DOI: https://doi.org/10.3389/fpsyg.2026.1822948
PMID: https://pubmed.ncbi.nlm.nih.gov/42131525
تاريخ النشر: 2026-04-28
المؤلف: Yan Cheng وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في تفاعلات الخدمة
نظرة عامة
تستكشف هذه الدراسة اعتماد الذكاء الاصطناعي التوليدي (GenAI) بين معلمي اللغة الإنجليزية في الجامعات في الصين، باستخدام نموذج قبول التكنولوجيا الموسع (TAM) ونظرية صلابة التهديد (TRT). من خلال تحليل بيانات من 335 معلمًا عبر نمذجة المعادلات الهيكلية، تحدد الدراسة الفائدة المدركة (PU) وجودة المعلومات (IQ) كمتنبئين مهمين لاستعداد المعلمين للاعتماد (WTA) على GenAI. في المقابل، لا تظهر سهولة الاستخدام المدركة (PEU) ووعي الأزمة (CA) تأثيرات مباشرة على WTA. من الجدير بالذكر أن CA تعمل كوسيط شرطي، مما يقلل من التأثير الإيجابي لـ IQ على WTA، مما يشير إلى أنه في ظل التهديد المهني المدرك العالي، قد يفضل المعلمون التكيف السريع على التقييم الشامل للمحتوى الذي تم إنشاؤه بواسطة الذكاء الاصطناعي.
توسع النتائج إطار عمل TAM من خلال دمج العوامل المعلوماتية والنفسية، مما يبرز التأثير الانتقائي لـ CA على عملية الاعتماد. تشير الدراسة إلى أن الضغط النفسي المتزايد يمكن أن يؤدي إلى تضييق إدراكي، مما يجبر المعلمين على التركيز على الامتثال الفوري بدلاً من التقييم الدقيق لموثوقية المحتوى. بينما يركز قياس CA في هذا السياق على الإلحاح المدرك والضغط المتعلق بالأداء، قد يغفل جوانب أوسع مثل التهديدات للهوية المهنية. يُشجع على إجراء أبحاث مستقبلية تتبنى أساليب طولية ومختلطة لتعميق فهم الآليات النفسية التي تؤثر على اعتماد المعلمين لـ GenAI.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للذكاء الاصطناعي التوليدي (GenAI) على التعليم العالي، لا سيما في سياق تدريس اللغة الإنجليزية في الجامعات. على عكس أدوات الوسائط المتعددة التقليدية، تمتلك أنظمة GenAI وكالة واستقلالية، مما يمكنها من إنشاء محتوى تعليمي، وتقديم ملاحظات شخصية، وتقييم الفروق اللغوية. يقدم هذا التحول فرصًا كبيرة للمعلمين لتعزيز تصميم المناهج وتقليل أعباء التصحيح. ومع ذلك، فإن اعتماد GenAI معقد، ويتأثر بالتقييمات المعرفية، والاستجابات العاطفية، والمقاومة النفسية، والتي لا يعالجها نموذج قبول التكنولوجيا التقليدي (TAM) بشكل كامل.
تقدم الدراسة مفهوم وعي الأزمة (CA)، الذي يُعرف بأنه التهديد المهني المدرك الناجم عن التقدم السريع في الذكاء الاصطناعي، مما يعقد عملية التقييم العقلاني التي يُفترض عادةً في نماذج قبول التكنولوجيا. استنادًا إلى نظرية صلابة التهديد (TRT)، يقترح المؤلفون أن مستويات عالية من CA قد تدفع المعلمين إلى اعتماد تقنيات الذكاء الاصطناعي بشكل متسرع، مما قد يقوض تقييمهم للسمات الحرجة مثل جودة المعلومات (IQ). تهدف الدراسة إلى توسيع إطار عمل TAM من خلال دمج CA وIQ، ودراسة كيفية تفاعل هذه العوامل للتأثير على الاستعداد لاعتماد GenAI. في النهاية، تسعى الدراسة إلى تقديم رؤى نظرية وإرشادات عملية لمسؤولي الجامعات لتعزيز بيئة داعمة لدمج الذكاء الاصطناعي في التعليم.
الطرق
في هذه الدراسة، تم جمع البيانات من خلال استبيان عبر الإنترنت تم إدارته عبر Wenjuanxing، مستهدفًا معلمي اللغة الإنجليزية في الجامعات عبر مؤسسات التعليم العالي المختلفة في الصين. تم استخدام استراتيجية أخذ عينات هادفة لتجنيد المشاركين، مما يضمن أن يتم تضمين فقط أولئك الذين لديهم خبرة ذات صلة في استخدام أدوات الذكاء الاصطناعي التوليدي (GenAI). أكد سؤال فحص في بداية الاستبيان هذه الخبرة، وتم إبلاغ المشاركين عن هدف الدراسة، وتم ضمان سرية المعلومات، وتم تقديم خيار الانسحاب في أي وقت. حصلت الدراسة على موافقة مجلس مراجعة المؤسسات في جامعة شاندونغ هوايو للتكنولوجيا.
