Exploring the Adoption Intention in Using AI-Enabled Educational Tools Among Preservice Teachers in the Philippines: A Partial-Least Square Modeling

यहाँ शोध पत्र "Exploring the Adoption Intention in Using AI-Enabled Educational Tools Among Preservice Teachers in the Philippines: A Partial-Least Square Modeling" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

यह अध्ययन शिक्षक शिक्षा में एक महत्वपूर्ण अंतराल को संबोधित करता है: अपने इंटर्नशिप (स्टूडेंट टीचिंग) चरण के दौरान AI-सक्षम शैक्षिक उपकरणों (ETTs) को अपनाने के लिए भावी शिक्षकों (pre-service teachers) के व्यवहारिक इरादे को प्रभावित करने वाले विशिष्ट कारकों को समझना। जबकि शैक्षिक तकनीक को कक्षाओं में तेजी से एकीकृत किया जा रहा है, प्रभावी अंगीकरण (adoption) केवल बुनियादी ढांचे पर नहीं बल्कि उन मनोवैज्ञानिक और प्रासंगिक कारकों पर निर्भर करता है जो भविष्य के शिक्षकों को प्रेरित करते हैं।

मौजूदा साहित्य में अक्सर इस बात की विशिष्ट अंतर्दृष्टि का अभाव होता है कि भावी शिक्षक AI-विशिष्ट उपकरणों (जैसे, पाठ योजना के लिए जनरेटिव AI, स्वचालित ग्रेडिंग सिस्टम) को एक विशिष्ट इंटर्नशिप परिवेश के भीतर कैसे नेविगेट करते हैं। लेखक यह पहचानना चाहते हैं कि क्या आंतरिक प्रेरणा/संज्ञानात्मक कारक या बाहरी संस्थागत कारक, फिलीपींस के संदर्भ में अंगीकरण के इरादे के अधिक भविष्यवक्ता (predictive) हैं।

2. कार्यप्रणाली (Methodology)

अनुसंधान डिजाइन और प्रतिभागी

• डिजाइन: वर्णनात्मक क्रॉस-सेक्शनल अध्ययन (Descriptive cross-sectional study)।
• प्रतिभागी: मध्य ल्यूसोन, फिलीपींस के शिक्षक शिक्षा संस्थानों के 563 भावी शिक्षक।
• जनसांख्यिकी: मुख्य रूप से महिला (71.4%), औसत आयु 21.06। विशेषज्ञता में शारीरिक शिक्षा (50%), प्रारंभिक शिक्षा (24.5%), और माध्यमिक शिक्षा (25.4%) शामिल थे।
• संदर्भ: प्रतिभागी वर्तमान में इंटर्नशिप पाठ्यक्रमों में नामांकित थे। अध्ययन ने AI उपकरणों को कैनवा (Canva), स्लाइड्सगो (Slidesgo), क्विलबॉट (Quillbot), चैटजीपीटी (ChatGPT), जेमिनी (Gemini), कोपायलट (Copilot), क्विज़िज़ (Quizizz), काहूट! (Kahoot!), और ग्रेडस्कोप (Gradescope) जैसे प्लेटफार्मों के रूप में संदर्भ प्रदान किया।

सैद्धांतिक ढांचा (Theoretical Framework)

यह अध्ययन UTAUT2 (Unified Theory of Acceptance and Use of Technology 2) के एक विस्तारित संस्करण का उपयोग करता है।

• मुख्य निर्माण (Core Constructs): प्रदर्शन प्रत्याशा (Performance Expectancy - PE), प्रयास प्रत्याशा (Effort Expectancy - EE), सुखद अभिप्रेरणा (Hedonic Motivation - HM), सामाजिक प्रभाव (Social Influence - SI), सुसाध्य स्थितियाँ (Facilitating Conditions - FC), मूल्य मूल्य (Price Value - PV), और आदत (Habit - HB)।
• विस्तारित निर्माण (Extended Constructs): मॉडल EE और HM के पूर्ववृत्त (antecedents) के रूप में कंप्यूटर आत्म-प्रभावकारिता (Computer Self-Efficacy - CSE), कंप्यूटर चिंता (Computer Anxiety - CA), और कंप्यूटर चंचलता (Computer Playfulness - CP) को एकीकृत करता है।
• अतिरिक्त भविष्यवक्ता (Additional Predictors for PE): बाह्य अभिप्रेरणा (Extrinsic Motivation - EM), जॉब फिट (Job Fit - JF), सापेक्ष लाभ (Relative Advantage - RA), और परिणाम अपेक्षाएं (Outcome Expectations - OE)।

