DOI: https://doi.org/10.19139/soic-2310-5070-3365
تاريخ النشر: 2026-03-19
المؤلف: Bendjédid Rachad Sanoussi وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة العوامل التي تؤثر على اعتماد السياح واستخدامهم لأدوات الذكاء الاصطناعي (AI) في السياحة، مع التركيز بشكل خاص على المساعدين المحادثين على غرار ChatGPT. باستخدام النظرية الموحدة لقبول واستخدام التكنولوجيا 2 (UTAUT2)، تستهدف البحث السياح في فاس، المغرب، حيث يتم فحص كيفية تأثير عوامل مختلفة—مثل توقع الأداء، توقع الجهد، التأثير الاجتماعي، ظروف التيسير، الدافع الهيدوني، قيمة السعر، والعادة—على النية السلوكية وسلوك الاستخدام. أظهرت بيانات من استبيان عبر الإنترنت لـ 183 سائحًا أن توقع الأداء، الدافع الهيدوني، قيمة السعر، والعادة تتنبأ بشكل كبير بالنية السلوكية، بينما تتنبأ ظروف التيسير والعادة بسلوك الاستخدام. ومن الجدير بالذكر أن توقع الجهد والتأثير الاجتماعي لم يؤثرا بشكل كبير على النية، وأن الثقة في تكنولوجيا الذكاء الاصطناعي لم تعزز العلاقة بين النية والسلوك.
تشير النتائج إلى أن أدوات الذكاء الاصطناعي المحادثة من المرجح أن يتم اعتمادها عندما تُعتبر مفيدة، ممتعة، وذات قيمة، حيث تلعب الاستخدامات العادية دورًا حاسمًا. تسهم الدراسة في أدبيات تكنولوجيا السياحة من خلال تحسين تطبيق UTAUT2 في سياقات الذكاء الاصطناعي والتأكيد على أهمية العادة والقيمة المدركة في اعتماد السياح على المساعدين الذكيين. ومع ذلك، فإن البحث محدود بتصميمه العرضي، والبيانات المبلغ عنها ذاتيًا، وعينة تتكون في الغالب من الأفراد المتعلمين والذكور. يجب أن تهدف الأبحاث المستقبلية إلى جمع بيانات في الموقع وتضمين عينات أكثر تنوعًا لتعزيز فهم اعتماد أدوات الذكاء الاصطناعي في السياحة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على التأثير التحويلي للتقنيات الرقمية على صناعة السياحة، وخاصة من خلال استخدام المنصات عبر الإنترنت وأدوات الذكاء الاصطناعي مثل الوكلاء المحادثين. تسهل هذه الأدوات، التي تمثلها أنظمة مثل ChatGPT، التوصيات الشخصية وترجمة المعلومات في الوقت الفعلي، مما يجعلها جزءًا لا يتجزأ من تجربة السفر للعديد من السياح. تهدف الدراسة إلى استكشاف العوامل التي تؤثر على اعتماد واستخدام هذه الأدوات الذكية بشكل فعال، مع التأكيد على أن الاعتماد يتشكل ليس فقط من خلال الوصول ولكن أيضًا من خلال تصورات الفائدة، سهولة الاستخدام، المتعة، المعايير الاجتماعية، الثقة في الخوارزميات، والقيمة المقارنة لأدوات الذكاء الاصطناعي مقابل مصادر المعلومات التقليدية.
