تبني الذكاء الاصطناعي التوليدي في التعليم في ضوء نظرية انتشار الابتكارات ونماذج قبول التكنولوجيا

د. مصطفى جودت صالح

شهد مجال تكنولوجيا التعليم تحولاً عميقاً منذ عام 2020، مدفوعاً بالحاجة إلى بيئات تعلم مخصصة وقائمة على البيانات، ومُعجَّلاً بالتحولات العالمية التي استلزمت دمجاً رقمياً سريعاً. شهد هذا العصر الظهور الهائل لتقنيات مُحدِثة للاضطراب، أبرزها الذكاء الاصطناعي التوليدي (GAI). تستلزم سرعة وحجم هذه التغييرات تحولاً من مجرد السرد الوصفي لاستخدام التكنولوجيا إلى تحليل نظري منهجي صارم يسترشد بالأطر النظرية الراسخة.

توفر نظرية انتشار الابتكارات (DOI)، كما صاغها إيفرت روجرز، إطاراً أساسياً على المستوى الكلي لتحليل كيفية دمج المؤسسات التعليمية – النظام الاجتماعي – للأفكار والمنتجات الجديدة أو مقاومتها لها. تتجاوز نظرية الانتشار (DOI) القصد النفسي للمستخدم الفردي من خلال الأخذ في الاعتبار قنوات الاتصال، مرور الوقت، والخصائص النظامية التي تحكم أنماط التبني. وبينما تركز النماذج على المستوى الجزئي، مثل نموذج قبول التكنولوجيا (TAM)، على النية السلوكية الفردية، تقدم نظرية الانتشار (DOI) العدسة الهيكلية اللازمة لفهم التبني الواسع والطويل الأمد والتعقيدات التنظيمية التي غالباً ما تعيق أو تسرّع التنفيذ.

يحدد هذا المقال المكونات الأساسية لنظرية انتشار الابتكار(DOI) ويطبقها لتفسير أنماط الانتشار الفريدة في الابتكارات التعليمية المعاصرة، مع التركيز بشكل خاص على الانتشار السريع للذكاء الاصطناعي التوليدي (GAI) ، ثم ، يقارن بين نظرية الانتشار (DOI) والنظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) لتقديم منظور شامل حول تبني المستحدثات في التعليم.

انتشار الذكاء الاصطناعي التوليدي في ضوء نظرية الانتشار

نظرية الانتشار (Diffusion of Innovations – DOI) التي قدّمها عالم الاجتماع إيفيريت روجرز توضّح كيف تنتشر الأفكار والابتكارات والتقنيات الجديدة داخل المجتمعات أو المنظمات بمرور الوقت. تفترض النظرية أن تبنّي أي ابتكار لا يحدث بشكل عشوائي، بل يتبع نمطاً اجتماعياً يمكن تحليله وفهمه. وفقاً لروجرز، الانتشار هو “العملية التي يُنقَل من خلالها الابتكار عبر قنوات اتصال، بمرور الزمن، بين أفراد نظام اجتماعي”.

تقسّم النظرية الأفراد إلى خمس فئات بناءً على سرعة تبنّيهم للابتكار: المبتكرون (Innovators)، المتبنون الأوائل (Early Adopters)، الأغلبية المبكرة (Early Majority)، الأغلبية المتأخرة (Late Majority)، والمتخلفون أو المتأخرون (Laggards). وتُعد فئة “المتبنين الأوائل” أهم حلقة في الانتشار لأنها تتسم بالقبول الاجتماعي العالي وتؤثر في بقية الفئات. عملية التبني تتأثر أيضاً بخمسة عوامل رئيسية تحدد مدى نجاح الابتكار: ميزة الابتكار النسبية، التوافق مع القيم والسياق، درجة التعقيد، إمكانية التجريب، وإمكانية الملاحظة.

يمثّل الرسم السابق منحنى الانتشار الذي طوّره روجرز لتوضيح كيفية تبنّي الأفراد للابتكارات عبر الزمن داخل أي نظام اجتماعي. يظهر المنحنى على شكل توزيع إحصائي أقرب إلى “المنحنى الاعتدالي” (Bell Curve)، حيث يتم تصنيف المتبنين إلى خمس فئات رئيسية وفقاً لنسبة انتشارهم وسرعة تبنّيهم للابتكار. يبدأ الابتكار بنسبة صغيرة جداً من المبتكرين (2.5%) الذين يجربون الفكرة أولاً رغم المخاطر، يليهم المتبنون الأوائل (13.5%) الذين يمتلكون تأثيراً اجتماعياً كبيراً ويقودون بقية الفئات نحو التبنّي. بعد ذلك تأتي فئة الأغلبية المبكرة (34%) وهي تمثل الأفراد الذين يتبنون الابتكار بعد ملاحظة نجاحه وانتشاره، يليهم الأغلبية المتأخرة (34%) الذين يحتاجون إلى مزيد من الضمانات الاجتماعية والعملية قبل التبنّي. وأخيراً، تأتي فئة المتأخرين أو المتخلفين (16%) الذين يقاومون التغيير ويفضلون الطرق التقليدية حتى يصبح الابتكار أمراً لا مفر منه. يوضح هذا النموذج أن نجاح أي ابتكار لا يعتمد فقط على جودته، بل على استراتيجية نشره وقدرته على إقناع الفئات المؤثرة في مراحل مبكرة

يوضح الرسم السابق دمجًا بين منحنى التوزيع الطبيعي (المنحنى الأزرق) الذي يوضّح نسب فئات المتبنين الخمس، والمنحنى التراكمي (المنحنى الذهبي) الذي يبيّن النمو الكلي لتبنّي الابتكار بمرور الزمن. هذه الإضافة مهمة لأنها توضّح ليس فقط من يتبنى الابتكار، بل كيف يتصاعد التبنّي تدريجياً حتى الوصول إلى الانتشار الكامل داخل المجتمع أو المؤسسة.

