ФАКТОРИ, ЩО ВПЛИВАЮТЬ НА ВИКОРИСТАННЯ CHATGPT СТУДЕНТАМИ ВИЩИХ НАВЧАЛЬНИХ ЗАКЛАДІВ: ЕМПІРИЧНЕ ДОСЛІДЖЕННЯ У ГРУЗІЇ
Анотація
У цьому дослідженні вивчаються ключові чинники, що впливають на поширення ChatGPT серед студентів університетів Грузії, що поповнює зростаючу кількість наукових праць, присвячених інтеграції штучного інтелекту у вищу освіту. Оскільки генеративні інструменти штучного інтелекту стають дедалі поширенішими в академічних середовищах у всьому світі, розуміння факторів, що сприяють або гальмують їхнє впровадження в конкретних соціокультурних та інституційних контекстах, має вирішальне значення. Це дослідження заповнює помітну прогалину в існуючій науковій літературі, оскільки пострадянські освітні середовища залишаються значно недопредставленими в дослідженнях щодо впровадження технологій, незважаючи на їхні особливі структурні та культурні характеристики.
Дослідження базується на первинних даних, зібраних серед 150 студентів одного з грузинських університетів за допомогою онлайн-опитування з використанням 10-бальної шкали Лайкерта. Для виявлення статистично значущих предикторів використання ChatGPT в академічних цілях було застосовано логістичний регресійний аналіз. Аналітична модель поєднує теорію соціального впливу з усталеними моделями прийняття технологій, пропонуючи теоретично обґрунтовану перспективу для інтерпретації поведінки щодо впровадження в контексті інструментів генеративного штучного інтелекту.
Результати дослідження показують, що заохочення з боку однолітків та інституційна підтримка є найбільш впливовими факторами, що сприяють впровадженню ChatGPT, з коефіцієнтами шансів 1,180 та 1,264 відповідно. Ці результати підкреслюють ключову роль, яку відіграють соціальні мережі та політика університетів у формуванні готовності студентів використовувати інструменти штучного інтелекту у своїх навчальних процесах. Також було виявлено сильну позитивну кореляцію між сприйняттям корисності інструменту для виконання завдань, покращенням розуміння складних тем та загальною ефективністю навчання, що свідчить про те, що при оцінці інструментів штучного інтелекту студентів насамперед мотивують відчутні академічні переваги.
Було досліджено гендерні відмінності у моделях впровадження: чоловіки-студенти продемонстрували статистично значущу вищу ймовірність використання ChatGPT для академічної роботи порівняно зі своїми колегами-жінками. Цей висновок підкреслює важливість врахування демографічних змінних при розробці програм з грамотності у сфері штучного інтелекту та структур інституційної підтримки.
У дослідженні також аналізується суперечність між сприянням технологічним інноваціям та дотриманням академічної доброчесності у вищих навчальних закладах. У той час як університети намагаються подолати виклики, пов’язані з генеративною штучною інтелігенцією, отримані результати містять практичні рекомендації щодо розробки науково обґрунтованих стратегій інтеграції ШІ. У підсумку це дослідження закликає до збалансованого інституційного підходу, який сприятиме розвитку цифрової компетентності та рівному доступу, водночас захищаючи принципи оригінальної наукової роботи.
Завантаження
Посилання
Abdullah, F., & Ward, R. (2016). Developing a general extended technology acceptance model for e-learning (GETAMEL) by analysing commonly used external factors. Computers in Human Behavior, 56, 238-256. https://doi.org/10.1016/j.chb.2015.11.036
Baidoo-Anu, D., & Owusu Ansah, L. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of ChatGPT in promoting teaching and learning. Journal of AI, 7(1), 52-62. https://doi.org/10.61969/jai.1337500
Baskara, F. R., & Mukarto, M. (2023). Exploring the implications of ChatGPT for language learning in higher education. Indonesian Journal of English Language Teaching and Applied Linguistics, 7(2), 343-358. DOI: http://dx.doi.org/10.21093/ijeltal.v7i2.1387
Cai, Z., Fan, X., & Du, J. (2017). Gender and attitudes toward technology use: A meta-analysis. Computers & Education, 105, 1-13. https://doi.org/10.1016/j.compedu.2016.11.003
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher education. International Journal of Educational Technology in Higher Education, 20(1), 43. https://doi.org/10.1186/s41239-023-00411-8
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228-239. https://doi.org/10.1080/14703297.2023.2190148
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008
Dawes, J. (2008). Do data characteristics change according to the number of scale points used? An experiment using 5-point, 7-point and 10-point scales. International Journal of Market Research, 50(1), 61-104. https://doi.org/10.1177/147078530805000106
Dwivedi, Y. K., Kshetri, N., Hughes, L., Slade, E. L., Jeyaraj, A., Kar, A. K., Baabdullah, A. M., Koohang, A., Raghavan, V., Ahuja, M., Albanna, H., Albashrawi, M. A., Al-Busaidi, A. S., Balakrishnan, J., Barlette, Y., Basu, S., Bose, I., Brooks, L., Buhalis, D., ... Wright, R. (2023). "So what if ChatGPT wrote it?" Multidisciplinary perspectives on opportunities, challenges and implications of generative conversational AI for research, practice and policy. International Journal of Information Management, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642
Hatlevik, O. E., Throndsen, I., Loi, M., & Gudmundsdottir, G. B. (2018). Students’ ICT self-efficacy and computer and information literacy: Determinants and relationships. Computers & Education, 118, 107-119. https://doi.org/10.1016/j.compedu.2017.11.011
Hew, K. F., & Brush, T. (2007). Integrating technology into K-12 teaching and learning: Current knowledge gaps and recommendations for future research. Educational Technology Research and Development, 55(3), 223-252. https://doi.org/10.1007/s11423-006-9022-5
Kasneci, E., Seßler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Kelman, H. C. (1958). Compliance, identification, and internalization: Three processes of attitude change. Journal of Conflict Resolution, 2(1), 51-60. https://doi.org/10.1177/002200275800200106
Kooli, C. (2023). Chatbots in education and research: A critical examination of ethical implications and solutions. Sustainability, 15(7), 5614. https://doi.org/10.3390/su15075614
Lund, B. D., Wang, T., Mannuru, N. R., Nie, B., Shimray, S., & Wang, Z. (2023). ChatGPT and a new academic reality: Artificial intelligence-written research papers and the ethics of the large language models in scholarly publishing. Journal of the Association for Information Science and Technology, 74(5), 570-581. https://doi.org/10.1002/asi.24750
Maruping, L. M., & Magni, M. (2015). Motivating employees to explore collaboration technology in team contexts. MIS Quarterly, 39(1), 1-16. https://doi.org/10.25300/MISQ/2015/39.1.01
McCabe, D. L., Butterfield, K. D., & Treviño, L. K. (2012). Cheating in college: Why students do it and what educators can do about it. Johns Hopkins University Press.
