अवधारणाएँ
तकनीक अपनाने के मॉडल
यह अंग्रेज़ी पेज का ऑटोमैटिक अनुवाद है और इसकी अभी तक किसी मूल भाषी ने समीक्षा नहीं की है।
तकनीक अपनाने के मॉडल वे सैद्धांतिक ढाँचे हैं जिनका उपयोग यह समझाने और भविष्यवाणी करने के लिए किया जाता है कि व्यक्ति और संस्थाएँ नई तकनीकों को क्यों स्वीकार करते हैं, अपनाते हैं और उनका उपयोग जारी रखते हैं — और एआई-एजुकेशन अनुसंधान में, शिक्षार्थी, शिक्षक और संगठन जेनरेटिव एआई उपकरणों को क्यों अपनाते हैं। यह एक एकल मॉडल के बजाय सिद्धांतों का एक परिवार है, जिसकी जड़ें सूचना-प्रणाली और सामाजिक-मनोविज्ञान अनुसंधान में हैं, जिनमें से तकनीक स्वीकृति मॉडल (TAM) सर्वाधिक व्यापक रूप से लागू है। ज्ञान आधार इन मॉडलों को एक साथ देखता है क्योंकि जेनरेटिव एआई अपनाने के अध्ययन नियमित रूप से इन्हें मिलाते हैं (TAM + UTAUT, TAM + TPB, UTAUT + ARCS) और क्योंकि उनके मूल संरचनात्मक तत्व — कथित उपयोगिता, कथित उपयोग में सरलता, और सामाजिक प्रभाव — शिक्षा में एआई स्वीकृति के लगभग हर अध्ययन में आते हैं।
विचार के लिए प्रश्न
- किसी नए ऐप, उपकरण या एआई सेवा को अपनाने और उसे छोड़ देने की कोई बार याद करें। वास्तव में प्रत्येक निर्णय को किस चीज़ ने चलाया: यह कितना उपयोगी लगता था, यह कितना सरल था, या आसपास के लोग क्या कर रहे थे? आपको कौन-सा कारक सबसे अधिक महत्वपूर्ण लगता है, और क्या एक सर्वेक्षण वास्तव में उसे पकड़ सकता है?
- एक आम मान्यता है कि 'अगर कोई उपकरण स्पष्ट रूप से उपयोगी हो, तो लोग उसका उपयोग करेंगे।' क्या आपने ऐसी स्थितियाँ देखी हैं जहाँ सचमुच उपयोगी तकनीक फिर भी लोकप्रिय न हो पाई, या स्पष्ट रूप से सीमित तकनीक फैल गई? उद्देश्य उपयोगिता और वास्तविक अपनाने के बीच की खाई को क्या समझा सकता है?
- TAM जैसे अपनाने के ढाँचे 1980 के दशक में काफी सरल प्रणालियों के लिए बनाए गए थे। अगर आपने जेनरेटिव एआई का उपयोग किया है, तो यह वर्ड प्रोसेसर या लर्निंग मैनेजमेंट सिस्टम से किन तरीकों से अलग है — और 'उपयोग में सरलता' और 'उपयोगिता' के इर्द-गिर्द बना मॉडल उस चीज़ से निपटने में क्यों संघर्ष कर सकता है जो जवाब देती है?
- शोधकर्ता अक्सर कहते हैं कि एआई अपनाने में कथित जोखिम और भरोसा की भूमिका उम्मीद से कम है। आगे पढ़ने से पहले आपका अनुमान क्या है: क्या विद्यार्थी एआई अपनाते हैं क्योंकि वे इसे भरोसा करते हैं, जोखिमों के बावजूद, या वे चिंताएँ असल में सुविधा और सामाजिक दबाव के सामने गौण हैं?
- यह पेज तर्क देता है कि अपनाने के ढाँचे किसी उपकरण का उपयोग एकमुश्त निर्णय मानते हैं, लेकिन प्रभावी उपयोग निरंतर निर्णय हो सकता है। आपके या आपके विद्यार्थियों के अभ्यास में 'एआई का उपयोग करने का चुनाव' और 'इसका उचित उपयोग कैसे करें, यह निरंतर तय करना' की रेखा कहाँ धुँधली होती दिखती है — और अगर हम केवल ग्रहण के बजाय उसे मापें तो क्या बदलेगा?
