প্রযুক্তি গ্রহণ মডেল

ইংরেজি পাতার এই স্বয়ংক্রিয় অনুবাদ, এখনও মাতৃভাষিক বক্তার দ্বারা পর্যালোচনা করা হয়নি।

প্রযুক্তি গ্রহণ মডেল — সেই তত্ত্ব-পরিবার যা ব্যাখ্যা ও পূর্বাভাস দেয় কেন ব্যক্তি ও প্রতিষ্ঠান নতুন প্রযুক্তি গ্রহণ করে, ব্যবহার চালু রাখে, যার মধ্যে প্রযুক্তি গ্রহণ মডেল (TAM) সবচেয়ে ব্যাপকভাবে প্রয়োগকৃত। শিক্ষায় এআই-তে এগুলো মানক লেন্স, যা দিয়ে জিজ্ঞাসা করা হয় কেন শিক্ষার্থী, শিক্ষক ও প্রতিষ্ঠান উৎপাদক এআই উপকরণ গ্রহণ করে, আর জ্ঞানভাণ্ডার এগুলোকে একসঙ্গে দেখে কারণ GenAI-গ্রহণ গবেষণা পরিবারের এক সদস্যের বদলে কয়েকটির উপর নির্ভর করে।

বিবেচনার প্রশ্ন

• এমন একটি সময় ভাবুন যখন আপনি নতুন অ্যাপ, উপকরণ বা এআই সেবা গ্রহণ করেছিলেন — এবং যখন একটি পরিত্যাগ করেছিলেন। প্রতিটি সিদ্ধান্ত আসলে কী চালিয়েছিল: এটি কতটা উপকারী মনে হয়েছিল, কতটা সহজ ছিল, নাকি আশপাশের মানুষ কী করছিল? কোন উপাদানটি সবচেয়ে গুরুত্বপূর্ণ বলে আপনি সন্দেহ করেন, এবং একটি সমীক্ষা কি সত্যিই তা ধরতে পারে?
• একটি প্রচলিত বিশ্বাস হলো 'কোনো উপকরণ স্পষ্টভাবে উপকারী হলে মানুষ তা ব্যবহার করবে।' আপনি কি এমন পরিস্থিতি দেখেছেন যেখানে সত্যিই উপকারী প্রযুক্তি তবু জনপ্রিয় হয়নি, বা স্পষ্টভাবে সীমিত একটি ছড়িয়ে পড়েছে? বস্তুনিষ্ঠ উপকারিতা ও প্রকৃত গ্রহণের মধ্যে ফাঁক কী ব্যাখ্যা করতে পারে?
• TAM-এর মতো গ্রহণ-কাঠামো 1980-এর দশকে বরং সরল ব্যবস্থার জন্য নকশা করা হয়েছিল। যদি আপনি উৎপাদক এআই ব্যবহার করে থাকেন, এটি একটি ওয়ার্ড প্রসেসর বা শেখার ব্যবস্থাপনা পদ্ধতি থেকে কীভাবে আলাদা — এবং 'ব্যবহারের সহজতা' ও 'উপকারিতা'-কে কেন্দ্র করে গড়া একটি মডেল কেন এমন কিছুর সঙ্গে মানুষের সম্পর্ক ধরতে হিমশিম খাবে যা পাল্টা কথা বলে?
• গবেষকরা প্রায়ই বলেন এআই গ্রহণে অনুভূত ঝুঁকি ও আস্থা প্রত্যাশার চেয়ে কম গুরুত্বপূর্ণ। আরও পড়ার আগে, আপনার পূর্বাভাস কী: শিক্ষার্থীরা কি এআই গ্রহণ করে কারণ তারা তাতে আস্থা রাখে, ঝুঁকি সত্ত্বেও, নাকি সুবিধা ও সামাজিক চাপের পাশে সেই উদ্বেগগুলো আসলে নগণ্য?
• পাতাটি যুক্তি দেয় গ্রহণ-কাঠামো একটি উপকরণ ব্যবহারকে এককালীন সিদ্ধান্ত হিসেবে দেখে, অথচ কার্যকর ব্যবহার চলমান বিচার হতে পারে। আপনার নিজের বা আপনার শিক্ষার্থীদের অনুশীলনে 'এআই ব্যবহার করার সিদ্ধান্ত নেওয়া' ও 'এটি কীভাবে ভালোভাবে ব্যবহার করব তা ক্রমাগত নির্ধারণ করা'-র মধ্যে রেখা কোথায় ঝাপসা হয় — এবং নিছক গ্রহণের বদলে তা মাপলে কী বদলাত?
• কিছু গবেষক শিক্ষার্থীদের বিভিন্ন 'গ্রহণ-ব্যক্তিত্বে' গুচ্ছবদ্ধ করেন, সবার জন্য একটি মডেল যথেষ্ট ধরে না নিয়ে। আপনার নিজের শিক্ষার্থী, সহকর্মী বা ছাত্রদের মধ্যে কী পার্থক্য দেখেন যা গ্রহণের একটি একক গড় মডেল লুকিয়ে রাখতে পারে — এবং সেই পার্থক্যগুলো তাদের সমর্থনের ধরনকে কীভাবে গড়ে দিতে পারে?

