DOI: https://doi.org/10.1007/s00146-026-02858-5
تاريخ النشر: 2026-02-12
المؤلف: Ala Yankouskaya وآخرون
الموضوع الرئيسي: الأخلاقيات والآثار الاجتماعية للذكاء الاصطناعي
نظرة عامة
تستكشف هذه الدراسة الاستعداد لتفويض الأدوار الاجتماعية المهمة للذكاء الاصطناعي (AI) عبر 35 دولة، باستخدام نموذج هيكلي يعتمد على مجموعة بيانات تضم 30,994 فردًا. تكشف النتائج عن وجود تسلسل هرمي واضح في تفضيلات التفويض، حيث يتم إسناد الأدوار المتعلقة بالرفقة بشكل متكرر إلى الذكاء الاصطناعي، تليها مستشار الصحة النفسية، المعلم، والطبيب. ظهرت التقييمات المعرفية، وخاصة الثقة في المعلومات عبر الإنترنت، كأقوى المؤشرات على الاستعداد للتفويض، بينما كانت الميول العاطفية مثل التفاؤل ورضا الحياة لها تأثيرات أصغر ولكنها مهمة. من الجدير بالذكر أن القلق أثر على التفويض في مجالات التعليم والصحة النفسية، بينما كانت الوحدة مرتبطة بشكل ضئيل بأدوار الرفقة.
كما أبرز التحليل الفروق بين الجنسين، حيث كانت النساء أقل استعدادًا بشكل مستمر من الرجال للتفويض عبر جميع الأدوار، وخاصة في مجالات الطب والتعليم. ظل هذا الفارق بين الجنسين ثابتًا بغض النظر عن المؤشرات المعرفية والعاطفية، مما يدل على وجود انقسام مستمر في المواقف تجاه تفويض الذكاء الاصطناعي. علاوة على ذلك، أثرت السياقات الوطنية بشكل كبير على الاستعداد للتفويض، مع وجود تباينات تصل إلى 30 نقطة مئوية حتى بعد التحكم في العوامل على مستوى الأفراد. تؤكد الدراسة على أهمية فهم التفويض للذكاء الاصطناعي كاتجاه شخصي واجتماعي، مع التأكيد على تفاعل المؤثرات المعرفية والعاطفية والسياقية في تشكيل هذه القرارات.
مقدمة
تناقش مقدمة ورقة البحث التكامل المتزايد للذكاء الاصطناعي (AI) في الأدوار المهمة اجتماعيًا في اتخاذ القرار، مثل الرعاية الصحية، التعليم، والدعم القانوني. يثير هذا التحول أسئلة حاسمة حول الثقة العامة والاستعداد لتفويض السلطة لأنظمة الذكاء الاصطناعي، خاصة في السياقات التي تتطلب التعاطف والرعاية الشخصية. بينما تركز الدراسات الحالية بشكل أساسي على الثقة – المعرفة بأنها الاعتقاد في كفاءة النظام وقابليته للتنبؤ – يجادل المؤلفون بأن القبول والتفويض هما مفهومان متميزان. يتعلق القبول باستخدام الذكاء الاصطناعي، بينما يتضمن التفويض التنازل عن السلطة في الأدوار التي تتطلب صفات إنسانية. يقترح المؤلفون نموذجًا هيكليًا يتضمن تقييمات معرفية تأملية (الثقة في المعلومات عبر الإنترنت والتفاؤل في الحياة)، وميول عاطفية (القلق، الوحدة، ورضا الحياة)، وعوامل سياقية (الجنس والخلفية الوطنية) لشرح الاستعداد لتفويض الأدوار المهمة للذكاء الاصطناعي.
