AI Acceptance and Digital Transformation as Predictive Drivers of University Sustainability Using a Hybrid Machine Learning Model
Cette étude utilise des données d'enquête provenant de 178 cadres universitaires thaïlandais et un nouveau modèle d'apprentissage automatique hybride SA-Optuna-Stack pour démontrer que la transformation numérique et l'acceptation de l'IA sont des moteurs prédictifs significatifs de la durabilité organisationnelle dans l'enseignement supérieur en Asie du Sud-Est, identifiant les compétences du personnel et les réseaux externes comme des leviers clés tout en fournissant un outil de haute précision pour le suivi des résultats institutionnels alignés sur les Objectifs de développement durable des Nations Unies.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le monde moderne, les universités sont bien plus que de simples lieux d'apprentissage ; ce sont des organisations complexes qui doivent survivre et prospérer dans un environnement en mutation rapide. Pour y parvenir, elles s'appuient sur deux forces puissantes : la transition vers l'utilisation d'outils numériques dans tous les aspects de leur travail, connue sous le nom de transformation numérique, et la volonté de leur personnel d'adopter de nouvelles technologies comme l'intelligence artificielle. La transformation numérique ne consiste pas simplement à acheter des ordinateurs ; elle implique de changer la manière dont une institution planifie, gère son personnel et communique avec l'extérieur. De même, l'acceptation de l'intelligence artificielle ne se résume pas à l'installation d'un logiciel ; il s'agit de savoir si les personnes au sein de l'organisation considèrent que la technologie est utile, facile à utiliser et suffisamment digne de confiance pour changer leur façon de travailler. Lorsque ces deux forces s'alignent, elles ont le potentiel de rendre une université plus durable, ce qui signifie qu'elle peut continuer à remplir sa mission à long terme tout en créant de la valeur pour ses étudiants, son personnel et sa communauté. Cependant, bien que ces idées soient largement discutées, il y a eu peu de preuves concrètes de la manière dont elles fonctionnent ensemble dans le contexte spécifique des universités d'Asie du Sud-Est, et personne n'a encore construit de moyen fiable pour prédire la performance d'une université spécifique basée sur ces facteurs.
Une équipe de chercheurs de l'Université de Mahasarakham, en Thaïlande, s'est donné pour mission de combler cette lacune en s'adressant directement aux personnes qui dirigent ces institutions. Ils ont interrogé 178 hauts cadres universitaires, spécifiquement ceux responsables de l'administration et de l'informatique, en les interrogeant sur les progrès numériques de leur institution, l'attitude de leur personnel envers l'intelligence artificielle et la santé globale et la durabilité de leur université. Les chercheurs voulaient voir si la manière dont une université se transforme numériquement et le degré d'acceptation de l'intelligence artificielle par ses dirigeants pourraient réellement prédire la durabilité de cette université. Ils ont abordé cette question de deux manières distinctes. Premièrement, ils ont utilisé des méthodes statistiques standards pour voir s'il existait un lien direct entre ces facteurs. Deuxièmement, et de manière plus innovante, ils ont construit un modèle informatique sophistiqué conçu pour apprendre de ce petit groupe de cadres afin de prédire la durabilité de n'importe quelle université avec une grande précision.
L'analyse initiale a confirmé ce que de nombreux dirigeants soupçonnent mais que peu ont prouvé avec des données concrètes : la transformation numérique et l'acceptation de l'intelligence artificielle sont effectivement des moteurs puissants de durabilité. L'étude a révélé que lorsqu'une université améliore sa stratégie numérique, gère mieux ses processus et, surtout, développe les compétences de son personnel, elle devient nettement plus durable. Parmi tous les facteurs examinés, les compétences et la littératie numérique du personnel sont apparues comme le prédicteur de succès le plus fort, suivies de près par la force des réseaux et des partenariats externes de l'université. De même, la volonté de la communauté universitaire d'accepter et d'utiliser l'intelligence artificielle a eu un effet positif et marqué sur la viabilité à long terme de l'institution. Cela suggère que l'achat de technologie ne suffit pas ; les personnes qui l'utilisent doivent y croire et être capables de l'utiliser efficacement.
