🤖 AI

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

Questo studio utilizza il PLS-SEM per analizzare dati provenienti da 563 insegnanti filippini in formazione, rivelando che i fattori motivazionali ed emotivi interni, in particolare l'aspettativa di performance e la motivazione edonica, sono i principali driver dell'intenzione di adottare strumenti educativi abilitati dall'intelligenza artificiale, superando l'influenza dei fattori istituzionali esterni.

Autori originali: Vanessa B. Sibug, Emerson Q. Fernando, Almer B. Gamboa, Roque Francis B. Dianelo, Agnes R. Regala, Joseph Alexander Bansil, Jan Henry B. Sunga, Vernon Grace M. Maniago, John Paul P. Miranda

Pubblicato 2026-05-01

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Vanessa B. Sibug, Emerson Q. Fernando, Almer B. Gamboa, Roque Francis B. Dianelo, Agnes R. Regala, Joseph Alexander Bansil, Jan Henry B. Sunga, Vernon Grace M. Maniago, John Paul P. Miranda

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di stare per diventare un insegnante. Stai per entrare in una classe per il tuo primo vero tirocinio (il tuo "practicum") e hai davanti a te una nuova e potente cassetta degli attrezzi: strumenti educativi basati sull'intelligenza artificiale. Si tratta di programmi intelligenti che possono aiutarti a preparare piani di lezione, correggere compiti o creare quiz divertenti.

Ma ecco la grande domanda: li userai davvero?

Questo articolo è come una storia da detective che indaga sul motivo per cui alcuni futuri insegnanti nelle Filippine sono entusiasti di utilizzare questi strumenti di IA, mentre altri potrebbero esitare. I ricercatori hanno chiesto a 563 studenti insegnanti di compilare un sondaggio e hanno poi utilizzato un modello matematico speciale (una "ricetta" per comprendere il comportamento umano) per capire cosa guida le loro decisioni.

Ecco cosa hanno scoperto, spiegato in modo semplice:

1. I due motori principali: "Mi aiuterà?" e "È divertente?"

Lo studio ha scoperto che due fattori sono i principali motori per l'uso dell'IA, agendo come i due motori di una navicella spaziale:

Aspettativa di prestazione (Il fattore "Superpotere"): Questa è la convinzione che lo strumento renderà effettivamente il lavoro dell'insegnante più facile o migliore. Se uno studente insegnante pensa: "Questa IA mi aiuterà a correggere più velocemente e a rendere le mie lezioni incredibili", è molto probabile che la utilizzi. È come comprare un aspirapolvere ad alta tecnologia perché sai che pulirà la tua casa meglio di una scopa.
Motivazione edonistica (Il fattore "Gioia"): Si tratta semplicemente di divertirsi. Se lo strumento sembra giocoso, divertente o piacevole da usare, gli insegnanti vogliono usarlo. È la differenza tra svolgere un compito noioso e giocare a un videogioco. Se l'IA sembra un giocattolo divertente piuttosto che un compito noioso, l'adozione aumenta.

2. L'equivoco sulla "facilità d'uso"

Potresti pensare: "Se uno strumento è facile da usare, le persone lo useranno sicuramente". Lo studio ha scoperto che non è esattamente vero per questi insegnanti.

La scoperta: Quanto uno strumento sia "facile" (Aspettativa di sforzo) non ha reso direttamente gli insegnanti desiderosi di usarlo.
Il colpo di scena: Tuttavia, la "facilità d'uso" è fortemente influenzata da tre sentimenti interni:
- Fiducia: "Credo di poterla gestire?" (Autoefficacia informatica).
- Paura: "Ho paura di romperla?" (Ansia informatica).
- Giocosità: "Sembra un gioco?" (Giocosità informatica).
L'analogia: Pensa a un nuovo videogioco. Anche se i controlli sono semplici (facili da usare), non ci giocherai se hai paura dei pulsanti o ti senti stupido mentre cerchi di imparare. Ma se ti senti capace e pensi che il gioco sia divertente, vorrai giocare, anche se è un po' complicato.

3. Il sorprendente effetto della "pressione dei pari"

Di solito pensiamo che se i nostri amici o i nostri superiori ci dicono di fare qualcosa, lo faremo. Lo studio ha scoperto il contrario per l'IA.

La scoperta: L'influenza sociale (ciò che dicono i pari o i supervisori) ha avuto in realtà un effetto negativo.
L'analogia: Immagina che a un insegnante venga detto: "Devi usare questa IA perché lo ha detto il preside". Invece di sentirsi motivati, potrebbero sentirsi costretti o ribelli. È come quando un genitore ti dice di mangiare una specifica verdura; a volte, la pressione ti rende meno propenso a volerla mangiare perché senti che la tua libertà viene tolta. Vogliono usare gli strumenti perché loro vogliono, non perché gli è stato detto di farlo.