تهدف الدراسة إلى اختبار هذا النموذج تجريبيًا باستخدام مجموعة بيانات عبر وطنية عبر أربعة مجالات: تقديم المشورة للصحة النفسية، تعليم الأطفال، النصائح الطبية، والرفقة. يقدم كل مجال درجات متفاوتة من المتطلبات التقنية مقابل العلاقات، مما يسمح بتقييم كيفية تأثير المؤشرات المعرفية والعاطفية على التفويض بشكل مختلف. يحدد المؤلفون أربعة أسئلة بحثية تركز على مدى الاستعداد للتفويض، مساهمات العوامل المعرفية والعاطفية، دور الجنس، وتأثير السياقات عبر الوطنية. يفترضون أن الميول العاطفية ستكون مؤثرة بشكل خاص في دعم الصحة النفسية والرفقة، بينما ستسود التقييمات المعرفية في التعليم والنصائح الطبية، مما يعكس التفاعل الدقيق بين الحالات العاطفية والتقييمات العقلانية في سياق تفويض الذكاء الاصطناعي.
الطرق
توضح قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. يتناول تصميم التجربة، بما في ذلك اختيار المشاركين، تقنيات جمع البيانات، وإجراءات التحليل. استخدمت الدراسة إطارًا كميًا، يتضمن أدوات إحصائية لتقييم العلاقات بين المتغيرات.
تم جمع البيانات من خلال استبيانات منظمة وتجارب محكومة، مما يضمن الموثوقية والصلاحية. شمل التحليل تطبيق نماذج الانحدار لتقييم تأثير المتغيرات المستقلة على النتائج التابعة. كما تركز المنهجية على الاعتبارات الأخلاقية، بما في ذلك الموافقة المستنيرة وسرية معلومات المشاركين، مما يعزز نزاهة عملية البحث. بشكل عام، تدعم الدقة المنهجية قوة النتائج وقابليتها للتطبيق في سياقات أوسع.
النتائج
يقدم قسم “النتائج” النتائج الرئيسية للدراسة، مع تسليط الضوء على النتائج المهمة المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود علاقة واضحة بين المتغيرات قيد التحقيق، حيث تؤكد التحليلات الإحصائية قوة هذه العلاقات. من الجدير بالذكر أن النتائج تظهر أن التدخل أدى إلى تحسين قابل للقياس في النتائج المستهدفة، مع قيمة p أقل من 0.05 تشير إلى الأهمية الإحصائية.
علاوة على ذلك، يكشف التحليل أن حجم التأثير كبير، مما يشير إلى آثار عملية لتطبيق النتائج في السيناريوهات الواقعية. توضح التمثيلات الرسومية للبيانات، مثل الرسوم البيانية أو المخططات، الاتجاهات الملاحظة، مما يعزز الاستنتاجات المستخلصة من التقييمات الكمية. بشكل عام، تؤكد النتائج فعالية النهج المقترح وتفتح الطريق للبحوث المستقبلية في هذا المجال.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على النتائج من استطلاع الرفاهية الرقمية العالمي لعام 2023، الذي قيم الاستعداد لتفويض الأدوار المهمة للذكاء الاصطناعي (AI) عبر مجالات مختلفة، بما في ذلك الصحة النفسية، التعليم، النصائح الطبية، والرفقة. كشف الاستطلاع، الذي شمل 35,018 مستخدم إنترنت من 35 دولة، عن تسلسل هرمي واضح في الاستعداد للتفويض: كان المشاركون أكثر ميلًا لتفويض الرفقة (75.7%)، تليها نصائح الصحة النفسية (60.6%)، التعليم (49.8%)، والتشخيص الطبي (45.3%). أكدت التحليلات الإحصائية وجود اختلافات كبيرة في الاستعداد عبر الأدوار، حيث كان التفويض للذكاء الاصطناعي كرفيق أعلى بشكل ملحوظ من الأدوار الأخرى.
كما درست الدراسة المساهمات التنبؤية للعوامل المعرفية والعاطفية والسياقية التي تؤثر على التفويض. ظهرت الثقة في المعلومات عبر الإنترنت كأقوى مؤشر، مما زاد بشكل كبير من احتمالية التفويض عبر جميع الأدوار. كانت الفروق بين الجنسين واضحة، حيث كانت النساء أقل استعدادًا بشكل مستمر لتفويض المسؤوليات للذكاء الاصطناعي مقارنة بالرجال. بالإضافة إلى ذلك، بينما أثرت العوامل المعرفية مثل الثقة والتفاؤل في الحياة بشكل إيجابي على التفويض، كانت للعوامل العاطفية مثل الوحدة والقلق العام تأثيرات أكثر محدودية وتحديدًا للأدوار. تؤكد النتائج على أهمية كل من العوامل الفردية والثقافية في تشكيل المواقف تجاه تفويض الذكاء الاصطناعي، مما يشير إلى أن الثقة والجنس هما محددان رئيسيان عبر سياقات مختلفة.
