DOI: https://doi.org/10.30935/cedtech/17878
تاريخ النشر: 2026-02-06
المؤلف: Seyat Polat وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تدرس هذه الدراسة، التي هي جزء من مشروع KI meets vhb الممول من قبل Virtuelle Hochschule Bayern، تصورات المعلمين المستقبليين بشأن الدردشة التعليمية، مما يعالج فجوة ملحوظة في الأدبيات الحالية. على الرغم من التكامل المتزايد للدردشة في تعليم المعلمين، إلا أنه كان هناك نقص في الأدوات التي تم التحقق من صحتها نفسيًا لتقييم هذه التصورات. لسد هذه الفجوة، طور الباحثون مقياس G-CAVS، المستند إلى نموذج قبول التكنولوجيا (TAM، TAM 3) ونموذج التبني القائم على القيمة (VAM).
تم جمع البيانات من 224 معلمًا مستقبليًا ألمانيًا، وكشفت كل من التحليلات الاستكشافية والتأكيدية للعوامل عن هيكل رباعي العوامل قوي مع مؤشرات ملائمة نموذج قوية. أظهر المقياس صلاحية مرتبطة بالمعيار، حيث أظهر ارتباطات كبيرة مع تكرار استخدام الدردشة عبر جميع الأبعاد باستثناء المخاطر المدركة. تم التحقق من صحة هذا الهيكل الرباعي العوامل في عينة مستقلة من 263 معلمًا في الخدمة في تركيا، مما يدل على قابلية تطبيق المقياس عبر مجموعات المعلمين المتنوعة. بشكل عام، يُقدم مقياس G-CAVS كأداة صالحة وموثوقة لتقييم تصورات الدردشة في البيئات التعليمية، مع آثار محتملة لتطبيقات أوسع في تعليم المعلمين المستقبليين.
مقدمة
ت outlines مقدمة ورقة البحث التطور التاريخي للذكاء الاصطناعي (AI)، مع التأكيد على تطوره السريع على مدار القرن الماضي. يبرز السؤال المحوري عما إذا كانت الآلات يمكن أن تفكر، وهو ما دفع هذا المجال منذ بدء “مشروع أبحاث الذكاء الاصطناعي الصيفي” في مؤتمر دارتموث في عام 1956. لقد حفز هذا الحدث الأساسي النمو الأسي في أبحاث وتطبيقات الذكاء الاصطناعي.
أدت التقدمات الأخيرة، وخاصة منذ نوفمبر 2022، إلى ظهور تطبيقات الذكاء الاصطناعي مثل الدردشة والمساعدين الذكيين المخصصين (custombots)، الذين حصلوا على اهتمام كبير عبر مختلف القطاعات، خاصة في التعليم. تشير الورقة إلى التكامل المتزايد لأدوات الذكاء الاصطناعي في التدريس وإنشاء المواد التعليمية، مما يدل على تأثير تحويلي على بيئات التعلم (Akdogan، 2021؛ Özcan & Polat، 2023؛ Dwivedi et al.، 2023؛ Balcı، 2024؛ Şanlı، 2025).
النتائج
أظهر التحليل الاستكشافي للعوامل (EFA) الذي تم إجراؤه على مقياس القبول العام والقيمة والرضا (G-CAVS) هيكلًا رباعي العوامل قوي، مما يؤكد صلاحية وموثوقية كأداة قياس. أظهر مقياس KMO لملاءمة العينة قيمة قدرها 0.837، مما يشير إلى ملاءمة جيدة للتحليل العاملي، بينما أنتج اختبار بارلت للكراتية نتيجة كبيرة (χ²(91) = 1439، p < .001)، مما يحقق مزيدًا من التحقق من ملاءمة البيانات لهذا التحليل. كشف التحليل الاستكشافي للعوامل عن أربعة عوامل متميزة، كل منها بقيم ذاتية أكبر من 1، تفسر مجتمعة 69.8% من التباين الكلي. على وجه التحديد، كانت النسبة الأولى تمثل 20.2%، والثانية 18.9%، والثالثة 17.5%، والرابعة 13.2%. أكد مخطط Scree هذه النتائج من خلال إظهار نقطة انحناء واضحة بعد العامل الثالث. أظهرت جميع العناصر المحتفظ بها تحميلات عاملية تبلغ 0.60 أو أعلى، مما يشير إلى مساهماتها القوية في هيكل العامل. وبالتالي، تم تأكيد G-CAVS كأداة موثوقة وصالحة لكل من البحث العلمي والتطبيقات العملية، تشمل أبعاد القبول العام، ومتعة الاستخدام، والمخاطر المدركة، والقيمة المدركة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على التركيز المتزايد على دور الدردشة في تعليم المعلمين والتعليم العالي، مع معالجة كل من فوائدها المحتملة والمخاطر المرتبطة بها. تهدف الدراسة إلى تطوير أداة شاملة، وهي مقياس القبول العام للدردشة، والمتعة، والمخاطر المدركة، والقيمة (G-CAVS)، لتقييم قبول الدردشة بشكل خاص في السياقات التعليمية. تدمج هذه الأداة الأبعاد الرئيسية مثل المتعة، والقيمة المدركة، والمخاطر المدركة ضمن إطار نظري مستند إلى نموذج قبول التكنولوجيا (TAM) ونموذج التبني القائم على القيمة (VAM). على عكس المقاييس الحالية التي غالبًا ما تقتصر على أنواع معينة من الدردشة أو تظهر نقاط ضعف نفسية، يقدم G-CAVS نهجًا أوسع وأكثر قوة من الناحية النظرية لفهم تصورات المستخدمين للدردشة في التعليم.
