پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 45 |
| تعداد شماره‌ها | 1,219 |
| تعداد مقالات | 10,473 |
| تعداد مشاهده مقاله | 20,217,828 |
| تعداد دریافت فایل اصل مقاله | 13,905,725 |
عوامل موثر بر پذیرش فناوری هوش مصنوعی در بین اعضای هیات علمی دانشگاه تهران | ||
| فناوری و دانش پژوهی در تعلیم و تربیت | ||
| مقاله 5، دوره 5، شماره 1 - شماره پیاپی 15، فروردین 1404، صفحه 65-80 اصل مقاله (992.15 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30473/t-edu.2025.73017.1228 | ||
| نویسندگان | ||
| امیرحسین زنگانه1؛ الهه حجازی2؛ کیوان صالحی* 3 | ||
| 1دانشکده روان شناسی و علوم تربیتی دانشگاه تهران، تهران، ایران | ||
| 2استاد، دانشکده روان شناسی و علوم تربیتی دانشگاه تهران، تهران، ایران. | ||
| 3دانشیار بخش تخصصی پژوهش و سنجش؛ دانشکده روان شناسی و علوم‌تربیتی؛ دانشگاه تهران، تهران، ایران | ||
| چکیده | ||
| با پیشرفت سریع هوش مصنوعی، آموزش عالی دستخوش تحولاتی اساسی شده است. این فناوری با ارائه ابزارهای نوآورانه و تسهیل شخصی‌سازی فرآیند یادگیری، امکان دسترسی گسترده‌تر به منابع آموزشی و بهبود کیفیت تدریس را فراهم کرده است. پژوهش حاضر با هدف بررسی پذیرش و استفاده از فناوری هوش مصنوعی در میان اعضای هیئت علمی، بر اساس مدل یکپارچه پذیرش و استفاده از فناوری (UTAUT)، انجام شد. جامعه آماری شامل اعضای هیئت علمی دانشگاه تهران در سال تحصیلی ۱۴۰۳-۱۴۰۴ است که از بین آن‌ها ۱۱۸ نفر به روش نمونه‌گیری در دسترس انتخاب شدند. داده‌ها از طریق پرسش‌نامه استاندارد و متناسب‌سازی‌شده گردآوری و با استفاده از نرم‌افزارهای SPSS-27 و AMOS-24 تحلیل شد. یافته‌ها نشان دادند که عملکرد مورد انتظار، تلاش مورد انتظار و تأثیر اجتماعی تأثیر مثبت و معناداری(p<0.01) بر قصد رفتاری، و همچنین بر رفتار استفاده از هوش مصنوعی از طریق قصد رفتار دارند. در مقابل، شرایط تسهیلگر و ریسک ادراک‌شده تأثیر معناداری بر پذیرش این فناوری نداشتند. تحلیل متغیرهای تعدیلگر نشان داد که جنسیت، رابطه بین ریسک ادراک‌شده و قصد استفاده را تعدیل می‌کند، به‌طوری که در میان استادان زن، ریسک ادراک‌شده تأثیر منفی و معناداری بر قصد استفاده دارد. این نتایج بر اهمیت بهبود زیرساخت‌ها، افزایش آگاهی از مزایای هوش مصنوعی، تسهیل دسترسی و کاهش نگرانی‌های مرتبط با این فناوری تأکید دارد و می‌تواند راهنمایی برای سیاست‌گذاران و مدیران آموزشی در تسهیل پذیرش و ارتقای کیفیت کاربری مبتنی بر این فناوری در آموزش عالی باشد. | ||
| کلیدواژه‌ها | ||
| پذیرش فناوری؛ هوش مصنوعی؛ آموزش عالی؛ مدل یکپارچه پذیرش و استفاده از فناوری؛ فناوری آموزشی | ||
| عنوان مقاله [English] | ||
| Factors affecting the acceptance of artificial intelligence technology among faculty members at the university of Tehran | ||
| نویسندگان [English] | ||
| Amirhosein Zanganeh1؛ Elahe Hejazi2؛ Keyvan Salehi3 | ||
| 1Faculty of Psychology and Education, University of Tehran, Tehran, Iran. | ||
| 2Professor, Faculty of Psychology and Education, University of Tehran, Tehran, Iran. | ||
| 3Associate professor, Division of Research and Assessment, Faculty of Psychology and Education, University of Tehran, Tehran, Iran | ||
| چکیده [English] | ||
