База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Моделі прийняття технологій

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Моделі прийняття технологій — теоретичні рамки, які використовуються для пояснення та прогнозування того, чому люди й установи сприймають, впроваджують і продовжують користуватися новими technologies — і, в дослідженнях ШІ в освіті, чому здобувачі, викладачі та організації впроваджують інструменти generative AI. Це не єдина модель, а родина теорій, які поділяють коріння в дослідженнях інформаційних систем і соціальної психології, з яких модель прийняття технологій (TAM) є найбільш поширеною. База знань розглядає ці моделі разом, бо дослідження впровадження генеративного ШІ рутинно поєднують їх (TAM + UTAUT, TAM + TPB, UTAUT + ARCS), і бо їхні основні конструкти — сприймана корисність, сприймана легкість використання та соціальний вплив — повторюються майже в кожному дослідженні сприйняття ШІ в освіті.

Питання для роздумів

  • Згадайте випадок, коли ви впровадили новий застосунок, інструмент або сервіс ШІ — і випадок, коли ви від нього відмовилися. Що фактично керувало кожним із рішень: наскільки він здався корисним, наскільки легким у використанні, або те, що робили люди навколо вас? Який чинник, на вашу думку, має найбільше значення, і чи може опитування справді це зафіксувати?
  • Поширене переконання: «якщо інструмент явно корисний, люди ним користуватимуться». Чи бачили ви ситуації, коли справді корисна технологія усе ж не приймалася, або явно обмежена все одно поширювалася? Що могло б пояснити розрив між об’єктивною корисністю й фактичним впровадженням?
  • Такі рамки прийняття, як TAM, були створені в 1980-х для доволі простих систем. Якщо ви користувалися генеративним ШІ, у чому він відрізняється від текстового процесора або learning management system — і чому модель, побудована навколо «легкості використання» та «корисності», може зіткнутися з труднощами в фіксуванні того, як люди ставляться до чогось, що відповідає?
  • Researchers часто кажуть, що сприйманий ризик і довіра мають для впровадження ШІ менше значення, ніж очікувалося. Перш ніж читати далі, що ви прогнозуєте: чи впроваджують студенти ШІ, бо довіряють йому, незважаючи на ризики, чи ці занепокоєння фактично незначні порівняно зі зручністю та соціальним тиском?
  • Сторінка стверджує, що рамки прийняття розглядають користування інструментом як одноразове рішення, тоді як ефективне використання може бути безперервним судженням. Де у вашій власній практиці або в практиці ваших студентів межа між «вибором користуватися ШІ» і «безперервним вирішенням, як користуватися ним добре» здається розмитою — і що змінилося б, якби ми вимірювали це, а не лише поширеність?
  • Деякі дослідники групують здобувачів у різні «персони впровадження», а не припускають, що одна модель підходить усім. Які відмінності ви бачите між власними здобувачами, колегами або студентами, які єдина середня модель впровадження може приховати — і як ці відмінності могли б формувати те, як ви їх підтримуєте?

Вступ

Meta-analytic свідчення щодо впровадження ШІ. meta-analysis of tertiary students' AI adoption (233 кореляції, 32 дослідження, N = 16 977) встановлює помірні позитивні кореляції для індивідуальних (r = 0,57), контекстуальних (r = 0,53) і технологічних (r = 0,50) чинників, причому наміри користування є найсильнішим предиктором (r = 0,64), а сприймані ризики/довіра — слабкішими, ніж очікувалося. Його центральна критика: поле надмірно спирається на традиційні рамки TAM/UTAUT, які передують сучасним інтелектуальним системам, і знехтовує чинниками, специфічними для ШІ, як-от антропоморфізація та етика, — стверджуючи, що ці прогалини мають значення для розвитку теорії та доказової політики.

Родина моделей

Модель прийняття технологій (TAM)

Запропонована Девісом (Davis, 1989), TAM пояснює впровадження через два основні переконання — сприйману корисність (PU) та сприйману легкість використання (PEOU) — які формують ставлення (ATT) користувачів, потім поведінковий намір (BI), потім фактичне користування. Спираючись на теорію інформаційних систем (адаптовану з теорії обґрунтованої дії), TAM стала домінантною рамкою для впровадження GenAI в освіті. В освітніх дослідженнях генеративного ШІ її часто розширюють через ШІ-грамотність, Довіра, соціальний вплив, self-determination та критичне використання, щоб фіксувати складність впровадження почисту поширеність.