يستند الإطار النظري إلى TAM وتوسعاته، التي تؤكد على الفائدة المدركة، وسهولة الاستخدام، وعوامل إضافية مثل المتعة والقلق. يكمل VAM هذا من خلال التركيز على التوازن بين الفوائد المدركة والتضحيات، بما في ذلك الجوانب العاطفية لتبني التكنولوجيا. تم تطوير مقياس G-CAVS من خلال عملية صارمة تشمل تقييم الخبراء، واختبار تجريبي، وتحليلات إحصائية، مما أسفر عن أداة مصقولة من 14 عنصرًا تظهر خصائص نفسية قوية. تؤكد النتائج على ضرورة وجود مقياس شامل قادر على تقييم تقنيات الدردشة المختلفة عبر سياقات تعليمية متنوعة، مما يعالج الفجوات الكبيرة في منهجيات البحث الحالية ويعزز فهم عمليات قبول المستخدمين في البيئات التعليمية.
القيود
تسلط قيود دراسة G-CAVS الضوء على عدة مجالات للتحسين واتجاهات البحث المستقبلية. أولاً، تم الحصول على البيانات الأولية من طلاب الجامعات في بافاريا، ألمانيا، وعينة من المعلمين الأتراك، مما قد يقيد عمومية النتائج عبر سياقات ثقافية ومهنية مختلفة. يجب على الدراسات المستقبلية استكشاف الخصائص النفسية لـ G-CAVS في دول وسياقات تعليمية متنوعة، بما في ذلك التدريب المهني والبيئات المؤسسية، فضلاً عن بين مجموعات عمرية متنوعة والمهنيين في الخدمة.
ثانيًا، تم تقليل بُعد المخاطر المدركة في المقياس إلى عنصرين بسبب انخفاض الارتباطات بين العناصر، مما قد يحد من شموليتها. يجب أن تأخذ الأبحاث المستقبلية في الاعتبار إعادة إدخال العناصر التي تم استبعادها سابقًا أو تطوير عناصر جديدة تتناول المخاطر الأوسع المرتبطة باستخدام الدردشة، مثل المعلومات المضللة ونزاهة الأكاديمية. بالإضافة إلى ذلك، بينما يستند G-CAVS إلى نماذج التبني المعتمدة، قد يؤدي استبعاد مفاهيم مثل سهولة الاستخدام المدركة والقلق إلى تقليل تغطيته لجوانب تبني الدردشة. يمكن أن تدمج الدراسات المستقبلية هذه المفاهيم لتعزيز قوة المقياس. أخيرًا، يشير الاعتماد على مقاييس ذاتية للإبلاغ عن صلاحية مرتبطة بالمعيار إلى الحاجة إلى مثلث البيانات السلوكية لتعزيز قاعدة الأدلة. على الرغم من هذه القيود، يظل G-CAVS أداة صالحة لتقييم تصورات تقنيات الدردشة في تعليم المعلمين، مع تطبيقات محتملة للتقييم المؤسسي وتطوير السياسات.
DOI: https://doi.org/10.30935/cedtech/17878
Publication Date: 2026-02-06
Author(s): Seyat Polat et al.
Primary Topic: Artificial Intelligence in Education
Overview
This study, part of the KI meets vhb project funded by the Virtuelle Hochschule Bayern, investigates the perceptions of pre-service teachers regarding educational chatbots, addressing a notable gap in the existing literature. Despite the growing integration of chatbots in teacher education, there has been a lack of psychometrically validated tools to assess these perceptions. To fill this void, the researchers developed the G-CAVS scale, grounded in the technology acceptance model (TAM, TAM 3) and the value-based adoption model (VAM).