ভূমিকা

এআই গ্রহণের মেটা-বিশ্লেষণমূলক প্রমাণ। উচ্চশিক্ষার শিক্ষার্থীদের এআই গ্রহণের একটি মেটা-বিশ্লেষণ (233টি পারস্পরিক সম্পর্ক, 32টি গবেষণা, N = 16,977) ব্যক্তিগত (r = 0.57), প্রাসঙ্গিক (r = 0.53) এবং প্রযুক্তিগত (r = 0.50) উপাদানের জন্য মাঝারি ধনাত্মক পারস্পরিক সম্পর্ক খুঁজে পায়, যেখানে ব্যবহার-ইচ্ছা সবচেয়ে শক্তিশালী পূর্বাভাসক (r = 0.64) এবং অনুভূত ঝুঁকি/আস্থা প্রত্যাশার চেয়ে দুর্বল। এর কেন্দ্রীয় সমালোচনা হলো ক্ষেত্রটি প্রথাগত TAM/UTAUT কাঠামোর উপর অতিনির্ভর, যা আধুনিক বুদ্ধিমান ব্যবস্থার আগের এবং নৃ-রূপায়ণ ও নীতিশাস্ত্রের মতো এআই-নির্দিষ্ট উপাদান উপেক্ষা করে — যুক্তি দেয় এই ফাঁকগুলো তত্ত্ব ও প্রমাণভিত্তিক নীতিনির্ধারণে গুরুত্বপূর্ণ।

• নমুনা ইতিমধ্যে গ্রহণ করার পর ব্যবহারের সহজতা পূর্বাভাস দেওয়া বন্ধ করে দেয়। Wei, Zhang ও Heo (2026) পূর্ববর্তী AIGC ব্যবহার আছে এমন 526 জন ডিজাইন শিক্ষার্থীর উপর TAM সম্প্রসারিত করেন এবং দেখেন অনুভূত ব্যবহার-সহজতাই একমাত্র প্রযুক্তিগত ধারণা যা স্ব-কার্যকারিতার সঙ্গে উল্লেখযোগ্যভাবে সম্পর্কিত নয়, অথচ জ্ঞান, আস্থা, নির্ভরযোগ্যতা, উপকারিতা, বুদ্ধিমত্তা ও উদ্বেগ প্রত্যেকটিই সম্পর্কিত (Wei et al., 2026)। আড়াআড়ি-ছেদ ডেটায় ব্যবহার-ইচ্ছা প্রতিবেদিত নির্ভরতার সঙ্গে দৃঢ়ভাবে সম্পর্কিত ছিল।

মডেল পরিবার

প্রযুক্তি গ্রহণ মডেল (TAM)

Davis (1989) প্রস্তাবিত TAM গ্রহণ ব্যাখ্যা করে দুটি মূল বিশ্বাসের মাধ্যমে — অনুভূত উপকারিতা (PU) ও অনুভূত ব্যবহার-সহজতা (PEOU) — যা ব্যবহারকারীর মনোভাব (ATT), তারপর আচরণগত ইচ্ছা (BI), তারপর প্রকৃত ব্যবহার গড়ে তোলে। তথ্য-ব্যবস্থা তত্ত্বে প্রোথিত (যৌক্তিক কর্ম তত্ত্ব থেকে অভিযোজিত), TAM শিক্ষায় GenAI গ্রহণের প্রধান কাঠামো হয়ে উঠেছে। শিক্ষাগত GenAI গবেষণায় এটি প্রায়ই এআই সাক্ষরতা, বিশ্বাস, সামাজিক প্রভাব, স্ব-নির্ধারণ এবং সমালোচনামূলক ব্যবহার দিয়ে সম্প্রসারিত হয়, যাতে সরল গ্রহণের বাইরের জটিলতা ধরা পড়ে।

UTAUT / UTAUT2 / UTAUT3

প্রযুক্তি গ্রহণ ও ব্যবহারের একীকৃত তত্ত্ব TAM-কে আটটি পূর্ববর্তী মডেলের সঙ্গে চারটি মূল নির্ধারকে সংহত করে — কর্মক্ষমতা-প্রত্যাশা, শ্রম-প্রত্যাশা, সামাজিক প্রভাব এবং সহায়ক অবস্থা (UTAUT2 যোগ করে আনন্দময় প্রেরণা, মূল্য-মূল্য ও অভ্যাস; UTAUT3 যোগ করে ব্যক্তিগত উদ্ভাবনপ্রবণতা)। জ্ঞানভাণ্ডার শিক্ষক ও শিক্ষার্থী উভয় জনগোষ্ঠীতে UTAUT প্রয়োগ করে: অস্ট্রীয় মাধ্যমিক গণিত শিক্ষক (448 শিক্ষক নিয়ে UTAUT), ঘানার প্রাক-সেবা বিজ্ঞান শিক্ষক (UTAUT + TPB), এবং লেসোথোর শিক্ষার্থী (UTAUT3 + ARCS, PLS-SEM ও fsQCA ব্যবহার করে)। Jácome-Vásconez et al. 522 বিশ্ববিদ্যালয় শিক্ষার্থীর জন্য ব্যাখ্যাযোগ্য এআই (Random Forest, SHAP, NCA, IPMA, K-Means) দিয়ে UTAUT2 সম্প্রসারিত করেন, অভ্যাস-কে ChatGPT ইচ্ছার সবচেয়ে শক্তিশালী পূর্বাভাসক পান এবং দেখান শ্রম-প্রত্যাশা রৈখিক চালক নয়, বরং একটি প্রয়োজনীয় শর্ত — ফলাফল যা কেবল তখনই দৃশ্যমান হয় যখন XAI রিগ্রেশনকে পরিপূরক করে।

পরিকল্পিত আচরণের তত্ত্ব (TPB)

