DOI: https://doi.org/10.1038/s41598-024-80305-5
PMID: https://pubmed.ncbi.nlm.nih.gov/39567593
تاريخ النشر: 2024-11-20
المؤلف: Jarosław Kozak وآخرون
الموضوع الرئيسي: قلق الموت والاستبعاد الاجتماعي
نظرة عامة
تسلط نتائج البحث حول العوامل السوسيو ديموغرافية التي تؤثر على الثقة في الذكاء الاصطناعي (AI) بين الطلاب في بولندا والمملكة المتحدة الضوء على تداعيات كبيرة للدراسات المستقبلية في هذا المجال المتطور. تشير النتائج إلى أن عوامل مثل البيئة التعليمية والتدين يمكن دمجها في النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، مما يقترح أن هذه العناصر قد تؤثر بشكل كبير على الثقة في الذكاء الاصطناعي. بالإضافة إلى ذلك، يكشف البحث عن اختلافات ملحوظة في مستويات الثقة بين الطلاب من دول مختلفة، مما يبرز تأثير السياقات الثقافية والتعليمية على المواقف تجاه تقنيات الذكاء الاصطناعي.
علاوة على ذلك، يؤكد البحث على ضرورة إجراء دراسات مقارنة تستكشف كيف تؤثر البيئات الثقافية المختلفة والأنظمة التعليمية على إدراك وقبول الذكاء الاصطناعي. في ضوء العولمة وانتشار اللغة الإنجليزية في التكنولوجيا، هناك دعوة للتحقيق في دور اللغة، وخاصة التعددية اللغوية والتكيفات المحلية لأنظمة الذكاء الاصطناعي، في تشكيل الثقة والقبول داخل المجتمعات المتنوعة. يجب أن تتبنى الأبحاث المستقبلية منظورًا شاملًا، يعالج كل من الأبعاد التكنولوجية والسوسيو ثقافية لقبول الذكاء الاصطناعي لتعزيز نهج مجتمعي متوازن، مما يقلل من الثقة المفرطة والشك غير المبرر تجاه تقنيات الذكاء الاصطناعي.
الطرق
تحدد قسم “الطرق” تصميم التجربة والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث جمعوا البيانات من خلال استبيانات منظمة وتجارب محكومة. تم تشغيل المتغيرات الرئيسية لضمان الوضوح والاتساق في القياس، مع إجراء تحليلات إحصائية باستخدام أدوات البرمجيات لتقييم دلالة النتائج.
بالإضافة إلى ذلك، شملت المنهجية وصفًا تفصيليًا لعملية أخذ العينات، مما يضمن أن العينة كانت تمثل السكان المستهدفين. استخدم الباحثون اختبارات إحصائية متنوعة، مثل اختبارات t وANOVA، لتقييم الفروق بين المجموعات والتحقق من فرضياتهم. يبرز القسم صرامة الطرق المستخدمة، مشددًا على ملاءمتها لمعالجة أسئلة البحث المطروحة.
النتائج
تشير النتائج إلى متوسط درجة قدرها 12.7 (SD = 6.3) للثقة في الذكاء الاصطناعي، حيث بلغ متوسط الطلاب البولنديين 11.6 (SD = 5.9) والطلاب البريطانيين 14.0 (SD = 6.4). يبرز فرق ذو دلالة إحصائية (t = -8.930، p < 0.01) أن الطلاب البريطانيين يظهرون مستوى أعلى من الثقة في الذكاء الاصطناعي مقارنة بنظرائهم البولنديين. كشفت التحليلات ذات العاملين عن تأثيرات رئيسية ملحوظة لكل من مكان الدراسة (F = 4.620، p = 0.032، η² = 0.002) والجنس (F = 61.452، p < 0.001، η² = 0.055) على الثقة في الذكاء الاصطناعي، مع تأثير تفاعلي بين الاثنين (F = 7.214، p < 0.001، η² = 0.007). أظهر الطلاب الذكور باستمرار ثقة أكبر في الذكاء الاصطناعي مقارنة بالطالبات، بغض النظر عن موقع دراستهم. حدد تحليل الانحدار الخطي المتعدد خطوة بخطوة ستة متنبئين مهمين للثقة في الذكاء الاصطناعي، موضحًا 16.5% من التباين (F[6، 2091] = 68.795، p < 0.001). تضمنت المتنبئات الرئيسية الجنسية، والجنس، وسنة الدراسة، ومكان الدراسة، وتكرار الممارسات الدينية، والتطور الديني. ومن الجدير بالذكر أن المستجيبين البريطانيين أظهروا مستويات ثقة أعلى من الأفراد البولنديين، بينما أظهر الطلاب الذكور وأولئك الذين لديهم فترات دراسة أطول أيضًا زيادة في الثقة. علاوة على ذلك، وُجدت علاقة إيجابية بين تكرار الممارسات الدينية والثقة في الذكاء الاصطناعي، مما يشير إلى أن الأفراد ذوي التجارب الدينية الديناميكية أكثر انفتاحًا على الابتكارات التكنولوجية. بشكل عام، تشير النتائج إلى أن الثقة في الذكاء الاصطناعي تتأثر بالعوامل الثقافية والجنسية والدينية، مع تداعيات لفهم المواقف تجاه التقنيات الناشئة.
