DOI: https://doi.org/10.3389/feduc.2025.1618850
تاريخ النشر: 2025-09-10
المؤلف: Zhenyun Du
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تدرس هذه الدراسة العلاقة بين تصورات طلاب الجامعات لتكنولوجيا الذكاء الاصطناعي التوليدي (GAI) وترددهم في اعتمادها، مع تسليط الضوء على المخاوف بشأن الحوكمة الأخلاقية وفقدان الوظائف. كشفت دراسة استقصائية شملت 805 مشاركًا عن وجود علاقة إيجابية بين التهديد التكنولوجي المدرك والتردد في استخدام GAI. ومن الجدير بالذكر أن القابلية للتجنب والخوف من GAI تم تحديدهما كوسيطين متتاليين في هذه العلاقة، مما يشير إلى أن تردد الطلاب في تبني GAI يتأثر بتصوراتهم لمخاطرها وقدرتهم على التخفيف من تلك المخاطر.
تشير النتائج إلى أن معالجة تصورات التهديد لدى الطلاب، وتعزيز إحساسهم بالقابلية للتجنب، وتخفيف المخاوف المحيطة بـ GAI يمكن أن يعزز قبول هذه التقنيات بشكل أكبر. تؤكد الدراسة على أهمية الاعتراف بضرورة تطوير GAI وتشجع أصحاب المصلحة في التعليم العالي على تعزيز مهارات تطبيق GAI والقدرة على التكيف بين الطلاب للتخفيف من المخاطر المرتبطة.
مقدمة
تناقش مقدمة الورقة الاندماج المتزايد لتعلم الآلة والذكاء الاصطناعي (AI)، وخاصة الذكاء الاصطناعي التوليدي (GAI)، في المجالات الإبداعية والإعدادات التعليمية منذ عام 2010. لقد جعل ظهور أدوات مثل ChatGPT الذكاء الاصطناعي أكثر سهولة، مما أدى إلى اعتماده بشكل رئيسي في عمليات مختلفة، بما في ذلك التعليم. يتم تسليط الضوء على GAI كقوة تحويلية، تعزز من تفاعل الطلاب، وتحسن من كفاءة التعليم، وتوفر للمعلمين أدوات ذكية للمهام الإدارية. ومع ذلك، فإن اعتماد GAI من قبل طلاب الجامعات يتسم بالتردد؛ بينما يتزايد الاستخدام، لا تزال هناك مخاوف كبيرة بشأن السلوك الأكاديمي غير الصحيح ودقة المحتوى الذي يتم إنشاؤه بواسطة الذكاء الاصطناعي.
تشير الأدلة التجريبية إلى وجود علاقة متناقضة حيث يتبنى الطلاب GAI كمساعدة في التعلم ومع ذلك يبقون متشككين في موثوقيته، خاصة في التخصصات المعرضة لخطر فقدان الوظائف، مثل الفنون والتصميم وعلوم الكمبيوتر. تشير الورقة إلى أن الإفراط في استخدام أدوات GAI قد يقوض التفكير النقدي والمهارات الأساسية لدى الطلاب. تهدف الدراسة إلى استكشاف الأسباب الكامنة وراء تردد الطلاب تجاه اعتماد GAI، مفترضة أن التصورات الذاتية للتهديدات التي تطرحها تطوير GAI تؤثر على مواقفهم. تسعى إلى تحليل العوامل الشخصية، مثل القابلية للتجنب المدركة، والخوف، ومعرفة الذكاء الاصطناعي، مقارنة بنماذج قبول التكنولوجيا التقليدية التي تركز بشكل أساسي على التكنولوجيا نفسها.
النتائج
في هذه الدراسة، استخدم المؤلفون نمذجة المعادلات الهيكلية باستخدام المربعات الصغرى الجزئية (PLS-SEM) لتحليل والتحقق من إطار نظري يركز على التهديد التكنولوجي المدرك، والذي يتم تصوره كإنشاء من الدرجة العليا (HOC) يتكون من أربعة أبعاد فرعية متميزة: التأثيرات البديلة، صعوبات الاستخدام، قضايا الحدود، ومخاوف الخصوصية. يتم التعامل مع كل بعد فرعي كإنشاء من الدرجة الأدنى (LOC) ويتم قياسه من خلال 4-6 مؤشرات عاكسة، مع الالتزام بمواصفات عاكسة-تكوينية (النوع الثاني). تم اعتبار النهج ذو المرحلتين المنفصلتين الأكثر ملاءمة لتكوين هذا النموذج، كما تدعمه بيكر وآخرون (2023).
بدأ التحليل بتقييم صارم لموثوقية وصلاحية نموذج القياس باستخدام برنامج Smart PLS-4، مما يضمن أن الإنشاءات تم تشغيلها بشكل كافٍ. في المرحلة التحليلية الأولى، تم تقدير الإنشاءات من الدرجة الأولى المرتبطة مباشرة بالمتغير النهائي الداخلي، الجاذبية، وتم الحفاظ على درجات المتغير الكامن الخاصة بها. تم استخدام هذه الدرجات بعد ذلك كمؤشرات تكوينية للـ HOC من الدرجة الثانية في المرحلة التحليلية التالية، مما حافظ على القوة الإحصائية والنزاهة المنهجية طوال عملية البحث.