| With the rapid advancement of artificial intelligence (AI), higher education has undergone fundamental transformations. This technology, by providing innovative tools and facilitating the personalization of the learning process, has enabled broader access to educational resources and improved teaching quality. The present study examines the acceptance and use of AI technology among faculty members based on the Unified Theory of Acceptance and Use of Technology (UTAUT). The statistical population includes faculty members of the University of Tehran in the 2024–2025 academic year, from whom 118 individuals were selected using a convenience sampling method. Data were collected through a standardized and adapted questionnaire and analyzed using SPSS-27 and AMOS-24 software. The findings indicated that performance expectancy, effort expectancy, and social influence have a significant positive impact (p<0.01) on behavioral intention, which in turn affects AI usage behavior. In contrast, facilitating conditions and perceived risk did not have a significant impact on the acceptance of this technology. The analysis of moderating variables revealed that gender moderates the relationship between perceived risk and intention to use AI, such that among female faculty members, perceived risk has a significant negative effect on behavioral intention. These findings highlight the importance of improving infrastructure, increasing awareness of AI benefits, facilitating access, and addressing concerns related to this technology. The results provide valuable insights for policymakers and educational administrators to facilitate AI adoption in higher education. | ||
| کلیدواژه‌ها [English] | ||
| Technology acceptance, Artificial intelligence, Higher education, Unified Theory of Acceptance and Use of Technology, Educational technology | ||
| مراجع | ||
|
اسدزاده، احمد، مهدیون، روح اله و یارمحمدزاده، پیمان. (1400). شناسایی موانع استفاده از فناوری اطلاعات و ارتباطات در فعالیت های آموزشی دانشجویان (مطالعه موردی دانشگاه ارومیه). علوم و فنون مدیریت اطلاعات، 7(2 )، 175-198. SID. https://sid.ir/paper/1005872/fa
امانی، حسین؛ مطلبی نژاد، علیرضا؛ چوپانی، فاطمه و زارع گاچی، محمد. (1403). بررسی تحلیلی سیستماتیک از اثرات کاربرد چت جی پی تی در آموزش، فصلنامه علمی فناوری و دانش پژوهی در تعلیم و تربیت، 4 (2)، 9-23.
تقوایی یزدی، مریم، گل افشانی، علی، آقامیرزایی محلی، طاهره، آقاتباررودباری، جمیله، و یوسفی سعیدآبادی، رضا. (1398). بررسی وضعیت بکارگیری فناوری اطلاعات و ارتباطات و تاثیر آن بر عملکرداعضای هیات علمی. پژوهش در آموزش علوم پزشکی، 11(2 )، 64-73. SID. https://sid.ir/paper/389040/fa
خورسندی طاسکوه، علی، جامهبزرگ، زهرا، عسکری، امیر. (۱۴۰2). روند تکنولوژیهای نوین در یادگیری و آموزش: با تأکید بر چالشها و سیاستهای موردنیاز در عصر پساکرونا. فناوریهای آموزشی در یادگیری، 5 ( ۱۹ ،)۱06 - ۱2۸ . https://doi.org/10.22054/jti.2023.72262.1364
زنجانی، محمدعلی، عابدی، حسین، و نظری قزوینی، سمیرا. (1397). بررسی عوامل قصد استفاده از شبکه های اجتماعی بر اساس تئوری های میزان پذیرش فناوری و شناخت شبکه اجتماعی در میان کاربران. کنفرانس ملی اندیشه های نوین و خلاق در مدیریت، حسابداری، مطالعات حقوقی و اجتماعی. SID. https://sid.ir/paper/898279/fa
ذاکری، علیرضا، خواجه لو، صالح رشید، افرایی، هادی، و زنگویی، شهناز. (1390). بررسی نگرش معلمان نسبت به کاربرد فناوری های آموزشی در فرآیند تدریس. فناوری آموزش (فناوری و آموزش)، 6(2)، 159-165. SID. https://sid.ir/paper/155394/fa
عزیزی, مصطفی, ایزدی, صمد, بابائیان, فیروزه. (1399). بررسی موانع پذیرش و به کارگیری فناوری اطلاعات و ارتباطات در مدارس ابتدایی . دوماهنامه علمی - پژوهشی رهیافتی نو در مدیریت آموزشی، 11 (41)، 117-134.