باستخدام نموذج UTAUT2 الموسع، تركز الأبحاث على اعتماد المساعدين الذكيين المحادثين في السياحة، وتحديدًا في فاس، المغرب، وهي وجهة غنية ثقافيًا تقدم تحديات فريدة للزوار. تسهم الدراسة في الأدبيات من خلال اختبار إطار عمل UTAUT2 في سياق الذكاء الاصطناعي المحادث، والتحقيق في التأثير المعتدل للثقة على العلاقة بين النية والسلوك، وتقديم رؤى تجريبية من منطقة كانت ممثلة تمثيلاً ناقصًا في أبحاث تكنولوجيا السياحة. تتضمن المنهجية استطلاع آراء المشاركين الذين استخدموا سابقًا أدوات مشابهة لـ ChatGPT لمهام متعلقة بالسفر، بهدف فهم كيفية تأثير مكونات UTAUT2 على نيتهم واستخدامهم الفعلي لهذه الأدوات المعتمدة على الذكاء الاصطناعي. تم هيكلة الورقة لمراجعة الأدبيات ذات الصلة، تقديم المنهجية، الإبلاغ عن النتائج، ومناقشة الآثار لكل من النظرية والممارسة.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث. يتناول التصميم التجريبي، بما في ذلك اختيار المشاركين، تقنيات جمع البيانات، وإجراءات التحليل. استخدمت الدراسة إطارًا كميًا، حيث تم استخدام طرق إحصائية لتحليل البيانات المجمعة من المشاركين. كما تم وصف الأدوات والأدوات المحددة المستخدمة للقياس، مما يضمن إمكانية تكرار الدراسة.
بالإضافة إلى ذلك، يتناول القسم الاعتبارات الأخلاقية التي تم أخذها في الاعتبار خلال عملية البحث، مثل الموافقة المستنيرة وسرية معلومات المشاركين. تم تصميم المنهجية لضمان موثوقية وصلاحية النتائج، مما يوفر أساسًا قويًا للاستنتاجات المستخلصة في الدراسة. بشكل عام، يدعم الصرامة المنهجية نزاهة نتائج البحث.
النتائج
يقدم قسم “النتائج” في الورقة البحثية النتائج المستمدة من التجارب أو التحليلات التي تم إجراؤها. تشمل النتائج الرئيسية تحديد أنماط أو علاقات هامة داخل البيانات، والتي تدعمها تحليلات إحصائية. على سبيل المثال، قد تشير النتائج إلى وجود علاقة بين المتغير $X$ والنتيجة $Y$، مع قيمة p أقل من 0.05، مما يشير إلى دلالة إحصائية.
بالإضافة إلى ذلك، قد يتضمن القسم تمثيلات رسومية، مثل المخططات أو الرسوم البيانية، لتوضيح الاتجاهات الملحوظة في البيانات. تعزز هذه الوسائل البصرية فهم النتائج وتوفر تصويرًا واضحًا للعلاقات بين المتغيرات المدروسة. بشكل عام، تسهم النتائج في الجسم المعرفي القائم وقد يكون لها آثار على الأبحاث المستقبلية أو التطبيقات العملية في المجال المعني.
المناقشة
تستكشف الدراسة اعتماد واستخدام المساعدين المحادثين المعتمدين على الذكاء الاصطناعي في السياحة، مع التركيز بشكل خاص على السياح في فاس، المغرب. تكشف النتائج الرئيسية أن توقع الأداء، الدافع الهيدوني، قيمة السعر، والعادة تؤثر بشكل كبير على النية السلوكية للسياح لاستخدام أدوات الذكاء الاصطناعي. يميل السياح إلى اعتماد هذه التقنيات عندما يرون فوائد واضحة، مثل تحسين اتخاذ القرار وتفاعلات ممتعة. ومن المثير للاهتمام أن توقع الجهد والتأثير الاجتماعي لم يؤثرا بشكل كبير على النية السلوكية، على الأرجح بسبب الملف الشخصي المتعلم للغاية للمستجيبين الذين قد يرون سهولة الاستخدام كمتطلب أساسي.
علاوة على ذلك، بينما لا تؤثر ظروف التيسير بشكل مباشر على النية، فإنها تلعب دورًا حاسمًا في سلوك الاستخدام الفعلي، مما يشير إلى أن الوصول إلى الموارد مثل الاتصال بالإنترنت والدعم الفني أمر حيوي لتحويل النية إلى ممارسة. كما ظهرت العادة كعامل مهم، مما يشير إلى أن الخبرة السابقة مع أدوات الذكاء الاصطناعي تعزز الاستخدام المستمر. ومن الجدير بالذكر أن الرابط المتوقع بين النية السلوكية والاستخدام الفعلي لم يتم دعمه، مما يشير إلى أن القرار باستخدام المساعدين الذكيين قد يكون مدفوعًا أكثر بالعادات ويعتمد على البنية التحتية أكثر من كونه يعتمد على النية وحدها. بالإضافة إلى ذلك، لم يتم إثبات التأثير المعتدل للثقة في تكنولوجيا الذكاء الاصطناعي على العلاقة بين النية والاستخدام، مما يشير إلى أن الثقة قد لا تكون عائقًا حاسمًا لهذه الفئة. بشكل عام، تسلط النتائج الضوء على التفاعل المعقد للعوامل التي تؤثر على اعتماد الذكاء الاصطناعي في السياحة، مع التأكيد على أهمية الفوائد المدركة والاستخدام العادي على التأثيرات الاجتماعية وسهولة الاستخدام.
