DOI: https://doi.org/10.1057/s41599-025-05853-1
تاريخ النشر: 2025-09-30
المؤلف: Zhenyun Du
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الورقة البحثية العوامل التي تؤثر على مواقف طلاب الجامعات تجاه استخدام الأجهزة الذكية ضمن بيئة الحرم الجامعي الذكي المتكامل، مع معالجة فجوة في فهم تجاربهم وإدراكاتهم الشاملة. من خلال دمج نموذج قبول التكنولوجيا (TAM) مع ملاءمة المهمة والتكنولوجيا (TTF) ونظرية المخاطر المدركة (PRT)، تحلل الدراسة بيانات من 428 طالبًا جامعيًا صينيًا باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM). تكشف النتائج أن الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEU) وأمان المعلومات (IS) تؤثر بشكل كبير على مواقف الطلاب (ATT) تجاه الأجهزة الذكية، بينما دعم التعلم (LS) والتفاعل المدرك (PI) لهما تأثيرات غير مباشرة من خلال PU و PEU، مع تأثير PI أقوى من LS.
تساهم الدراسة في الأدبيات المتعلقة بقبول التكنولوجيا في بيئات الحرم الجامعي الذكي من خلال تطوير إطار عمل مركزي للإنسان يتضمن متغيرات خارجية رئيسية. وتؤكد على أهمية تجارب الطلاب الفعلية وإدراكاتهم، مما يوفر دعمًا تجريبيًا لاعتماد الأجهزة الذكية في التعليم العالي. تقدم الرؤى المستخلصة من هذا البحث تداعيات عملية للمؤسسات التعليمية العليا، مما يسهل التنفيذ الفعال والتبني الأوسع للتقنيات الذكية، مما يدعم في النهاية التنمية المستدامة للمبادرات التعليمية داخل الحرم الجامعي الذكي.
مقدمة
تناقش مقدمة هذه الورقة البحثية التأثير التحويلي للتقدم في تكنولوجيا المعلومات والاتصالات (ICT) على الحرم الجامعي الجامعي، مما يؤدي إلى ظهور مفهوم الحرم الجامعي الذكي. هذه التطورات، التي تتميز بدمج الذكاء الاصطناعي (AI) وإنترنت الأشياء (IoT) والبيانات الضخمة، تعزز الخدمات التعليمية وحياة الحرم الجامعي من خلال خلق بيئات ذكية واستجابة. تم تصميم الحرم الجامعي الذكي لتعزيز التعليم المتمركز حول المتعلم، مما يعزز تجارب التعلم الشخصية والتفاعلية التي تتماشى مع الإطار الأوسع للمدن الذكية. ومع ذلك، فإن دمج هذه التقنيات يثير مخاوف بشأن أمان المعلومات، وهو أمر حاسم لثقة المستخدم واعتماد التكنولوجيا بشكل فعال.
تهدف الدراسة إلى معالجة الفجوة في فهم إدراكات الطلاب ومواقفهم تجاه استخدام الأجهزة الذكية ضمن سياق الحرم الجامعي الذكي. من خلال دمج نموذج قبول التكنولوجيا (TAM) مع ملاءمة المهمة والتكنولوجيا (TTF) ونظرية المخاطر المدركة (PRT)، تطور البحث إطارًا نظريًا يفحص المتغيرات الرئيسية مثل دعم التعلم، والتفاعل المدرك، وأمان المعلومات. تم إجراء مسح بين الطلاب في شنتشن، الصين، باستخدام نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) لتحليل البيانات. تساهم هذه الدراسة في الأدبيات من خلال توسيع نطاق قبول تكنولوجيا التعليم، مما يبرز أهمية توافق القدرات التكنولوجية مع احتياجات المستخدمين، والدعوة إلى نهج مركزي للإنسان في دراسات الحرم الجامعي الذكي. تهدف النتائج إلى تحسين نشر الأجهزة وتعزيز النتائج التعليمية، مما يدعم التنمية المستدامة للتعليم العالي.
