بررسی وضعیت سواد، کاربست و عوامل موثر بر پذیرش هوش مصنوعی در بین اعضای هیات علمی

هدف: هدف مطالعه حاضر، بررسی عوامل موثر در پذیرش و به‌کارگیری هوش مصنوعی توسط اعضای هیات 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 هیات علمی پردیس‌های دانشگاه‌ فرهنگیان در سال تحصیلی 1403-1402، به تعداد 1220 نفر بود که بر اساس فرمول کوکران 315 نفر به روش نمونه‌گیری تصادفی خوشه‌ای انتخاب شدند. در بخش کیفی نیز با استفاده از نمونه‌گیری هدفمند از نوع گلوله برفی 15 نفر از متخصصان انتخاب شدند. ابزار گردآوری داده‌ها مقیاس پذیرش هوش مصنوعی و سواد هوش مصنوعی و مصاحبه نیمه‌ساختاریافته بود. داده‌های کمی با استفاده از نرم‌افزار spss، و داده‌های کیفی به‌روش تحلیل مضمون تجزیه و تحلیل شد.یافته‌ها: نیت رفتاری، سهولت ادراک‌شده، سودمندی ادراک‌شده، ارتباط شغلی، هنجار ذهنی، شرایط تسهیل‌کننده و نگرش نسبت به استفاده بر پذیرش هوش مصنوعی موثر است. بنابر نتایج سواد هوش مصنوعی اعضای هیات علمی در سطح مطلوبی قرار ندارد.نتیجه‌گیری: هدف قرار دادن سواد هوش مصنوعی اساتید دانشگاه‌ها مولفۀ کلیدی در غلبه بر مقاومت در برابر پذیرش هوش مصنوعی می‌باشد. از این رو حمایت بیشتر توسط مراجع ذی‌ربط و روسای سازمان‌های آموزشی برای کمک به اساتید جهت توسعه شایستگی و سواد هوش مصنوعی ضروری است.

evaluation of occupational and organizational engagement ofemployees and academic staff members of shahid chamranuniversity of ahvaz and structural analysis of its consequences

objective: the aim of this study is to investigate the effective factors that affect the acceptance of artificial intelligence’s acceptance among faculty members, as well as their level of artificial intelligence literacy.methods: the current applied research is based on the philosophy of pragmatism, utilizing a mixed-method (sequential explanatory approach). the statistical population of the quantitative part consisted of 1220 faculty members of farhangian university campuses during the academic year 2023-2024, that through cochran’s formula, 315 people were selected via randomized cluster sampling. for the qualitative part, 15 experts were chosen using snowball sampling. the data collection tools were artificial intelligence acceptance scale and artificial intelligence literacy and semi-structured interview. quantitative data were analyzed using spss software, and qualitative data were analyzed using content analysis.results: based on the findings, behavioral intention, perceived ease, perceived usefulness, job relatedness, mental norm, facilitating conditions and attitude towards the use of artificial intelligence are effective. according to the results, the ai literacy of faculty members is not at a desirable level.conclusion: targeting artificial intelligence literacy among university professors is a key component in overcoming resistance to the adoption of artificial intelligence. therefore, greater support from relevant authorities and heads of educational organizations is necessary to help professors develop ai competence and literacy.