DOI: https://doi.org/10.1038/s41598-025-19851-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41087605
تاريخ النشر: 2025-10-14
المؤلف: Sultan Hammad Alshammarı وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف الدراسة العوامل التي تؤثر على استعداد الطلاب الجامعيين لتبني تطبيقات الذكاء الاصطناعي (AI) في البيئات التعليمية. باستخدام نهج كمي، تم تحليل بيانات من 211 طالبًا في جامعة حائل من خلال نمذجة المعادلات الهيكلية (SEM) باستخدام برنامج AMOS. تشير النتائج إلى أن استعداد الطلاب، والتفاعل، والوعي الأخلاقي تؤثر بشكل كبير على تبنيهم للذكاء الاصطناعي، بينما لا تلعب الثقة والأداء دورًا كبيرًا. وهذا يشير إلى أن استراتيجية شاملة تعالج الاستعداد الفني والاعتبارات الأخلاقية ضرورية لتعزيز تبني الذكاء الاصطناعي بين الطلاب.
تعتبر تداعيات هذه النتائج حاسمة للمؤسسات التعليمية، وصانعي السياسات، والمعلمين الذين يهدفون إلى دمج الذكاء الاصطناعي بشكل فعال في المناهج الدراسية. يُشجع مسؤولو الجامعات على تطوير بنية تحتية داعمة وبرامج تدريبية، بينما يمكن للمعلمين استخدام هذه الرؤى لإنشاء بيئات تعليمية معززة بالذكاء الاصطناعي. تسهم الدراسة في النقاش حول الذكاء الاصطناعي في التعليم من خلال تقديم إطار مفاهيمي يبرز أهمية الاستعداد الذهني، والتعلم التفاعلي، والوعي الأخلاقي على الثقة والأداء في تعزيز مشاركة الطلاب مع تطبيقات الذكاء الاصطناعي.
الطرق
تحدد قسم المنهجية تصميم البحث والتقنيات التحليلية المستخدمة في الدراسة. استخدم المؤلفون نهجًا كميًا، حيث استخدموا طرقًا إحصائية لتحليل البيانات المجمعة. على وجه التحديد، قاموا بتنفيذ تحليل الانحدار لفحص العلاقات بين المتغيرات المستقلة والتابعة، مع ضمان أن النموذج يأخذ في الاعتبار العوامل المربكة المحتملة.
شملت جمع البيانات استبيانًا منظمًا تم توزيعه على عينة تمثيلية من المشاركين، مما سهل جمع المقاييس ذات الصلة. تم تحديد حجم العينة بناءً على تحليل القوة لضمان وجود قوة إحصائية كافية لاكتشاف التأثيرات الكبيرة. بالإضافة إلى ذلك، استخدم المؤلفون تقنيات تحقق متنوعة لضمان موثوقية وصلاحية المقاييس المستخدمة في الدراسة، بما في ذلك الاختبار التجريبي ومراجعات الخبراء.
بشكل عام، يوفر الإطار المنهجي الذي تم إنشاؤه في هذا القسم أساسًا قويًا للنتائج المقدمة في الأقسام اللاحقة، مما يسمح بفهم شامل لأسئلة البحث المعالجة.
النتائج
في هذه الدراسة، شارك ما مجموعه 211 طالبًا في استبيان، مع توزيع ديموغرافي يظهر أغلبية طفيفة من المستجيبين الإناث (51.2%) مقارنة بالمستجيبين الذكور (48.8%). كان الغالبية مسجلين في برامج درجة البكالوريوس (92.9%)، معظمهم من كلية الفن (36.5%)، تليها كلية إدارة الأعمال (32.2%) وكلية التربية (14.2%). أفاد جزء كبير من المستجيبين (87.7%) بأن لديهم خبرة في استخدام تطبيقات الذكاء الاصطناعي في تعلمهم.
كشفت اختبارات الفرضيات أن استعداد الذكاء الاصطناعي أثر بشكل كبير على نية الطلاب السلوكية لاستخدام تطبيقات الذكاء الاصطناعي، مع معامل معياري قدره $\beta = 0.339$ (p < 0.05)، مما يدعم الفرضية 1 (H1). بالمقابل، لم تؤثر الأداء المدرك والثقة بشكل كبير على النية السلوكية، مع معاملات قدرها $\beta = -0.138$ (p > 0.05) و$\beta = 0.059$ (p > 0.05)، مما أدى إلى رفض الفرضيات 2 (H2) و3 (H3). بالإضافة إلى ذلك، وُجد أن كل من التفاعل مع الذكاء الاصطناعي والوعي الأخلاقي يؤثران بشكل كبير على نوايا الطلاب لاستخدام تطبيقات الذكاء الاصطناعي، مع معاملات قدرها $\beta = 0.475$ (p < 0.05) و$\beta = 0.203$ (p < 0.05)، مما يؤكد الفرضيات 4 (H4) و5 (H5).