الطرق
شملت منهجية هذه الدراسة استبيانًا منظمًا مصممًا لتقييم نموذج بحثي يتعلق ببيئات الحرم الجامعي الذكي. تم تقسيم الاستبيان إلى قسمين: جمع القسم A بيانات ديموغرافية من المشاركين، بما في ذلك الجنس، والعمر، والمرحلة الأكاديمية، وتكرار استخدام الأجهزة الذكية للتعلم. تضمن القسم B 21 عنصرًا تقيس ستة بنى: دعم التعلم، التفاعل المدرك، أمان المعلومات، الفائدة المدركة، سهولة الاستخدام المدركة، والموقف تجاه استخدام الأجهزة الذكية، مع استقاء العناصر من الأدبيات المعتمدة. تم تقييم جميع البنى باستخدام مقياس ليكرت من خمس نقاط، وتم ضمان موثوقية الاستبيان من خلال مراجعات الخبراء والتنقيحات التكرارية.
تم جمع البيانات عبر الإنترنت، مستهدفة الطلاب من الجامعات العامة في شنتشن، مقاطعة قوانغدونغ، الصين، المعروفة بمبادراتها المتقدمة في الحرم الجامعي الذكي. تم استخدام طريقة أخذ العينات الهادفة لتضمين المشاركين الذين لديهم خبرة سابقة في استخدام خدمات الحرم الجامعي الذكي فقط. تم إجراء الاستبيان بين أبريل ويوليو 2024، مما أسفر عن 556 استجابة، منها 428 صالحة، مما أسفر عن معدل استجابة قدره 77.15%. أشارت الإحصائيات الوصفية إلى تكوين ديموغرافي يتكون من 55.42% من المشاركين الذكور و44.58% من المشاركات الإناث، وغالبًا ما تتراوح أعمارهم بين 20 و25 عامًا، مع كون معظمهم طلاب بكاليوس متخصصين في الهندسة. كان تكرار استخدام الأجهزة الذكية متنوعًا، حيث شارك جزء كبير من المشاركين مع هذه التقنيات عدة مرات في الأسبوع أو أكثر.
المناقشة
في سياق بيئات الحرم الجامعي الذكي، فإن دمج تقنيات إنترنت الأشياء (IoT) يحول الممارسات التعليمية من خلال تعزيز الاتصال وتسهيل تجارب التعلم الشخصية. تشير الأدبيات إلى أن الأجهزة الذكية، مثل الهواتف الذكية والأجهزة اللوحية، تساهم بشكل كبير في تطوير بيئات تعليمية مخصصة، مما يسمح بتحسين تفاعل الطلاب مع المواد التعليمية. ومع ذلك، يتم تسليط الضوء على الطبيعة المزدوجة لاستخدام الأجهزة الذكية، حيث يمكن أن يؤدي الاعتماد المفرط على الأجهزة الشخصية إلى نتائج سلبية مثل زيادة المعلومات والإجهاد التكنولوجي، بينما يمكن أن تعزز تطبيقات التعلم المحمول المصممة بشكل جيد الأداء الأكاديمي.
تستخدم الدراسة نموذج قبول التكنولوجيا (TAM) كأساس نظري لها، مع التركيز على بنى سهولة الاستخدام المدركة (PEU) والفائدة المدركة (PU) في فهم مواقف الطلاب تجاه الأجهزة الذكية في السياقات التعليمية. يوسع البحث نموذج TAM من خلال دمج ملاءمة المهمة والتكنولوجيا (TTF) ونظرية المخاطر المدركة (PRT) لاستكشاف كيفية تأثير توافق خصائص التكنولوجيا مع المهام التعليمية على قبول المستخدم. يتم تقديم متغيرات رئيسية مثل دعم التعلم (LS) والتفاعل المدرك (PI) وأمان المعلومات (IS) كمتنبئين بـ PU و PEU، مع فرضيات تفترض أن الإدراكات الإيجابية لهذه العوامل ستعزز مواقف الطلاب تجاه استخدام الأجهزة الذكية. تؤكد النتائج على أهمية معالجة كل من الفوائد والمخاطر المرتبطة بدمج الأجهزة الذكية في السياقات التعليمية لتحسين نتائج التعلم.