- कुछ शोधकर्ता शिक्षार्थियों को अलग-अलग 'अपनाने के व्यक्तित्वों' में समूहित करते हैं, इस बजाय कि मान लें कि एक ही मॉडल सब पर फ़िट बैठता है। आपके अपने शिक्षार्थियों, सहयोगियों या विद्यार्थियों में आप क्या अंतर देखते हैं जो अपनाने के एकल औसत मॉडल छिपा सकता है — और वे अंतर आपके सहयोग के तरीके को कैसे आकार दे सकते हैं?
परिचय
मेटा-विश्लेषणात्मक प्रमाण एआई अपनाने पर। उच्चस्तरीय विद्यार्थियों के एआई अपनाने का एक मेटा-विश्लेषण (233 सहसंबंध, 32 अध्ययन, N = 16,977) व्यक्तिगत (r = 0.57), संदर्भगत (r = 0.53), और तकनीकी (r = 0.50) कारकों के लिए मध्यम सकारात्मक सहसंबंध पाता है, जिसमें उपयोग-आशय सबसे मज़बूत भविष्यवक्ता (r = 0.64) है और कथित जोखिम/भरोसा उम्मीद से कमज़ोर हैं। इसकी केंद्रीय आलोचना यह है कि यह क्षेत्र पारंपरिक TAM/UTAUT ढाँचों पर अति-निर्भर है जो आधुनिक बुद्धिमान प्रणालियों से पहले के हैं और एआई-विशिष्ट कारकों जैसे मानव-रूपण और नीतिशास्त्र की उपेक्षा करते हैं — यह तर्क देते हुए कि ये अंतराल सिद्धांत और प्रमाण-आधारित नीति को आगे बढ़ाने के लिए महत्वपूर्ण हैं।
मॉडल परिवार
तकनीक स्वीकृति मॉडल (TAM)
डेविस (1989) द्वारा प्रस्तावित, TAM अपनाने को दो मूल विश्वासों — कथित उपयोगिता (PU) और कथित उपयोग में सरलता (PEOU) — के माध्यम से समझाता है, जो उपयोगकर्ताओं के अभिवृत्ति (ATT), फिर व्यवहारिक आशय (BI), फिर वास्तविक उपयोग को आकार देते हैं। सूचना-प्रणाली सिद्धांत (कार्य के कारण के सिद्धांत से अनुकूलित) पर आधारित, TAM शिक्षा में जेनरेटिव एआई अपनाने का प्रमुख ढाँचा बन गया है। शैक्षणिक जेनरेटिव एआई अनुसंधान में इसे अक्सर AI साक्षरता, भरोसा, सामाजिक प्रभाव, स्व-निर्धारण, और महत्वपूर्ण उपयोग के साथ विस्तारित किया जाता है ताकि सरल ग्रहण से परे अपनाने की जटिलता को पकड़ा जा सके।
UTAUT / UTAUT2 / UTAUT3
यूनिफाइड थ्योरी ऑफ़ एक्सेप्टेंस एंड यूज़ ऑफ़ टेक्नोलॉजी TAM को आठ पूर्व मॉडलों के साथ चार मूल निर्धारकों में समेकित करता है — प्रदर्शन अपेक्षा, प्रयास अपेक्षा, सामाजिक प्रभाव, और सुविधा उत्पन्न करने वाली परिस्थितियाँ (UTAUT2 में सुखद प्रेरणा, मूल्य मूल्य, और आदत जुड़ती है; UTAUT3 में व्यक्तिगत नवीनता जुड़ती है)। ज्ञान आधार UTAUT को शिक्षक और विद्यार्थी आबादी पर लागू करता है: ऑस्ट्रियाई माध्यमिक गणित शिक्षक (448 शिक्षकों के साथ UTAUT), घाना के प्री-सर्विस विज्ञान शिक्षक (UTAUT + TPB), और लेसोथो के विद्यार्थी (UTAUT3 + ARCS, PLS-SEM और fsQCA का उपयोग करते हुए)। जाकोमे-वास्कोनेज़ एट अल. 522 विश्वविद्यालय विद्यार्थियों के लिए व्याख्यायोग्य एआई (रैंडम फ़ोरेस्ट, SHAP, NCA, IPMA, K-Means) के साथ UTAUT2 का विस्तार करते हैं, ChatGPT आशय का सबसे मज़बूत भविष्यवक्ता आदत पाते हैं और दिखाते हैं कि प्रयास अपेक्षा एक रेखीय चालक के बजाय आवश्यक शर्त है — यह परिणाम केवल तब दिखता है जब XAI प्रतिगमन का पूरक बनता है।
