بررسی وضعیت سواد، کاربست و عوامل موثر بر پذیرش هوش مصنوعی در بین اعضای هیأت علمی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: هدف مطالعه حاضر، بررسی عوامل موثر در پذیرش و به کارگیری هوش مصنوعی توسط اعضای هیأت علمی و میزان سواد هوش مصنوعی آنان است. روش پژوهش: پژوهش کاربردی حاضر مبتنی بر فلسفه پراگماتیسم از نوع آمیخته (متوالی تشریحی) است. جامعه آماری بخش کمی اعضای هیأت علمی پردیس های دانشگاه فرهنگیان در سال تحصیلی 1403-1402، به تعداد 1220 نفر بود که بر اساس فرمول کوکران 315 نفر به روش نمونه گیری تصادفی خوشه ای انتخاب شدند. در بخش کیفی نیز با استفاده از نمونه گیری هدفمند از نوع گلوله برفی 15 نفر از متخصصان انتخاب شدند. ابزار گردآوری داده ها مقیاس پذیرش هوش مصنوعی و سواد هوش مصنوعی و مصاحبه نیمه ساختاریافته بود. داده های کمی با استفاده از نرم افزار SPSS، و داده های کیفی به روش تحلیل مضمون تجزیه و تحلیل شد. یافته ها: نیت رفتاری، سهولت ادراک شده، سودمندی ادراک شده، ارتباط شغلی، هنجار ذهنی، شرایط تسهیل کننده و نگرش نسبت به استفاده بر پذیرش هوش مصنوعی موثر است. بنابر نتایج سواد هوش مصنوعی اعضای هیأت علمی در سطح مطلوبی قرار ندارد. نتیجه گیری: هدف قرار دادن سواد هوش مصنوعی اساتید دانشگاه ها مؤلفه کلیدی در غلبه بر مقاومت در برابر پذیرش هوش مصنوعی می باشد. از این رو حمایت بیشتر توسط مراجع ذی ربط و رؤسای سازمان های آموزشی برای کمک به اساتید جهت توسعه شایستگی و سواد هوش مصنوعی ضروری است.Investigating AI Literacy, Application and Factors Influencing Artificial Intelligence Acceptance by Faculty Members
Objective: The aim of this study is to investigate the factors that affect the acceptance of artificial intelligence among faculty members, as well as their level of artificial intelligence literacy.
Methods: The current applied research is grounded in the philosophy of pragmatism, utilizing a mixed-method (sequential explanatory approach). The statistical population for the quantitative aspect consisted of 1220 faculty members at Farhangian University campuses during the academic year 2023-2024. Through Cochran's formula, 315 individuals were selected via random cluster sampling. For the qualitative component, 15 experts were chosen using snowball sampling. Quantitative data were analyzed using SPSS, while thematic analysis was applied to the qualitative data.
Results: Factors such as behavioral intention, perceived ease of use, perceived usefulness, job relevance, social norms, facilitating conditions, and attitude towards AI have been identified as influencing artificial intelligence acceptance. The results revealed that the artificial intelligence literacy levels of faculty members were suboptimal. The second-order factor analysis of the structure showed significant fit indices, validating the statistical analysis.
Conclusion: Enhancing AI literacy of professors in higher education is crucial in addressing resistance to AI adoption. Therefore, increased support from relevant authorities and educational leaders is essential to assist professors in developing their artificial intelligence skills and literacy.
تبلیغات