امتدت فترة جمع البيانات حوالي أسبوعين، مما أسفر عن 364 استجابة أولية. تم تنفيذ عملية فحص صارمة لتعزيز جودة البيانات، مما أدى إلى استبعاد الاستجابات بناءً على معايير مثل عدم كفاية المشاركة أو نقص خبرة GenAI. في النهاية، تم الاحتفاظ بـ 335 استبيانًا صالحًا، مما أسفر عن معدل استجابة فعال قدره 92.03%. أظهرت التحليلات الديموغرافية توزيعًا متوازنًا للجنس وخبرة استخدام GenAI بين المشاركين، كما هو مفصل في الجدول 1. ومع ذلك، يتطلب استخدام أخذ العينات الهادفة غير الاحتمالية الحذر في تعميم النتائج خارج العينة المدروسة.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد التحقيق، حيث تكشف التحليلات 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 التدخل المطبق أدى إلى تحسينات قابلة للقياس في المتغير التابع، مع حساب أحجام التأثير لت quantifying حجم هذه التغييرات. تمثل الرسوم البيانية، مثل المخططات أو الرسوم البيانية، هذه النتائج بشكل أكبر، مما يوفر سياقًا بصريًا للاتجاهات الملحوظة ويعزز قوة النتائج. بشكل عام، تسهم النتائج في تقديم رؤى قيمة حول سؤال البحث، داعمة الفرضيات المقترحة ومؤسسة الأساس للدراسات المستقبلية.
المناقشة
تتناول قسم المناقشة في الورقة البحثية الأسس النظرية والفرضيات المحيطة باعتماد الذكاء الاصطناعي التوليدي (GenAI) من قبل معلمي اللغة الإنجليزية في الجامعات، مؤطرة بشكل أساسي من خلال نظرية صلابة التهديد (TRT) ونموذج قبول التكنولوجيا (TAM). تفترض TRT أن الأفراد الذين يواجهون تهديدات خارجية شديدة يظهرون تضييقًا إدراكيًا واعتمادًا على قواعد صارمة، مما يمكن أن يعيق عمليات اتخاذ القرار لديهم. في سياق GenAI، يواجه معلمو اللغة الإنجليزية في الجامعات تهديدات مهنية كبيرة، مما يؤدي إلى القلق والتحميل المعرفي الذي قد يعيق قدرتهم على تقييم التكنولوجيا بشكل عقلاني. وهذا يشير إلى أن مستويات عالية من وعي الأزمة (CA) يمكن أن تحول تركيز المعلمين من التقييم النقدي لميزات GenAI إلى استراتيجيات التكيف الفورية، مما قد يؤدي إلى سلوكيات اعتماد سلبية.
يتم أيضًا فحص إطار عمل TAM، الذي يركز على الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEU) كعوامل محددة لاعتماد التكنولوجيا، في ضوء الخصائص الفريدة لـ GenAI. تفترض الدراسة أن كل من PU وPEU تؤثر إيجابيًا على استعداد المعلمين لاعتماد GenAI (H1 وH2). بالإضافة إلى ذلك، فإن جودة المعلومات (IQ) التي ينتجها GenAI حاسمة، حيث يمكن أن تؤثر الأخطاء بشكل كبير على فعالية التدريس، مما يؤدي إلى فرضية أن IQ أعلى تؤثر إيجابيًا على استعداد الاعتماد (H3). تستكشف الورقة أيضًا الدور المزدوج لـ CA، مقترحة أنه يمكن أن يعمل كدافع وكعائق لاعتماد التكنولوجيا، وبالتالي تقترح أن CA مرتبط بشكل كبير باستعداد المعلمين لاعتماد GenAI (H4) ويعدل العلاقات بين PU وPEU وIQ واستعداد الاعتماد (H5a-c). هذا الفهم الدقيق للعوامل النفسية المعنية ضروري لدمج GenAI بشكل فعال في الممارسات التعليمية.
DOI: https://doi.org/10.3389/fpsyg.2026.1822948
PMID: https://pubmed.ncbi.nlm.nih.gov/42131525
Publication Date: 2026-04-28
Author(s): Yan Cheng et al.
Primary Topic: AI in Service Interactions
Overview
This study investigates the adoption of generative artificial intelligence (GenAI) among college English teachers in China, utilizing an extended Technology Acceptance Model (TAM) and Threat Rigidity Theory (TRT). By analyzing data from 335 educators through structural equation modeling, the research identifies perceived usefulness (PU) and information quality (IQ) as significant predictors of teachers’ willingness to adopt (WTA) GenAI. In contrast, perceived ease of use (PEU) and crisis awareness (CA) do not show direct effects on WTA. Notably, CA acts as a conditional moderator, diminishing the positive impact of IQ on WTA, suggesting that under high perceived professional threat, teachers may prioritize quick adaptation over thorough evaluation of AI-generated content.