TPB ইচ্ছা ব্যাখ্যা করে মনোভাব, আত্মগত নিয়ম ও অনুভূত আচরণগত নিয়ন্ত্রণের মাধ্যমে। এটি এআই-গ্রহণ গবেষণায় প্রায়ই TAM/UTAUT-এর সঙ্গে জোড়া লাগে — যেমন Rizun et al. TAM, TPB, UTAUT এবং FATE (ন্যায্যতা, জবাবদিহি, স্বচ্ছতা, নীতিশাস্ত্র) কাঠামো সংহত করে শিক্ষার্থীদের ChatGPT গ্রহণের আচরণগত ও নৈতিক চালক মডেল করেন।

গ্রহণ গবেষণা সাধারণত ইচ্ছাতেই থেমে যায়; একটি TPB সম্প্রসারণ যা প্রকৃত ইচ্ছা সত্ত্বেও বিলম্ব মাপে, তা 1,243 জন স্নাতকের মধ্যে GenAI-সহায়িত শেখার গড়িমসিতে অনুভূত আচরণগত নিয়ন্ত্রণকে সবচেয়ে শক্তিশালী ঋণাত্মক পূর্বাভাসক পায় (β = −0.331), যেখানে ইচ্ছা-বিলম্বের সম্পর্ক কেবল মাঝারি-থেকে-উচ্চ শেখা-GenAI উদ্বেগে তাৎপর্যপূর্ণ (Li et al. (2026))।

উদ্ভাবনের বিস্তার (DOI)

রজার্সের DOI তত্ত্ব গ্রহণকে একটি সামাজিক প্রক্রিয়া হিসেবে ব্যাখ্যা করে, যেখানে উদ্ভাবন সময়ের সঙ্গে জনগোষ্ঠী জুড়ে ছড়ায়, উদ্ভাবনের গুণাবলির (সাপেক্ষ সুবিধা, সামঞ্জস্য, জটিলতা, পরীক্ষণযোগ্যতা, পর্যবেক্ষণযোগ্যতা) ও গ্রহণকারী-শ্রেণির উপর জোর দেয়। এটি জ্ঞানভাণ্ডারের প্রাতিষ্ঠানিক-স্তরের বিশ্লেষণে দেখা যায়, যেমন Al-Rahmi et al. প্রযুক্তি-প্রতিষ্ঠান-পরিবেশ (TOE) কাঠামোর সঙ্গে DOI সংযুক্ত করে সৌদি বিশ্ববিদ্যালয়ে প্রাতিষ্ঠানিক এআই গ্রহণ মডেল করেন।

প্রযুক্তি-প্রতিষ্ঠান-পরিবেশ (TOE)

TOE গ্রহণকে প্রযুক্তিগত, প্রাতিষ্ঠানিক ও পরিবেশগত প্রসঙ্গে গঠিত হিসেবে দেখে — প্রাতিষ্ঠানিক গ্রহণ অধ্যয়নে ব্যক্তি-স্তরের TAM/UTAUT-এর পরিপূরক (দেখুন Exploring Organisational Drivers and Innovation Attributes of Artificial Intelligence Adoption in Higher Education)।

জ্ঞানভাণ্ডারে প্রয়োগ

গ্রহণ-মডেল জ্ঞানভাণ্ডার জুড়ে প্রয়োগ করা হয় শিক্ষার্থী ও শিক্ষকদের এআই উপকরণ গ্রহণ মডেল করতে:

• সমালোচনামূলক-ব্যবহার সম্প্রসারণ: Nguyen et al. প্রকৌশল/সিএস শিক্ষার্থীদের জন্য সমালোচনামূলক ব্যবহার দিয়ে TAM সম্প্রসারিত করেন এবং দেখেন মনোভাব ও সমালোচনামূলক ব্যবহার সরাসরি ইচ্ছা পূর্বাভাস দেয় — এবং সমালোচনামূলক ব্যবহার অতিনির্ভরতার বিরুদ্ধে সুরক্ষা দেয়।
• একীকৃত সামাজিক-জ্ঞানীয় মডেল: Asag ও Al Mamun বাংলাদেশের প্রকৌশল শিক্ষার্থীদের জন্য TAM-কে UTAUT-এর সঙ্গে সংহত করেন (ব্যবহার-ভেদাঙ্কের 64% ব্যাখ্যা করে)।
• ব্যক্তি-কেন্দ্রিক প্রোফাইল: চলক-কেন্দ্রিক মডেলের বদলে Saihi ও Ahmed GenAI-গ্রহণ ব্যক্তিত্ব গুচ্ছবদ্ধ করেন, এবং Chen et al. সুপ্ত প্রোফাইল বিশ্লেষণ ব্যবহার করে প্রাক-সেবা শিক্ষকদের মধ্যে চারটি ChatGPT-গ্রহণ প্রোফাইল চিহ্নিত করেন — যা ক্ষেত্রের একক-মডেল, রৈখিক বর্ণনার বাইরে যাওয়া দেখায়।
• আন্তঃসাংস্কৃতিক বৈধতা: Martínez-Moreno et al. সুইজারল্যান্ড ও চীনে গ্রহণ-সম্পর্কিত প্রেরণা-নির্মাণের আন্তঃসাংস্কৃতিক বৈধতা যাচাই করেন।
• প্রত্যাশা-মধ্যস্থকারীদের পাশে একটি জ্ঞান-মধ্যস্থকারী: Belief to behavior: how AI self-efficacy shapes AI acceptance through AI literacy তুরস্কের 622 জন স্নাতকের মধ্যে এআই সাক্ষরতা-কে এআই স্ব-কার্যকারিতা ও গ্রহণের মাঝে রাখে। পরোক্ষ পথ তাৎপর্যপূর্ণ ছিল (B = 0.15, 95% CI [0.12, 0.19]) এবং একটি সরল পথ অক্ষত রেখেছে (B = 0.43, R² = 0.29); গ্রহণ এআই উদ্বেগের সঙ্গে দুর্বল ঋণাত্মক সম্পর্কও দেখায় (B = -0.34, R² = 0.05)। নিচের অতিবিশ্বাস গবেষণা যেখানে আত্মবিশ্বাসকে কর্মক্ষমতা-প্রত্যাশার মধ্য দিয়ে পাঠায়, এই গবেষণা তা পাঠায় শিক্ষার্থীরা প্রযুক্তি সম্পর্কে যা জানে তার মধ্য দিয়ে।
• মনস্তাত্ত্বিক সম্পর্কক: Wu et al. TAM-এর উপর দাঁড়িয়ে প্রেরণা, স্ব-কার্যকারিতা, উদ্বেগ ও ঝুঁকি-ধারণাকে এআই-সহায়িত ইংরেজি শেখার গ্রহণের সঙ্গে সম্পর্কিত করেন।
• নিয়ন্ত্রক যোগ্যতার সমালোচনা: Kim যুক্তি দেন গ্রহণ-কেন্দ্রিক TAM মডেল ব্যবহারকে স্থির সিদ্ধান্ত হিসেবে দেখে, অথচ কার্যকর এআই ব্যবহার বিচার, সংশোধন ও বেছে নেওয়ার চলমান প্রক্রিয়া — যা এআই সাক্ষরতা-কে গ্রহণের বদলে নিয়ন্ত্রক যোগ্যতা ও সমালোচনামূলক চিন্তা হিসেবে পুনর্গঠিত করে।