المناقشة
تستكشف قسم المناقشة من ورقة البحث المحددات السوسيو ديموغرافية للثقة في الذكاء الاصطناعي (AI) بين الطلاب في بولندا والمملكة المتحدة، مع تسليط الضوء على تأثير عوامل مثل الجنس، والعمر، ومستوى التعليم، والجنسية، والتدين. تستخدم الدراسة إطار النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، المدعوم بالنتائج التي تشير إلى أن الرجال عمومًا يظهرون ثقة أعلى في الذكاء الاصطناعي مقارنة بالنساء، وأن الطلاب الأكبر سنًا يميلون إلى الثقة في الذكاء الاصطناعي أكثر من نظرائهم الأصغر سنًا. بالإضافة إلى ذلك، تحدد الأبحاث اختلافات ملحوظة في مستويات الثقة بين الطلاب البولنديين والبريطانيين، حيث يظهر الأخيرون ثقة أكبر، ربما بسبب اختلافات في البنية التحتية التكنولوجية والتركيز التعليمي على الذكاء الاصطناعي.
تؤكد النتائج أيضًا على أهمية دمج متغيرات إضافية في نموذج UTAUT، مثل المعتقدات الدينية والسياق الثقافي، التي تؤثر بشكل كبير على الثقة في الذكاء الاصطناعي. ترتبط مستويات أعلى من التدين بزيادة الثقة، بينما يبدو أن التطور الديني المستقر يرتبط بمستويات ثقة أقل. تشير النتائج إلى أن فهم التفاعل بين هذه العوامل السوسيو ديموغرافية أمر حاسم لتطوير إطار شامل للثقة في الذكاء الاصطناعي، مما يبرز الحاجة إلى مزيد من البحث الذي يأخذ في الاعتبار الأبعاد التكنولوجية والسوسيو ثقافية. تسهم هذه الأبحاث في النقاش المستمر حول تعقيدات الثقة في الذكاء الاصطناعي، داعية إلى نهج دقيق يتجنب كل من القبول غير النقدي والشك غير المبرر.
القيود
تسلط قيود هذه الدراسة الضوء على عدة عوامل حاسمة قد تؤثر على تفسير نتائجها. أولاً، البحث مقصور على الطلاب من بولندا والمملكة المتحدة، مما يحد من إمكانية تعميم النتائج على مجموعات ديموغرافية أخرى، مثل الموظفين في الشركات أو البالغين الأكبر سنًا، الذين قد تكون لديهم تصورات مختلفة حول الذكاء الاصطناعي (AI) بناءً على تجاربهم المتنوعة مع التكنولوجيا. لتعزيز صحة هذه الاستنتاجات، يجب أن تشمل الدراسات المستقبلية مجموعة أكثر تنوعًا من المشاركين من خلفيات ثقافية ومهنية مختلفة، وخاصة من مناطق مثل الشرق الأوسط وآسيا.
علاوة على ذلك، قد لا تعكس اعتماد الدراسة على مقياس أحادي البعد لقياس الثقة في الذكاء الاصطناعي، على الرغم من كونه قائمًا على ثلاثة أبعاد—الموثوقية، والوظائف، والفائدة—تعقيد مواقف المشاركين بالكامل. يجب أن تتبنى الأبحاث المستقبلية نهجًا أكثر دقة لتشغيل الثقة في الذكاء الاصطناعي. بالإضافة إلى ذلك، تشير النتائج إلى أن العوامل الثقافية والدينية، مثل التدين، قد تؤثر على الثقة في الذكاء الاصطناعي، مما يستدعي مزيدًا من استكشاف هذه الأبعاد، بما في ذلك التمييز بين الممارسات الدينية المنتظمة وغير المنتظمة. أخيرًا، تحد من الطبيعة الارتباطية للدراسة القدرة على استخلاص استنتاجات سببية، مما يشير إلى الحاجة إلى تصاميم بحثية أكثر قوة في التحقيقات اللاحقة.
DOI: https://doi.org/10.1038/s41598-024-80305-5
PMID: https://pubmed.ncbi.nlm.nih.gov/39567593
Publication Date: 2024-11-20
Author(s): Jarosław Kozak et al.