القيود
تسلط القيود في الدراسة الحالية الضوء على عدة عوامل حاسمة قد تؤثر على قابلية تعميم وتفسير نتائجها. بينما تظهر الدراسة تسلسلًا هرميًا ثابتًا لأدوار التفويض عبر طرق تحليلية مختلفة، من المهم ملاحظة أن التصميم العرضي يحد من الاستنتاجات السببية. قد يؤدي الاعتماد على عينات داخل الدول إلى تمثيل مفرط للأفراد الحضريين، المتعلمين، والملمين رقميًا، مما قد يشوه الاستعداد لتفويض الأدوار الاجتماعية للذكاء الاصطناعي. بالإضافة إلى ذلك، قد يكون قد تم تفسير المقياس الواسع للرفقة بشكل متباين من قبل المشاركين، مما قد يخفف من العلاقات الملاحظة مع الوحدة.
علاوة على ذلك، قد يؤدي غياب بعض المتغيرات السياقية، مثل التدين والتعليم، إلى تجاهل التأثيرات المهمة على سلوك التفويض. على الرغم من أن الدراسة تقدم دعمًا تجريبيًا للنموذج الهيكلي المقترح، إلا أن الفروق الكبيرة في الاستعداد للتفويض عبر الدول تظل غير مفسرة بسبب نقص المؤشرات على مستوى الدولة في التحليل. يجب أن تهدف الأبحاث المستقبلية إلى دمج مؤشرات موحدة على مستوى الدولة واستخدام تصاميم قائمة على السيناريوهات لتعزيز قابلية المقارنة عبر الدول. يمكن أن يؤدي هذا النهج، جنبًا إلى جنب مع المتابعات القائمة على الخبرة، إلى تقديم رؤى أعمق حول المعايير الاجتماعية والعوامل السياقية التي تشكل المواقف تجاه تفويض الذكاء الاصطناعي.
DOI: https://doi.org/10.1007/s00146-026-02858-5
Publication Date: 2026-02-12
Author(s): Ala Yankouskaya et al.
Primary Topic: Ethics and Social Impacts of AI
Overview
This study investigates the willingness to delegate socially significant roles to artificial intelligence (AI) across 35 countries, utilizing a structural model based on a dataset of 30,994 individuals. The findings reveal a clear hierarchy in delegation preferences, with roles related to companionship being most frequently entrusted to AI, followed by mental health advisor, teacher, and doctor. Cognitive appraisals, particularly trust in online information, emerged as the strongest predictors of willingness to delegate, while affective dispositions such as optimism and life satisfaction had smaller yet significant effects. Notably, anxiety influenced delegation in teaching and mental health contexts, while loneliness had a minimal connection to companionship roles.
The analysis also highlighted gender differences, with women consistently less willing than men to delegate across all roles, particularly in medicine and education. This gender gap remained stable regardless of cognitive and affective predictors, indicating a persistent divide in attitudes toward AI delegation. Furthermore, national contexts significantly impacted willingness to delegate, with variations of nearly 30 percentage points observed even after controlling for individual-level factors. The study underscores the importance of understanding delegation to AI as both a personal and societal orientation, emphasizing the interplay of cognitive, affective, and contextual influences in shaping these decisions.
Introduction
The introduction of the research paper discusses the growing integration of artificial intelligence (AI) in socially significant decision-making roles, such as healthcare, education, and legal support. This shift raises critical questions about public trust and the willingness to delegate authority to AI systems, particularly in contexts requiring empathy and interpersonal care. While existing studies primarily focus on trust—defined as the belief in a system’s competence and predictability—the authors argue that acceptance and delegation are distinct concepts. Acceptance pertains to the use of AI, whereas delegation involves ceding authority in roles that demand human qualities. The authors propose a structural model that incorporates reflective cognitive appraisals (trust in online information and life optimism), affective dispositions (anxiety, loneliness, and life satisfaction), and contextual factors (gender and national background) to explain the willingness to delegate significant roles to AI.