TPACK-পরিবারের একটি সামর্থ্য পরিকল্পিত আচরণের তত্ত্বের মতো বিশ্বাস-কাঠামোর পাশে সমান্তরাল পূর্বাভাসক হিসেবে যোগ করলে নির্মাণ-ওভারল্যাপের ঝুঁকি তৈরি হয় এবং সামর্থ্য, মনোভাব ও নিয়ন্ত্রণের কারণগত ক্রম অনির্ধারিত থাকে; সামর্থ্য-সিদ্ধান্ত মডেল বরং AI-TPACK সামর্থ্যকে মনোভাব ও অনুভূত আচরণগত নিয়ন্ত্রণের উর্ধ্বে রাখে (Mnguni (2026))।

• ChatGPT গ্রহণের এমএল নির্ধারক: একটি অন্বেষণমূলক এমএল পদ্ধতি পরীক্ষা করে শিক্ষার্থীদের ধারণা ও জনতাত্ত্বিক বৈশিষ্ট্য কীভাবে উদ্দিষ্ট একাডেমিক ChatGPT ব্যবহারের সঙ্গে সম্পর্কিত, SHAP বিশ্লেষণ ব্যবহার করে মূল শেখা-সম্পর্কিত নির্মাণ চিহ্নিত করে — অ্যালগরিদমিক কর্মক্ষমতা সর্বাধিকীকরণের বদলে শিক্ষাগত অর্থকে অগ্রাধিকার দিয়ে (An Exploratory Machine Learning Approach to Understanding Determinants of Future ChatGPT Use in Higher Education)।

• শিক্ষকদের জন্য গ্রহণ-লিভার হিসেবে ব্যাখ্যাযোগ্যতা ও ক্ষেত্র-প্রাসঙ্গিকতা: এআই সুপারিশের প্রতি শিক্ষকদের গ্রহণে অটোমেশন-আস্থা তত্ত্ব অভিযোজিত করে Feldman-Maggor et al. (2025) দেখেন বোধগম্যতা (ব্যাখ্যাযোগ্য এআই দ্বারা বর্ধিত) একটি এআই গ্রুপিং উপকরণের প্রতি আস্থা ও গ্রহণ দুটোর সঙ্গেই ধনাত্মকভাবে সম্পর্কিত, এবং পাঠ্যক্রমিক ভাষায় ক্ষেত্র-চালিত ব্যাখ্যা তিনটিতেই ডেটা-চালিত বৈশিষ্ট্য-গুরুত্বের চেয়ে ভালো করেছে। গ্রহণ অতিরিক্তভাবে শিক্ষাগত সারিবদ্ধতা ও কর্মভার-হ্রাসের সম্ভাবনা দ্বারা চালিত হয়েছিল — আস্থার বাইরের পরিস্থিতিগত উপাদান যা মানক TAM/UTAUT নির্মাণ বিরলভাবে ধরে, এবং প্রসঙ্গ ও ব্যাখ্যাযোগ্যতা দিয়ে গ্রহণ-মডেল সম্প্রসারণের পক্ষে যুক্তিকে জোরদার করে।