UTAUT / UTAUT2 / UTAUT3

Уніфікована теорія прийняття та використання технологій консолідує TAM із вісьма попередніми моделями у чотири основні детермінанти — очікування результативності, очікування зусиль, соціальний вплив та умови сприяння (UTAUT2 додає гедонічну мотивацію, цінність ціни та звичку; UTAUT3 додає особисту інновативність). База знань застосовує UTAUT у населеннях викладачів і студентів: Austrian secondary math teachers (UTAUT з 448 викладачами), pre-service science teachers in Ghana (UTAUT + TPB) і students in Lesotho (UTAUT3 + ARCS, із використанням PLS-SEM і fsQCA). Jácome-Vásconez et al. розширюють UTAUT2 пояснюваним ШІ (Random Forest, SHAP, NCA, IPMA, K-Means) для 522 студентів університетів, встановлюючи, що звичка є найсильнішим предиктором наміру користуватися ChatGPT, і показуючи, що очікування зусиль є необхідною умовою, а не лінійним драйвером — результат, видимий лише тоді, коли пояснюваний ШІ доповнює регресію.

Теорія планованої поведінки (TPB)

TPB пояснює намір через ставлення, суб’єктивні норми та сприйманий контроль над поведінкою. Її часто поєднують із TAM/UTAUT у дослідженнях впровадження ШІ — наприклад, Rizun et al. інтегрують TAM, TPB, UTAUT та рамку FATE (Fairness, підзвітність, прозорість, етика), щоб моделювати поведінкові та ethical драйвери впровадження ChatGPT студентами.

Дослідження впровадження зазвичай зупиняються на намірі; розширення TPB, яке натомість виміряло затримку незважаючи на справжній намір, встановило, що сприйманий контроль над поведінкою є найсильнішим негативним предиктором прокрастинації навчання з допомогою генеративного ШІ (β = −0,331) серед 1 243 студентів бакалаврату, причому зв’язок намір–затримка був значним лише за помірної до високої тривожності щодо генеративного ШІ в навчанні (Li et al. (2026)).

Поширення інновацій (DOI)

Теорія DOI Роджерса пояснює впровадження як соціальний процес, у якому інновації поширюються в населеннях з часом, підкреслюючи атрибути інновації (відносна перевага, сумісність, складність, можливість випробування, спостережуваність) і категорії приймачів. Вона з’являється в аналізах бази знань на institutional рівні, наприклад Al-Rahmi et al. поєднують рамку «Технологія–Організація–Середовище» (TOE) із DOI, щоб моделювати організаційне впровадження ШІ в саудівських університетах.

Технологія–Організація–Середовище (TOE)

TOE обрамлює впровадження як таке, що формується технологічним, організаційним і середовищним контекстами — доповнення до TAM/UTAUT на індивідуальному рівні для вивчення інституційного впровадження (див. Exploring Organisational Drivers and Innovation Attributes of Artificial Intelligence Adoption in Higher Education).

Застосування в базі знань

Моделі прийняття застосовуються по всій базі знань для моделювання поширення інструментів ШІ серед студентів і teacher:

  • Розширення на критичне використання: Nguyen et al. розширили TAM критичним використанням для студентів інженерії/інформатики, встановивши, що ставлення та критичне використання прямо прогнозують намір — і що критичне використання захищає від over-reliance.
  • Уніфікована соціально-когнітивна модель: Asag & Al Mamun інтегрували TAM із UTAUT для студентів інженерії в Бангладеш (пояснюючи 64% дисперсії користування).
  • Профілі, орієнтовані на людину: замість моделей, орієнтованих на змінні, Saihi & Ahmed групують персони впровадження генеративного ШІ, а Chen et al. використовують аналіз латентних профілів для визначення чотирьох профілів сприйняття ChatGPT серед майбутніх викладачів — показуючи перехід поля почисту одномодельних, лінійних описів.
  • Міжкультурна валідація: Martínez-Moreno et al. міжкультурно валідують пов’язані з прийняттям конструкти мотивації в Швейцарії та Китаї.
  • Психологічні кореляти: Wu et al. будують на TAM, щоб пов’язати мотивацію, Самоефективність, тривожність та сприйняття ризику зі сприйняттям допомоги ШІ у вивченні англійської.
  • Критика Regulatory компетентності: Kim стверджує, що орієнтовані на прийняття моделі TAM розглядають використання як стабільне рішення, тоді як ефективне використання ШІ є безперервним процесом судження, перегляду та вибіркового засвоєння, — переосмислюючи ШІ-грамотність як регулятивну компетентність і Критичне мислення, а не прийняття.