Pour aller au-delà de simples corrélations et créer un outil capable de prévoir les résultats, les chercheurs ont développé un nouveau type de modèle informatique. Ce modèle a été conçu pour gérer le défi d'un nombre relativement restreint de réponses à l'enquête, un problème courant dans les études portant sur la direction universitaire. Les chercheurs sont partis de 29 informations différentes collectées lors de l'enquête, allant de la taille de l'université aux attitudes spécifiques envers la technologie. En utilisant une méthode qui imite la façon dont les métaux sont refroidis pour éliminer les impuretés, l'ordinateur a testé systématiquement des combinaisons de ces facteurs pour trouver les plus importants. Il a réduit la liste à seulement 12 caractéristiques clés, éliminant le bruit pour se concentrer sur ce qui comptait vraiment. Ces 12 caractéristiques incluaient non seulement les facteurs numériques et l'IA, mais aussi des détails de base sur l'université, tels que sa taille et le rang académique des répondants.
Les chercheurs ont ensuite combiné trois types différents d'algorithmes d'apprentissage en un système unifié pour réaliser leurs prédictions. Une partie du système recherchait des modèles complexes, une autre agissait comme une vaste forêt d'arbres de décision, et une troisième utilisait un réseau neuronal pour trouver des connexions subtiles. Ces trois parties travaillaient ensemble, avec une couche finale qui apprenait à combiner au mieux leurs perspectives individuelles en une seule prédiction hautement précise. Cette approche hybride a permis au modèle d'apprendre à partir du petit ensemble de données sans être confus ou faire des prédictions aberrantes. Lorsque les chercheurs ont testé ce nouveau modèle par rapport à des méthodes plus anciennes et plus simples, il a obtenu de bien meilleurs résultats. Il a été capable d'expliquer plus de 95 pour cent des variations de la durabilité des universités, un niveau de précision que les modèles plus simples ne pouvaient atteindre. Le modèle s'est également révélé très stable, ce qui signifie qu'il donnait des résultats cohérents même lorsque les données étaient légèrement différentes, ce qui est crucial pour des prédictions fiables.
Les conclusions offrent une voie claire pour les dirigeants universitaires et les décideurs politiques en Thaïlande et dans la région. L'étude indique que le moyen le plus efficace d'assurer l'avenir d'une université n'est pas seulement d'investir dans de nouvelles technologies, mais d'investir dans les personnes qui les utilisent. Développer les compétences numériques du personnel et favoriser une culture où l'intelligence artificielle est acceptée et accueillie sont les étapes les plus critiques vers la durabilité. Les chercheurs ont également fourni un outil pratique pour surveiller ce progrès. Leur nouveau modèle prédictif peut être utilisé par les autorités éducatives pour évaluer la santé de différentes institutions, identifiant celles qui pourraient risquer d'être distancées dans leur parcours numérique. Cela permet un soutien et une intervention ciblés avant que les problèmes ne deviennent graves.
Cependant, les chercheurs veillent à noter que leur travail comporte des limites. Comme les données ont été collectées à un moment précis, l'étude montre un lien fort entre ces facteurs mais ne peut prouver que l'un cause l'autre au sens strict. Le modèle a été construit sur un groupe spécifique de 178 cadres en Thaïlande, donc bien que les résultats soient très prometteurs, ils devront être testés avec des groupes plus larges ou dans d'autres pays pour voir s'ils sont universellement valables. Malgré ces limites, l'étude offre un aperçu rare et précieux de la manière dont le changement numérique et l'acceptation humaine travaillent ensemble pour façonner l'avenir de l'enseignement supérieur. Elle fait passer la conversation des idées abstraites sur l'ère numérique à des preuves concrètes et mesurables, montrant que le chemin vers une université durable est pavé de personnes qualifiées et d'une volonté d'embrasser les outils de demain.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.