• নির্দেশনা-উপকরণের স্তরে মাপা গ্রহণ (2026)। Wang, Chuang ও Wu (2026) দুই বয়স-স্তরীয় এআই সাক্ষরতা নির্দেশিকা ব্যবহার করা 794 জন K-12 শিক্ষার্থী ও 37 জন শিক্ষকের জন্য কর্মক্ষমতা-প্রত্যাশা, শ্রম-প্রত্যাশা, অনুভূত ক্রীড়াশীলতা এবং আচরণগত ইচ্ছা পরিচালন-নির্দিষ্ট করেন, বিভক্ত-নমুনা EFA ও CFA দিয়ে চার-উপাদান কাঠামো যাচাই করেন এবং 9-12 ও 13-18 সংস্করণ জুড়ে পরিমাপ-অপরিবর্তনশীলতাকে সমর্থন করেন। অল্পবয়সী শিক্ষার্থীরা চারটি নির্মাণেই উচ্চতর স্তর প্রতিবেদন করেছে, এবং দুই দলেই ক্রীড়াশীলতা ইচ্ছার সবচেয়ে শক্তিশালী সম্পর্কক ছিল — অল্পবয়সী দলে ক্রীড়াশীলতা-থেকে-ইচ্ছার মানকায়িত সহগ 1.00 ছাড়িয়ে যায় এবং দুই নির্মাণের মধ্যে HTMT .950। লেখকরা এটিকে বিশাল প্রভাব নয়, বরং নির্মাণ-ওভারল্যাপ ও সম্ভাব্য দমন হিসেবে পড়েন — একটি কাজের স্মারক যে উপকরণে প্রয়োগ করা গ্রহণ-সরঞ্জাম পরীক্ষামূলকভাবে জড়িয়ে যাওয়া উপাদান তৈরি করতে পারে যা কাঠামোগত ব্যাখ্যাকে জটিল করে।

সীমা ও সম্প্রসারণ

TAM-এর জ্ঞানীয় কেন্দ্রবিন্দু এআই ব্যবহারের আবেগগত ও সম্পর্কগত মাত্রাগুলোও কম ধরে। নার্সিং শিক্ষার্থী ও প্রশিক্ষকদের একটি গুণগত গবেষণা দেখেন, চারটি চিরায়ত TAM নির্মাণের পাশাপাশি অংশগ্রহণকারীরা — প্রধানত শিক্ষার্থীরা — এআই-কে মনোসামাজিক সহায়তার উৎস হিসেবে বর্ণনা করেন: চাপের সময় আবেগগত সান্ত্বনা এবং প্রতিফলনের জন্য একটি গোপনীয় স্থান। এটি অনুভূত উপকারিতাকে কর্মক্ষমতা-লাভের বাইরে কল্যাণ পর্যন্ত সম্প্রসারিত করে উচ্চ-চাপের পেশাগত প্রশিক্ষণে, যা ইঙ্গিত দেয় গ্রহণ-মডেলের কেবল যন্ত্রগত উপযোগিতা নয়, আবেগগত ও মনোসামাজিক উপাদানেও মনোযোগ দেওয়া উচিত।

উপকরণ-নির্দিষ্ট সম্প্রসারণ হিসেবে স্বায়ত্তশাসন-ধারণা ও ঝুঁকি-বিমুখতা। 27টি দেশ ও অঞ্চলের 287 জন GenAI-অভিজ্ঞ শিক্ষকের একটি মিশ্র-পদ্ধতি সমীক্ষা (Dai et al. (2026)) TAM-কে এমন দিকে সম্প্রসারিত করে যা মডেল-পরিবার প্রায় স্পর্শ করেনি: উপকরণের নিজের অনুভূত স্বায়ত্তশাসন। চিরায়ত নির্মাণে অনুভূত কৃত্রিম স্বায়ত্তশাসন (শিক্ষকরা বিশ্বাস করেন GenAI একটি নির্দিষ্ট শিক্ষাগত কাজ কতটা স্বাধীনভাবে করতে পারে) ও ঝুঁকি-বিমুখতা যোগ করে তাদের পরিমার্জিত কাঠামোগত মডেল আচরণগত ইচ্ছার ভেদাঙ্কের 79.8% ব্যাখ্যা করে (χ²(97) = 202.597, CFI =.963, TLI =.954, RMSEA =.062, SRMR =.041), যেখানে অনুভূত উপকারিতা আবার প্রধান (PU → BI β =.832, p <.001) এবং ব্যবহার-সহজতা উপকারিতাকে পুষ্ট করে (PEU → PU β =.479)। শিক্ষণীয় ফলাফল হলো পথবিচ্যুতি। কৃত্রিম স্বায়ত্তশাসন সরাসরি ইচ্ছায় কাজ করেনি (β =.026, ns) বরং উপকারিতার মধ্য দিয়ে কাজ করেছে (AA → PU β =.188, p <.001; পরোক্ষ AA → PU → BI =.156, 95% CI [.082,.240]) — যেসব শিক্ষক GenAI-কে বেশি সক্ষম দেখেন তারা এটি বেশি উপকারী পেয়েছেন, বেশি তাৎক্ষণিকভাবে গ্রহণযোগ্য নয়। ঝুঁকি-বিমুখতা ইচ্ছা কমিয়েছে (RA → BI β = −.163, p <.001) অনুভূত উপকারিতা না কমিয়েই (RA → PU ns), কারণ শিক্ষকদের উদ্বেগ ছিল শিক্ষার্থীদের ব্যবহার নিয়ে — প্রতারণা ও সততা, দুর্বল হয়ে যাওয়া মৌলিক জ্ঞান ও উচ্চ-ক্রম চিন্তা, হ্যালুসিনেশন, হ্রাসপ্রাপ্ত মানব মিথস্ক্রিয়া, এবং নৈতিক, আইনি ও সমতা ঝুঁকি — নিজেদের নয়। ব্যবহার-সহজতা সার্বিকভাবে অ-তাৎপর্যপূর্ণ (PEU → BI β =.068) কিন্তু 225 জন শিক্ষকের মধ্যে তাৎপর্যপূর্ণ যারা প্রকৃতপক্ষে শিক্ষাদানে এআই ব্যবহার করেছেন (β =.138, p <.05), পরিচিত নমুনা যে শ্রম কেবল প্রকৃত সাক্ষাতের পরেই নিবন্ধিত হয়; মনোভাব বাদ দিতে হয়েছিল যখন ইচ্ছার সঙ্গে এর সম্পর্ক (r =.929) বৈষম্যমূলক বৈধতা ভঙ্গ করে। শিক্ষকরা GenAI-কে আধা-স্বায়ত্তশাসিত স্তরে রাখেন (লেভেল 2-এ 130, "শিক্ষক সহায়তা"; লেভেল 3-এ 94, "আংশিক অটোমেশন"; লেভেল 6-এ একজন) এবং গ্রহণ-সিদ্ধান্ত কেস-বাই-কেস নেওয়ার দাবি রাখেন। TAM এখনও ইচ্ছা ভালোভাবে পূর্বাভাস দেয়, কিন্তু শিক্ষক-মুখী এআই-এর ক্ষেত্রে যে নির্মাণ সূচক নাড়ায় সেগুলো উপকরণ-নির্দিষ্ট: উপকরণটি কতটা স্বায়ত্তশাসিত মনে হয়, এবং ঝুঁকি কার ব্যবহারে সংযুক্ত। লেখকদের "frenemy" লেবেল — সহায়ক উপকরণ হিসেবে মূল্যবান, স্বায়ত্তশাসিত এজেন্ট হিসেবে অবিশ্বস্ত — উপরে তালিকাভুক্ত শিক্ষার্থী-মুখী সম্প্রসারণগুলোর শিক্ষক-দিকের প্রতিরূপ।