उपकरण और विश्लेषण

• डेटा संग्रह: 4-पॉइंट लिकर्ट स्केल का उपयोग करते हुए ऑनलाइन सर्वेक्षण (गूगल फॉर्म्स)।
• विश्लेषण तकनीक: पार्शियल लीस्ट स्क्वायर्स स्ट्रक्चरल इक्वेशन मॉडलिंग (PLS-SEM)।
• वैधता (Validation):
  • विश्वसनीयता: क्रोनबैक अल्फा और कंपोजिट रिलायबिलिटी (CR) 0.70 से अधिक था।
  • वैधता: फैक्टर लोडिंग (>0.70) और औसत भिन्नता निष्कर्षण (AVE > 0.50) के माध्यम से अभिसरण वैधता (Convergent validity) की पुष्टि की गई। फोर्नेल-लार्कर्स मानदंड (Fornell-Larker criterion) के माध्यम से विभेदक वैधता (Discriminant validity) की पुष्टि की गई।
• परिकल्पनाएँ (Hypotheses): 12 प्राथमिक परिकल्पनाओं का परीक्षण किया गया जो विभिन्न निर्माणों और व्यवहारिक उपयोग के इरादे (Behavioral Intention to Use - BITU) के बीच प्रत्यक्ष और अप्रत्यक्ष संबंधों के बारे में थी।

3. मुख्य परिणाम (Key Results)

PLS-SEM विश्लेषण ने निम्नलिखित महत्वपूर्ण निष्कर्ष दिए:

A. व्यवहारिक इरादे (BITU) के प्रत्यक्ष भविष्यवक्ता

• प्रदर्शन प्रत्याशा (PE): सबसे मजबूत सकारात्मक भविष्यवक्ता ($\beta = 0.302, p < .001$)। जो शिक्षक मानते हैं कि AI उनके शिक्षण प्रदर्शन में सुधार करता है, उनके अपनाने की संभावना अधिक होती है।
• सुखद अभिप्रेरणा (HM): दूसरा सबसे मजबूत सकारात्मक भविष्यवक्ता ($\beta = 0.292, p < .001$)। उपकरणों के उपयोग से प्राप्त आनंद अपनाने को महत्वपूर्ण रूप से प्रेरित करता है।
• प्रयास प्रत्याशा (EE): महत्वपूर्ण नहीं ($\beta = -0.013, p = .830$)। उपयोग में आसानी (ease of use) का इस संदर्भ में AI उपकरणों के उपयोग के इरादे पर सीधा प्रभाव नहीं पड़ा।

B. प्रयास प्रत्याशा (EE) के पूर्ववृत्त

यद्यपि EE ने BITU की सीधे भविष्यवाणी नहीं की, लेकिन यह निम्नलिखित द्वारा महत्वपूर्ण रूप से आकार लिया गया था:

• कंप्यूटर आत्म-प्रभावकारिता (CSE): सकारात्मक प्रभाव ($\beta = 0.469$)।
• कंप्यूटर चंचलता (CP): सकारात्मक प्रभाव ($\beta = 0.387$)।
• कंप्यूटर चिंता (CA): आश्चर्यजनक रूप से, एक छोटा लेकिन महत्वपूर्ण सकारात्मक प्रभाव ($\beta = 0.059$), जो बताता है कि उच्च चिंता उच्च कथित प्रयास (या इस विशिष्ट नमूने में संबंध जटिल है) से जुड़ी थी।

C. प्रदर्शन प्रत्याशा (PE) के पूर्ववृत्त

PE की भविष्यवाणी महत्वपूर्ण रूप से निम्नलिखित द्वारा की गई:

• बाह्य अभिप्रेरणा (EM): सबसे मजबूत चालक ($\beta = 0.487$)।
• परिणाम अपेक्षाएं (OE): ($\beta = 0.236$)।
• जॉब फिट (JF): ($\beta = 0.162$)।
• सापेक्ष लाभ (RA): ($\beta = 0.071$)।

D. प्रासंगिक और आदतन कारक (गैर-महत्वपूर्ण या नकारात्मक)

• सामाजिक प्रभाव (SI): इसने एक महत्वपूर्ण नकारात्मक प्रभाव दिखाया ($\beta = -0.096, p = .014$)। साथियों या पर्यवेक्षकों से बाहरी दबाव ने वास्तव में AI उपकरणों के उपयोग के इरादे को कम कर दिया, जो संभवतः स्वायत्तता के लिए खतरों के कारण हुआ।
• सुसाध्य स्थितियाँ (FC): कोई महत्वपूर्ण प्रभाव नहीं ($\beta = -0.029$)। केवल संस्थागत समर्थन ही अंगीकरण को प्रेरित नहीं करता है।
• मूल्य मूल्य (PV) और आदत (HB): इन्होंने केवल मामूली प्रभाव दिखाए ($p > 0.05$), जो इंगित करता है कि इस जनसांख्यिकीय के लिए लागत और पूर्व दिनचर्या प्राथमिक चालक नहीं हैं।