4. Ciò che non è importato molto

Lo studio ha esaminato altri fattori, ma non sono stati i principali motori:

Supporto istituzionale: Avere una buona connessione internet o computer (Condizioni facilitanti) non ha reso automaticamente gli insegnanti desiderosi di usare l'IA. Puoi avere una Ferrari in garage, ma se non vuoi guidarla, rimane lì ferma.
Prezzo: Poiché la maggior parte di questi strumenti è gratuita o a basso costo, il "rapporto qualità-prezzo" non è stato un fattore decisivo enorme.
Abitudine: Il fatto che abbiano usato la tecnologia in passato non ha garantito che avrebbero usato specificamente l'IA.

La conclusione

L'articolo conclude che per spingere i futuri insegnanti a usare l'IA, non dovremmo semplicemente costruire computer migliori o costringerli a usarla. Invece, dobbiamo concentrarci sull'interno dell'insegnante:

Mostra loro la magia: Dimostra che l'IA li aiuta effettivamente a svolgere meglio il loro lavoro (Prestazione).
Rendilo divertente: Assicurati che gli strumenti siano coinvolgenti e piacevoli (Edonismo).
Costruisci fiducia: Aiutali a sentirsi capaci e riduci la loro paura della tecnologia.
Smetti di fare pressione: Lascia che scelgano di usarla perché ne vedono il valore, non perché un capo glielo ha detto.

In breve, per questi futuri insegnanti, la motivazione interna è la chiave, non le regole esterne o le infrastrutture.

1. Enunciato del Problema

Lo studio affronta una lacuna critica nella formazione degli insegnanti: la comprensione dei fattori specifici che influenzano l'intenzione comportamentale dei futuri insegnanti di adottare strumenti educativi abilitati all'IA (ETT) durante la fase di tirocinio (insegnamento pratico). Sebbene la tecnologia educativa sia sempre più integrata nelle aule, l'adozione efficace non dipende solo dalle infrastrutture, ma dai fattori psicologici e contestuali che guidano i futuri educatori.

La letteratura esistente spesso manca di approfondimenti specifici su come i futuri insegnanti navigano strumenti specifici per l'IA (ad esempio, IA generativa per la pianificazione delle lezioni, sistemi di valutazione automatizzata) all'interno dei vincoli unici di un tirocinio. Gli autori mirano a identificare se i fattori motivazionali/cognitivi interni o i fattori istituzionali esterni siano più predittivi dell'intenzione di adozione nel contesto filippino.

2. Metodologia

Disegno della Ricerca e Partecipanti

Disegno: Studio trasversale descrittivo.
Partecipanti: 563 futuri insegnanti provenienti da istituzioni di formazione insegnanti nella Luzon Centrale, Filippine.
Dati demografici: Prevalentemente femminile (71,4%), età media 21,06. Le specializzazioni includevano Educazione Fisica (50%), Elementare (24,5%) e Secondaria (25,4%).
Contesto: I partecipanti erano attualmente iscritti a corsi di tirocinio. Lo studio ha contestualizzato gli strumenti IA includendo piattaforme come Canva, Slidesgo, Quillbot, ChatGPT, Gemini, Copilot, Quizizz, Kahoot! e Gradescope.

Quadro Teorico

Lo studio utilizza una versione estesa della Teoria Unificata dell'Accettazione e dell'Uso della Tecnologia 2 (UTAUT2).

Costrutti Principali: Aspettativa di Performance (PE), Aspettativa di Sforzo (EE), Motivazione Edonica (HM), Influenza Sociale (SI), Condizioni Facilitanti (FC), Valore del Prezzo (PV) e Abitudine (HB).
Costrutti Estesi: Il modello integra l'Autoefficacia Informatica (CSE), l'Ansia Informatica (CA) e il Giocosità Informatica (CP) come antecedenti di EE e HM.
Predittori Aggiuntivi per PE: Motivazione Estrinseca (EM), Adattamento al Lavoro (JF), Vantaggio Relativo (RA) e Aspettative di Esito (OE).

Strumento e Analisi

Raccolta Dati: Sondaggio online (Google Forms) utilizzando una scala Likert a 4 punti.
Tecnica di Analisi: Modellazione delle Equazioni Strutturali a Minimi Quadrati Parziali (PLS-SEM).
Validazione:
- Affidabilità: L'alpha di Cronbach e l'Affidabilità Composita (CR) hanno superato 0,70.
- Validità: La validità convergente è stata confermata tramite Caricamenti Fattoriali (>0,70) e Varianza Media Estratta (AVE > 0,50). La validità discriminante è stata confermata tramite il criterio di Fornell-Larcker.
Ipotesi: Sono state testate 12 ipotesi principali riguardanti le relazioni dirette e indirette tra i costrutti e l'Intenzione Comportamentale di Utilizzo (BITU).

3. Risultati Chiave

L'analisi PLS-SEM ha prodotto i seguenti risultati significativi:

A. Predittori Diretti dell'Intenzione Comportamentale (BITU)

Aspettativa di Performance (PE): Il predittore positivo più forte ( $\beta = 0,302, p < .001$ ). Gli insegnanti che credono che l'IA migliori la loro performance didattica sono più propensi ad adottarla.
Motivazione Edonica (HM): Il secondo predittore positivo più forte ( $\beta = 0,292, p < .001$ ). Il piacere derivante dall'uso degli strumenti guida significativamente l'adozione.
Aspettativa di Sforzo (EE): Non significativa ( $\beta = -0,013, p = .830$ ). La facilità d'uso percepita non ha influenzato direttamente l'intenzione di utilizzare strumenti IA in questo contesto.