القيود
تسلط قسم القيود الضوء على عدة قيود للدراسة فيما يتعلق بمواقف طلاب الجامعات تجاه الأجهزة الذكية في الحرم الجامعي الذكي. أولاً، تقتصر الدراسة على الطلاب من الجامعات في شنتشن، مقاطعة قوانغدونغ، الصين، مما قد يقيد إمكانية تعميم النتائج على سياقات أوسع. ثانيًا، يلتقط التصميم العرضي المواقف في نقطة زمنية واحدة، مما يحد من القدرة على ملاحظة التغيرات بمرور الوقت. كما تضيق الدراسة تركيزها على ثلاثة متغيرات—رضا التعلم (LS)، التفاعل المدرك (PI)، ورضا التفاعل (IS)—دون النظر في مجموعة أوسع من العوامل التي قد تؤثر على المواقف. بالإضافة إلى ذلك، يقتصر قياس متغير PI على التفاعلات بين الأشخاص، متجاهلاً التأثيرات المحتملة لتفاعلات المحتوى وتفاعلات الإنسان مع الكمبيوتر.
لمعالجة هذه القيود، يجب أن تهدف الأبحاث المستقبلية إلى تضمين عينة أكثر تنوعًا تشمل خلفيات ثقافية وأنواع مختلفة من الجامعات، مما يعزز الصلاحية الخارجية للنتائج. يمكن أن توفر تصاميم الأبحاث الطولية رؤى حول كيفية تطور مواقف وسلوكيات الطلاب مع تطور الحرم الجامعي الذكي. علاوة على ذلك، فإن دمج وجهات نظر من أصحاب المصلحة الآخرين، مثل المعلمين والآباء، سيوفر فهمًا أكثر شمولية لبيئة الحرم الجامعي الذكي. أخيرًا، يُوصى باستخدام نهج مختلط، يدمج طرقًا نوعية مثل المقابلات ومجموعات التركيز، لالتقاط التجارب الدقيقة لمختلف أصحاب المصلحة.
DOI: https://doi.org/10.1057/s41599-025-05853-1
Publication Date: 2025-09-30
Author(s): Zhenyun Du
Primary Topic: Technology Adoption and User Behaviour
Overview
This research paper investigates the factors influencing university students’ attitudes toward using smart devices within the integrated smart campus environment, addressing a gap in understanding their comprehensive experiences and perceptions. By integrating the Technology Acceptance Model (TAM) with Task-Technology Fit (TTF) and Perceived Risk Theory (PRT), the study analyzes data from 428 Chinese university students using partial least squares structural equation modeling (PLS-SEM). The findings reveal that perceived usefulness (PU), perceived ease of use (PEU), and information security (IS) significantly impact students’ attitudes (ATT) toward smart devices, while learning support (LS) and perceived interactivity (PI) have indirect effects through PU and PEU, with PI exerting a stronger influence than LS.
The study contributes to the literature on technology acceptance in smart campus environments by developing a human-centered framework that incorporates key external variables. It emphasizes the importance of students’ actual experiences and perceptions, providing empirical support for the adoption of smart devices in higher education. The insights gained from this research offer practical implications for higher education institutions, facilitating the effective implementation and broader adoption of smart technologies, ultimately supporting the sustainable development of educational initiatives within smart campuses.
Introduction
The introduction of this research paper discusses the transformative impact of advancements in information and communication technology (ICT) on university campuses, leading to the emergence of the smart campus concept. This evolution, characterized by the integration of artificial intelligence (AI), the Internet of Things (IoT), and big data, enhances educational services and campus life by creating intelligent, responsive environments. Smart campuses are designed to foster learner-centered education, promoting personalized and interactive learning experiences that align with the broader framework of smart cities. However, the integration of these technologies raises concerns regarding information security, which is critical for user trust and effective technology adoption.
