نوع مقاله : مقاله پژوهشی

نویسندگان

• عارف شمس ¹
• سید عبداله امین موسوی ²
• محمد ملکی نیا ³

¹ گروه مدیریت فناوری اطلاعات، واحد بین‌المللی کیش، دانشگاه آزاد اسلامی،کیش، ایران

² گروه مدیریت فناوری اطلاعات، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

³ گروه مدیریت فناوری اطلاعات، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران

چکیده

با گسترش سریع فناوری‌های نوین، به‌ویژه هوش مصنوعی، تحول در شیوه‌های یاددهی-یادگیری و نظام‌های مدیریتی آموزشی بیش از پیش ضرورت یافته است. پژوهش حاضر با هدف شناسایی و تبیین عوامل مؤثر بر پذیرش نوآوری هوش مصنوعی در سازمان‌های آموزش‌محور با تمرکز برآموزش عالی انجام شد. این مطالعه به روش کیفی فراترکیب و بر اساس الگوی هفت‌مرحله‌ای سندلوسکی و باروسو اجرا گردید. ابتدا با جستجوی نظام‌مند در پایگاه‌های علمی معتبر داخلی و بین المللی به زبان های فارسی و انگلیسی، 1279 مقاله در بازه زمانی 2015 تا 2025 بررسی شد که در نهایت 61 مقاله با بهره‌گیری از ابزار ارزیابی CASP برای تحلیل نهایی انتخاب گردید. داده‌ها با رویکرد سازه-متغیر و بر اساس چارچوب‌های نظری متعدد استخراج‌شده از مقالات منتخب مانند TAM، UTAUT،TOE ، TRI و ... تحلیل و دسته‌بندی شدند. برای اعتبارسنجی یافته‌ها، از تکنیک دلفی فازی بهره گرفته شد. نتایج حاکی از آن است که عوامل تاثیر گذار شامل شش سازه اصلی: موتورهای انگیزشی دیجیتال (حوزه فردی)، پروتکل‌های تعامل فناوری (حوزه فناورانه)، موتورهای همگامی سازمانی (حوزه سازمانی)، شبکه‌های تطبیق محیطی (حوزه محیطی)، آستانه‌های شناختی و احساسی دیجیتال (حوزه شناختی-عاطفی) و عوامل تطبیق‌پذیری هوشمند (حوزه تطبیقی) شناسایی شدند. مدل مفهومی ارائه‌شده می‌تواند به سیاست‌گذاران آموزشی، مدیران و طراحان محیط‌های یادگیری هوشمند در بومی‌سازی و پیاده‌سازی استراتژی‌های مؤثر کمک نماید. بر پایه یافته‌ها، پیشنهادهایی برای تسهیل به‌کارگیری نوآوری‌های هوش مصنوعی در نظام‌های آموزش عالی ارائه شده است.

کلیدواژه‌ها

• هوش مصنوعی (AI)
• پذیرش نوآوری
• فراترکیب
• فناوری نوین آموزشی
• مدل‌های پذیرش فناوری

عنوان مقاله [English]

Identifying Factors Influencing the Acceptance of Artificial Intelligence Innovation in Education-Oriented Organizations: A Qualitative Systematic Review

نویسندگان [English]

• Aref Shams ¹
• Seyed Abdollah Amin Mousavi ²
• Mohammad Malekinia ³

¹ Department of Information Technology Management, KI.C., Islamic Azad University, Kish, Iran

² Department of Information Technology Management, CT.C., Islamic Azad University, Tehran, Iran

³ Department of Information Technology Management, ST.C., Islamic Azad University, Tehran, Iran

چکیده [English]

With the rapid expansion of emerging technologies, especially artificial intelligence (AI), transforming teaching-learning methods and educational management systems has become increasingly essential. This study aimed to identify and explain the factors influencing AI innovation adoption in education-oriented organizations, with a focus on higher education. The research was conducted using a qualitative meta-synthesis method based on Sandelowski and Barroso’s seven-step model. Initially, through a systematic search in reputable national and international scientific databases in both Persian and English, 1,279 articles published between 2015 and 2025 were reviewed. Ultimately, 61 articles were selected for final analysis using the CASP appraisal tool. Data were extracted and categorized using a construct-variable approach grounded in multiple theoretical frameworks derived from the selected articles, such as TAM, UTAUT, TOE, TRI, and others. To validate the findings, the fuzzy Delphi technique was employed. The results revealed six main constructs as influential factors: digital motivational engines (individual domain), technology interaction protocols (technological domain), organizational synchronization engines (organizational domain), environmental adaptation networks (environmental domain), digital cognitive and emotional thresholds (cognitive-emotional domain), and smart adaptability factors (adaptive domain). The proposed conceptual model can assist educational policymakers, managers, and designers of smart learning environments in localizing and implementing effective strategies. Based on the findings, recommendations are presented to facilitate the adoption of AI innovations in higher education systems.

کلیدواژه‌ها [English]

• Artificial Intelligence (AI)
• Innovation Adoption
• Meta-Synthesis
• Educational Emerging Technologies
• Technology Acceptance Models