Додавання здатності з родини TPACK поряд із рамками переконань, як-от теорія планованої поведінки, як паралельних предикторів запрошує перекриття конструкту і залишає причинний порядок здатності, ставлення та контролю невирішеним; модель «Здатність–Рішення» натомість розміщує здатність AI-TPACK вище за ставлення та сприйманий контроль над поведінкою (Mnguni (2026)).

  • Детермінанти впровадження ChatGPT на основі машинного навчання: дослідницький підхід із машинного навчання дослідив, як сприйняття та демографічні дані студентів пов’язані з наміром академічного користування ChatGPT, використовуючи аналіз SHAP для визначення ключових конструкту, пов’язаних із навчанням, — надаючи пріоритет освітній значущості понад максимізацією алгоритмічної результативності (An Exploratory Machine Learning Approach to Understanding Determinants of Future ChatGPT Use in Higher Education).

  • Explainability та релевантність предметній області як важілі сприйняття для викладачів: адаптуючи теорію довіри до автоматизації до сприйняття рекомендацій ШІ викладачами, Feldman-Maggor et al. (2025) встановили, що зрозумілість (підвищена пояснюваним ШІ) позитивно корелювала як із довірою, так і зі сприйняттям інструмента групування зі ШІ, і що зорієнтовані на предметну область пояснення мовою curricular перевершували зорієнтовані на дані пояснення про важливість характеристик за всіма трьома. Сприйняття додатково керувалося pedagogical узгодженістю та потенціалом зниження навантаження — ситуативними чинниками, які рідко фіксують стандартні конструкти TAM/UTAUT, посилюючи аргумент за розширення моделей прийняття контекстом і пояснюваністю.

  • Сприйняття, виміряне на рівні навчальних матеріалів (2026). Wang, Chuang and Wu (2026) операціоналізували очікування результативності, очікування зусиль, сприйману грайливість і поведінковий намір для двоїх посібників зі ШІ-грамотності, розділених за віком, які використовували 794 студенти K-12 і 37 викладачів, валідуючи чотирифакторну структуру через EFA і CFA на розділених вибірках і підтримуючи інваріантність вимірювання між виданнями для 9-12 і 13-18 років. Молодші здобувачі повідомляли про вищі рівні за всіма чотирма конструкти, і грайливість була найсильнішим корелятом наміру в обидвох когортах — причому стандартизований коефіцієнт грайливість→намір перевищував 1,00 у молодшій групі, а HTMT між двома конструкти становив ,950. Автори читають це як перекриття конструкту і можливе придушення, а не як гігантський ефект, — корисне нагадування про те, що інструменти прийняття, застосовані до матеріалів, можуть давати емпірично переплетені чинники, які ускладнюють структурну інтерпретацію.

Межі та розширення

Когнітивна зосередженість TAM також недостатньо фіксує емоційні та реляційні виміри використання ШІ. qualitative study of nursing students and faculty встановило, що, поряд із чотирма класичними конструкти TAM, учасники — переважно студенти — описували ШІ як джерело психосоціальної підтримки: емоційної зручності під час стресу та конфіденційного простору для рефлексії. Це розширює сприйману корисність почисто здобутків у результативності до Благополуччя в professional training з високим стресом, натякаючи, що моделі прийняття мають звертати увагу на афективні та психосоціальні чинники, а не лише на інструментальну корисність.