नियोजित व्यवहार का सिद्धांत (TPB)
TPB आशय को अभिवृत्ति, व्यक्तिनिष्ठ मानदंडों, और कथित व्यवहारिक नियंत्रण के माध्यम से समझाता है। इसे एआई-अपनाने के अध्यायों में अक्सर TAM/UTAUT के साथ जोड़ा जाता है — जैसे रिज़न एट अल. TAM, TPB, UTAUT और FATE (निष्पक्षता, जवाबदेही, पारदर्शिता, नीतिशास्त्र) ढाँचे को एकीकृत करते हैं ताकि विद्यार्थियों के ChatGPT अपनाने के व्यवहारगत और नैतिक चालकों को मॉडल किया जा सके।
अपनाने का अनुसंधान आमतौर पर आशय पर रुकता है; एक TPB विस्तार जिसने वास्तविक आशय के बावजूद विलंब मापा, उसने कथित व्यवहारिक नियंत्रण को जेनरेटिव एआई-सहायित शिक्षा-टालमटोल का सबसे मज़बूत ऋणात्मक भविष्यवक्ता पाया (β = −0.331) 1,243 स्नातक विद्यार्थियों में, जिसमें आशय–विलंब संबंध केवल मध्यम से उच्च सीखने-वाली जेनरेटिव एआई चिंता पर महत्वपूर्ण था (ली एट अल. (2026))।
नवाचार का प्रसार (DOI)
रोजर्स का DOI सिद्धांत अपनाने को एक सामाजिक प्रक्रिया के रूप में समझाता है जिसमें नवाचार समय के साथ आबादी में फैलते हैं, जो नवाचार विशेषताओं (सापेक्ष लाभ, संगतता, जटिलता, परीक्षणीयता, प्रेक्षणीयता) और अपनाने वालों की श्रेणियों पर ज़ोर देता है। यह ज्ञान आधार के संस्थागत-स्तरीय विश्लेषणों में दिखता है, जैसे अल-रहमी एट अल. टेक्नोलॉजी–संगठन–पर्यावरण (TOE) ढाँचे को DOI के साथ मिलाते हैं ताकि सऊदी विश्वविद्यालयों में संगठनात्मक एआई अपनाने को मॉडल किया जा सके।
तकनीक–संगठन–पर्यावरण (TOE)
TOE अपनाने को तकनीकी, संगठनात्मक और पर्यावरणीय संदर्भों द्वारा निर्मित के रूप में ढालता है — संस्थागत अपनाने के अध्ययन के लिए व्यक्तिगत-स्तरीय TAM/UTAUT का एक पूरक (देखें Exploring Organisational Drivers and Innovation Attributes of Artificial Intelligence Adoption in Higher Education)।
ज्ञान आधार में अनुप्रयोग
अपनाने के मॉडल का उपयोग एआई उपकरणों के विद्यार्थी और शिक्षक ग्रहण को मॉडल करने के लिए ज्ञान आधार भर में किया जाता है:
- महत्वपूर्ण उपयोग का विस्तार: न्गुयेन एट अल. ने इंजीनियरिंग/CS विद्यार्थियों के लिए TAM को महत्वपूर्ण उपयोग के साथ विस्तारित किया, यह पाया कि अभिवृत्तियाँ और महत्वपूर्ण उपयोग सीधे आशय की भविष्यवाणी करते हैं — और महत्वपूर्ण उपयोग अति-निर्भरता के विरुद्ध सुरक्षा देता है।
- एकीकृत सामाजिक-संज्ञानात्मक मॉडल: असग और अल मामुन ने बांग्लादेश के इंजीनियरिंग विद्यार्थियों के लिए TAM को UTAUT के साथ एकीकृत किया (उपयोग विविधता का 64% समझाते हुए)।
- व्यक्ति-केंद्रित प्रोफ़ाइल: चर-केंद्रित मॉडलों के बजाय, साईही और अहमद जेनरेटिव एआई-अपनाने के व्यक्तित्वों को समूहित करते हैं, और चेन एट अल. प्री-सर्विस शिक्षकों में चार ChatGPT-स्वीकृति प्रोफ़ाइलों की पहचान के लिए संकृत प्रोफ़ाइल विश्लेषण का उपयोग करते हैं — यह दिखाते हुए कि यह क्षेत्र एकल-मॉडल, रेखीय विवरणों से आगे बढ़ रहा है।