المناقشة
تستكشف قسم المناقشة من ورقة البحث العوامل التي تؤثر على استعداد الطلاب لتبني تطبيقات الذكاء الاصطناعي في السياقات التعليمية. تفترض الدراسة خمس فرضيات، مشددة على أن استعداد الذكاء الاصطناعي، والتفاعل، والوعي الأخلاقي يرتبطون بشكل كبير باستعداد الطلاب لاستخدام الذكاء الاصطناعي. على وجه التحديد، تشير النتائج إلى أن استعداد الطلاب للتفاعل مع أدوات الذكاء الاصطناعي يعزز من احتمالية استخدامهم لهذه التقنيات، مما يتماشى مع الأبحاث السابقة التي أجراها داي وآخرون. بالإضافة إلى ذلك، فإن الطبيعة التفاعلية لتطبيقات الذكاء الاصطناعي، مثل الدردشات الآلية والمساعدين الافتراضيين، تعزز من تجارب التعلم الشخصية، مما يحفز الطلاب أكثر على التفاعل مع الذكاء الاصطناعي.
على النقيض، تكشف الدراسة أن أداء الذكاء الاصطناعي والثقة لا تؤثر بشكل كبير على استعداد الطلاب لتبني تطبيقات الذكاء الاصطناعي. وهذا يشير إلى أن الطلاب قد لا يدركون تمامًا فوائد الأداء للذكاء الاصطناعي أو قد يفضلون تجارب المستخدم الفورية على القضايا المتعلقة بالثقة. إن تداعيات هذه النتائج مزدوجة: من الناحية النظرية، تتحدى نماذج قبول التكنولوجيا التقليدية من خلال التأكيد على أهمية الاستعداد، والتفاعل، والوعي الأخلاقي على الأداء والثقة؛ ومن الناحية العملية، توفر رؤى قابلة للتنفيذ للمعلمين والمطورين لتعزيز تبني الذكاء الاصطناعي من خلال التدريب المستهدف، والتصميم التفاعلي، والتواصل الواضح للاعتبارات الأخلاقية. بشكل عام، تؤكد الدراسة على ضرورة تعزيز بيئة تُعد الطلاب لدمج الذكاء الاصطناعي في التعلم.
القيود
تقدم الدراسة نتائج قيمة؛ ومع ذلك، فهي تخضع لعدة قيود قد تؤثر على عمومية وعمق استنتاجاتها. بشكل أساسي، يقتصر البحث على سياق محدد، مما قد لا يمتد إلى مؤسسات تعليمية أخرى أو بيئات ثقافية متنوعة. علاوة على ذلك، فإن منهجية الاستبيان العرضي المستخدمة تحد من القدرة على تقييم العلاقات السببية بين المتغيرات المدروسة. لتعزيز فهم العوامل التي تؤثر على استعداد الطلاب لتبني تطبيقات الذكاء الاصطناعي، ينبغي أن تأخذ الأبحاث المستقبلية في الاعتبار تصميمًا طوليًا.
بالإضافة إلى ذلك، فإن الاعتماد على الاستبيانات المبلغ عنها ذاتيًا يقدم انحيازات محتملة، مثل الرغبة الاجتماعية والانطباعات المبالغ فيها عن الوعي الأخلاقي والاستعداد. بينما درست هذه الدراسة متغيرات بما في ذلك الاستعداد، والأداء، والثقة، والتفاعل، والوعي الأخلاقي، لم تأخذ في الاعتبار عوامل مؤثرة أخرى. ينبغي أن تستكشف التحقيقات المستقبلية العناصر الخارجية مثل محو الأمية الرقمية المتعلقة بالذكاء الاصطناعي، والقلق المرتبط بالذكاء الاصطناعي، وتأثير الأقران لتوفير فهم أكثر شمولاً للعوامل المحددة لتبني الذكاء الاصطناعي بين الطلاب.
DOI: https://doi.org/10.1038/s41598-025-19851-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41087605
Publication Date: 2025-10-14
Author(s): Sultan Hammad Alshammarı et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
The study explores the factors influencing undergraduate students’ willingness to adopt artificial intelligence (AI) applications in educational settings. Utilizing a quantitative approach, data from 211 students at the University of Ha’il were analyzed through structural equation modeling (SEM) with AMOS software. The findings indicate that students’ readiness, interactivity, and ethical awareness significantly impact their adoption of AI, while trust and performance do not play a significant role. This suggests that a comprehensive strategy addressing technical preparedness and ethical considerations is essential for fostering AI adoption among students.
