AI Acceptance and Digital Transformation as Predictive Drivers of University Sustainability Using a Hybrid Machine Learning Model

In de moderne wereld zijn universiteiten meer dan alleen plaatsen voor leren; het zijn complexe organisaties die moeten overleven en floreren in een snel veranderende omgeving. Om dit te doen, vertrouwen ze op twee krachtige krachten: de verschuiving naar het gebruik van digitale hulpmiddelen in elk aspect van hun werk, bekend als digitale transformatie, en de bereidheid van hun personeel om nieuwe technologieën zoals kunstmatige intelligentie te omarmen. Digitale transformatie gaat niet louter over het kopen van computers; het houdt in hoe een instelling haar planning, het beheer van haar mensen en de verbinding met de buitenwereld verandert. Evenzo is het accepteren van kunstmatige intelligentie niet alleen het installeren van software; het gaat erom of de mensen binnen de organisatie geloven dat de technologie nuttig, gemakkelijk te gebruiken en betrouwbaar genoeg is om de manier waarop zij werken te veranderen. Wanneer deze twee krachten op elkaar aansluiten, hebben ze het potentieel om een universiteit duurzamer te maken, wat betekent dat zij haar missie op de lange termijn kan blijven vervullen terwijl zij waarde creëert voor haar studenten, personeel en gemeenschap. Hoewel deze ideeën breed worden besproken, is er echter weinig concreet bewijs voor hoe ze samenwerken in de specifieke context van Zuidoost-Aziatische universiteiten, en heeft nog niemand een betrouwbare manier ontwikkeld om te voorspellen hoe goed een specifieke universiteit zal presteren op basis van deze factoren.

Een team onderzoekers van Mahasarakham University in Thailand begon deze kloof te vullen door direct te kijken naar de mensen die deze instellingen leiden. Zij ondroegen 178 hooggeplaatste universiteitsbestuurders, specifiek zij die verantwoordelijk zijn voor administratie en informatietechnologie, en vroegen hen naar de digitale voortgang van hun instelling, de houding van hun personeel tegenover kunstmatige intelligentie en de algehele gezondheid en duurzaamheid van hun universiteit. De onderzoekers wilden zien of de manier waarop een universiteit digitaal transformeert en de mate waarin haar leiders kunstmatige intelligentie accepteren, daadwerkelijk de duurzaamheid van die universiteit kunnen voorspellen. Ze benaderden deze vraag op twee verschillende manieren. Ten eerste gebruikten ze standaard statistische methoden om te zien of er een directe link was tussen deze factoren. Ten tweede, op een meer innovatieve wijze, bouwden ze een geavanceerd computermodel dat ontworien is om te leren van deze kleine groep bestuurders om de duurzaamheid van elke universiteit met een hoge nauwkeurigheid te voorspellen.

De initiële analyse bevestigde wat veel leiders misschien vermoeden maar weinig met harde gegevens hebben bewezen: digitale transformatie en de acceptatie van kunstmatige intelligentie zijn inderdaad krachtige drijfveren van duurzaamheid. De studie vond dat wanneer een universiteit haar digitale strategie verbetert, haar processen beter beheert en, het allerbelangrijkste, de vaardigheden van haar personeel ontwikkelt, zij aanzienlijk duurzamer wordt. Onder alle onderzochte factoren kwam de vaardigheid en digitale geletterdheid van het personeel naar voren als de sterkste voorspeller van succes, gevolgd door de kracht van de externe netwerken en partnerschappen van de universiteit. Evenzo werd gevonden dat de bereidheid van de universiteitsgemeenschap om kunstmatige intelligentie te accepteren en te gebruiken, een sterk positief effect heeft op de levensvatbaarheid van de instelling op de lange termijn. Dit suggereert dat het kopen van technologie niet genoeg is; de mensen die het gebruiken moeten erin geloven en in staat zijn om het effectief te gebruiken.

