AI Acceptance and Digital Transformation as Predictive Drivers of University Sustainability Using a Hybrid Machine Learning Model
本研究利用来自178位泰国大学管理层的调查数据以及一种新型的SA-Optuna-Stack混合机器学习模型，旨在证明数字化转型和人工智能接受度是东南亚高等教育组织可持续性的重要预测驱动因素，同时将人员技能和外部网络识别为关键杠杆，并提供了一种用于监测符合联合国可持续发展目标之机构成果的高精度工具。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代世界中，大学不仅仅是学习场所；它们是复杂的组织，必须在快速变化的环境中生存并蓬勃发展。为了实现这一目标，它们依赖于两种强大的力量：向在各项工作中应用数字化工具的转变（即数字化转型），以及员工拥抱人工智能等新技术的意愿。数字化转型不仅仅是购买计算机；它涉及一个机构如何进行规划、管理人员以及与外界建立联系的方式。同样，接受人工智能不仅仅是安装软件；它关乎组织内部的人员是否相信这项技术是有用的、易于使用的，并且是否足够值得信赖，从而能够改变他们的工作方式。当这两股力量相契合时，它们有潜力使一所大学变得更具可持续性，这意味着它能够长期履行其使命，并为学生、教职员工和社区创造价值。然而，尽管这些理念被广泛讨论，但在东南亚大学的具体背景下，关于它们如何协同作用仍缺乏具体的证据，而且目前还没有人建立起一种可靠的方法，能够根据这些因素来预测一所特定大学的表现如何。
来自泰国玛哈萨拉卡姆大学（Mahasarakham University）的一个研究小组致力于填补这一空白，他们直接观察了管理这些机构的人员。他们调查了178位高层大学管理者，特别是负责行政和信息技术的管理者，询问了有关其机构的数字化进展、员工对人工智能的态度以及大学的整体健康状况和可持续性。研究人员想要了解，大学进行数字化转型的程度以及领导层接受人工智能的程度，是否真的可以预测该大学的可持续性。他们通过两种截然不同的方式来探讨这个问题。首先，他们使用了标准的统计方法来观察这些因素之间是否存在直接联系。其次，更具创新性的是，他们构建了一个复杂的计算机模型，旨在从这一小群管理者身上学习，以高准确度地预测任何一所大学的可持续性。
初步分析证实了许多领导者可能怀疑但很少能用硬数据证明的事实：数字化转型和人工智能的接受确实是可持续发展的强大驱动力。研究发现，当一所大学改进其数字化战略、更好地管理其流程，并且最重要的是，提升其人员的技能时，它会变得显著更加可持续。在所有考察的因素中，教职员工的技能和数字素养成为了成功的最强预测因子，紧随其后的是大学外部网络和合作伙伴关系的强度。同样，大学群体接受并使用人工智能的意愿也被发现对机构的长期生命力具有强烈的正向影响。这表明，仅仅购买技术是不够的；使用技术的人必须相信它，并且必须具备有效使用它的能力。
为了超越简单的相关性并创建一个能够实际预测结果的工具，研究人员开发了一种新型计算机模型。该模型旨在应对调查响应数量相对较少的问题，这是研究大学领导层的常见问题。研究人员从收集到的29项调查信息（从大学规模到对技术的特定态度不等）开始。他们使用了一种模仿金属冷却以去除杂质的方法，计算机系统地测试了这些因素的组合，以寻找最重要的因素。它将清单缩减至仅有的12个关键特征，剔除了噪音，专注于真正重要的内容。这12个特征不仅包括数字化和人工智能因素，还包括大学的基本细节，如规模和受访者的学术等级。
研究人员随后将三种不同类型的学习算法结合成一个统一的系统，以进行预测。系统的第一部分寻找数据的复杂模式，第二部分像是一片由决策树组成的广阔森林，而第三部分则使用神经网络来寻找微妙的联系。这三部分协同工作，最后由一个层级来学习如何最好地将它们的个体见解结合起来，形成一个高度准确的预测。这种混合方法使模型能够从小型数据集中学习，而不会产生混乱或做出荒谬的猜测。当研究人员将这个新模型与旧的、更简单的模型进行对比测试时，它的表现要好得多。它能够解释超过95%的大学可持续性变化，这种准确度是那些更简单的模型无法达到的水平。该模型还表现出很强的稳定性，这意味着即使数据略有不同，它也能给出一致的结果，这对于做出可靠预测至关重要。
研究结果为泰国及更广泛地区的大学领导者和政策制定者提供了清晰的前行路径。研究表明，确保大学未来的最有效方式不仅是投资新技术，而是投资于使用技术的人。培养教职员工的数字技能，并营造一种信任并欢迎人工智能的文化，是实现可持续性的最关键步骤。研究人员还提供了一个监测这一进展的实用工具。他们的新型预测模型可供教育部门使用，以评估不同机构的健康状况，识别那些可能在数字化进程中面临落后风险的机构。这使得在问题变得严重之前进行针对性的支持和干预成为可能。
然而，研究人员也谨慎地指出，他们的工作存在局限性。由于数据是在单一时间点收集的，研究显示了这些因素之间的强关联性，但不能在严格意义上证明其中一个导致了另一个。该模型是基于泰国这178位特定的管理者构建的，因此虽然结果非常有前景，但可能需要通过更大规模的群体或在不同的国家进行测试，以观察其是否在各地都成立。尽管存在这些局限性，这项研究仍为如何通过数字化变革和人类接受度共同塑造高等教育的未来提供了一个罕见且宝贵的视角。它将关于数字化时代的抽象概念转化为具体、可衡量的证据，表明通往可持续大学之路是由熟练的人才和拥抱未来工具的意愿铺就的。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。