Primary Topic: Death Anxiety and Social Exclusion
Overview
The research findings on sociodemographic factors influencing trust in artificial intelligence (AI) among students in Poland and the United Kingdom highlight significant implications for future studies in this evolving field. The results indicate that factors such as educational environment and religiosity could be integrated into the Unified Theory of Acceptance and Use of Technology (UTAUT), suggesting that these elements may significantly impact trust in AI. Additionally, the study reveals notable differences in trust levels between students from different countries, emphasizing the influence of cultural and educational contexts on attitudes toward AI technologies.
Furthermore, the research underscores the necessity for comparative studies that explore how varying cultural settings and educational systems affect the perception and acceptance of AI. In light of globalization and the prevalence of English in technology, there is a call for investigations into the role of language, particularly multilingualism and local adaptations of AI systems, in shaping trust and acceptance within diverse communities. Future research should adopt a holistic perspective, addressing both technological and sociocultural dimensions of AI acceptance to foster a balanced societal approach, mitigating both excessive trust and unwarranted skepticism towards AI technologies.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, collecting data through structured surveys and controlled experiments. Key variables were operationalized to ensure clarity and consistency in measurement, with statistical analyses performed using software tools to evaluate the significance of the findings.
Additionally, the methodology included a detailed description of the sampling process, ensuring that the sample was representative of the target population. The researchers employed various statistical tests, such as t-tests and ANOVA, to assess differences between groups and to validate their hypotheses. The section emphasizes the rigor of the methods used, highlighting their appropriateness for addressing the research questions posed.
Results
The results indicate a mean score of 12.7 (SD = 6.3) for trust in AI, with Polish students averaging 11.6 (SD = 5.9) and British students 14.0 (SD = 6.4). A statistically significant difference (t = -8.930, p < 0.01) highlights that British students exhibit a higher level of trust in AI compared to their Polish counterparts. The two-factor analysis revealed significant main effects of both place of study (F = 4.620, p = 0.032, η² = 0.002) and gender (F = 61.452, p < 0.001, η² = 0.055) on trust in AI, with an interaction effect between the two (F = 7.214, p < 0.001, η² = 0.007). Male students consistently demonstrated greater trust in AI than female students, regardless of their study location. A stepwise multiple linear regression identified six significant predictors of trust in AI, explaining 16.5% of the variance (F[6, 2091] = 68.795, p < 0.001). Key predictors included nationality, gender, year of study, place of study, frequency of religious practices, and religious development. Notably, British respondents exhibited higher trust levels than Polish individuals, while male students and those with longer study durations also showed increased trust. Furthermore, a positive correlation was found between the frequency of religious practices and trust in AI, suggesting that individuals with dynamic religious experiences are more open to technological innovations. Overall, the findings suggest that trust in AI is influenced by cultural, gender, and religious factors, with implications for understanding attitudes towards emerging technologies.
Discussion
The discussion section of the research paper explores the sociodemographic determinants of trust in artificial intelligence (AI) among students in Poland and the UK, highlighting the influence of factors such as gender, age, education level, nationality, and religiosity. The study employs the Unified Theory of Acceptance and Use of Technology (UTAUT) framework, which is supported by findings indicating that men generally exhibit higher trust in AI than women, and that older students tend to trust AI more than their younger counterparts. Additionally, the research identifies significant differences in trust levels between Polish and British students, with the latter demonstrating greater trust, potentially due to differences in technological infrastructure and educational emphasis on AI.
The results also underscore the importance of incorporating additional variables into the UTAUT model, such as religious beliefs and cultural context, which significantly influence trust in AI. Higher levels of religiosity correlate with increased trust, while stable religious development appears to correlate with lower trust levels. The findings suggest that understanding the interplay of these sociodemographic factors is crucial for developing a comprehensive framework for trust in AI, emphasizing the need for further research that considers both technological and sociocultural dimensions. This research contributes to the ongoing discourse on the complexities of trust in AI, advocating for a nuanced approach that avoids both uncritical acceptance and undue skepticism.
Limitations
The limitations of this study highlight several critical factors that may affect the interpretation of its findings. Firstly, the research is confined to students from Poland and the United Kingdom, which restricts the generalizability of the results to other demographic groups, such as corporate employees or older adults, who may have differing perceptions of artificial intelligence (AI) based on their varied experiences with technology. To enhance the validity of these conclusions, future studies should include a more diverse range of participants from different cultural and professional backgrounds, particularly from regions like the Middle East and Asia.
Moreover, the study’s reliance on a unidimensional scale to measure trust in AI, despite being based on three dimensions—reliability, functionality, and usefulness—may not fully encapsulate the complexity of participants’ attitudes. Future research should adopt a more nuanced approach to operationalizing trust in AI. Additionally, the findings suggest that cultural and religious factors, such as religiosity, may influence trust in AI, warranting further exploration of these dimensions, including the differentiation between regular and irregular religious practices. Lastly, the correlational nature of the study limits the ability to draw causal inferences, indicating a need for more robust research designs in subsequent investigations.