DOI: https://doi.org/10.1038/s41598-025-03298-9
PMID: https://pubmed.ncbi.nlm.nih.gov/40890159
تاريخ النشر: 2025-09-01
المؤلف: Yuyan Gong وآخرون
الموضوع الرئيسي: اعتماد التكنولوجيا وسلوك المستخدم
نظرة عامة
تستكشف هذه الدراسة قبول نماذج اللغة الكبيرة (LLMs) للكتابة الأكاديمية بين طلاب السنة الرابعة في تعليم المعلمين، باستخدام نسخة موسعة من نموذج قبول التكنولوجيا (TAM). يتضمن إطار البحث عشرة مفاهيم: الكفاءة الذاتية (SE)، الخبرة (EX)، المعايير الذاتية (SN)، تحقيق الأهداف (AG)، المخاطر الزمنية المدركة (PTR)، المخاطر المتعلقة بالخصوصية المدركة (PPR)، الفائدة المدركة (PU)، سهولة الاستخدام المدركة (PEOU)، الاتجاه نحو الاستخدام (ATU)، ونية السلوك (BI). تكشف التحليلات، التي أجريت من خلال نمذجة المعادلات الهيكلية (SEM) على بيانات استبيان من 552 طالبًا في الصين، أن المعايير الذاتية هي أقوى مؤشر على نية السلوك لاستخدام LLMs، بينما تؤثر سهولة الاستخدام المدركة بشكل كبير على الاتجاهات نحو استخدامها.
تشير النتائج إلى أن المخاطر الزمنية المدركة تؤثر سلبًا على الفائدة المدركة، وأن المخاطر المتعلقة بالخصوصية المدركة تؤثر على سهولة الاستخدام المدركة. من المثير للاهتمام أن المخاطر الزمنية المدركة لا تؤثر بشكل كبير على سهولة الاستخدام المدركة. بالإضافة إلى ذلك، تسلط الدراسة الضوء على دور تجربة الاستخدام في تعزيز دافع التعلم، مما يعزز بدوره سلوكيات اعتماد التكنولوجيا. بشكل عام، توسع هذه الأبحاث تطبيق نموذج TAM في تكنولوجيا التعليم وتوفر رؤى قيمة للمؤسسات التعليمية في تصميم برامج تدريب التكنولوجيا، وكذلك لمطوري النماذج في تحسين تجارب المستخدمين. يُقترح إجراء أبحاث مستقبلية لاستكشاف المتغيرات المعدلة لتوضيح آليات اعتماد LLM.
طرق البحث
توضح قسم المنهجية النهج المنهجي المستخدم في البحث للتحقيق في الفرضيات المحددة. استخدمت الدراسة مزيجًا من الأساليب الكمية والنوعية، بما في ذلك التجارب المنضبطة والاستبيانات، لجمع بيانات شاملة. شمل التصميم التجريبي تعيين عشوائي للمشاركين إلى مجموعات علاجية مختلفة، مما يضمن موثوقية النتائج. تم تطبيق تحليلات إحصائية، مثل ANOVA ونماذج الانحدار، لتقييم دلالة النتائج واختبار العلاقات المقترحة بين المتغيرات.
بالإضافة إلى ذلك، تم إجراء مقابلات نوعية للحصول على رؤى أعمق حول تجارب المشاركين وإدراكاتهم، مما يكمل البيانات الكمية. سمح دمج هذه الأساليب بإجراء تحليل قوي لأسئلة البحث، مما أدى في النهاية إلى فهم دقيق للظواهر قيد التحقيق. يضمن الصرامة المنهجية أن الاستنتاجات المستخلصة صحيحة وقابلة للتعميم على سياقات أوسع.
النتائج
تشير نتائج البحث إلى أن اعتماد نماذج اللغة الكبيرة (LLMs) للكتابة الأكاديمية بين طلاب السنة الرابعة في تعليم المعلمين في الصين يتأثر بشكل كبير بالمعايير الذاتية، سهولة الاستخدام المدركة، والمخاطر المدركة. باستخدام نموذج قبول التكنولوجيا (TAM) ونمذجة المعادلات الهيكلية، تكشف الدراسة أن المعايير الذاتية تتنبأ بشكل إيجابي بنوايا السلوك لاستخدام LLMs، مما يبرز تأثير الضغوط المعيارية الخارجية في سياق المجتمع الصيني الجماعي. يتعزز هذا التأثير من خلال الثقافة المهنية لتعليم المعلمين، حيث يعتبر الالتزام بتوقعات المجموعة أمرًا حاسمًا لتشكيل الهوية والاعتراف الاجتماعي.
