DOI: https://doi.org/10.3389/fpsyg.2026.1756135
PMID: https://pubmed.ncbi.nlm.nih.gov/41693987
تاريخ النشر: 2026-01-29
المؤلف: Yanlong Niu
الموضوع الرئيسي: الذكاء الاصطناعي في التعليم
نظرة عامة
تستكشف هذه الدراسة العوامل التي تؤثر على نوايا معلمي الموسيقى قبل الخدمة لدمج الذكاء الاصطناعي (AI) في ممارساتهم التعليمية، باستخدام نموذج موسع لنظرية القبول واستخدام التكنولوجيا (UTAUT). أظهر استبيان شمل 370 مشاركًا أن النموذج يفسر 62.4% من التباين في النوايا لاستخدام الذكاء الاصطناعي. أشارت النتائج الرئيسية إلى أن التأثير الاجتماعي، وتوقع الأداء، وتوقع الجهد كانت مؤشرات إيجابية لهذه النوايا، بينما كانت سياسة التعليم والظروف الميسرة لها تأثيرات سلبية مباشرة. من الجدير بالذكر أن سياسة التعليم أظهرت تأثيرات غير مباشرة إيجابية من خلال توقع الجهد والتأثير الاجتماعي، مما يبرز آلية مزدوجة للتأثير.
تؤكد البحث على أهمية التصورات الفردية والعوامل المؤسسية في تشكيل اعتماد الذكاء الاصطناعي في التعليم الموسيقي. ويشدد على الحاجة إلى تدريب مخصص على الذكاء الاصطناعي في برامج إعداد المعلمين ويقترح أن يأخذ صانعو السياسات في الاعتبار الديناميكيات الفردية والمؤسسية عند تصميم الإصلاحات التعليمية المتعلقة بالذكاء الاصطناعي. تشمل القيود الاعتماد على البيانات المبلغ عنها ذاتيًا، والتي قد تقدم تحيزًا، وتركيز الدراسة على شريحة سكانية محددة في الصين، مما قد يحد من إمكانية تعميم النتائج. يتم تشجيع الأبحاث المستقبلية لاستكشاف التغيرات الطولية في التصورات، ودمج تحليل الوثائق السياسية، وفحص اعتماد الذكاء الاصطناعي عبر سياقات تعليمية متنوعة وبين المعلمين في الخدمة.
مقدمة
تسلط مقدمة هذه الورقة البحثية الضوء على الأهمية المتزايدة للذكاء الاصطناعي (AI) في التعليم، لا سيما في إعادة تشكيل ممارسات التدريس وتعزيز تجارب التعلم. تم دمج تقنيات الذكاء الاصطناعي، مثل التقييمات الديناميكية وتعلم الآلة، في البيئات التعليمية، مما يوفر فرص تعلم مخصصة من خلال أدوات مثل الدردشة الآلية المدعومة بالذكاء الاصطناعي، والتي يمكن أن تخفف أيضًا من الأعباء الإدارية على المعلمين. ومع ذلك، فإن دمج الذكاء الاصطناعي يثير مخاوف بشأن قدرته المحتملة على استبدال الأدوار التعليمية التقليدية ومخاطر تعزيز المواقف السلبية بين الطلاب إذا واجهوا صعوبة في استخدام هذه الأدوات بشكل فعال. علاوة على ذلك، تساهم القضايا الأخلاقية والخصوصية المحيطة بالذكاء الاصطناعي في التعليم في مقاومة بين المعلمين، مما يبرز الحاجة إلى مزيد من التحقيق في تصورات المعلمين حول الذكاء الاصطناعي.
