عوامل موثر بر پذیرش فناوری هوش مصنوعی در بین اعضای هیات علمی دانشگاه تهران

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 1403-1404 است که از بین آن‌ها 118 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 تاثیر اجتماعی تاثیر 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 تاثیر 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 تاثیر 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 تاکید دارد و می‌تواند راهنمایی برای سیاست‌گذاران و مدیران آموزشی در تسهیل پذیرش و ارتقای کیفیت کاربری مبتنی بر این فناوری در آموزش عالی باشد.

factors affecting the acceptance of artificial intelligence technology among faculty members at the university of tehran

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.