Mohammadi, H. (2015). Investigating users’ perspectives on e-learning: An integration of TAM and IS success model. Computers in Human Behavior, 45, 359-374. https://doi.org/10.1016/j.chb.2014.07.044
Mollick, E. R., & Mollick, L. (2023). Using AI to implement effective teaching strategies in classrooms: Five strategies, including prompts. The Wharton School Research Paper, 1-28. http://dx.doi.org/10.2139/ssrn.4391243
Nistor, N., Göğüş, A., & Lerche, T. (2014). Educational technology acceptance across national and professional cultures: A European study. Educational Technology Research and Development, 62(4), 461-482.
Nulty, D. D. (2008). The adequacy of response rates to online and paper surveys: What can be done? Assessment & Evaluation in Higher Education, 33(3), 301-314. https://doi.org/10.1080/02602930701293231
Park, S. Y. (2009). An analysis of the technology acceptance model in understanding university students’ behavioral intention to use e-learning. Educational Technology & Society, 12(3), 150-162.
Perkins, M. (2023). Academic integrity considerations of AI large language models in the post-pandemic era: ChatGPT and beyond. Journal of University Teaching & Learning Practice, 20(2), 07. https://doi.org/10.53761/1.20.02.07
Rogers, E. M. (2003). Diffusion of innovations (5th ed.). Free Press.
Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning and Teaching, 6(1), 342-363. https://doi.org/10.37074/jalt.2023.6.1.9
Salanova, M., Grau, R. M., Cifre, E., & Llorens, S. (2005). Computer training, frequency of usage and burnout: The moderating role of computer self-efficacy. Computers in Human Behavior, 16(6), 575-590. https://doi.org/10.1016/S0747-5632(00)00028-5
Scherer, R., Siddiq, F., & Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers’ adoption of digital technology in education. Computers & Education, 128, 13-35. https://doi.org/10.1016/j.compedu.2018.09.009
Selwyn, N. (2011). Education and technology: Key issues and debates. Continuum International Publishing Group.
Sullivan, M., Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning and Teaching, 6(1), 31-40. https://doi.org/10.37074/jalt.2023.6.1.17
Sumak, B., Heričko, M., & Pušnik, M. (2011). A meta-analysis of e-learning technology acceptance: The role of user types and e-learning technology types. Computers in Human Behavior, 27(6), 2067-2077. https://doi.org/10.1016/j.chb.2011.08.005
Tarhini, A., Hone, K., Liu, X., & Tarhini, T. (2017). Examining the moderating effect of individual-level cultural values on users’ acceptance of e-learning in developing countries: A structural equation modeling of an extended technology acceptance model. Interactive Learning Environments, 25(3), 306-328. https://doi.org/10.1080/10494820.2015.1122635
Tavakol, M., & Dennick, R. (2011). Making sense of Cronbach’s alpha. International Journal of Medical Education, 2, 53-55. https://doi.org/10.5116/ijme.4dfb.8dfd
Teo, T., & Noyes, J. (2011). An assessment of the influence of perceived enjoyment and attitude on the intention to use technology among pre-service teachers: A structural equation modeling approach. Computers & Education, 57(2), 1645-1653. https://doi.org/10.1016/j.compedu.2011.03.002
Tindall, I. K., & Curtis, G. J. (2020). Negative emotionality predicts attitudes toward plagiarism. Journal of Academic Ethics, 18(1), 89-102. https://doi.org/10.1007/s10805-019-09343-3
Tlili, A., Shehata, B., Adarkwah, M. A., Bozkurt, A., Hickey, D. T., Huang, R., & Agyemang, B. (2023). What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education. Smart Learning Environments, 10(1), 15. https://doi.org/10.1186/s40561-023-00237-x
Trust, T., Whalen, J., & Mouza, C. (2023). Editorial: ChatGPT: Challenges, opportunities, and implications for teacher education. Contemporary Issues in Technology and Teacher Education, 23(1), 1-23.
Van Deursen, A. J., & Van Dijk, J. A. (2014). The digital divide shifts to differences in usage. New Media & Society, 16(3), 507-526. https://doi.org/10.1177/1461444813487959
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186-204. https://doi.org/10.1287/mnsc.46.2.186.11926
Venkatesh, V., & Morris, M. G. (2000). Why don’t men ever stop to ask for directions? Gender, social influence, and their role in technology acceptance and usage behavior. MIS Quarterly, 24(1), 115-139. https://doi.org/10.2307/3250981
Цю роботу ліцензовано за Міжнародня ліцензія Creative Commons Attribution 4.0.