The findings extend the TAM framework by integrating informational and psychological factors, highlighting the selective influence of CA on the adoption process. The study indicates that heightened psychological pressure can lead to cognitive narrowing, compelling teachers to focus on immediate compliance rather than rigorous assessment of content reliability. While the measurement of CA in this context emphasizes perceived urgency and performance-related pressure, it may overlook broader aspects such as threats to professional identity. Future research is encouraged to adopt longitudinal and mixed-methods approaches to deepen the understanding of the psychological mechanisms influencing teachers’ adoption of GenAI.
Introduction
The introduction of this research paper highlights the transformative impact of generative artificial intelligence (GenAI) on higher education, particularly in the context of college English teaching. Unlike traditional multimedia tools, GenAI systems possess agency and autonomy, enabling them to generate instructional content, provide personalized feedback, and evaluate linguistic nuances. This shift presents significant opportunities for educators to enhance curriculum design and reduce grading workloads. However, the adoption of GenAI is complex, influenced by cognitive evaluations, emotional responses, and psychological resistance, which the traditional Technology Acceptance Model (TAM) does not fully address.
The study introduces the concept of crisis awareness (CA), defined as the perceived professional threat stemming from rapid AI advancements, which complicates the rational evaluation process typically assumed in technology acceptance models. Drawing on Threat Rigidity Theory (TRT), the authors propose that high levels of CA may lead educators to adopt AI technologies hastily, potentially undermining their assessment of critical attributes such as Information Quality (IQ). The research aims to extend the TAM framework by integrating CA and IQ, examining how these factors interact to influence willingness to adopt GenAI. Ultimately, the study seeks to provide theoretical insights and practical guidance for university administrators to foster a supportive environment for the integration of AI in education.
Methods
In this study, data were collected through an online questionnaire administered via Wenjuanxing, targeting college English teachers across various higher education institutions in China. A purposive sampling strategy was employed to recruit participants, ensuring that only those with relevant experience using Generative AI (GenAI) tools were included. A screening question at the survey’s outset confirmed this experience, and participants were informed about the study’s purpose, assured of anonymity, and provided with the option to withdraw at any time. The study received approval from the Institutional Review Board of Shandong Huayu University of Technology.
Data collection spanned approximately two weeks, yielding 364 initial responses. A rigorous screening process was implemented to enhance data quality, leading to the exclusion of responses based on criteria such as insufficient engagement or lack of GenAI experience. Ultimately, 335 valid questionnaires were retained, resulting in an effective response rate of 92.03%. The demographic analysis indicated a balanced distribution of gender and GenAI usage experience among participants, as detailed in Table 1. However, the use of non-probability purposive sampling necessitates caution in generalizing the findings beyond the studied sample.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicate a significant correlation between the variables under investigation, with statistical analyses revealing p-values below the conventional threshold of 0.05, suggesting strong evidence against the null hypothesis.
Additionally, the results demonstrate that the intervention applied led to measurable improvements in the dependent variable, with effect sizes calculated to quantify the magnitude of these changes. Graphical representations, such as plots or charts, further illustrate these findings, providing a visual context for the observed trends and reinforcing the robustness of the results. Overall, the findings contribute valuable insights into the research question, supporting the proposed hypotheses and laying the groundwork for future studies.
Discussion
The discussion section of the research paper elaborates on the theoretical foundations and hypotheses surrounding the adoption of generative AI (GenAI) by college English teachers, framed primarily through Threat Rigidity Theory (TRT) and the Technology Acceptance Model (TAM). TRT posits that individuals under severe external threats exhibit cognitive narrowing and reliance on rigid heuristics, which can hinder their decision-making processes. In the context of GenAI, college English teachers face significant professional threats, leading to anxiety and cognitive overload that may impair their ability to evaluate the technology rationally. This suggests that high levels of crisis awareness (CA) can shift teachers’ focus from critical assessment of GenAI’s features to immediate coping strategies, potentially resulting in passive adoption behaviors.
The TAM framework, which emphasizes perceived usefulness (PU) and perceived ease of use (PEU) as determinants of technology adoption, is also examined in light of GenAI’s unique characteristics. The study hypothesizes that both PU and PEU positively influence teachers’ willingness to adopt GenAI (H1 and H2). Additionally, the quality of information (IQ) generated by GenAI is critical, as inaccuracies can severely impact teaching effectiveness, leading to the hypothesis that higher IQ positively influences adoption willingness (H3). The paper further explores the dual role of CA, suggesting it can act as both a motivator and a hindrance to technology adoption, thereby proposing that CA is significantly associated with teachers’ willingness to adopt GenAI (H4) and moderates the relationships between PU, PEU, IQ, and willingness to adopt (H5a-c). This nuanced understanding of the psychological factors at play is essential for effectively integrating GenAI into educational practices.