بالإضافة إلى ذلك، تجد الدراسة أن سهولة الاستخدام المدركة لها تأثير أكبر على الاتجاهات نحو LLMs مقارنة بالفائدة المدركة، مما يتماشى مع نظرية الحمل المعرفي. يشير هذا إلى أن التجارب الأولية للمستخدمين حاسمة؛ يمكن أن تمنع الحواجز العالية للاستخدام مزيدًا من استكشاف التكنولوجيا، خاصة بالنسبة لطلاب تعليم المعلمين الذين يكونون حساسين لتكاليف الوقت في ممارساتهم التعليمية. كما تحدد الأبحاث المخاطر المدركة، وخاصة مخاطر الخصوصية والوقت، كعوامل مهمة تؤثر على اعتماد التكنولوجيا. تؤدي المخاوف المتعلقة بالخصوصية إلى زيادة الحمل المعرفي وتأخيرات في اتخاذ القرار، بينما تقلل المخاطر الزمنية المدركة من الفائدة المدركة لـ LLMs. تؤكد الدراسة على ضرورة أن يعمل مطورو التكنولوجيا على تحسين تجربة المستخدم وتقليل المخاطر من خلال ممارسات شفافة وتصميم داعم، مما يعزز في النهاية تكامل LLMs بشكل أكثر فعالية في الكتابة الأكاديمية.
المناقشة
تتناول قسم المناقشة في ورقة البحث نموذج قبول التكنولوجيا (TAM) كإطار لفهم قبول نماذج اللغة الكبيرة (LLMs) مثل ChatGPT بين طلاب تعليم المعلمين. يتكون نموذج TAM من أربعة متغيرات أساسية: الفائدة المدركة (PU)، سهولة الاستخدام المدركة (PEOU)، الاتجاه نحو الاستخدام (ATU)، ونية السلوك (BI). تشير النتائج إلى أن الفائدة المدركة وسهولة الاستخدام المدركة هما دافعين مهمين لاستعداد الطلاب لاعتماد LLMs لأغراض تعليمية، حيث يُعتقد أن هذه الأدوات تعزز كفاءة التعلم وتخفف الضغط الأكاديمي. بالإضافة إلى ذلك، تسلط الدراسة الضوء على أهمية الكفاءة الذاتية، الخبرة، المعايير الذاتية، وتحقيق الأهداف كمتغيرات خارجية تؤثر على المفاهيم الأساسية لنموذج TAM.
تقترح الورقة إطارًا نظريًا شاملاً يوسع نموذج TAM التقليدي من خلال دمج هذه المتغيرات الخارجية. على سبيل المثال، يُظهر أن الكفاءة الذاتية تؤثر إيجابيًا على المعايير الذاتية وتحقيق الأهداف، بينما تقلل الخبرة مع التكنولوجيا من المخاطر المدركة المرتبطة بالوقت والخصوصية. تشير الفرضيات المقدمة إلى أن زيادة الكفاءة الذاتية والخبرة تؤدي إلى اتجاهات أكثر إيجابية نحو استخدام LLMs، بينما يمكن أن تؤثر المخاطر المدركة سلبًا على الفائدة المدركة وسهولة الاستخدام. بشكل عام، تؤكد الأبحاث على ضرورة استكشاف العوامل المحددة التي تؤثر على قبول طلاب تعليم المعلمين لـ LLMs، خاصة في ضوء مخاوفهم الأخلاقية الفريدة وضغوط الكتابة الأكاديمية.
القيود
تقدم الدراسة ثلاث قيود رئيسية تستدعي الاعتبار للدراسات المستقبلية. أولاً، التصميم العرضي يمنع إقامة علاقات سببية، مما يشير إلى الحاجة إلى دراسات طولية لفحص استخدام نماذج اللغة الكبيرة (LLMs) في كتابة طلاب تعليم المعلمين على مر الزمن. ثانيًا، العينة مقتصرة على طلاب السنة الرابعة في تعليم المعلمين من مؤسسات التعليم العالي الصينية، مما يحد من الصلاحية الخارجية للنتائج. يجب أن تهدف الأبحاث المستقبلية إلى تطبيق النموذج عبر سياقات تعليمية متنوعة وفحص كيفية تأثير العوامل السياقية المختلفة على نوايا الطلاب لاعتماد التكنولوجيا.
أخيرًا، لا تتناول الدراسة التأثيرات المحتملة للمتغيرات الديموغرافية، والتي تعتبر أساسية لفهم الآليات التي تربط المتغيرات المستقلة والتابعة. يمكن أن تتضمن التحقيقات المستقبلية عوامل معدلة مثل الجنس، التخصص الأكاديمي، والأصل الجغرافي لتعزيز وتوسيع نموذج البحث.
DOI: https://doi.org/10.1038/s41598-025-03298-9
PMID: https://pubmed.ncbi.nlm.nih.gov/40890159
Publication Date: 2025-09-01
Author(s): Yuyan Gong et al.