মাত্রা-নির্দিষ্ট সম্প্রসারণ হিসেবে ঝুঁকি-ধারণা। 814 চীনা বিশ্ববিদ্যালয় শিক্ষার্থীর একটি সমীক্ষা (Du, Ning, Shi ও Chen (2026)) জ্ঞানীয় মূল্যায়ন তত্ত্ব ও সুরক্ষা-প্রেরণা তত্ত্বকে TAM/UTAUT2-তে ভাঁজ করে জিজ্ঞাসা করে শিক্ষার্থীরা উৎপাদক এআই গ্রহণ করে কি না তা নয়, বরং তা থেকে তারা কী পায়। মডেল-পরিবারের ধারণা যে ঝুঁকি সমরূপে গ্রহণ দমন করে, তা টেকে না: ঝুঁকি-ধারণা তথ্য, নিরাপত্তা, কারিগরি, নৈতিক ও আইনি মাত্রায় বিভক্ত, যা সুবিধাকে বিপরীত দিকে চালায়। নিরাপত্তা-ঝুঁকি — যে হুমকি শিক্ষার্থীরা বিশ্বাস করে গোপনীয়তা অনুশীলনের মাধ্যমে সামলাতে পারে — অনুভূত একাডেমিক সহায়তা ও দক্ষতা-বিকাশের সঙ্গে ধনাত্মকভাবে সম্পর্কিত ছিল, সমস্যা-কেন্দ্রিক মোকাবিলার সঙ্গে সামঞ্জস্যপূর্ণ, অথচ তথ্য-ঝুঁকি, যা শিক্ষার্থীরা সহজে যাচাই করতে পারে না, এড়ানোর মধ্য দিয়ে মনস্তাত্ত্বিক ও আবেগগত সহায়তা, দৈনন্দিন-জীবন ও অবসর-সুবিধা ক্ষয় করে। সীমা-বিশ্লেষণ আরও দেখায় মাত্রা-নির্দিষ্ট ছেদ-বিন্দুর পরে প্রভাব চিহ্ন বদলায়, এবং ব্যবহার-অভিজ্ঞতা স্বতন্ত্রভাবে গুরুত্বপূর্ণ ছিল: এক বছরের বেশি GenAI ব্যবহারকারী শিক্ষার্থীরা চারটি ক্ষেত্রেই উচ্চতর সুবিধা প্রতিবেদন করেছেন। গ্রহণ-গবেষণার জন্য ব্যবহারিক অন্তর্নিহিত তাৎপর্য হলো "অনুভূত ঝুঁকি" মডেল করার জন্য অতি স্থূল একটি নির্মাণ — নিয়ন্ত্রণযোগ্যতা, কেবল ঝুঁকির উপস্থিতি নয়, ঠিক করে শিক্ষার্থীরা যুক্ত হবে না সরে যাবে।

একটি সাম্প্রতিক সম্প্রসারণ স্বাভাবিক দিক উল্টে দেয়, বিষয়-নির্দিষ্ট প্রেরণামূলক বিশ্বাসকে TAM-ধারণার পাশে নয়, তার উর্ধ্বে রাখে। Xue, Xu, Qi ও Lu (2026) প্রতিবেদন করেন উপযোগিতা-মূল্য অনুভূত উপকারিতা পূর্বাভাস দেয় β = 0.43-এ এবং সাফল্যের প্রত্যাশা ব্যবহার-সহজতা পূর্বাভাস দেয় β = 0.39-এ, অথচ মূল TAM পথগুলো দুর্বল হয় কিন্তু তাৎপর্যপূর্ণ থাকে।

ঝুঁকির সঙ্গে ব্যবহারের সম্পর্ক ব্যবস্থার উপরও নির্ভর করে: TALIS 2024-এর যে 49টি ব্যবস্থা আইটেমগুলো পরিচালনা করেছে, তাদের সবগুলোতেই অনুভূত এআই উপযোগিতা এআই ব্যবহারের সঙ্গে ধনাত্মকভাবে সম্পর্কিত ছিল, অথচ অনুভূত ঝুঁকি ঋণাত্মকভাবে সম্পর্কিত ছিল 40টিতে এবং ধনাত্মকভাবে নয়টিতে (Fang ও Jin (2026))।