القيود
تقدم الدراسة عدة قيود تؤثر على نتائجها وتقترح مجالات للبحث المستقبلي. أولاً، يحد الاعتماد على البيانات العرضية والمبلغ عنها ذاتيًا من الاستنتاجات السببية، على الرغم من المحاولات لتقييم تحيز الطريقة الشائعة من خلال فحوصات التعددية. إن استخدام سيناريوهات لتقييم استخدام الذكاء الاصطناعي في السفر يلتقط النوايا العامة بدلاً من السلوكيات الفعلية في الموقع، مما يشير إلى الحاجة إلى دراسات مستقبلية لاستخدام طرق مثل دراسات اليوميات، أخذ عينات من التجارب، أو سجلات الاستخدام للحصول على بيانات أكثر دقة حول الاستخدام في الموقع.
بالإضافة إلى ذلك، تقتصر الخصائص الديموغرافية للعينة—كونها تتكون في الغالب من الذكور والمتعلمين بشكل عالٍ—على تعميم النتائج، مما قد يقلل من القوة التفسيرية لمكونات مثل توقع الجهد والتأثير الاجتماعي. كما أن تعقيد مكون قيمة السعر في سياق الأدوات المجانية يتطلب مزيدًا من التحقيق، خاصة في التمييز بين التكاليف النقدية وغير النقدية، مثل بيانات الهاتف المحمول، الوقت، واهتمامات الخصوصية. أخيرًا، يشير التأثير المعتدل غير المهم للثقة إلى أنها قد تلعب دورًا مختلفًا في النموذج، محتملة أن تعمل كعامل سابق للفائدة المدركة، المخاطر المدركة، أو النية، أو تتطور من خلال الاستخدام المتكرر مع مرور الوقت.
DOI: https://doi.org/10.19139/soic-2310-5070-3365
Publication Date: 2026-03-19
Author(s): Bendjédid Rachad Sanoussi et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the factors influencing tourists’ adoption and use of artificial intelligence (AI) tools in tourism, specifically focusing on conversational assistants akin to ChatGPT. Utilizing the Unified Theory of Acceptance and Use of Technology 2 (UTAUT2), the research targets tourists in Fes, Morocco, examining how various factors—such as performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation, price value, and habit—affect behavioral intention and usage behavior. Data from an online survey of 183 tourists revealed that performance expectancy, hedonic motivation, price value, and habit significantly predict behavioral intention, while facilitating conditions and habit predict usage behavior. Notably, effort expectancy and social influence did not significantly influence intention, and trust in AI technology did not moderate the intention-behavior relationship.
The findings suggest that conversational AI tools are more likely to be adopted when perceived as useful, enjoyable, and valuable, with habitual use playing a crucial role. The study contributes to the tourism technology literature by refining UTAUT2’s application in AI contexts and emphasizing the importance of habit and perceived value in tourists’ reliance on AI assistants. However, the research is limited by its cross-sectional design, self-reported data, and a sample that is predominantly educated and male. Future research should aim to collect in-situ data and include more diverse samples to enhance understanding of AI tool adoption in tourism.
Introduction
The introduction of this research paper highlights the transformative impact of digital technologies on the tourism industry, particularly through the use of online platforms and AI-based tools like conversational agents. These tools, exemplified by systems such as ChatGPT, facilitate personalized recommendations and real-time information translation, becoming integral to the travel experience for many tourists. The study aims to explore the factors influencing the adoption and effective use of these AI tools, emphasizing that adoption is shaped not only by access but also by perceptions of usefulness, ease of use, enjoyment, social norms, trust in algorithms, and the comparative value of AI tools versus traditional information sources.