تركز الورقة بشكل خاص على دمج الذكاء الاصطناعي في التعليم الموسيقي، وهو مجال يجمع بين الإبداع الفني والابتكار التكنولوجي. تشير الأدبيات الحالية إلى أن الذكاء الاصطناعي يمكن أن يعزز كفاءة التدريس، ويدعم التقييم الفردي، ويحسن التدريب لمعلمي الموسيقى. من الجدير بالذكر أن أدوات التقييم المدفوعة بالذكاء الاصطناعي قد أظهرت أنها توفر تعليقات أكثر موضوعية حول أداء الطلاب، مما يعالج القيود في طرق التقييم التقليدية. على الرغم من هذه المزايا، هناك فجوة ملحوظة في الأبحاث بشأن وجهات نظر معلمي الطلاب حول دمج الذكاء الاصطناعي في التعليم. تهدف هذه الدراسة إلى استكشاف تصورات ونوايا سلوك معلمي الموسيقى الطلاب تجاه الذكاء الاصطناعي، مسترشدة بنموذج UTAUT، وتسعى لتحديد العوامل المؤثرة في استعدادهم لاعتماد تقنيات الذكاء الاصطناعي في ممارساتهم التعليمية. تركز أسئلة البحث على فهم هذه العوامل والآليات الكامنة وراء نواياهم السلوكية بشأن استخدام الذكاء الاصطناعي في التعليم.
النتائج
توفر النتائج، كما هو مفصل في الجدول 2، إحصائيات وصفية للسبع بنى التي تم تحليلها في الدراسة. أظهرت كل بنية متوسط درجات يتجاوز منتصف النقطة 3، مع درجات تتراوح من 3.39 للبنية المسماة EP إلى 4.06 لـ PE. بالإضافة إلى ذلك، كانت معاملات الانحراف والتفرطح لهذه البنى ضمن الحدود المقبولة، مما يشير إلى أن البيانات تتماشى مع افتراضات التوزيع الطبيعي المتعدد كما هو موضح من قبل كوهين وآخرون (2003). تدعم هذه النتيجة صلاحية التحليلات الإحصائية التي تم إجراؤها في الدراسة.
المناقشة
تسلط قسم المناقشة في الورقة البحثية الضوء على دمج التكنولوجيا، وبشكل خاص الذكاء الاصطناعي (AI)، في تعليم معلمي الموسيقى في الصين. تستخدم الدراسة نسخة موسعة من نموذج نظرية القبول واستخدام التكنولوجيا (UTAUT) للتحقيق في العوامل التي تؤثر على نوايا معلمي الموسيقى الطلاب لاعتماد الذكاء الاصطناعي في ممارساتهم التعليمية. تكشف النتائج أن خمسة بنى رئيسية—توقع الأداء، توقع الجهد، التأثير الاجتماعي، الظروف الميسرة، وسياسة التعليم—تؤثر بشكل كبير على هذه النوايا، موضحةً مجتمعةً 62.4% من التباين في الاستعداد لاستخدام الذكاء الاصطناعي. ومن الجدير بالذكر أن التأثير الاجتماعي ظهر كأقوى مؤشر، مما يشير إلى أن تصورات وتوقعات المعلمين والأقران تلعب دورًا حاسمًا في تشكيل قرارات معلمي الطلاب بشأن دمج الذكاء الاصطناعي.
تؤكد الدراسة على أهمية إظهار فوائد الذكاء الاصطناعي في التعليم الموسيقي، حيث وُجد أن توقع الأداء وتوقع الجهد يؤثران أيضًا بشكل إيجابي على الاستعداد لاعتماد أدوات الذكاء الاصطناعي. ومع ذلك، تشير النتائج إلى تأثير سلبي كبير للظروف الميسرة، مما يوحي بأن الدعم المؤسسي قد يُنظر إليه أحيانًا على أنه ضغط بدلاً من مساعدة، مما قد يعيق الاعتماد. يوصي المؤلفون بأن يقوم صانعو السياسات والمؤسسات التعليمية بإطار دمج الذكاء الاصطناعي كتعزيز طوعي بدلاً من متطلب إلزامي، لا سيما خلال المراحل الأولية من التنفيذ. قد يعزز هذا النهج بيئة أكثر دعمًا لمعلمي الموسيقى الطلاب، مما يعزز في النهاية استعدادهم لدمج الذكاء الاصطناعي في منهجياتهم التعليمية.