Data were collected from 224 German pre-service teachers, and both exploratory and confirmatory factor analyses revealed a robust four-factor structure with strong model fit indices. The scale demonstrated criterion-related validity, showing significant correlations with chatbot usage frequency across all dimensions except perceived risk. This four-factor structure was further validated in an independent sample of 263 in-service teachers in Türkiye, indicating the scale’s applicability across diverse teacher populations. Overall, the G-CAVS scale is presented as a valid and reliable instrument for evaluating perceptions of chatbots in educational settings, with potential implications for broader applications in pre-service teacher education.
Introduction
The introduction of the research paper outlines the historical evolution of artificial intelligence (AI), emphasizing its rapid development over the last century. It highlights the pivotal question of whether machines can think, which has driven the field since the inception of the “Artificial Intelligence Summer Research Project” at the Dartmouth Conference in 1956. This foundational event has catalyzed exponential growth in AI research and applications.
Recent advancements, particularly since November 2022, have led to the emergence of AI applications such as chatbots and custom artificial intelligence assistants (custombots), which have garnered significant attention across various sectors, especially in education. The paper notes the increasing integration of AI tools in teaching and the creation of educational materials, indicating a transformative impact on learning environments (Akdogan, 2021; Özcan & Polat, 2023; Dwivedi et al., 2023; Balcı, 2024; Şanlı, 2025).
Results
The exploratory factor analysis (EFA) conducted on the General Acceptance, Value, and Satisfaction Scale (G-CAVS) demonstrated a robust four-factor structure, confirming its validity and reliability as a measurement instrument. The KMO measure of sampling adequacy yielded a value of 0.837, indicating good suitability for factor analysis, while Bartlett’s test of sphericity produced a significant result (χ²(91) = 1439, p < .001), further validating the data's appropriateness for this analysis. The EFA revealed four distinct factors, each with eigenvalues greater than 1, collectively explaining 69.8% of the total variance. Specifically, the first factor accounted for 20.2%, the second for 18.9%, the third for 17.5%, and the fourth for 13.2%. The Scree Plot corroborated these findings by showing a clear inflection point after the third factor. All retained items exhibited factor loadings of 0.60 or higher, indicating their strong contributions to the factor structure. Consequently, the G-CAVS is affirmed as a reliable and valid tool for both scientific research and practical applications, encompassing dimensions of general acceptance, enjoyment of use, perceived risk, and perceived value.
Discussion
The discussion section of the research paper highlights the increasing focus on the role of chatbots in teacher education and higher education, addressing both their potential benefits and associated risks. The study aims to develop a comprehensive instrument, the General Chatbot Acceptance, Enjoyment, Perceived Risk, and Value Scale (G-CAVS), to assess chatbot acceptance specifically in educational contexts. This instrument integrates key dimensions such as enjoyment, perceived value, and perceived risk within a theoretical framework grounded in the Technology Acceptance Model (TAM) and the Value-Based Adoption Model (VAM). Unlike existing scales that are often limited to specific chatbot types or exhibit psychometric weaknesses, the G-CAVS offers a broader, theoretically robust approach to understanding user perceptions of chatbots in education.
The theoretical framework draws upon TAM and its extensions, which emphasize perceived usefulness, ease of use, and additional factors like enjoyment and anxiety. The VAM complements this by focusing on the balance between perceived benefits and sacrifices, including emotional aspects of technology adoption. The G-CAVS scale was developed through a rigorous process involving expert evaluation, pilot testing, and statistical analyses, resulting in a refined 14-item instrument that demonstrates strong psychometric properties. The findings underscore the necessity of a holistic scale capable of evaluating various chatbot technologies across diverse educational contexts, addressing significant gaps in existing research methodologies and enhancing the understanding of user acceptance processes in educational settings.
Limitations
The limitations of the G-CAVS study highlight several areas for improvement and future research directions. Firstly, the primary data were sourced from university students in Bavaria, Germany, and a Turkish teacher sample, which may restrict the generalizability of the findings across different cultural and professional contexts. Future studies should explore the psychometric properties of the G-CAVS in various countries and educational settings, including vocational training and corporate environments, as well as among diverse age groups and in-service professionals.
Secondly, the perceived risk dimension of the scale was reduced to two items due to low item-total correlations, which may limit its comprehensiveness. Future research should consider reintroducing previously excluded items or developing new ones that address broader risks associated with chatbot use, such as misinformation and academic integrity. Additionally, while the G-CAVS is based on established adoption models, the exclusion of constructs like perceived ease of use and anxiety may limit its coverage of chatbot adoption facets. Future studies could integrate these constructs to enhance the scale’s robustness. Lastly, the reliance on self-reported measures for criterion-related validity suggests the need for triangulation with behavioral data to strengthen the evidence base. Despite these limitations, the G-CAVS remains a valid tool for assessing perceptions of chatbot technologies in teacher education, with potential applications for institutional assessment and policy development.