The implications of these findings are critical for educational institutions, policymakers, and educators aiming to integrate AI effectively into curricula. University administrators are encouraged to develop supportive infrastructure and training programs, while educators can utilize these insights to create AI-enhanced learning environments. The study contributes to the discourse on AI in education by providing a conceptual framework that emphasizes the importance of mental preparation, interactive learning, and ethical awareness over trust and performance in promoting student engagement with AI applications.
Methods
The methodology section outlines the research design and analytical techniques employed in the study. The authors utilized a quantitative approach, employing statistical methods to analyze the collected data. Specifically, they implemented regression analysis to examine the relationships between the independent and dependent variables, ensuring that the model accounted for potential confounding factors.
Data collection involved a structured survey distributed to a representative sample of participants, which facilitated the gathering of relevant metrics. The sample size was determined based on power analysis to ensure sufficient statistical power for detecting significant effects. Additionally, the authors employed various validation techniques to ensure the reliability and validity of the measures used in the study, including pilot testing and expert reviews.
Overall, the methodological framework established in this section provides a robust basis for the findings presented in the subsequent sections, allowing for a comprehensive understanding of the research questions addressed.
Results
In this study, a total of 211 students participated in a survey, with a demographic breakdown showing a slight majority of female respondents (51.2%) compared to male respondents (48.8%). The majority were enrolled in bachelor’s degree programs (92.9%), primarily from the College of Art (36.5%), followed by the College of Business Administration (32.2%) and the College of Education (14.2%). A significant portion of the respondents (87.7%) reported having experience using AI applications in their learning.
Hypothesis testing revealed that AI readiness significantly influenced students’ behavioral intention to use AI applications, with a standardized coefficient of $\beta = 0.339$ (p < 0.05), thereby supporting Hypothesis 1 (H1). In contrast, perceived performance and trust did not significantly affect behavioral intention, with coefficients of $\beta = -0.138$ (p > 0.05) and $\beta = 0.059$ (p > 0.05), leading to the rejection of Hypotheses 2 (H2) and 3 (H3). Additionally, both interactivity with AI and ethical awareness were found to significantly impact students’ intentions to utilize AI applications, with coefficients of $\beta = 0.475$ (p < 0.05) and $\beta = 0.203$ (p < 0.05), confirming Hypotheses 4 (H4) and 5 (H5).
Discussion
The discussion section of the research paper explores the factors influencing students’ willingness to adopt AI applications in educational contexts. The study posits five hypotheses, highlighting that AI readiness, interactivity, and ethical awareness significantly correlate with students’ willingness to utilize AI. Specifically, the findings indicate that students’ preparedness to engage with AI tools enhances their likelihood of using these technologies, aligning with previous research by Dai et al. and others. Additionally, the interactive nature of AI applications, such as chatbots and virtual assistants, fosters personalized learning experiences, further motivating students to engage with AI.
Conversely, the study reveals that AI performance and trust do not significantly impact students’ willingness to adopt AI applications. This suggests that students may not fully recognize the performance benefits of AI or may prioritize immediate user experiences over trust-related concerns. The implications of these findings are twofold: theoretically, they challenge traditional technology acceptance models by emphasizing the importance of readiness, interactivity, and ethical awareness over performance and trust; practically, they provide actionable insights for educators and developers to enhance AI adoption through targeted training, interactive design, and clear communication of ethical considerations. Overall, the study underscores the necessity of fostering an environment that prepares students for AI integration in learning.
Limitations
The study presents valuable findings; however, it is subject to several limitations that may affect the generalizability and depth of its conclusions. Primarily, the research is confined to a specific context, which may not extend to other educational institutions or culturally diverse settings. Furthermore, the cross-sectional survey methodology employed restricts the ability to evaluate the causal relationships between the variables studied. To enhance understanding of the factors influencing students’ willingness to adopt AI applications, future research should consider a longitudinal design.
Additionally, the reliance on self-reported questionnaires introduces potential biases, such as social desirability and inflated perceptions of ethical awareness and readiness. While this study examined variables including readiness, performance, trust, interactivity, and ethical awareness, it did not account for other influential factors. Future investigations should explore external elements such as digital AI literacy, AI-related anxiety, and peer influence to provide a more comprehensive understanding of the determinants of AI adoption among students.