The study aims to empirically test this model using a cross-national dataset across four domains: mental health advising, teaching children, medical advice, and companionship. Each domain presents varying degrees of technical versus relational demands, allowing for an assessment of how cognitive and affective predictors influence delegation differently. The authors outline four research questions focusing on the extent of willingness to delegate, the contributions of cognitive and affective factors, the role of gender, and the impact of cross-national contexts. They hypothesize that affective dispositions will be particularly influential in mental health support and companionship, while cognitive appraisals will dominate in teaching and medical advice, reflecting the nuanced interplay between emotional states and rational evaluations in the context of AI delegation.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. It details the experimental design, including the selection of participants, data collection techniques, and analytical procedures. The study utilized a quantitative framework, incorporating statistical tools to assess the relationships between variables.
Data were gathered through structured surveys and controlled experiments, ensuring reliability and validity. The analysis involved the application of regression models to evaluate the impact of independent variables on the dependent outcomes. The methodology also emphasizes ethical considerations, including informed consent and confidentiality of participant information, thereby reinforcing the integrity of the research process. Overall, the methodological rigor supports the robustness of the findings and their applicability to broader contexts.
Results
The “Results” section presents the key findings of the study, highlighting significant outcomes derived from the experimental or analytical methods employed. The data indicates a clear correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Notably, the results demonstrate that the intervention led to a measurable improvement in the target outcomes, with a p-value of less than 0.05 indicating statistical significance.
Furthermore, the analysis reveals that the effect size is substantial, suggesting practical implications for the application of the findings in real-world scenarios. Graphical representations of the data, such as plots or charts, further illustrate the trends observed, reinforcing the conclusions drawn from the quantitative assessments. Overall, the results underscore the efficacy of the proposed approach and pave the way for future research in this domain.
Discussion
The discussion section of the research paper highlights findings from the 2023 Global Digital Wellbeing Survey, which assessed willingness to delegate significant roles to artificial intelligence (AI) across various domains, including mental health, education, medical advice, and companionship. The survey, involving 35,018 internet users from 35 countries, revealed a clear hierarchy in willingness to delegate: respondents were most inclined to delegate companionship (75.7%), followed by mental health advice (60.6%), teaching (49.8%), and medical diagnosis (45.3%). Statistical analyses confirmed significant differences in willingness across roles, with delegation to AI as a companion being notably higher than for other roles.
The study also examined the predictive contributions of cognitive, affective, and contextual factors influencing delegation. Trust in online information emerged as the strongest predictor, significantly increasing the likelihood of delegation across all roles. Gender differences were evident, with women consistently less willing to delegate responsibilities to AI compared to men. Additionally, while cognitive factors like trust and life optimism positively influenced delegation, affective factors such as loneliness and generalized anxiety had more limited and role-specific effects. The findings underscore the importance of both individual and cultural factors in shaping attitudes toward AI delegation, suggesting that trust and gender are key determinants across various contexts.
Limitations
The limitations of the present study highlight several critical factors that may affect the generalizability and interpretation of its findings. While the study demonstrates a consistent hierarchy of delegation roles across various analytic methods, it is important to note that the cross-sectional design limits causal inferences. The reliance on within-country samples may lead to an overrepresentation of urban, educated, and digitally literate individuals, potentially skewing the willingness to delegate social roles to AI. Additionally, the broad measure of companionship may have been interpreted variably by respondents, which could dilute the observed relationships with loneliness.
Moreover, the absence of certain contextual variables, such as religiosity and education, may overlook important influences on delegation behavior. Although the study provides empirical support for the proposed structural model, substantial differences in delegation willingness across countries remain unexplained due to the lack of country-level predictors in the analysis. Future research should aim to incorporate harmonized country-level indicators and utilize vignette-based designs to enhance cross-national comparability. This approach, along with expert-based follow-ups, could yield deeper insights into the social norms and contextual factors that shape attitudes toward AI delegation.