[論文レビュー] Generative AI Adoption in Classroom in Context of Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT)

Aashish Ghimire, John Richard Edwards|arXiv (Cornell University)|Mar 29, 2024

Smart Systems and Machine Learning被引用数 11

ひとこと要約

本研究は Utah State University の教育者を対象に GenAI/LLM の採用を TAM および IDT を用いて調査し、知覚的有用性が受容を強く予測すること、熟知度が採用者カテゴリ間で異なることを明らかにした。

ABSTRACT

The burgeoning development of generative artificial intelligence (GenAI) and the widespread adoption of large language models (LLMs) in educational settings have sparked considerable debate regarding their efficacy and acceptability.Despite the potential benefits, the assimilation of these cutting-edge technologies among educators exhibits a broad spectrum of attitudes, from enthusiastic advocacy to profound skepticism.This study aims to dissect the underlying factors influencing educators' perceptions and acceptance of GenAI and LLMs.We conducted a survey among educators and analyzed the data through the frameworks of the Technology Acceptance Model (TAM) and Innovation Diffusion Theory (IDT). Our investigation reveals a strong positive correlation between the perceived usefulness of GenAI tools and their acceptance, underscoring the importance of demonstrating tangible benefits to educators. Additionally, the perceived ease of use emerged as a significant factor, though to a lesser extent, influencing acceptance. Our findings also show that the knowledge and acceptance of these tools is not uniform, suggesting that targeted strategies are required to address the specific needs and concerns of each adopter category to facilitate broader integration of AI tools.in education.

研究の動機と目的

• 教室環境における教育者の GenAI および LLM の受容に影響を与える要因を評価する。
• Technology Acceptance Model (TAM) および Innovation Diffusion Theory (IDT) を適用して採用動態を解釈する。
• 教育者間の知覚的有用性、知覚的使いやすさ、および受容の関係を定量化する。
• 導入者カテゴリと部門間の熟知度を特徴づけ、ターゲットを絞った採用戦略を導く。
• 教育における GenAI のより広範な統合を促進するための政策、研修、およびツール設計へのエビデンスに基づく含意を提供する。

提案手法

• Utah State University の 8 学部を横断する 39 学部のうち 23 部門にわたり 116 名の教育者に対して調査を実施した。
• 調査項目を TAM の構成概念 (Perceived Usefulness および Perceived Ease of Use) および IDT の熟知指標に対応づけた。
• Likert 回答を相関および回帰分析用の数値データに変換した。
• 受容、PU、および PEOU の間のピアソン相関係数を算出した。
• PU および PEOU が受容へ与える影響を定量化するため回帰分析を実施した（R-squared および p 値付き係数）。
• IDT ダイナミクスを解釈するため、部門横断のアダプターカテゴリと熟知パターンを議論した。

実験結果

リサーチクエスチョン

• RQ1 教育現場における生成系AI技術の導入を促進する要因と障壁は何か。
• RQ2 TAM の構成概念（知覚的有用性および知覚的使いやすさ）は教育者の GenAI ツール受容をどのように予測するか。
• RQ3 IDT に基づく熟知度は教育者の導入者カテゴリと拡散準備性について何を示すか。

主な発見

• 知覚的有用性と受容の間には強い正の相関がある（r = 0.734）。
• 知覚的使いやすさと受容の間には中等度の正の相関がある（r = 0.542）。
• 回帰分析は知覚的有用性（0.678, p = 7.2e-13）および知覚的使いやすさ（0.227, p = 0.026）が受容を有意に予測し、全体の R-squared は 0.566 であることを示した。
• モデルの F 値は高度に有意（p = 4.23e-20）で、予測因子が受容に対して共に substantial な分散を説明することを示している。
• IDT の枠組みは、学部間で GenAI/LLMs への熟知度がさまざまであることを示し、Innovators から Laggards までの採用者カテゴリに対するターゲット戦略の必要性を示唆している。
• 本研究は、検証されていない調査、単一機関の範囲、および急速な技術進化などの制限を指摘している。