مطلبی‌نژاد، علیرضا، فاضلی، فرزانه و الهام نوائی (1402)، بررسی نظام‌مند نویدها و چالش‌های هوش مصنوعی برای معلمان، فصلنامه فناوری و دانش‌پژوهی در تعلیم و تربیت،3(1).44-23.
Akimov, N. Kurmanov, N. Uskelenova, A. Aidargaliyeva, N. Mukhiyayeva, D. Rakhimova, S. Raimbekov, B. Utegenova, Z. (2023). Components of education 4.0 in open innovation competence frameworks: Systematic review, Journal of Open Innovation: Technology, Market, and Complexity, Vol. 9, 100037, https://doi.org/ 10.1016/j.joitmc.2023.100037.
Al-Abdullatif, A. M. (2023). Modeling Students’ perceptions of chatbots in learning: Integrating technology acceptance with the value-based adoption model. Education Sciences, 13(11), 1151.
Al Darayseh, A. (2023). Acceptance of artificial intelligence in teaching science: Science teachers' perspective. Computers and Education: Artificial Intelligence, 4, 100132.
Almahri, F. A. J. Bell, D & Merhi, M. (2020, March). Understanding student acceptance and use of chatbots in the United Kingdom universities: a structural equation modelling approach. In 2020 6th International Conference on Information Management (ICIM) (pp. 284-288). IEEE.
Alzahrani, L. (2023). Analyzing students’ attitudes and behavior toward artificial intelligence technologies in higher education. International Journal of Recent Technology and Engineering (IJRTE), 11(6), 65-73.
Bervell, B & Umar, I. N. (2017). Validation of the UTAUT model: Re-considering non-linear relationships of exogeneous variables in higher education technology acceptance research. Eurasia Journal of Mathematics, Science and Technology Education, 13(10), 6471-6490.
Bhatia, P. (2023). ChatGPT for Academic Writing: A Game Changer or a Disruptive Tool? Journal of Anaesthesiology Clinical Pharmacology, 39(1), 1. https:// doi.org/10.4103/joacp.joacp_84_23
Cabero-Almenara, J. Palacios-Rodríguez, A. Loaiza-Aguirre, M. I & Rivas-Manzano, M. D. R. D. (2024). Acceptance of educational artificial intelligence by teachers and its relationship with some variables and pedagogical beliefs. Education Sciences, 14(7), 740.
Cai, Z. Fan, X & Du, J. (2017). Gender and attitudes toward technology use: A meta-analysis. Computers & Education, 105, 1-13.
Chao, C. M. (2019). Factors determining the behavioral intention to use mobile learning: An application and extension of the UTAUT model. Frontiers in psychology, 10, 1652.
Chatterjee, S & Bhattacharjee, K. K. (2020). Adoption of artificial intelligence in higher education: A quantitative analysis using structural equation modelling. Education and Information Technologies, 25, 3443-3463.
Chiu, T. K. F & Churchill, D. (2016). Adoption of mobile devices in teaching: Changes in teacher beliefs , attitudes, attitudes and anxiety. Interactive Learning Environments, 24 (2), 317–327.
Chrisinger, D. (2019). The solution lies in education: Artificial intelligence & the skills gap. On the Horizon, 27(1), 1–4. https://doi.org/10.1108/OTH-03-2019-096. [CrossRef]
Davis, F.D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Q. 13, 319–340. doi: 10.2307/249008
Dwivedi, Y. K. Kshetri, N. Hughes, L. Slade, E. L. Jeyaraj, A. Kar, A. K & Wright, R. (2023), “So what if ChatGPT wrote it?” Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642.