Utilizing an extended UTAUT2 model, the research focuses on the adoption of conversational AI assistants in tourism, specifically in Fes, Morocco, a culturally rich destination that presents unique challenges for visitors. The study contributes to the literature by testing the UTAUT2 framework in the context of conversational AI, investigating the moderating effect of trust on the intention-behavior relationship, and providing empirical insights from a region that has been underrepresented in tourism technology research. The methodology involves surveying respondents who have previously used ChatGPT-like tools for travel-related tasks, aiming to understand how UTAUT2 constructs influence their intention and actual use of these AI-based tools. The paper is structured to review relevant literature, present methodology, report results, and discuss implications for both theory and practice.
Methods
The methodology section outlines the systematic approach employed in the research. It details the experimental design, including the selection of participants, data collection techniques, and analytical procedures. The study utilized a quantitative framework, employing statistical methods to analyze the data gathered from the participants. Specific instruments and tools used for measurement are also described, ensuring replicability of the study.
Additionally, the section addresses the ethical considerations taken into account during the research process, such as informed consent and confidentiality of participant information. The methodology is designed to ensure the reliability and validity of the findings, providing a robust foundation for the conclusions drawn in the study. Overall, the methodological rigor supports the integrity of the research outcomes.
Results
The “Results” section of the research paper presents the findings derived from the conducted experiments or analyses. Key outcomes include the identification of significant patterns or relationships within the data, which are quantitatively supported by statistical analyses. For instance, the results may indicate a correlation between variable $X$ and outcome $Y$, with a p-value of less than 0.05, suggesting statistical significance.
Additionally, the section may include graphical representations, such as charts or graphs, to illustrate the trends observed in the data. These visual aids enhance the understanding of the results and provide a clear depiction of the relationships among the studied variables. Overall, the findings contribute to the existing body of knowledge and may have implications for future research or practical applications in the relevant field.
Discussion
The study investigates the adoption and usage of AI-based conversational assistants in tourism, specifically focusing on tourists in Fes, Morocco. Key findings reveal that performance expectancy, hedonic motivation, price value, and habit significantly influence tourists’ behavioral intention to use AI tools. Tourists are more inclined to adopt these technologies when they perceive clear benefits, such as enhanced decision-making and enjoyable interactions. Interestingly, effort expectancy and social influence did not significantly impact behavioral intention, likely due to the highly educated profile of the respondents who may view ease of use as a baseline expectation.
Moreover, while facilitating conditions do not directly affect intention, they play a crucial role in actual usage behavior, indicating that access to resources like internet connectivity and technical support is vital for translating intention into practice. Habit also emerged as a significant factor, suggesting that prior experience with AI tools fosters continued use. Notably, the anticipated link between behavioral intention and actual usage was not supported, indicating that the decision to use AI assistants may be more routine-driven and dependent on infrastructure than on intention alone. Additionally, the moderating effect of trust in AI technology on the intention-use relationship was not substantiated, suggesting that trust may not be a critical barrier for this demographic. Overall, the findings highlight the complex interplay of factors influencing AI adoption in tourism, emphasizing the importance of perceived benefits and habitual use over social influences and ease of use.
Limitations
The study presents several limitations that impact its findings and suggest avenues for future research. Firstly, the reliance on cross-sectional and self-reported data restricts causal inferences, despite attempts to assess common method bias through collinearity checks. The use of scenario prompts to gauge travel AI usage captures general intentions rather than actual on-site behaviors, indicating a need for future studies to utilize methods such as diary studies, experience sampling, or usage logs to obtain more accurate data on in-situ usage.
Additionally, the sample’s demographic characteristics—being predominantly male and highly educated—limit the generalizability of the results, potentially diminishing the explanatory power of constructs like effort expectancy and social influence. The complexity of the price value construct in the context of freemium tools also warrants further investigation, particularly in distinguishing between monetary and non-monetary costs, such as mobile data, time, and privacy concerns. Lastly, the non-significant moderation effect of trust suggests that it may play a different role in the model, potentially acting as an antecedent to perceived usefulness, perceived risk, or intention, or evolving through repeated usage over time.