কর্মক্ষমতা-প্রত্যাশা এমন সম্পর্ক বহন করতে পারে যা গ্রহণ-গবেষণা ব্যবহারের ইচ্ছা হিসেবে পড়ে। Kim, Kim ও Zhang (2026)-এ কর্মক্ষমতা-প্রত্যাশা এআই অতিবিশ্বাস পূর্বাভাস দেয় B = 0.6107-এ এবং ছিল প্রথম মধ্যস্থকারী যা দিয়ে স্ব-কার্যকারিতা, অন্তর্নির্হিত প্রেরণা ও বহির্নির্হিত প্রেরণা অতিবিশ্বাসে পৌঁছায়। কেবল-প্রত্যাশার পরোক্ষ পথ তিনটি পূর্বাভাসকের জন্যই ধনাত্মক ছিল, স্ব-কার্যকারিতার জন্য 0.1355 (95% CI [0.0542, 0.2330]), তাই প্রত্যাশা কেবল শিক্ষার্থীরা উপকরণটি ব্যবহার করবে কি না তা পূর্বাভাস দিচ্ছিল না।

সাধারণ ভুল ধারণা

• "TAM-এর নির্মাণগুলো গ্রহণ ব্যাখ্যা করে।" Asag ও Al Mamun বাংলাদেশের প্রকৌশল শিক্ষার্থীদের জন্য TAM-কে UTAUT-এর সঙ্গে সংহত করে ভেদাঙ্কের 64% ব্যাখ্যা করেন। যথেষ্ট এবং অসম্পূর্ণ একইসঙ্গে: গ্রহণকে চালায় এমন প্রায় এক-তৃতীয়াংশ চিরায়ত গ্রহণ-নির্মাণের বাইরে থাকে।
• "গ্রহণ-মডেলের ক্ষেত্র-পরিবর্তন দরকার নেই।" চিরায়ত নির্মাণে অনুভূত কৃত্রিম স্বায়ত্তশাসন — শিক্ষকরা বিশ্বাস করেন GenAI একটি নির্দিষ্ট শিক্ষাগত কাজ কতটা স্বাধীনভাবে করতে পারে — এবং ঝুঁকি-বিমুখতা যোগ করলে মডেল বস্তুতভাবে বদলে যায়। মূল নির্মাণগুলো এজেন্সিহীন উপকরণের জন্য গড়া হয়েছিল, অথচ GenAI-এর অনুভূত এজেন্সি আছে।
• "মেটা-বিশ্লেষণমূলক গ্রহণ-অনুমান যেকোনো জনগোষ্ঠী বর্ণনা করে।" উচ্চশিক্ষার শিক্ষার্থীদের মেটা-বিশ্লেষণ হলো জনগোষ্ঠী-স্তরের অনুমান; 64% ব্যাখ্যাকারী প্রকৌশল ফলাফল একটি নির্দিষ্ট জনগোষ্ঠী। একটিকে অন্যটির উপর আরোপ করা এমন স্থিরতা ধরে নেয় যা প্রমাণ প্রতিষ্ঠা করে না।

সংযুক্ত ধারণা

• ব্যবসায় শিক্ষা
• উৎপাদক এআই
• এআই সাক্ষরতা
• শিক্ষার্থী-অভিজ্ঞতা
• উচ্চশিক্ষা
• সমালোচনামূলক চিন্তা
• নীতিশাস্ত্র
• বিশ্বাস
• সংজ্ঞানাত্মক অফলোডিং
• স্ব-নির্ধারণ তত্ত্ব
• শিক্ষায় এআই-এর গবেষণা পদ্ধতি
• শিক্ষার্থী-মডেলিং ও অভিযোজিত শিক্ষণ
• শিক্ষার্থীদের জন্য AI ব্যবহার কীভাবে ফ্রেম করা হয়

সংযুক্ত নিবন্ধ

• Modeling high school students' acceptance of GenAI for physics learning via an extended technology acceptance model: Disciplinary beliefs as a distal antecedent — TAM-ধারণার উর্ধ্বে রাখা বিষয়-নির্দিষ্ট বিশ্বাস

• GenAI as a Frenemy in Teaching: Perceived Autonomy and Risks — "frenemy" হিসেবে GenAI: কৃত্রিম স্বায়ত্তশাসন ও ঝুঁকি-বিমুখতা শিক্ষকদের জন্য TAM সম্প্রসারিত করে (Dai et al. 2026)

• Nursing Students' and Faculty Experiences with Artificial Intelligence in Education: A Qualitative Study Using the Technology Acceptance Model — নার্সিংয়ে এআই অভিজ্ঞতা; TAM-এর মনোসামাজিক সম্প্রসারণ

• Uncovering adoption personas for generative AI in higher education: a clustering-based segmentation approach — গুচ্ছবিশ্লেষণে GenAI গ্রহণ-ব্যক্তিত্ব

• Decoding symmetric and asymmetric pathways in generative AI learning adoption: a multi-method study — GenAI গ্রহণে সমমিত ও অসমমিত পথ (UTAUT3 + ARCS)

• Differential engagement with generative artificial intelligence in higher education: Gender, motivation, and achievement trajectories — লিঙ্গ ও প্রেরণা অনুসারে ভিন্ন GenAI সম্পৃক্ততা