- सांस्कृतिक-पार मान्यीकरण: मार्टिनेज़-मोरेनो एट अल. स्विट्ज़रलैंड और चीन में अपनाने से संबंधित प्रेरणा संरचनाओं का सांस्कृतिक-पार मान्यीकरण करते हैं।
- मनोवैज्ञानिक सहसंबंधी: वू एट अल. TAM पर आधारित हैं और प्रेरणा, स्व-प्रभावशीलता, चिंता, और जोखिम अनुभूति को एआई-सहायित अंग्रेज़ी सीखने की स्वीकृति से जोड़ते हैं।
- नियामक दक्षता आलोचना: किम तर्क देते हैं कि अपनाने-केंद्रित TAM मॉडल उपयोग को एक स्थिर निर्णय मानते हैं, जबकि प्रभावी एआई उपयोग निर्णय, संशोधन और चयनात्मक ग्रहण की निरंतर प्रक्रिया है — AI साक्षरता को नियामक दक्षता और आलोचनात्मक सोच के रूप में पुनर्परिभाषित करते हुए, न कि स्वीकृति के रूप में।
एक TPACK-परिवार की क्षमता को नियोजित व्यवहार के सिद्धांत जैसे विश्वास ढाँचों के साथ समानांतर भविष्यवक्ताओं के रूप में जोड़ने से संरचनात्मक अतिव्यापन आमंत्रित होता है और क्षमता, अभिवृत्ति तथा नियंत्रण के कार्यकारण क्रम अनिर्णित रह जाता है; क्षमता–निर्णय मॉडल इसके बजाय एआई-TPACK क्षमता को अभिवृत्ति और कथित व्यवहारिक नियंत्रण से ऊपर रखता है (मंगुनी (2026))।
-
ChatGPT अपनाने के ML निर्धारक: एक अन्वेषणात्मक ML दृष्टिकोण ने यह जाँचा कि विद्यार्थियों की धारणाएँ और जनसांख्यिकी कैसे शैक्षणिक ChatGPT उपयोग के आशय से संबंधित हैं, SHAP विश्लेषण का उपयोग करके प्रमुख सीखने-संबंधी संरचनाओं की पहचान की — एल्गोरिदमिक प्रदर्शन को अधिकतम करने के बजाय शैक्षिक अर्थ को प्राथमिकता दी (An Exploratory Machine Learning Approach to Understanding Determinants of Future ChatGPT Use in Higher Education)।
-
व्याख्याशीलता और डोमेन प्रासंगिकता शिक्षकों के लिए स्वीकृति के उत्तोलक के रूप में: स्वचालन में भरोसा के सिद्धांत को एआई सिफ़ारिशों के शिक्षक-स्वीकृति के लिए अनुकूलित करते हुए, फेल्डमैन-मैग्गोर एट अल. (2025) ने पाया कि समझने योग्यता (जिसे व्याख्यायोग्य एआई बढ़ाता है) एक एआई समूहन उपकरण के भरोसे और स्वीकृति दोनों से सकारात्मक रूप से सहसंबद्ध थी, और पाठ्यक्रम भाषा में डोमेन-संचालित व्याख्याएँ डेटा-संचालित विशेषता-महत्व वाली व्याख्याओं से तीनों में बेहतर थीं। स्वीकृति अतिरिक्त रूप से शिक्षाशास्त्रीय संरेखण और कार्यभार-कमी की संभावना से प्रेरित थी — भरोसे से परे स्थितिज चर जिन्हें मानक TAM/UTAUT संरचनाएँ शायद ही पकड़ती हैं, यह अपनाने के मॉडलों को संदर्भ और व्याख्याशीलता से विस्तारित करने के तर्क को मज़बूत करता है।
-
