MétaCan
Menu
Retour à la cohorte
Enregistrement W4415615202 · doi:10.17705/1cais.05755

Unlocking the Future of Education: Empirical Insights into the Adoption of Generative AI in Higher Education

2025· article· W4415615202 sur OpenAlexaffabout
Morteza Mashayekhy, Fariba Nosrati, Maryam Ghasemaghaei

Notice bibliographique

RevueCommunications of the Association for Information Systems · 2025
Typearticle
Langue
DomaineComputer Science
ThématiqueAI in Service Interactions
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésHigher educationCreativityExpectancy theorySample (material)SkepticismEmpirical researchQualitative researchSocial influence

Résumé

récupéré en direct d'OpenAlex

This study investigates the factors influencing the adoption and use of generative AI technologies (GenAI) in higher education through a comprehensive survey of 592 university professors across the USA and Canada, using both quantitative and qualitative data. The results reveal that educators primarily benefit from using GenAI to create course materials more efficiently and enhance students’ learning outcomes. However, significant concerns persist regarding the accuracy of AI-generated content and the privacy and security of data. The qualitative analysis further identified six common themes: efficiency and time-saving, creativity and innovation, engagement with technology, support in research and learning, skepticism or uncertainty, and contextual dependency. Our findings also indicate that perceived enjoyment and performance expectancy are the most crucial drivers for adopting GenAI, whereas perceived risk substantially deters educators from integrating these technologies. Additionally, age negatively affects use and amplifies the effect of perceived risk on intention; female educators report higher intention than males, with social influence exerting a stronger positive and perceived risk a stronger negative association with intention among female educators. This research substantially contributes to the Information Systems (IS) literature by empirically examining GenAI use in higher education with a large sample size. The study not only highlights the practical benefits and risks associated with GenAI but also provides a nuanced understanding of the psychological factors influencing educators’ decisions. These findings offer actionable insights for developers to address educators’ concerns and for educational institutions to develop strategies that facilitate the effective and responsible integration of GenAI technologies in academic settings.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesScience ouverte
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0060,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,036
Tête enseignante GPT0,347
Écart entre enseignants0,311 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunications of the Association for Information SystemsMême sujetAI in Service InteractionsTravaux en français237 207