Dwivedi, Y. K. Rana, N. P & Chen, H. (2011). "A Meta-analysis of the Unified Theory of Acceptance and Use of Technology (UTAUT)." In Governance and Sustainability in Information Systems, 366, 155-170
Fishbein, M., and Ajzen, I. (1977). Belief, attitude, intention, and behavior: an introduction to theory and research. Philosophy Rhetoric 10
Gennari, R. Matera, M. Morra, D. Melonio, A., Rizvi, M. (2023). Design for social digital well-being with young generations: Engage them and make them reflect, International Journal of Human – Computer Studies, Vol. 173, 103006, https://doi.org/10.1016/j.ijhcs.2023.10300
Herbold, S. Hautli-Janisz, A. Heuer, U. Kikteva, Z & Trautsch, A. (2023). AI, write an essay for me: A large-scale comparison of human-written versus ChatGPT-generated essays. arXiv. https://doi.org/10.48550/ arxiv.2304.14276
Huang, J. Saleh, S & Liu, Y. (2021). A Review on Artificial Intelligence in Education. Academic Journal of Interdisciplinary Studies, 10, 206.https://doi.org/10.36941/ajis-2021-0077
Koubaa, A. Boulila, W. Ghouti, L. Alzahem, A & Latif, S. (2023). Exploring ChatGPT capabilities and limitations: A survey. IEEE Access, 11, 118698–118721. https://doi.org/10.1109/access.2023.3326474
Lin, H. C. Ho, C. F & Yang, H. (2022). Understanding adoption of artificial intelligence-enabled language e-learning system: An empirical study of UTAUT model. International Journal of Mobile Learning and Organisation, 16(1), 74-94.
Lund, B & Wang, T. (2023). Chatting about ChatGPT: How may AI and GPT impact academia and libraries? Social Science Research Network. https://doi.org/10.2139/ ssrn.4333415
Mizumoto, A. Eguchi, M. (2023). Exploring the potential of using an AI language model for automated essay scoring, Research Methods in Applied Linguistics, Vol. 2, 100050, https://doi.org/10.1016/j.rmal.2023.100050.
Nagy, A. S. Tumiwa, J. R. Arie, F. V & Erdey, L. (2024). An exploratory study of artificial intelligence adoption in higher education. Cogent Education, 11(1), 2386892.
Ragheb, M. A. Tantawi, P. Farouk, N & Hatata, A. (2022). Investigating the acceptance of applying chat-bot (Artificial intelligence) technology among higher education students in Egypt. International Journal of Higher Education Management, 8(2).
Raquel Chocarro, Mónica Cortiñas & Gustavo Marcos-Matás (2021) Teachers’ attitudes towards chatbots in education: a technology acceptance model approach considering the effect of social language, bot proactiveness, and users’ characteristics, Educational Studies, DOI: 10.1080/03055698.2020.1850426
Sallam, M. (2023). The Utility of ChatGPT as an example of large language models in healthcare education, research and practice: Systematic review on the future perspectives and potential limitations. medRxiv.https://doi.org/10.1101/2023.02.19.23286155
Sánchez-Prieto, J. C. Olmos-Migueláñez, S & García-Peñalvo, F. J. (2017). MLearning and pre-service teachers: An Assessment of the behavioral intention using an expanded TAM model. Computers in Human Behavior, 72, 644–654.
Sanusi, I. T. Ayanwale, M. A & Tolorunleke, A. E. (2024). Investigating pre-service teachers’ artificial intelligence perception from the perspective of planned behavior theory. Computers and Education: Artificial Intelligence, 6, 100202.
Tuomi, I., 2018. The impact of artificial intelligence on learning, teaching, and education. Luxembourg: Publications Office of the European Union. https://doi.org/10.2760/12297.
Venkatesh, Thong & Xu (2012). Consumer Acceptance and Use of Information Technology: Extending the Unified Theory of Acceptance and Use of Technology. MIS Quarterly, 36 (1), 157.
Venkatesh, V. Morris, M. Davis, G & Davis, F. (2003). User Acceptance of Information Technology: Toward a Unified Model. MIS Quarterly, 27, 425-478.
Wand, X. Li, L. Tan, S.C. Yang, L. Lei, J. (2023). Preparing for AI-enhanced education: Conceptualizing and empirically examining teachers’ AI readiness, Computers in Human Behavior, No. 146, 107796, https://doi.org/10.1016/j.chb.2023 .107798.
Wang, Y. Liu, C. Tu, Y.-F. (2021). Factors Affecting the Adoption of AI-Based Applications in Higher Education: An Analysis of Teachers’ Perspectives Using Structural Equation Modeling. Educational Technology & Society, 24 (3), 116– 129.
Wang, Y. Wan, K & Ren, Y. (2019). Research on factors influencing the acceptance of robot education for primary and secondary school teachers. Res. Vis. Educ, 40, 105-111.
Thomas, J. Larsen, K. R & Martin, F. (2018). The Role of Social Facilitation and Environmental Support in Technology Acceptance. Journal of Social Research in Computer Sciences, 36(4), 102-120. | ||
|
آمار تعداد مشاهده مقاله: 624 تعداد دریافت فایل اصل مقاله: 266 |
||