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

以下は、論文「フィリピンにおける准教師の AI 搭載教育ツールの採用意向の探求：部分最小二乗法モデリング」の詳細な技術的要約です。

1. 問題提起

本研究は、教師教育における重要なギャップ、すなわち実習（学生教員）段階における准教師の AI 搭載教育ツール（ETTs）の採用に関する行動意図に影響を与える特定の要因を理解することの欠如に対処しています。教育技術が教室にますます統合される一方で、効果的な採用はインフラだけでなく、将来の教育者を駆り立てる心理的および文脈的要因に依存します。

既存の文献は、実習という独自の制約の中で、准教師がAI 固有のツール（例：授業計画のための生成 AI、自動採点システム）をどのようにナビゲートするかについての具体的な洞察を欠いていることが多いです。著者らは、フィリピンの文脈において、採用意図をより予測するのは内的な動機づけ/認知的要因か、それとも外的な制度的要因かを特定することを目的としています。

2. 方法論

研究デザインと参加者

• デザイン: 記述的横断研究。
• 参加者: フィリピン中部ルソン地域の教師教育機関に所属する准教師 563 名。
• 人口統計: 女性が中心（71.4%）、平均年齢 21.06 歳。専攻は体育（50%）、初等教育（24.5%）、中等教育（25.4%）。
• 文脈: 参加者は現在、実習課程に在籍していました。本研究における AI ツールの文脈には、Canva、Slidesgo、Quillbot、ChatGPT、Gemini、Copilot、Quizizz、Kahoot!、Gradescope などのプラットフォームが含まれます。

理論的枠組み

本研究は、**技術受容と利用の統合理論 2（UTAUT2）**の拡張版を利用しています。

• 中核的構成概念: 業績期待（PE）、努力期待（EE）、快楽的動機（HM）、社会的影響（SI）、促進条件（FC）、価格価値（PV）、習慣（HB）。
• 拡張された構成概念: このモデルは、EE と HM の先行変数としてコンピュータ自己効力感（CSE）、コンピュータ不安（CA）、**コンピュータ遊び心（CP）**を統合しています。
• PE の追加予測変数: 外的動機（EM）、職務適合性（JF）、相対的優位性（RA）、結果期待（OE）。

測定器具と分析

• データ収集: 4 点リッカート尺度を使用したオンライン調査（Google フォーム）。
• 分析手法: 部分最小二乗構造方程式モデリング（PLS-SEM）。
• 妥当性検証:
  • 信頼性: クロンバックのアルファと合成信頼度（CR）は 0.70 を超えました。
  • 妥当性: 因子負荷量（>0.70）と平均分散抽出量（AVE > 0.50）による収束妥当性が確認されました。弁別妥当性は Fornell-Larcker 基準により確認されました。
• 仮説: 構成概念と行動意図（BITU）の間の直接的および間接的な関係に関する 12 の主要な仮説が検証されました。

3. 主要な結果

PLS-SEM 分析により、以下の有意な知見が得られました。

A. 行動意図（BITU）の直接的な予測変数

• 業績期待（PE）: 最も強い正の予測変数（$\beta = 0.302, p < .001$）。AI が教職のパフォーマンスを向上させると信じる教師ほど、それを採用する可能性が高くなります。
• 快楽的動機（HM）: 2 番目に強い正の予測変数（$\beta = 0.292, p < .001$）。ツールの使用から得られる楽しさが採用を大きく促進します。
• 努力期待（EE）: 有意ではありませんでした（$\beta = -0.013, p = .830$）。この文脈では、使用の容易さの認識は AI ツールの使用意図に直接影響を与えませんでした。

B. 努力期待（EE）の先行変数

EE は BITU を直接予測しなかったものの、以下によって有意に形成されました。

• コンピュータ自己効力感（CSE）: 正の影響（$\beta = 0.469$）。
• コンピュータ遊び心（CP）: 正の影響（$\beta = 0.387$）。
• コンピュータ不安（CA）: 意外にも、小さながら有意な正の影響（$\beta = 0.059$）。これは、高い不安がより高い知覚された努力と関連していること、あるいはこの特定のサンプルにおいて関係が複雑であることを示唆しています。

C. 業績期待（PE）の先行変数

PE は以下によって有意に予測されました。

• 外的動機（EM）: 最も強力な駆動力（$\beta = 0.487$）。
• 結果期待（OE）: （$\beta = 0.236$）。
• 職務適合性（JF）: （$\beta = 0.162$）。
• 相対的優位性（RA）: （$\beta = 0.071$）。

D. 文脈的および習慣的要因（有意でない、または負の影響）

• 社会的影響（SI）: 有意な負の効果を示しました（$\beta = -0.096, p = .014$）。同僚や監督者からの外部圧力は、自律性への脅威として認識されたため、AI ツールの使用意図を低下させました。
• 促進条件（FC）: 有意な効果はありませんでした（$\beta = -0.029$）。制度的支援だけでは採用を促進しません。
• 価格価値（PV）と習慣（HB）: 僅かな効果のみを示しました（$p > 0.05$）。コストや以前の習慣は、この人口統計層にとって主要な駆動力ではないことを示しています。

4. 主要な貢献

1. AI 文脈における UTAUT2 の精緻化: 本研究は AI 採用における UTAUT2 枠組みを検証しましたが、逸脱点を浮き彫りにしました。すなわち、この特定の文脈では努力期待が意図の直接的な駆動力ではないという点です。これは、使用の容易さが最重要であるという標準的な仮説に挑戦するものです。
2. 「社会的影響のパラドックス」の特定: 社会的影響が負の影響を与えるという発見は、重要な貢献です。准教師にとって、トップダウンまたは同僚からの圧力に基づく義務付けは、AI の自発的採用を妨げる可能性があり、自律性の必要性を強調しています。
3. 心理的対制度的駆動力: この研究は、将来の教師による AI の採用において、内的要因（動機、楽しさ、自己効力感）が外的要因（インフラ、制度的義務、コスト）よりもはるかに重要であるという実証的証拠を提供します。
4. 文脈的固有性: これは、実習中のフィリピン人准教師を対象とした AI 採用に関する最初の大規模な PLS-SEM 分析であり、グローバルな AI 教育研究においてしばしば見過ごされている人口統計層に焦点を当てています。

5. 意義と含意

• 教師教育プログラムにとって:
  • カリキュラムは、単にインフラ（促進条件）を提供することから、内的動機と楽しさを育成することに焦点を移すべきです。
  • 研修では、業績期待を高めるために個人的な関連性（職務適合性）と結果期待を強調すべきです。
  • プログラムはコンピュータ不安に対処し、義務的な義務付けではなく、ハンズオンでリスクの低い探索を通じて自己効力感を構築する必要があります。
• 政策と行政にとって:
  • 管理者は、強制的な「社会的影響」の戦術を避けるべきです。採用戦略は自発的で自己主導型であるべきです。
  • AI ツールへの投資は、単なる使用の容易さではなく、相対的優位性と外的動機（例：時間の節約、成績の向上）を提供する機能を優先すべきです。
• 理論的影響: 本研究は、新興 AI 技術の文脈において、「楽しさ」の要素（快楽的動機）と有用性への信念（業績期待）が採用の主要なゲートキーパーであり、基本的な能力が確立された後、使用の容易さのような従来の障壁は二次的であることを示唆しています。

結論として、この論文は、教師教育における AI の成功した統合は、より良いインフラの構築よりも、将来の教師がこれらのツールを使用することで自信を持ち、自律的であり、個人的に報われていると感じる心理的環境を育成することに依存すると主張しています。