XiaoMi-AI文件搜索系统
World File Search SystemUTAUT
使用UTAUT2
生成人工智能（GAI）技术正在高等教育中获得吸引力，提供了潜在的好处，例如个性化学习支持和提高生产力。但是，成功的集成需要了解影响学生采用这些新兴工具的因素。这项研究调查了塑造高等教育学生通过统一接受和使用技术2框架的镜头采用GAI的决定因素。数据是从Pyatigorsk州立大学的学生那里收集的，并使用结构方程建模进行了分析。这些发现揭示了习惯（HB）是学生在学生中采用GAI的最有影响力的预测指标，其次是预期绩效。享乐动机，社会影响力（SI）和价格价值积极影响行为意图（BI）使用这些技术。令人惊讶的是，促进条件（FC）对BI表现出负面影响，这表明支持系统中的潜在差距。该研究在推动采用的基本因素上没有明显的性别差异。根据结果，提供了有关促进HB形成，交流福利，增强享乐主义呼吁，杠杆SI，解决价格问题和加强FC的建议。潜在的局限性包括数据的横截面性质，地理限制，对自我报告的措施的依赖以及缺乏对个体差异作为主持人的考虑。这项研究有助于在教育环境中对GAI采用的知识不断提高，从而提供了见解，以指导高等教育机构负责任地整合这些创新工具，同时满足学生需求并促进改进的学习成果。
阐明发展中国家平台经济采用的决定因素：具有隐私计算观点的UTAUT2模型的扩展应用
摘要：平台经济已成为各种行业的变革力量，重新塑造了消费者的行为以及企业在数字时代的运作方式。了解影响这些平台的影响对于它们的持续发展和广泛使用至关重要的因素。本研究通过扩展了具有隐私计算模型的技术2（UTAUT2）模型的广泛使用理论和使用技术2（UTAUT2）模型的统一接受和使用理论，从而研究了突尼斯经济平台采用的决定因素。通过应用部分最小二乘结构方程建模（PLS-SEM）技术，研究提供了显着的见解。结果强调了诸如绩效预期，习惯形成，对技术的信任，感知风险，隐私问题以及对用户行为意图的价格价值以及平台实际使用等因素的关键影响。这些发现提供了对发展中国家平台经济采用的动态的更深入的了解，并为利益相关者提供了宝贵的见解。通过利用这些知识，利益相关者可以培养一个包容性的数字生态系统，推动经济增长，并创造一个有利于在发展中国家广泛采用和使用平台经济的环境。
修改后的UTAUT2透视
教育者必须在当今技术驱动的世界中有效地将技术纳入其教学实践中。这项研究调查了影响技术融入南非中学的数学教育者之间的技术融合的因素。统一的技术接受和使用理论，通过添加技术教学内容知识（TPACK）来扩展。使用309名数学教育者的在线问卷收集数据。使用探索性和确认因素分析来验证和验证测量模型。结构方程建模分析表明，享乐动机（HM），绩效预期（PE）和TPACK影响了行为意图（BI）以整合技术。tpack，促进条件（FC），预期努力（EE），社会影响力（罪），描述性规范（SID）和习惯（HT）影响了技术整合的行为使用（BU）。二阶结构建模表明所有构造都促成了技术集成。仍然，TPACK是最重要的，最高解释的方差为64.4％，其次是EE，FC，HM和HT，所有这些方差都解释了50％以上的方差。bi和bu，PE和社会影响力不到解释差异的50％。我们的发现可以为未来的干预措施提供有效的技术整合培训的见解。
EFL学习者在英语学术写作中使用大语言模型的动机和接受：UTAUT模型的扩展
大型语言模型（LLMS）以CHATGPT为代表，是生成AI中最重要的技术突破之一，并已开始在EFL写作指令中应用。LLM的出现给EFL学习者带来了机会和挑战，强调了经验证据对他们在学习英语学术写作中使用LLM的动机和接受的重要性。这项研究招募了238名参与者，他们已经完成了使用LLMS进行与业务相关的英语学术写作的一个学期培训。参与者根据L2动机自我系统和技术的接受和使用理论（UTAUT）回答了问题项。部分最小二乘结构方程建模（PLS-SEM）用于检查动机，区域，以前的学习经验和UTAUT模型之间的结构关系。此外，测试了动机对四个UTAUT决定因素，行为意图和使用行为之间关系的调节作用。结果表明，预期绩效和社会影响会极大地影响学习者使用LLM的行为意图。此外，动机被证明是塑造行为意图和实际使用行为的关键因素，突出了其在学习英语学术写作技术的技术中的关键作用。
了解老年人接受聊天机器人在医疗保健服务中的接受：扩展的UTAUT模型
聊天机器人采用人工智能（AI）和自然语言处理（NLP）技术来模拟人类对话，理解问题并提供对查询的自动回答（1）。它们存在于常用的智能设备，例如智能手机，平板电脑和智能扬声器（2）中。如今，它们正在延伸到可穿戴技术（3），包括头戴式可穿戴设备（4）和智能手表（5），以及多模式技术（6，7）和元大学（8）。医疗保健领域对聊天机器人的需求不断增长，目的是为患者和医疗保健专业人员提供服务。例如，聊天机器人已成为在线访问实时健康信息的宝贵工具（9）。聊天机器人可以帮助患者确定其症状是短暂的还是需要进一步的医疗护理，提供健康的建议并鼓励疾病预防措施（10）。chatgpt，新一代的聊天机器人，由