पाठ्य सामग्री के स्तर पर मापी गई स्वीकृति (2026)। वांग, चुआंग और वू (2026) ने 794 K-12 विद्यार्थियों और 37 शिक्षकों द्वारा उपयोग की जाने वाली दो आयु-स्तरीय एआई साक्षरता गाइडबुकों के लिए प्रदर्शन अपेक्षा, प्रयास अपेक्षा, कथित चंचलता, और व्यवहारिक आशय को संक्रियात्मक किया, चार-कारक संरचना को विभाजित-नमूना EFA और CFA से मान्यीकृत किया और 9-12 और 13-18 संस्करणों में मापन अपरिवर्तनशीलता का समर्थन किया। छोटे शिक्षार्थियों ने चारों संरचनाओं पर उच्च स्तर दर्ज किए, और चंचलता दोनों समूहों में आशय का सबसे मज़बूत सहसंबंधी थी — जिसमें छोटे समूह में मानकीकृत चंचलता-से-आशय गुणांक 1.00 से अधिक था और दो संरचनाओं के बीच HTMT .950 था। लेखकों ने इसे संरचनात्मक अतिव्यापन और संभावित दमन के रूप में पढ़ा, एक विशाल प्रभाव के रूप में नहीं — एक उपयोगी अनुस्मारक कि सामग्रियों पर लागू स्वीकृति उपकरण सांख्यिकीय रूप से उलझी हुई संरचनाएँ उत्पन्न कर सकते हैं जो संरचनात्मक व्याख्या को जटिल बनाती हैं।
सीमाएँ और विस्तार
TAM का संज्ञानात्मक फ़ोकस एआई उपयोग के भावनात्मक और संबंधगत आयामों को भी कम पकड़ता है। नर्सिंग विद्यार्थियों और संकाय का एक गुणात्मक अध्ययन ने पाया कि चार शास्त्रीय TAM संरचनाओं के साथ-साथ, प्रतिभागी — मुख्यतः विद्यार्थी — ने एआई को मनोसामाजिक सहायता के स्रोत के रूप में वर्णित किया: तनाव के दौरान भावनात्मक सांत्वना और चिंतन के लिए एक गोपनीय स्थान। यह कथित उपयोगिता को प्रदर्शन लाभ से परे कल्याण तक विस्तारित करता है, उच्च-तनाव व्यावसायिक प्रशिक्षण में, यह सुझाव देते हुए कि अपनाने के मॉडलों को केवल साधनात्मक उपयोगिता के बजाय भावनात्मक और मनोसामाजिक कारकों पर ध्यान देना चाहिए।
स्वायत्तता अनुभूति और जोखिम प्रत्याशा उपकरण-विशिष्ट विस्तारों के रूप में। 27 देशों और क्षेत्रों के 287 जेनरेटिव एआई-अनुभवी शिक्षकों का एक मिश्रित-तरीक़े सर्वेक्षण (दाई एट अल. (2026)) TAM को उस दिशा में विस्तारित करता है जिसे मॉडल परिवार ने बेगाने नहीं छुई: उपकरण की स्वयं की कथित स्वायत्तता। कथित कृत्रिम स्वायत्तता (शिक्षक किस हद तक मानते हैं कि जेनरेटिव एआई सौंपे गए शिक्षण कार्य को स्वतंत्र रूप से निपटा सकता है) और जोखिम प्रत्याशा को शास्त्रीय संरचनाओं में जोड़ते हुए, उनका परिष्कृत संरचनात्मक मॉडल व्यवहारिक आशय में विविधता का 79.8% समझाता है (χ²(97) = 202.597, CFI =.963, TLI =.954, RMSEA =.062, SRMR =.041), जिसमें कथित उपयोगिता फिर प्रभावशाली (PU → BI β =.832, p <.001) और उपयोग में सरलता उपयोगिता को पोषित करती है (PEU → PU β =.479)। शिक्षाप्रद परिणाम विकर्ण हैं। कृत्रिम स्वायत्तता आशय पर सीधे कार्य नहीं करती (β =.026, ns) बल्कि उपयोगिता के माध्यम से कार्य करती (AA → PU β =.188, p <.001; अप्रत्यक्ष AA → PU → BI =.156, 95% CI [.082,.240]) — जिन शिक्षकों ने जेनरेटिव एआई को अधिक सक्षम देखा, उन्होंने उसे अधिक उपयोगी पाया, न कि तुरंत अपनाने योग्य। जोखिम प्रत्याशा ने आशय घटाया (RA → BI β = −.163, p <.001) बिना कथित उपयोगिता घटाए (RA → PU ns), क्योंकि शिक्षकों की चिंताएँ विद्यार्थियों के उपयोग पर केंद्रित थीं — नकल और नैतिकता, कमज़ोर आधारभूत ज्ञान और उच्च-स्तरीय सोच, मतिभ्रम, कम मानवीय संपर्क, और नैतिक, कानूनी और