المناقشة
تستكشف قسم المناقشة من ورقة البحث التعقيدات المحيطة باعتماد تكنولوجيا الذكاء الاصطناعي التوليدي (GAI)، مع تسليط الضوء على قصور نماذج اعتماد التكنولوجيا التقليدية مثل نموذج قبول التكنولوجيا (TAM) ونظرية انتشار الابتكارات لروجرز في معالجة التحديات الفريدة التي تطرحها GAI. بينما تؤكد هذه النماذج على سهولة الاستخدام المدركة وفائدتها، فإنها تقصر في حساب عوامل مثل قلق المستخدم وخوفه من التكنولوجيا، والتي تكون ذات صلة خاصة في سياق GAI. تحدد الدراسة ظاهرة التردد بين المستخدمين، وخاصة الطلاب، التي تتميز بقبول متأخر واعتماد انتقائي لمخرجات GAI، متأثرة بالتهديدات التكنولوجية المدركة، مثل فقدان الوظائف ومخاوف الخصوصية.
تطرح البحث أيضًا أن التهديد التكنولوجي المدرك يؤثر بشكل كبير على تردد استخدام تكنولوجيا GAI، مع وجود وساطة من القابلية للتجنب المدركة والخوف من GAI. ترتبط التهديدات المدركة الأعلى بزيادة الخوف وتقليل القابلية للتجنب المدركة، مما يؤدي إلى تردد أكبر في استخدام التكنولوجيا. بالإضافة إلى ذلك، تقدم الدراسة معرفة الذكاء الاصطناعي كعامل معتدل، مقترحة أن الأفراد الذين يمتلكون معرفة أعلى بالذكاء الاصطناعي قد يختبرون تهديدات وخوفًا مدركين أقل، مما يقلل من ترددهم في اعتماد تقنيات GAI. تؤكد النتائج على الحاجة إلى فهم دقيق لتفاعل المستخدم مع GAI، داعية إلى تطوير أطر مخصصة تأخذ في الاعتبار الاستجابات العاطفية والمعرفية للتطورات التكنولوجية.
القيود
تستعرض هذه القسم الآثار والقيود الخاصة بالدراسة، التي تعزز نموذج قبول التكنولوجيا التقليدي (TAM) ونظرية انتشار الابتكارات (DOI) لمعالجة التعقيدات المحيطة بالتقنيات الجديدة، وخاصة الذكاء الاصطناعي (AI). تسلط البحث الضوء على أنه بينما يعترف المستخدمون بفوائد الذكاء الاصطناعي، فإنهم يحملون أيضًا مخاوف كبيرة بشأن التهديدات المحتملة، مما يعكس حالة من التردد في استخدام التكنولوجيا. تعقد هذه الترددات قبول أو رفض التكنولوجيا بشكل ثنائي، مما يتطلب فهمًا أعمق لتجارب المستخدمين النفسية على مر الزمن. تدعو الدراسة إلى تحسين معرفة الذكاء الاصطناعي وإقامة إرشادات تعليمية سليمة لمساعدة الطلاب في التنقل عبر هذه المخاوف، مما يعزز تفاعلًا أكثر إيجابية مع تقنيات الذكاء الاصطناعي.
ومع ذلك، تعترف الدراسة بعدة قيود. أولاً، يحد التطور السريع لتكنولوجيا الذكاء الاصطناعي من القدرة على إجراء توقعات طويلة الأجل. تستخدم البحث تصميمًا مقطعيًا، مما يشير إلى أن الدراسات المستقبلية يجب أن تستخدم أساليب طولية أو تجريبية لتأسيس علاقات سببية بشكل أفضل بين المتغيرات المحددة. بالإضافة إلى ذلك، يحد التركيز على الآثار السلبية لتكنولوجيا الذكاء الاصطناعي التوليدي (GAI) من استكشاف فوائدها المحتملة. يجب أن تتناول الأبحاث المستقبلية التحديات التقنية التي يواجهها المستخدمون عند التفاعل مع GAI واستكشاف استراتيجيات للتخفيف من الآثار السلبية مع الاستفادة من مزاياها عبر مختلف القطاعات.
DOI: https://doi.org/10.3389/feduc.2025.1618850
Publication Date: 2025-09-10
Author(s): Zhenyun Du
Primary Topic: Technology Adoption and User Behaviour
Overview
This study examines the relationship between college students’ perceptions of generative artificial intelligence (GAI) technology and their hesitancy to adopt it, highlighting concerns about ethical governance and job displacement. A survey of 805 participants revealed a positive correlation between perceived technological threat and hesitancy in using GAI. Notably, perceived avoidability and fear of GAI were identified as sequential mediators in this relationship, indicating that students’ reluctance to embrace GAI is influenced by their perceptions of its risks and their ability to mitigate those risks.