DOI：https://doi.org/10.48009/3_iis_2024_119 研究学术界对生成人工智能的采用：UTAUT 的观点 Adam Patterson
过去几年，人工智能 (AI) 技术在高等教育机构中发展迅速，引发了人们对这些计算机系统的使用和潜在接受因素的质疑。本研究利用先前建立的技术接受和使用统一理论 (UTAUT) 模型，调查了学生采用生成式 AI 工具（也称为聊天机器人）的特点。使用从 74 名受访者的调查中收集的数据部署了偏最小二乘回归 (PLSR) 模型，以检查哪些 UTAUT 构造正在影响本科生对生成式 AI 工具的使用行为。了解 AI 接受的因素对教育工作者很有价值，因为他们可以设计课堂干预措施以提高学生群体（尤其是延迟用户）的学术和专业潜力。此外，对采用属性的洞察可能有助于了解 UTAUT 框架下的生成式 AI 接受度。结果表明，生产力提高、导师观点、同行使用和执行任务的广泛性推动了生成式 AI 在学术环境中的采用。此外，实证结果发现，性别和年龄等人口统计数据并不是影响生成式 AI 使用的因素。建议未来的研究将本研究的结果与基于价值的采用模型 (VAM) 进行比较，以证实学生在边际效益与边际成本权衡环境中采用的特征。关键词：生成人工智能、技术采用、UTAUT、本科生、教育
使用UTAUT模型对银行的研究
摘要人工智能（AI）和机器学习（ML）正在通过提供满足客户期望的解决方案来彻底改变金融领域。这些技术为客户提供了更简化，创新和安全的方法来管理和利用其财务状况。除了消费者互动之外，AI还可以增强从投资决策到算法交易和高级风险管理等的财务流程。因此，AI驱动的自动化有望成为一种变革性的力量，扩大了财务可及性并重塑了常规的银行业规范。这项研究阐明了AI和ML集成对金融服务行业中客户满意度的影响。为了衡量客户的情绪，进行了一项结构化调查，从果阿的不同银行客户那里获得了138个回复。利用UTAUT模型，采用了PLS-SEM分析框架来辨别各种决定因素之间的相互作用。经验结果强调了客户对基于AI/ML的银行业务的明显偏好，从而加强了AI/ML实施在银行业务中增强客户满意度的观念。
使用 UTAUT 模型进行银行研究
摘要 人工智能 (AI) 和机器学习 (ML) 正在通过提供满足不断变化的客户期望的解决方案来彻底改变金融业。这些技术为客户提供了更精简、创新和安全的方法来管理和利用他们的财务。除了消费者互动之外，人工智能还增强了从投资决策到算法交易和高级风险管理等财务流程。因此，人工智能驱动的自动化有望成为一股变革力量，扩大金融可及性并重塑传统银行规范。这项研究阐明了人工智能和机器学习集成对金融服务行业客户满意度的影响。为了衡量客户情绪，进行了一项结构化调查，从果阿的不同银行客户那里获得了 138 份回复。利用 UTAUT 模型，采用 PLS-SEM 分析框架来辨别各种决定因素之间的相互作用。实证结果强调了客户对基于人工智能/机器学习的银行功能的明显偏好，强化了人工智能/机器学习实施可以提高银行业务客户满意度的观点。
解锁潜力：UTAUT2在现代农业中拥抱自动拖拉机的框架
如今，经过长时间的计划和开发，我们已经到达了我们看到自动驾驶车辆的阶段。这些类型的车辆，如果它们出现在大规模上，不仅会改变人们的日常生活方式，还会改变城市的结构和运输的许多方面。使用技术采用模型的未承认目标之一是增加新技术的采用成功，但就我的经验而言，大多数论文都集中在现有技术上。我发现，看一项新技术将在不久的将来不可避免地成为人类的一部分很有趣，这就是自动驾驶工具。研究人员已经开发了许多技术采用模型，以找出哪些因素影响了新技术的采用。一项研究的重点是使用意图或用作因变量的个人对技术的接受（Thompson等，2008）。自动驾驶汽车在农业中的吸收正在迅速扩展，并且这些正在开发的技术已经与数据收集/数据处理和数据驱动的实施有关。自动化部分或所有农业过程。
受 UTAUT 启发的人工智能采用意向模型 (AI2M) 受 UTAUT 启发的人工智能采用意向模型 (AI2M)
企业尚未充分了解人工智能 (AI) 的采用及其好处，导致企业采用成功率较低。众所周知的技术接受和使用统一理论 (UTAUT) 及其扩展并未考虑 AI 和特定企业规模的特殊性。在此背景下，本研究的主要目标是提出一个受 UTAUT 启发的新模型，以考虑基于 AI 的 IS 和不同企业规模的特殊性。使用 363 名参与者的样本测试了所提出的人工智能采用意向模型 (AI2M)，证实了 UTAUT 影响因素的重要性：感知绩效、社会影响和预期努力。此外，与 UTAUT 的背景不同，发现促进条件会影响行为意向。此外，中介测试表明，自我效能和社会影响会调节其他三个因素对采用意向的影响。最后，发现公司规模对自我效能和社会影响对采用意向的影响之间存在调节关系。 AI2M 解释了采用意向的 48% 方差，对不同规模的企业具有普遍性。因此，本研究有助于缩小技术采用相关研究与不同规模企业采用基于 AI 的技术之间的差距，为未来学者的研究和管理者决策提供支持。