Om verder te gaan dan eenvoudige correlaties en een instrument te creëren dat daadwerkelijk uitkomsten kan voorspellen, ontwikkelden de onderzoekers een nieuw type computermodel. Dit model was ontworpen om de uitdaging aan te gaan van een relatief klein aantal enquête-antwoorden, een veelvoorkomend probleem in studies naar universitair leiderschap. De onderzoekers begonnen met 29 verschillende stukken informatie verzameld uit de enquête, variërend van de omvang van de universiteit tot specifieke houdingen tegenover technologie. Met een methode die de manier nabootst waarop metalen worden afgekoeld om onzuiverheden te verwijderen, testte de computer systematisch combinaties van deze factoren om de belangrijkste te vinden. Het reduceerde de lijst tot slechts 12 kernkenmerken, waarbij de ruis werd weggefilterd en de focus werd gelegd op wat er echt toe deed. Deze 12 kenmerken omvatsen niet alleen de digitale en AI-factoren, maar ook basisdetails over de universiteit, zoals de omvang en de academische rang van de respondenten.

De onderzoekers combineerden vervolgens drie verschillende soorten leeralgoritmen in één enkel, verenigd systeem om hun voorspellingen te doen. Eén deel van het systeem zocht naar complexe patronen in de data, een ander gedroeg zich als een uitgestrekt bos van beslissingsbomen, en een derde gebruikte een neuraal netwerk om subtiele verbindingen te vinden. Deze drie delen werkten samen, met een laatste laag die leerde hoe de individuele inzichten het beste gecombineerd konden worden in één enkele, zeer nauwkeurige voorspelling. Deze hybride aanpak stelde het model in staat om te leren van de kleine dataset zonder in de war te raken of wilde gokken te doen. Wanneer de onderzoekers dit nieuwe model testten tegen oudere, simpelere methoden, presteerde het veel beter. Het was in staat om meer dan 95 procent van de variaties in de duurzaamheid van de universiteiten te verklaren, een niveau van nauwkeurigheid dat de simpelere modellen niet konden bereiken. Het model bleek ook zeer stabiel, wat betekent dat het consistente resultaten gaf, zelfs wanneer de data iets anders waren, wat cruciaal is voor het doen van betrouwbare voorspellingen.

De bevindingen bieden een duidelijk pad voorwaarts voor universiteitsleiders en beleidsmakers in Thailand en de bredere regio. De studie geeft aan dat de meest effectieve manier om de toekomst van een universiteit te waarborgen, niet alleen is door te investeren in nieuwe technologie, maar door te investeren in de mensen die deze gebruiken. Het ontwikkelen van de digitale vaardigheden van het personeel en het bevorderen van een cultuur waarin kunstmatige intelligentie wordt vertrouwd en verwelkomd, zijn de meest kritieke stappen naar duurzaamheid. De onderzoekers boden ook een praktisch instrument om deze voortgang te monitoren. Hun nieuwe voorspellende model kan door onderwijsautoriteiten worden gebruikt om de gezondheid van verschillende instellingen te beoordelen, waarbij zij diegenen identificeren die het risico lopen achter te blijven in hun digitale reis. Dit maakt gerichte ondersteuning en interventie mogelijk voordat problemen ernstig worden.

De onderzoekers merken echter voorzichtig op dat hun werk beperkingen kent. Omdat de gegevens op één specifiek moment zijn verzameld, toont de studie een sterke verbinding tussen deze factoren, maar kan zij niet strikt bewijzen dat de één de ander veroorzaakt. Het model is gebouwd op een specifieke groep van 178 bestuurders in Thailand, dus hoewel de resultaten zeer veelbelovend zijn, moeten ze mogelijk worden getest met grotere groepen of in andere landen om te zien of ze overal standhouden. Ondanks deze beperkingen biedt de studie een zeldzaam en waardevol inzicht in hoe digitale verandering en menselijke acceptatie samenwerken om de toekomst van het hoger onderwijs vorm te geven. Het verplaatst het gesprek van abstracte ideeën over het digitale tijdperk naar concrete, meetbare bewijzen, waarmee wordt aangetoond dat het pad naar een duurzame universiteit wordt geplaveid met geschoolde mensen en een bereidheid om de instrumenten van morgen te omarmen.