Сприйняття Autonomy та уникання ризику як розширення, специфічні для інструмента. mixed-methods опитування 287 викладачів із досвідом роботи з генеративним ШІ в 27 країнах і регіонах (Dai et al. (2026)) розширює TAM в напрямі, якого родина моделей ледве торкнулася: сприйманої автономії самого інструмента. Додавши сприйману штучну автономність (наскільки незалежно, на переконання викладачів, генеративний ШІ може виконувати покладене на нього навчальне завдання) та уникання ризику до класичних конструктів, їхня вдосконалена структурна модель пояснила 79,8% дисперсії поведінкового наміру (χ²(97) = 202,597, CFI = ,963, TLI = ,954, RMSEA = ,062, SRMR = ,041), причому сприймана корисність знову домінувала (PU → BI β = ,832, p < ,001), а легкість використання живила корисність (PEU → PU β = ,479). Показовими є обходи. Штучна автономність не діяла прямо на намір (β = ,026, нз), але діяла через корисність (AA → PU β = ,188, p < ,001; опосередкований AA → PU → BI = ,156, 95% ДІ [,082; ,240]) — викладачі, які бачили генеративний ШІ як більш здатний, вважали його більш корисним, а не більш одразу придатним до впровадження. Уникання ризику знижувало намір (RA → BI β = −,163, p < ,001), не знижуючи сприйманої корисності (RA → PU нз), бо занепокоєння викладачів зосереджувалися на використанні студентами — шахрайстві та integrity, ослабленні базового знання та мислення вищого порядку, hallucinations, зниженні людської взаємодії та етичних, правових ризиках і ризиках equity — а не на їхньому власному. Легкість використання була незначною загалом (PEU → BI β = ,068), але значною серед 225 викладачів, які фактично використовували ШІ у викладанні (β = ,138, p < ,05) — знайомий патерн, за якого зусилля реєструється лише після справжньої зустрічі; від ставлення довелося відмовитися, коли його кореляція з наміром (r = ,929) порушила дискримінантну валідність. Викладачі розміщували генеративний ШІ на напівавтономних рівнях (130 на Рівні 2, «допомога викладача»; 94 на Рівні 3, «часткова автоматизація»; один на Рівні 6) і наполягали, щоб рішення про впровадження ухвалювалися випадок за випадком. TAM усе ще добре прогнозує намір, але для ШІ, орієнтованого на викладача, конструкти, які змінюють картину, є специфічними для інструмента: наскільки автономним інструмент здається, і до чийого використання прив’язаний ризик. Мітка авторів «друг-ворог» — цінний як інструмент підтримки, викликаючий недовіру як автономний агент — є викладацьким відповідником до перелічених вище розширень, орієнтованих на студента.

Сприйняття ризику як розширення, специфічне для виміру. Опитування 814 китайських студентів університетів (Du, Ning, Shi & Chen (2026)) вкладає теорію когнітивної оцінки та теорію мотивації захисту в TAM/UTAUT2, щоб запитати не про те, чи впроваджують студенти generative AI, а про те, що вони з нього отримують. Припущення родини моделей, що ризик рівномірно придушує впровадження, не витримує перевірки: сприйняття ризику розділяється на виміри інформаційний, безпековий, технічний, ethical та правовий, які рухають вигоди в протилежних напрямах. Безпековий ризик — загроза, яку, на переконання студентів, вони можуть керувати через privacy practices — був позитивно асоційований зі сприйманою академічною допомогою та розвитком умінь, відповідно до подолання, зосередженого на проблемі, тоді як інформаційний ризик, який здобувачі не можуть легко перевірити, розмивав психологічну та емоційну підтримку, повсякденні та дозвільні вигоди через уникання. Порогові аналізи додатково показали ефекти, які змінюють знак понад пороговими точками, специфічними для виміру, а досвід користування мав значення незалежно: студенти з понад річним досвідом користування генеративним ШІ повідомляли про вищі вигоди в чотирьох областях. Практичний наслідок для досліджень прийняття: «сприйманий ризик» є занадто грубим конструкти, щоб його моделювати — керованість, а не сама присутність ризику, визначає, чи залучаються студенти, чи відступають.

Зв’язок ризику з користуванням залежить також від системи: в усіх 49 системах TALIS 2024, які проводили відповідні питання, сприймана корисність ШІ була позитивно асоційована з використанням ШІ, тоді як сприйманий ризик був негативно асоційований в 40 і позитивно в дев’яти (Fang & Jin (2026)).

Пов’язані поняття

Пов’язані статті

Метадані

РівеньHigher Ed
Цільова аудиторіяLearners
Технології та методиГенеративний ШІ, Моделі прийняття технологій
Методи досліджень та оцінкаМетоди досліджень в AIED
Основи ШІ в освітіШІ-грамотність
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.