه الرؤى أساسًا للبحث المستقبلي، الذي يمكن أن يستكشف تفاعل هذه العوامل في سياقات تعليمية متنوعة، ويقيم تأثيرها على فئات الطلاب المختلفة، ويحقق في عناصر إضافية قد تؤثر على اعتماد روبوتات الدردشة الذكية. يمكن أن تسهم مثل هذه التحقيقات في تطوير نماذج شاملة لقبول التكنولوجيا في التعليم وتوجيه صنع السياسات الفعالة للتنفيذ.
DOI: https://doi.org/10.1186/s43093-025-00459-0
Publication Date: 2025-03-10
Author(s): Muhammad Khalilur Rahman et al.
Primary Topic: AI in Service Interactions
Overview
This research investigates the factors influencing the adoption of AI chatbots in higher education, focusing on students’ perspectives. The study examines the relationships among perceived usefulness (PU), perceived ease of use (PEU), and technical competency (TC) regarding AI chatbot usage. Data from 429 university students were analyzed using partial least squares-based structural equation modeling (PLS-SEM). The findings indicate that PU, PEU, and TC significantly impact AI chatbot capability, which in turn influences the adoption of these technologies for enhancing online learning effectiveness. Notably, subjective norm (SN) did not significantly affect AI chatbot capability, suggesting that functional considerations are paramount in adoption decisions.
The study concludes that AI chatbot capability mediates the effects of PU, PEU, and TC on adoption, while facilitating conditions moderate the relationship between PU and TC and AI chatbot capability. These results underscore the importance of technical competency and external support in the successful integration of AI chatbots in educational settings. The research contributes valuable insights into the determinants of AI chatbot adoption, offering practical recommendations for educators and institutions aiming to leverage these technologies to improve learning outcomes.
Introduction
The introduction of this research paper highlights the transformative potential of artificial intelligence (AI) across various sectors, particularly in education, where AI chatbots are emerging as cost-effective tools that enhance personalized learning experiences. Despite their increasing adoption, students encounter challenges such as technological skill deficits, insufficient support, and issues related to educational equity, which can hinder the effectiveness of AI-supported learning environments. Previous studies have primarily focused on the functional aspects of AI chatbots, neglecting the broader contextual and behavioral dynamics that influence their usage in educational settings.
This study aims to address significant gaps in the literature regarding the adoption of AI chatbots by applying the Technology Acceptance Model (TAM) to explore how perceived usefulness (PU), perceived ease of use (PEU), subjective norms (SN), and technological competence (TC) affect students’ acceptance and effective utilization of these tools. By extending TAM to include behavioral, perceptual, and contextual factors specific to AI chatbot adoption in higher education, the research seeks to provide a comprehensive framework that can inform policymakers, educators, and technology providers. The findings are expected to contribute to a deeper understanding of the determinants influencing AI chatbot usage, ultimately fostering more inclusive and effective educational practices.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, ensuring a comprehensive analysis of the data. Specifically, statistical techniques were applied to analyze numerical data, while thematic analysis was used to interpret qualitative responses.
Data collection involved a structured survey distributed to a representative sample, followed by in-depth interviews to gain deeper insights. The survey included validated scales to measure key variables, ensuring reliability and validity in the findings. The results were analyzed using appropriate statistical software, with significance levels set at p < 0.05 to determine the robustness of the findings. Overall, the methodology was designed to provide a rigorous framework for understanding the research questions posed.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis conducted. The data indicate a significant correlation between the variables under investigation, with statistical tests yielding p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the model used for prediction accurately captures the underlying patterns in the dataset, as evidenced by a high R-squared value, indicating a good fit. Furthermore, the analysis reveals that certain factors have a more pronounced effect on the dependent variable, which could inform future research directions and practical applications in the relevant field.
Discussion
The discussion section of the research paper highlights the transformative role of AI chatbots in higher education, emphasizing their potential to personalize learning experiences, enhance student engagement, and provide immediate support. The literature indicates that the effectiveness of these chatbots is influenced by factors such as students’ technological skills, perceptions of usefulness (PU), and ease of use (PEU). While the Technology Acceptance Model (TAM) has been a foundational framework for understanding technology adoption, its application to AI chatbots in education remains underexplored, particularly concerning subjective norms and technological competence.
The study identifies gaps in existing research, suggesting the need for a more comprehensive framework that integrates behavioral, perceptual, and contextual factors influencing AI chatbot adoption. It posits that subjective norms, tech competency, and facilitating conditions significantly impact the perceived usefulness and ease of use of AI chatbots, thereby affecting their adoption in online learning environments. The findings underscore the importance of institutional policies and training to enhance the integration of AI chatbots, ultimately aiming to improve learning outcomes and foster self-directed learning among students. The research advocates for a quantitative assessment of these variables to better understand their roles in enhancing the effectiveness of AI chatbots in educational settings.
Limitations
The study on students’ perspectives regarding the integration of AI chatbots in education presents several limitations that warrant consideration. Firstly, the sample size of 429 participants, drawn exclusively from three Malaysian universities, may not adequately represent the diverse views and experiences of students from various cultural and educational backgrounds. Consequently, caution is advised when generalizing these findings to broader student populations across different institutions.
Secondly, while the research addresses a significant knowledge gap concerning the factors influencing students’ adoption of AI chatbots for online learning, it highlights motivating and inhibiting factors such as perceived usefulness, perceived ease of use, technological competency, and facilitating conditions. These insights provide a foundation for future research, which could explore the interplay of these factors in varied educational contexts, assess their impact on different student demographics, and investigate additional elements that may influence AI chatbot adoption. Such investigations could contribute to the development of comprehensive models of technology acceptance in education and inform effective policy-making for implementation.