Psychometric properties of the Arabic version of the Unified Theory of Acceptance and Use of Technology (UTAUT-2012) Among Nursing Students
Notice bibliographique
Résumé
The integration of artificial intelligence (AI) into nursing education is essential for equipping future nurses with the skills required to navigate an increasingly technology-driven healthcare environment. This study aimed to validate the Arabic version of the Unified Theory of Acceptance and Use of Technology (UTAUT-2012) model in assessing factors influencing nursing students’ acceptance and use of AI in healthcare education. A cross-sectional pilot study was conducted with 200 nursing students to evaluate the psychometric properties of the Arabic-translated UTAUT (2012) instrument. Confirmatory factor analysis was performed using covariance-based structural equation modeling (CB-SEM) in SmartPLS (Version 4.1.0). Confirmatory factor analysis supported the construct validity of the nine UTAUT 2012 constructs: performance expectancy, effort expectancy, social influence, facilitating conditions, hedonic motivation, price value, habit, behavioral intention, and use behavior. All items showed acceptable factor loadings (> .5), composite and construct reliability (> 0.7), and average variance extracted (> 0.5). Discriminant validity was confirmed using the Fornell-Larcker criterion and the heterotrait-monotrait ratio. The findings offer valuable insights into the factors influencing Arabic-speaking nursing students’ acceptance and use of AI in healthcare education, supporting the model’s validity in this cultural context.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».