Primary Topic: Technology Adoption and User Behaviour
Overview
This study investigates the acceptance of large language models (LLMs) for academic writing among fourth-year teacher education students, utilizing an extended version of the Technology Acceptance Model (TAM). The research framework includes ten constructs: self-efficacy (SE), experience (EX), subjective norms (SN), achievement of goals (AG), perceived time risk (PTR), perceived privacy risk (PPR), perceived usefulness (PU), perceived ease of use (PEOU), attitude toward use (ATU), and behavioral intention (BI). The analysis, conducted through structural equation modeling (SEM) on survey data from 552 students in China, reveals that subjective norms are the strongest predictor of behavioral intention to use LLMs, while perceived ease of use significantly influences attitudes toward their use.
The findings indicate that perceived time risk negatively affects perceived usefulness, and perceived privacy risk impacts perceived ease of use. Interestingly, perceived time risk does not significantly influence perceived ease of use. Additionally, the study highlights the role of usage experience in enhancing learning motivation, which in turn fosters technology adoption behaviors. Overall, this research extends the application of the TAM in educational technology and provides valuable insights for educational institutions in designing technology training programs, as well as for model developers in optimizing user experiences. Future research is suggested to explore moderating variables to further clarify the mechanisms of LLM adoption.
Methods
The methodology section outlines the systematic approach employed in the research to investigate the specified hypotheses. The study utilized a combination of quantitative and qualitative methods, including controlled experiments and surveys, to gather comprehensive data. The experimental design involved random assignment of participants to different treatment groups, ensuring the reliability of the results. Statistical analyses, such as ANOVA and regression models, were applied to evaluate the significance of the findings and to test the proposed relationships between variables.
Additionally, qualitative interviews were conducted to gain deeper insights into participant experiences and perceptions, complementing the quantitative data. The integration of these methods allowed for a robust analysis of the research questions, ultimately leading to a nuanced understanding of the phenomena under investigation. The methodological rigor ensures that the conclusions drawn are both valid and generalizable to broader contexts.
Results
The research findings indicate that the adoption of large language models (LLMs) for academic writing among fourth-year teacher education students in China is significantly influenced by subjective norms, perceived ease of use, and perceived risks. Utilizing the Technology Acceptance Model (TAM) and structural equation modeling, the study reveals that subjective norms positively predict behavioral intentions to use LLMs, highlighting the impact of external normative pressures within the collectivist context of Chinese society. This influence is compounded by the professional culture of teacher education, where adherence to group expectations is crucial for identity formation and social recognition.
Additionally, the study finds that perceived ease of use has a more substantial effect on attitudes toward LLMs than perceived usefulness, aligning with cognitive load theory. This suggests that initial user experiences are critical; high usability barriers can deter further exploration of technology, especially for teacher education students who are sensitive to time costs in their teaching practices. The research also identifies perceived risks, particularly privacy and time risks, as significant factors affecting technology adoption. Privacy concerns lead to cognitive overload and decision-making delays, while perceived time risks diminish the perceived usefulness of LLMs. The study emphasizes the need for technology developers to enhance user experience and mitigate risks through transparent practices and supportive design, ultimately fostering a more effective integration of LLMs in academic writing.
Discussion
The discussion section of the research paper elaborates on the Technology Acceptance Model (TAM) as a framework for understanding the acceptance of large language models (LLMs) like ChatGPT among teacher education students. The TAM consists of four core variables: perceived usefulness (PU), perceived ease of use (PEOU), attitude toward use (ATU), and behavioral intention (BI). The findings indicate that perceived usefulness and perceived ease of use are significant drivers of students’ willingness to adopt LLMs for educational purposes, as these tools are believed to enhance learning efficiency and alleviate academic pressure. Additionally, the study highlights the importance of self-efficacy, experience, subjective norms, and goal achievement as external variables that influence the core TAM constructs.
The paper proposes a comprehensive theoretical framework that extends the traditional TAM by integrating these external variables. For instance, self-efficacy is shown to positively influence subjective norms and goal achievement, while experience with technology reduces perceived risks associated with time and privacy. The hypotheses presented suggest that higher self-efficacy and experience lead to more favorable attitudes toward using LLMs, while perceived risks can negatively impact perceived usefulness and ease of use. Overall, the research emphasizes the need to explore the specific factors that affect teacher education students’ acceptance of LLMs, particularly in light of their unique ethical concerns and the pressures of academic writing.
Limitations
The research presents three primary limitations that warrant consideration for future studies. Firstly, the cross-sectional design inhibits the establishment of causal relationships, suggesting a need for longitudinal cohort studies to further investigate the usage of large language models (LLMs) in the writing of teacher education students over time. Secondly, the sample is confined to fourth-year teacher education students from Chinese higher education institutions, which limits the external validity of the findings. Future research should aim to apply the model across diverse educational contexts and examine how various contextual factors influence students’ intentions to adopt technology.
Lastly, the study does not address the potential moderating effects of demographic variables, which are essential for understanding the mechanisms linking independent and dependent variables. Future investigations could incorporate moderating factors such as gender, academic discipline, and geographical origin to enhance and broaden the research model.