B. Antecedenti dell'Aspettativa di Sforzo (EE)

Sebbene EE non abbia previsto BITU direttamente, è stata significativamente plasmata da:

Autoefficacia Informatica (CSE): Influenza positiva ( $\beta = 0,469$ ).
Giocosità Informatica (CP): Influenza positiva ( $\beta = 0,387$ ).
Ansia Informatica (CA): Sorprendentemente, una piccola ma significativa influenza positiva ( $\beta = 0,059$ ), suggerendo che un'ansia più elevata era associata a uno sforzo percepito più alto (o che la relazione è complessa in questo specifico campione).

C. Antecedenti dell'Aspettativa di Performance (PE)

PE è stata prevista significativamente da:

Motivazione Estrinseca (EM): Il driver più forte ( $\beta = 0,487$ ).
Aspettative di Esito (OE): ( $\beta = 0,236$ ).
Adattamento al Lavoro (JF): ( $\beta = 0,162$ ).
Vantaggio Relativo (RA): ( $\beta = 0,071$ ).

D. Fattori Contestuali e Abitudinari (Non Significativi o Negativi)

Influenza Sociale (SI): Ha mostrato un effetto negativo significativo ( $\beta = -0,096, p = .014$ ). La pressione esterna da parte di pari o supervisori ha effettivamente ridotto l'intenzione di utilizzare strumenti IA, probabilmente a causa di minacce percepite all'autonomia.
Condizioni Facilitanti (FC): Nessun effetto significativo ( $\beta = -0,029$ ). Il supporto istituzionale da solo non guida l'adozione.
Valore del Prezzo (PV) e Abitudine (HB): Hanno mostrato solo effetti marginali ( $p > 0,05$ ), indicando che il costo e la routine precedente non sono driver primari per questo gruppo demografico.

4. Contributi Chiave

Raffinamento di UTAUT2 nel Contesto IA: Lo studio convalida il quadro UTAUT2 per l'adozione dell'IA, ma evidenzia una deviazione: l'Aspettativa di Sforzo non è un driver diretto dell'intenzione in questo contesto specifico, sfidando le ipotesi standard secondo cui la facilità d'uso è fondamentale.
Identificazione del "Paradosso dell'Influenza Sociale": La scoperta che l'Influenza Sociale abbia un impatto negativo è un contributo critico. Suggerisce che, per i futuri insegnanti, mandati imposti dall'alto o pressioni tra pari possano ostacolare l'adozione volontaria dell'IA, sottolineando la necessità di autonomia.
Driver Psicologici vs Istituzionali: La ricerca fornisce prove empiriche che i fattori interni (motivazione, piacere, autoefficacia) superano significativamente i fattori esterni (infrastrutture, mandati istituzionali, costi) nell'adozione dell'IA da parte dei futuri insegnanti.
Specificità Contestuale: Offre la prima analisi PLS-SEM su larga scala dell'adozione dell'IA specificamente tra i futuri insegnanti filippini durante il loro tirocinio, un gruppo demografico spesso trascurato negli studi globali sull'educazione all'IA.

5. Significato e Implicazioni

Per i Programmi di Formazione degli Insegnanti:
- I programmi di studio dovrebbero spostare l'attenzione dal semplice fornire infrastrutture (Condizioni Facilitanti) al favorire la motivazione intrinseca e il piacere.
- La formazione dovrebbe enfatizzare la rilevanza personale (Adattamento al Lavoro) e le aspettative di esito per aumentare l'Aspettativa di Performance.
- I programmi devono affrontare l'Ansia Informatica e costruire l'Autoefficacia attraverso esplorazioni pratiche a basso rischio piuttosto che mandati obbligatori.
Per la Politica e l'Amministrazione:
- Gli amministratori dovrebbero evitare tattiche coercitive di "influenza sociale". Le strategie di adozione dovrebbero essere volontarie e autodirette.
- Gli investimenti in strumenti IA dovrebbero privilegiare funzionalità che offrono vantaggio relativo e motivazione estrinseca (ad esempio, risparmio di tempo, miglioramento dei voti) piuttosto che la semplice facilità d'uso.
Impatto Teorico: Lo studio suggerisce che, nel contesto delle tecnologie IA emergenti, il fattore "divertimento" (Motivazione Edonica) e la credenza nell'utilità (Aspettativa di Performance) sono i principali guardiani per l'adozione, mentre le barriere tradizionali come la "facilità d'uso" sono secondarie una volta stabilita una competenza di base.

In conclusione, il documento sostiene che un'integrazione riuscita dell'IA nella formazione degli insegnanti dipende meno dalla costruzione di infrastrutture migliori e più dalla coltivazione di un ambiente psicologico in cui i futuri insegnanti si sentano sicuri, autonomi e personalmente ricompensati dall'uso di questi strumenti.