समानता जोखिम — न कि अपने उपयोग पर। उपयोग में सरलता समग्र रूप से गैर-महत्वपूर्ण थी (PEU → BI β =.068) लेकिन उन 225 शिक्षकों में महत्वपूर्ण थी जिन्होंने वास्तव में शिक्षण में एआई का उपयोग किया था (β =.138, p <.05) — वह परिचित पैटर्न कि प्रयास केवल वास्तविक संपर्क के बाद दर्ज होता है; अभिवृत्ति को छोड़ना पड़ा जब आशय के साथ उसका सहसंबंध (r =.929) विभेदक मान्यता का उल्लंघन करता था। शिक्षकों ने जेनरेटिव एआई को अर्ध-स्वायत्त स्तरों पर रखा (130 स्तर 2 पर, "शिक्षक सहायता"; 94 स्तर 3 पर, "आंशिक स्वचालन"; एक स्तर 6 पर) और अपनाने के निर्णय मामला-दर-मामला लिए जाने पर ज़ोर दिया। TAM अब भी आशय की अच्छी भविष्यवाणी करता है, लेकिन शिक्षक-संबंधी एआई के लिए जो संरचनाएँ असर करती हैं वे उपकरण-विशिष्ट हैं: उपकरण कितना स्वायत्र लगता है, और जोखिम किसके उपयोग से जुड़ा है। लेखकों का "frenemy" लेबल — सहायक उपकरण के रूप में मूल्यवान, स्वायत्र एजेंट के रूप में अविश्वसनीय — ऊपर सूचीबद्ध विद्यार्थी-संबंधी विस्तारों का शिक्षक-पक्षीय समकक्ष है।
जोखिम अनुभूति एक आयाम-विशिष्ट विस्तार के रूप में। 814 चीनी विश्वविद्यालय विद्यार्थियों का एक सर्वेक्षण (डू, निंग, शी और चेन (2026)) संज्ञानात्मक मूल्यांकन सिद्धांत और संरक्षण प्रेरणा सिद्धांत को TAM/UTAUT2 में सम्मिलित करता है ताकि यह न पूछे कि विद्यार्थी जेनरेटिव एआई अपनाते हैं या नहीं बल्कि यह पूछे कि वे उससे क्या पाते हैं। मॉडल परिवार की यह मान्यता कि जोखिम एकसमान रूप से अपनाने को दबाता है, टिकती नहीं: जोखिम अनुभूति सूचना, सुरक्षा, तकनीकी, नैतिक, और कानूनी आयामों में बँटती है जो लाभों को विपरीत दिशाओं में ले जाते हैं। सुरक्षा जोखिम — एक खतरा जिसे विद्यार्थी गोपनीयता प्रथाओं के माध्यम से प्रबंधनीय मानते हैं — कथित शैक्षिक सहायता और कौशल विकास से सकारात्मक रूप से सहसंबद्ध था, समस्या-केंद्रित मुकाबले के अनुरूप, जबकि सूचना जोखिम, जिसे शिक्षार्थी आसानी से सत्यापित नहीं कर सकते, परिहार के माध्यम से मनोवैज्ञानिक और भावनात्मक सहायता, दैनिक-जीवन, और अवकाश लाभों को कम करता था। दहलीज विश्लेषणों ने आगे दिखाया कि आयाम-विशिष्ट निश्चल बिंदुओं से परे प्रभाव चिह्न बदलते हैं, और उपयोग अनुभव स्वतंत्र रूप से महत्वपूर्ण था: एक वर्ष से अधिक जेनरेटिव एआई उपयोग वाले विद्यार्थियों ने चार क्षेत्रों में उच्च लाभ दर्ज किए। स्वीकृति अनुसंधान के लिए व्यावहारिक निहितार्थ यह है कि "कथित जोखिम" मॉडल करने के लिए बहुत मोटी संरचना है — प्रबंधनीयता, न कि केवल जोखिम की उपस्थिति, यह निर्धारित करती है कि विद्यार्थी संलग्न होते हैं या पीछे हटते हैं।
जोखिम का उपयोग से संबंध प्रणाली पर भी निर्भर करता है: उन 49 TALIS 2024 प्रणालियों में जिन्होंने प्रश्नावली प्रश्न लागू किए, कथित एआई उपयोगिता सभी 49 में एआई उपयोग से सकारात्मक रूप से सहसंबद्ध थी, जबकि कथित जोखिम 40 में ऋणात्मक और नौ में सकारात्मक रूप से सहसंबद्ध था (फांग और जिन (2026))।