4. प्रमुख योगदान (Key Contributions)

1. AI संदर्भ में UTAUT2 का परिशोधन: यह अध्ययन AI अंगीकरण के लिए UTAUT2 ढांचे को मान्य करता है लेकिन एक विचलन को भी उजागर करता है: प्रयास प्रत्याशा (Effort Expectancy) इस विशिष्ट संदर्भ में इरादे का सीधा चालक नहीं है, जो मानक धारणाओं को चुनौती देता है जहाँ उपयोग में आसानी सर्वोपरि होती है।
2. "सामाजिक प्रभाव विरोधाभास" की पहचान: सामाजिक प्रभाव का नकारात्मक प्रभाव दिखाना एक महत्वपूर्ण योगदान है। यह सुझाव देता है कि भावी शिक्षकों के लिए, साथियों या शीर्ष-स्तर के आदेशों के माध्यम से थोपे गए निर्देश AI उपकरणों के स्वैच्छिक अंगीकरण में बाधा डाल सकते हैं, जो स्वायत्तता की आवश्यकता पर जोर देते हैं।
3. मनोवैज्ञानिक बनाम संस्थागत चालक: शोध इस बात का अनुभवजन्य प्रमाण प्रदान करता है कि आंतरिक कारक (अभिप्रेरणा, आनंद, आत्म-प्रभावकारिता) बाहरी कारकों (बुनियादी ढांचा, संस्थागत आदेश, लागत) की तुलना में अंगीकरण के लिए अधिक महत्वपूर्ण हैं।
4. प्रासंगिक विशिष्टता: यह विशेष रूप से फिलीपींस के भावी शिक्षकों के बीच AI अंगीकरण का पहला बड़े पैमाने पर PLS-SEM विश्लेषण प्रस्तुत करता है, जो एक ऐसा समूह है जिसे अक्सर वैश्विक AI शिक्षा अध्येशनों में अनदेखा किया जाता है।

5. महत्व और निहितार्थ (Significance and Implications)

• शिक्षक शिक्षा कार्यक्रमों के लिए:
  • पाठ्यक्रम को केवल बुनियादी ढांचा (सुसाध्य स्थितियाँ) प्रदान करने के बजाय आंतरिक अभिप्रेरणा और आनंद को बढ़ावा देने पर ध्यान केंद्रित करना चाहिए।
  • प्रशिक्षण को व्यक्तिगत प्रासंगिकता (जॉब फिट) और परिणाम अपेक्षाओं पर जोर देना चाहिए ताकि प्रदर्शन प्रत्याशा को बढ़ाया जा सके।
  • कार्यक्रमों को कंप्यूटर चिंता को दूर करना चाहिए और अनिवार्य आदेशों के बजाय व्यावहारिक, कम जोखिम वाले अन्वेषण के माध्यम से आत्म-प्रभावकारिता का निर्माण करना चाहिए।
• नीति और प्रशासन के लिए:
  • प्रशासकों को बाध्यकारी "सामाजिक प्रभाव" युक्तियों से बचना चाहिए। अंगीकरण रणनीतियाँ स्वैच्छिक और स्व-निर्देशित होनी चाहिए।
  • AI उपकरणों में निवेश को केवल उपयोग में आसानी के बजाय उन विशेषताओं को प्राथमिकता देनी चाहिए जो सापेक्ष लाभ और बाह्य अभिप्रेरणा (जैसे, समय बचाना, ग्रेड सुधारना) प्रदान करती हैं।
• सैद्धांतिक प्रभाव: अध्ययन सुझाव देता है कि उभरती हुई AI प्रौद्योगिकियों के संदर्भ में, "मजे वाला" कारक (सुखद अभिप्रेरणा) और उपयोगिता में विश्वास (प्रदर्शन प्रत्याशा) अंगीकरण के प्राथमिक द्वारपाल हैं, जबकि पारंपरिक बाधाएं जैसे "उपयोग में आसानी" बुनियादी क्षमता स्थापित होने के बाद माध्यमिक हो जाती हैं।

निष्कर्षतः, यह शोध पत्र तर्क देता है कि शिक्षक शिक्षा में सफल AI एकीकरण बुनियादी ढांचे के निर्माण से कम और एक ऐसे मनोवैज्ञानिक वातावरण के निर्माण पर अधिक निर्भर करता है जहाँ भविष्य के शिक्षक इन उपकरणों का उपयोग करने में आत्मविश्वास, स्वायत्तता और व्यक्तिगत रूप से पुरस्कृत महसूस करें।