The findings suggest that addressing students’ threat perceptions, enhancing their sense of avoidability, and alleviating fears surrounding GAI could foster greater acceptance of these technologies. The study underscores the importance of recognizing the inevitability of GAI development and encourages higher education stakeholders to enhance GAI application skills and resilience among students to mitigate associated risks.
Introduction
The introduction of the paper discusses the increasing integration of machine learning and artificial intelligence (AI), particularly generative AI (GAI), into creative fields and educational settings since 2010. The emergence of tools like ChatGPT has made AI more accessible, leading to its mainstream adoption in various processes, including education. GAI is highlighted as a transformative force, enhancing student engagement, optimizing instructional efficiency, and providing educators with intelligent tools for administrative tasks. However, the adoption of GAI by college students is marked by ambivalence; while usage is growing, significant concerns about academic misconduct and the accuracy of AI-generated content persist.
Empirical evidence indicates a paradoxical relationship where students embrace GAI for learning assistance yet remain skeptical of its reliability, particularly in disciplines at risk of professional displacement, such as arts and design and computer science. The paper notes that the overuse of GAI tools may undermine students’ critical thinking and foundational skills. The study aims to explore the underlying reasons for students’ hesitancy towards GAI adoption, hypothesizing that subjective perceptions of threats posed by GAI development influence their attitudes. It seeks to analyze personal factors, such as perceived threat avoidability, fear, and AI literacy, in contrast to traditional technology acceptance models that focus primarily on the technology itself.
Results
In this study, the authors utilized partial least squares structural equation modeling (PLS-SEM) to analyze and validate a theoretical framework centered on perceived technological threat, which is conceptualized as a higher-order construct (HOC) comprising four distinct subdimensions: substitutive effects, usage difficulties, boundary issues, and privacy concerns. Each subdimension is treated as a lower-order construct (LOC) and is measured through 4-6 reflective indicators, adhering to a reflective-formative (Type II) specification. The disjoint two-stage approach was deemed most suitable for this model configuration, as supported by Becker et al. (2023).
The analysis commenced with a rigorous evaluation of the measurement model’s reliability and validity using Smart PLS-4 software, ensuring that the constructs were adequately operationalized. In the first analytical phase, first-order constructs directly associated with the final endogenous variable, attractiveness, were estimated, and their latent variable scores were preserved. These scores were subsequently employed as formative indicators for the second-order HOC in the following analytical phase, thereby maintaining statistical robustness and methodological integrity throughout the research process.
Discussion
The discussion section of the research paper explores the complexities surrounding the adoption of Generative AI (GAI) technology, highlighting the inadequacies of traditional technology adoption frameworks such as the Technology Acceptance Model (TAM) and Rogers’ Diffusion of Innovations theory in addressing the unique challenges posed by GAI. While these models emphasize perceived ease of use and usefulness, they fall short in accounting for factors like user anxiety and fear of technology, which are particularly relevant in the context of GAI. The study identifies a phenomenon of hesitancy among users, particularly students, characterized by delayed acceptance and selective adoption of GAI outputs, influenced by perceived technological threats, such as job displacement and privacy concerns.
The research further posits that perceived technological threat significantly impacts GAI technology use hesitancy, mediated by perceived avoidability and fear of GAI. Higher perceived threats correlate with increased fear and reduced perceived avoidability, leading to greater hesitancy in technology use. Additionally, the study introduces AI literacy as a moderating factor, suggesting that individuals with higher AI literacy may experience reduced perceived threats and fear, thereby lessening their hesitancy to adopt GAI technologies. The findings underscore the need for a nuanced understanding of user engagement with GAI, advocating for the development of tailored frameworks that incorporate emotional and cognitive responses to technological advancements.
Limitations
This section outlines the implications and limitations of the study, which enhances the traditional Technology Acceptance Model (TAM) and Diffusion of Innovations (DOI) theory to address the complexities surrounding new technologies, particularly Artificial Intelligence (AI). The research highlights that while users recognize the benefits of AI, they also harbor significant concerns about its potential threats, reflecting a state of technology use hesitancy. This ambivalence complicates the binary acceptance or rejection of technology, necessitating a deeper understanding of users’ psychological experiences over time. The study advocates for improved AI literacy and the establishment of sound educational guidelines to help students navigate these concerns, thereby fostering a more positive engagement with AI technologies.
However, the study acknowledges several limitations. Firstly, the rapid evolution of AI technology restricts the ability to make long-term predictions. The research employs a cross-sectional design, suggesting that future studies should utilize longitudinal or experimental approaches to better establish causal relationships among the identified variables. Additionally, the focus on the negative impacts of Generative AI (GAI) technology limits the exploration of its potential benefits. Future research should address the technical challenges users face when engaging with GAI and explore strategies to mitigate negative effects while leveraging its advantages across various sectors.