संबंधित अवधारणाएँ
- व्यवसायिक शिक्षा
- जनरेटिव-AI
- AI साक्षरता
- छात्र अनुभव
- उच्च शिक्षा
- आलोचनात्मक सोच
- नैतिकता
- भरोसा
- संज्ञानात्मक ऑफलोडिंग
- स्वनिर्धारण सिद्धांत
- AIED में शोध विधियाँ
- शिक्षार्थी मॉडलिंग और अनुकूली शिक्षण
- छात्रों के लिए AI उपयोग की फ्रेमिंग
संबंधित लेख
-
GenAI as a Frenemy in Teaching: Perceived Autonomy and Risks — "frenemy" के रूप में जेनरेटिव एआई: कृत्रिम स्वायत्तता और जोखिम प्रत्याशा शिक्षकों के लिए TAM का विस्तार (दाई एट अल. 2026)
-
Nursing Students' and Faculty Experiences with Artificial Intelligence in Education: A Qualitative Study Using the Technology Acceptance Model — नर्सिंग एआई अनुभव; TAM का मनोसामाजिक विस्तार
-
Uncovering adoption personas for generative AI in higher education: a clustering-based segmentation approach — समूहन के माध्यम से जेनरेटिव एआई अपनाने के व्यक्तित्व
-
Decoding symmetric and asymmetric pathways in generative AI learning adoption: a multi-method study — जेनरेटिव एआई अपनाने में सममित और असममित मार्ग (UTAUT3 + ARCS)
-
Differential engagement with generative artificial intelligence in higher education: Gender, motivation, and achievement trajectories — लिंग और प्रेरणा से भिन्न जेनरेटिव एआई संलग्नता
-
Exploring Organisational Drivers and Innovation Attributes of Artificial Intelligence Adoption in Higher Education — उच्च शिक्षा में संगठनात्मक एआई अपनाने का TOE + DOI मॉडल
-
Factors influencing university students' intention to use and reliance on generative artificial intelligence — इंजीनियरिंग/CS विद्यार्थियों के लिए महत्वपूर्ण उपयोग के साथ विस्तारित TAM
-
Social and Cognitive Drivers of Generative AI Adoption: A Unified Socio-Cognitive Model for Engineering Education — इंजीनियरिंग शिक्षा के लिए एकीकृत सामाजिक-संज्ञानात्मक मॉडल (TAM + UTAUT)
-
From AI Anxiety to Strategic Regulation: How University Students Transform Generative AI into a Strategic Learning Resource — एआई चिंता से रणनीतिक नियमन तक
-
Measuring How Students Rely on Generative AI in Academic Writing: Development and Multi-Source Validation of the Generative AI Reliance Types Scale (GenAI-RTS) — जेनरेटिव एआई निर्भरता प्रकार पैमाना
-
Four Types of LLM Reliance and Their Predictors Among Undergraduate Writers: A Mixed-Methods Study at a Minority-Serving R1 University — स्नातकों में LLM निर्भरता प्रकार
-
Acceptance of AI-Assisted English Language Learning Tools in Higher Education: Psychological Correlates Across Disciplinary and Proficiency Groups — एआई अंग्रेज़ी उपकरणों की स्वीकृति