DOI: https://doi.org/10.3389/fpsyg.2026.1756135
PMID: https://pubmed.ncbi.nlm.nih.gov/41693987
Publication Date: 2026-01-29
Author(s): Yanlong Niu
Primary Topic: Artificial Intelligence in Education
Overview
This study investigates the factors influencing pre-service music teachers’ intentions to integrate artificial intelligence (AI) into their teaching practices, utilizing an extended Unified Theory of Acceptance and Use of Technology (UTAUT) model. A survey of 370 participants revealed that the model accounted for 62.4% of the variance in intentions to use AI. Key findings indicated that social influence, performance expectancy, and effort expectancy were positive predictors of these intentions, while education policy and facilitating conditions had negative direct effects. Notably, education policy exhibited positive indirect effects through effort expectancy and social influence, highlighting a dual mechanism of influence.
The research underscores the importance of individual perceptions and institutional factors in shaping the adoption of AI in music education. It emphasizes the need for tailored AI training in teacher education programs and suggests that policymakers should consider both individual and institutional dynamics when designing AI-related educational reforms. Limitations include reliance on self-reported data, which may introduce bias, and the study’s focus on a specific demographic in China, potentially limiting generalizability. Future research is encouraged to explore longitudinal changes in perceptions, integrate policy document analysis, and examine AI adoption across diverse educational contexts and among in-service teachers.
Introduction
The introduction of this research paper highlights the growing significance of artificial intelligence (AI) in education, particularly in reshaping teaching practices and enhancing learning experiences. AI technologies, such as dynamic assessments and machine learning, have been integrated into educational settings, providing personalized learning opportunities through tools like AI-powered chatbots, which can also alleviate administrative burdens for teachers. However, the integration of AI raises concerns regarding its potential to replace traditional teaching roles and the risk of fostering negative attitudes among students if they struggle to utilize these tools effectively. Furthermore, ethical and privacy issues surrounding AI in education contribute to resistance among educators, underscoring the need for further investigation into teachers’ perceptions of AI.
The paper specifically focuses on the integration of AI in music education, an area that combines artistic creativity with technological innovation. Existing literature suggests that AI can enhance teaching efficiency, support individualized assessment, and improve training for music educators. Notably, AI-driven evaluation tools have been shown to provide more objective feedback on student performance, addressing limitations in traditional assessment methods. Despite these advantages, there is a notable gap in research regarding the perspectives of student teachers on AI integration in education. This study aims to explore the perceptions and behavioral intentions of music student teachers toward AI, guided by the UTAUT model, and seeks to identify the determinants influencing their willingness to adopt AI technologies in their teaching practices. The research questions focus on understanding these determinants and the mechanisms underlying their behavioral intentions regarding AI use in education.
Results
The results, as detailed in Table 2, provide descriptive statistics for the seven constructs analyzed in the study. Each construct exhibited mean scores exceeding the midpoint of 3, with scores ranging from 3.39 for the construct labeled as EP to 4.06 for PE. Additionally, the skewness and kurtosis coefficients for these constructs were within acceptable limits, suggesting that the data adhere to the assumptions of multivariate normality as outlined by Cohen et al. (2003). This finding supports the validity of the statistical analyses conducted in the study.
Discussion
The discussion section of the research paper highlights the integration of technology, specifically artificial intelligence (AI), in music teacher education in China. The study employs an extended version of the Unified Theory of Acceptance and Use of Technology (UTAUT) model to investigate factors influencing music student teachers’ intentions to adopt AI in their teaching practices. The findings reveal that five key constructs—performance expectancy, effort expectancy, social influence, facilitating conditions, and education policy—significantly impact these intentions, collectively explaining 62.4% of the variance in willingness to use AI. Notably, social influence emerged as the strongest predictor, indicating that the perceptions and expectations of mentors and peers play a crucial role in shaping student teachers’ decisions regarding AI integration.
The study underscores the importance of demonstrating the benefits of AI in music education, as performance expectancy and effort expectancy were also found to positively influence willingness to adopt AI tools. However, the results indicate a significant negative impact of facilitating conditions, suggesting that institutional support may sometimes be perceived as pressure rather than assistance, which could hinder adoption. The authors recommend that policymakers and educational institutions frame AI integration as a voluntary enhancement rather than a mandatory requirement, particularly during the initial stages of implementation. This approach may foster a more supportive environment for music student teachers, ultimately enhancing their readiness to incorporate AI into their teaching methodologies.