The study aims to address the gap in understanding students’ perceptions and attitudes toward using smart devices within the smart campus context. By integrating the Technology Acceptance Model (TAM) with Task-Technology Fit (TTF) and Perceived Risk Theory (PRT), the research develops a theoretical framework that examines key variables such as learning support, perceived interactivity, and information security. A survey conducted among students in Shenzhen, China, employs partial least squares structural equation modeling (PLS-SEM) to analyze the data. This research contributes to the literature by broadening the scope of educational technology acceptance, emphasizing the importance of aligning technological capabilities with user needs, and advocating for a human-centered approach in smart campus studies. The findings aim to optimize device deployment and enhance educational outcomes, thereby supporting the sustainable development of higher education.
Methods
The methodology of this study involved a structured questionnaire designed to evaluate a research model related to smart campus environments. The questionnaire was divided into two sections: Section A gathered demographic data from participants, including gender, age, academic stage, and frequency of smart device usage for learning. Section B comprised 21 items measuring six constructs: Learning Support, Perceived Interactivity, Information Security, Perceived Usefulness, Perceived Ease of Use, and Attitude Toward Using Smart Devices, with items sourced from established literature. All constructs were assessed using a five-point Likert scale, and the reliability of the survey was ensured through expert reviews and iterative revisions.
Data collection was conducted online, targeting students from public universities in Shenzhen, Guangdong, China, known for their advanced smart campus initiatives. A purposive sampling method was employed to include only participants with prior experience using smart campus services. The survey was administered between April and July 2024, resulting in 556 responses, of which 428 were valid, yielding a response rate of 77.15%. Descriptive statistics indicated a demographic composition of 55.42% male and 44.58% female participants, predominantly aged 20 to 25 years, with most being undergraduate students majoring in engineering. The frequency of smart device usage varied, with a significant portion of participants engaging with these technologies several times a week or more.
Discussion
In the context of smart campus environments, the integration of Internet of Things (IoT) technologies is transforming educational practices by enhancing connectivity and facilitating personalized learning experiences. The literature indicates that smart devices, such as smartphones and tablets, significantly contribute to the development of tailored educational environments, allowing for improved student engagement and interaction with learning materials. However, the dual nature of smart device usage is highlighted, as excessive reliance on personal devices can lead to negative outcomes such as information overload and technostress, while well-designed mobile learning applications can enhance academic performance.
The study employs the Technology Acceptance Model (TAM) as its theoretical foundation, emphasizing the constructs of perceived ease of use (PEU) and perceived usefulness (PU) in understanding students’ attitudes toward smart devices in educational settings. The research extends TAM by incorporating Task-Technology Fit (TTF) and Perceived Risk Theory (PRT) to explore how the alignment of technology characteristics with educational tasks influences user acceptance. Key variables such as Learning Support (LS), Perceived Interactivity (PI), and Information Security (IS) are introduced as predictors of PU and PEU, with hypotheses positing that positive perceptions of these factors will enhance students’ attitudes toward using smart devices. The findings underscore the importance of addressing both the benefits and risks associated with smart device integration in educational contexts to optimize learning outcomes.
Limitations
The section on limitations highlights several constraints of the study regarding university students’ attitudes toward smart devices in smart campuses. Firstly, the research is confined to students from universities in Shenzhen, Guangdong Province, China, which may restrict the generalizability of the findings to broader contexts. Secondly, the cross-sectional design captures attitudes at a single point in time, limiting the ability to observe changes over time. The study also narrows its focus to three variables—Learning Satisfaction (LS), Perceived Interaction (PI), and Interaction Satisfaction (IS)—without considering the broader array of factors that may influence attitudes. Additionally, the measurement of the PI variable is limited to interpersonal interactions, neglecting the potential impacts of content interactions and human-computer interactions.
To address these limitations, future research should aim to include a more diverse sample that encompasses various cultural backgrounds and types of universities, thereby enhancing the external validity of the findings. Employing longitudinal research designs could provide insights into how student attitudes and behaviors evolve as smart campuses develop. Furthermore, incorporating perspectives from other stakeholders, such as educators and parents, would yield a more holistic understanding of the smart campus environment. Lastly, a mixed-methods approach, integrating qualitative methods such as interviews and focus groups, is recommended to capture the nuanced experiences of different stakeholders.