-
Generative AI in higher education: Ethical and behavioral factors influencing students' intentions to use ChatGPT — विद्यार्थियों के ChatGPT अपनाने के व्यवहारगत और नैतिक चालक
-
Talking mathematics with AI: Understanding teachers' motivation for utilizing chatbots — UTAUT और शिक्षक चैटबॉट प्रेरणा
-
Perceptions and Acceptance of Artificial Intelligence in Science Education Programmes: Voices of Pre-Service Science Teachers — घाना के प्री-सर्विस विज्ञान शिक्षकों के लिए UTAUT + TPB
-
Unpacking the Heterogeneity of Pre-service Teachers' ChatGPT Acceptance: A Latent Profile Analysis Across STEM and Non-STEM Disciplines — प्री-सर्विस शिक्षक ChatGPT स्वीकृति प्रोफ़ाइल (LPA)
-
Factors Associated with Students' Adoption of Artificial Intelligence Technology in Tertiary Education: A Meta-Analytic Review — एआई अपनाने कारकों का मेटा-विश्लेषण; TAM/UTAUT की आलोचना
-
An Exploratory Machine Learning Approach to Understanding Determinants of Future ChatGPT Use in Higher Education — उच्च शिक्षा में भविष्य के ChatGPT उपयोग के ML/SHAP निर्धारक
-
Explaining ChatGPT Adoption in Higher Education: Insights for AI Literacy, Educational Practice, and Responsible AI — XAI-संवर्धित UTAUT2: आदत सबसे मज़बूत भविष्यवक्ता, चार अपनाने की प्रोफ़ाइल (जाकोमे-वास्कोनेज़ एट अल. 2026)
-
Measuring Acceptance of Age-Tiered AI Literacy Guidebooks: A Developmentally Informed Study of K-12 Students and Teachers — आयु-स्तरीय एआई साक्षरता गाइडबुकों के लिए सामग्री-स्तर का PE/EE/चंचलता/आशय मॉडल, दर्ज चंचलता-आशय संरचनात्मक अतिव्यापन के साथ
-
The impact of risk perception on perceived benefits of generative artificial intelligence users—an empirical study based on university students — TAM/UTAUT2 में CAT + PMT: जेनरेटिव एआई लाभों की कथित धारणाओं पर आयाम-विशिष्ट और गैर-एकरूपी जोखिम प्रभाव (डू, निंग, शी और चेन 2026)
-
A Capability–Decision Model of teacher readiness for AI integration in teaching — नियोजित व्यवहार अपनाने के मॉडलों पर TPACK क्षमता जोड़ने का व्यवस्थित विकल्प
-
Teachers’ AI Belief Profiles and Their Associations with AI Use, Pedagogical Applications, and Barriers: A Person-Centered Analysis of TALIS 2024 — 49 प्रणालियों में कथित एआई उपयोगिता और जोखिम की व्यक्ति-केंद्रित TALIS 2024 प्रोफ़ाइल
-
GenAI Use and GenAI-Assisted Learning Procrastination in University Students: The Roles of Planned Behavior Constructs and Learning GenAI Anxiety — जेनरेटिव एआई-सहायित शिक्षा-टालमटोल और आशय–विलंब संबंध के चिंता-मध्यस्थता को मापने वाला TPB विस्तार