• Exploring Organisational Drivers and Innovation Attributes of Artificial Intelligence Adoption in Higher Education — উচ্চশিক্ষায় প্রাতিষ্ঠানিক এআই গ্রহণের TOE + DOI মডেল

• Factors influencing university students' intention to use and reliance on generative artificial intelligence — প্রকৌশল/সিএস শিক্ষার্থীদের জন্য সমালোচনামূলক ব্যবহারসহ সম্প্রসারিত TAM

• Social and Cognitive Drivers of Generative AI Adoption: A Unified Socio-Cognitive Model for Engineering Education — প্রকৌশল শিক্ষার জন্য একীকৃত সামাজিক-জ্ঞানীয় মডেল (TAM + UTAUT)

• From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource — এআই উদ্বেগ থেকে কৌশলগত নিয়ন্ত্রণে

• Measuring How Students Rely on Generative AI in Academic Writing: Development and Multi-Source Validation of the Generative AI Reliance Types Scale (GenAI-RTS) — GenAI নির্ভরতার ধরন স্কেল

• Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University — স্নাতকদের মধ্যে LLM নির্ভরতার ধরন

• Acceptance of AI-Assisted English Language Learning Tools in Higher Education: Psychological Correlates Across Disciplinary and Proficiency Groups — এআই ইংরেজি উপকরণ গ্রহণ

• Generative AI in higher education: Ethical and behavioral factors influencing students' intentions to use ChatGPT — শিক্ষার্থীদের ChatGPT গ্রহণের আচরণগত ও নৈতিক চালক

• Talking mathematics with AI: Understanding teachers' motivation for utilizing chatbots — UTAUT ও শিক্ষকদের চ্যাটবট প্রেরণা

• Perceptions and Acceptance of Artificial Intelligence in Science Education Programmes: Voices of Pre-Service Science Teachers — ঘানার প্রাক-সেবা বিজ্ঞান শিক্ষকদের জন্য UTAUT + TPB

• Unpacking the Heterogeneity of Pre-service Teachers' ChatGPT Acceptance: A Latent Profile Analysis Across STEM and Non-STEM Disciplines — প্রাক-সেবা শিক্ষকদের ChatGPT গ্রহণ-প্রোফাইল (LPA)

• Factors Associated with Students' Adoption of Artificial Intelligence Technology in Tertiary Education: A Meta-Analytic Review — এআই গ্রহণ-উপাদানের মেটা-বিশ্লেষণ; TAM/UTAUT-এর সমালোচনা

• An Exploratory Machine Learning Approach to Understanding Determinants of Future ChatGPT Use in Higher Education — উচ্চশিক্ষায় ভবিষ্যৎ ChatGPT ব্যবহারের এমএল/SHAP নির্ধারক

• Explaining ChatGPT Adoption in Higher Education: Insights for AI Literacy, Educational Practice, and Responsible AI — XAI-বর্ধিত UTAUT2: অভ্যাস সবচেয়ে শক্তিশালী পূর্বাভাসক, চারটি গ্রহণ-প্রোফাইল (Jácome-Vásconez et al. 2026)

• The Impact of Explainable AI on Teachers' Trust and Acceptance of AI EdTech Recommendations: The Power of Domain-specific Explanations

• Measuring Acceptance of Age-Tiered AI Literacy Guidebooks: A Developmentally Informed Study of K-12 Students and Teachers — বয়স-স্তরীয় এআই সাক্ষরতা নির্দেশিকার উপকরণ-স্তরের PE/EE/ক্রীড়াশীলতা/ইচ্ছা মডেল, নথিভুক্ত ক্রীড়াশীলতা-ইচ্ছা নির্মাণ-ওভারল্যাপসহ

• The impact of risk perception on perceived benefits of generative artificial intelligence users—an empirical study based on university students — TAM/UTAUT2-তে ভাঁজ করা CAT + PMT: অনুভূত GenAI সুবিধায় মাত্রা-নির্দিষ্ট ও অ-একমুখী ঝুঁকি-প্রভাব (Du, Ning, Shi ও Chen 2026)

• A Capability–Decision Model of teacher readiness for AI integration in teaching — পরিকল্পিত আচরণের তত্ত্ব গ্রহণ-মডেলে TPACK সামর্থ্য জোড়া দেওয়ার ক্রমানুসারী বিকল্প

• Teachers’ AI Belief Profiles and Their Associations with AI Use, Pedagogical Applications, and Barriers: A Person-Centered Analysis of TALIS 2024 — 49টি ব্যবস্থা জুড়ে অনুভূত এআই উপযোগিতা ও ঝুঁকির ব্যক্তি-কেন্দ্রিক TALIS 2024 প্রোফাইল

• GenAI Use and GenAI-Assisted Learning Procrastination in University Students: The Roles of Planned Behavior Constructs and Learning GenAI Anxiety — GenAI-সহায়িত শেখার গড়িমসি মাপা ও ইচ্ছা-বিলম্ব সম্পর্কে উদ্বেগের মধ্যস্থতা নিয়ে TPB সম্প্রসারণ

• Trusting AI too much? Psychological correlates of overtrust and the role of AI literacy - প্রেরণা ও স্ব-কার্যকারিতা থেকে এআই অতিবিশ্বাসে পথের মধ্যস্থতা করেছিল কর্মক্ষমতা-প্রত্যাশা

• Belief to behavior: how AI self-efficacy shapes AI acceptance through AI literacy - স্ব-কার্যকারিতা ও গ্রহণের মধ্যস্থকারী হিসেবে এআই সাক্ষরতা, অ-সংশোধিত উদ্বেগ-সম্পর্কসহ (İşbulan et al. 2026)