المنحنى الأزرق يظل كما في النموذج السابق: يبدأ بالمبتكرين ثم المتبنين الأوائل فالأغلبية المبكرة والمتأخرة ثم المتأخرين. أما المنحنى الذهبي فهو يعكس نسبة التبني الإجمالية، حيث يبدأ ببطء شديد ثم يتسارع بشكل واضح عندما تدخل فئة الأغلبية المبكرة، ويبلغ ذروته بعد عبور ما يسمى “نقطة التحول” أو Critical Mass، وهي اللحظة التي يصبح فيها الابتكار مقبولًا على نطاق واسع ويبدأ انتشاره بشكل شبه ذاتي. بعد ذلك، يستمر المنحنى في الارتفاع تدريجياً حتى يصل إلى مرحلة الإشباع حين يتبناه معظم أفراد النظام.

بمعنى آخر أنه في سياق انتشار الذكاء الاصطناعي التوليدي في التعليم (مثل ChatGPT، أدوات توليد المحتوى، التصحيح الآلي، إنشاء المحتوى الرقمي)، يمكن ملاحظة أن المبتكرين (2.5%) كانوا في الغالب باحثين تقنيين، مطوري محتوى مستقلين، أو مؤسسات تعليمية رائدة تخضع للتجريب، مثل بعض الجامعات العالمية التي دمجت الذكاء الاصطناعي مبكراً في المناهج أو في أنظمة الدعم الأكاديمي. ومع ظهور المتبنين الأوائل (13.5%)، بدأت جامعات، مراكز تدريب، وأساتذة متقدمون في استكشاف إمكانات الذكاء الاصطناعي في تصميم المقررات، التقييم، والتحليل التعليمي.

المنطقة الحرجة في منحنى الانتشار هي مرحلة الأغلبية المبكرة (34%)، وهي الفئة التي ستحدد ما إذا كان الذكاء الاصطناعي التوليدي سيصبح جزءاً دائماً من المنظومة التعليمية أو مجرد موجة تقنية عابرة. في هذه المرحلة، يبدأ الذكاء الاصطناعي في دخول السياسات والمؤسسات التعليمية الرسمية، وتُبنى أدلة استخدام، معايير جودة، وأطر أخلاقية. هنا يتحول القرار من “تجربة فردية” إلى “اعتماد مؤسسي”. هذه المرحلة تشهد أيضاً أكبر نمو في المنحنى الذهبي (انتشار السوق أو التبني الكلّي).

بهذا الشكل، يقدّم الرسم فهماً أكثر ديناميكية للنظرية، لأنه لا يركّز فقط على تصنيف المتبنين، بل يوضّح أيضاً وتيرة الانتشار وكيف تنتقل من مرحلة التبني البطيء إلى الانتشار الواسع، وهي نقطة مهمة عند التخطيط لإدخال تقنيات أو أفكار جديدة — مثل التعليم الإلكتروني أو الذكاء الاصطناعي — داخل الجامعات أو المؤسسات.

يظهر منحنى زعنفة القرش (Shark Fin Curve) في بعض الابتكارات الحديثة – مثل الذكاء الاصطناعي التوليدي في التعليم – بدلاً من المنحنى الاعتدالي الكلاسيكي لنظرية روجرز، لأن وتيرة التبني أصبحت فجائية وسريعة بشكل غير مسبوق. في نموذج روجرز، الانتشار تدريجي ويعتمد على انتقال التأثير الاجتماعي عبر فئات المتبنين ببطء نسبي (من المبتكرين ثم المتبنين الأوائل فالأغلبية…)، بينما في نموذج زعنفة القرش يحدث ما يشبه الانفجار Adoption Big-Bang، حيث تنتقل التكنولوجيا من فئة صغيرة جداً إلى جمهور واسع في زمن قصير، دون المرور بالانتقال المتوازن للفئات الخمس.

يحدث هذا النمط الشبيه بزعنفة القرش في حالة الذكاء الاصطناعي التوليدي لأن التقنية لا تتطلب بنية تحتية معقدة أو تكلفة دخول عالية، ويمكن تبنّيها فوراً عبر الإنترنت دون وسطاء أو إجراءات مؤسسية، كما أنها تُقدّم نتائج فورية ومبهرة (مثل توليد محتوى، تصحيح، تحليل، محادثة)، مما يدفع عدداً ضخماً من المستخدمين لتجربتها دفعة واحدة. وهنا يصبح المتبنّون الأوائل والأغلبية المبكرة تقريباً نفس المجموعة الزمنية، ما يخلق ارتفاعاً حادّاً في التبنّي، ثم يلي ذلك هبوط واضح حين تنخفض حدّة الانبهار أو تظهر التحديات (مثل السياسات الأكاديمية، أخطاء الذكاء الاصطناعي، قضايا الخصوصية).

السبب الثالث لهذا النمط هو أن ابتكارات الذكاء الاصطناعي ليست “منتجات ثابتة” مثل الأجهزة أو البرامج التقليدية، بل منصّات تتطور ذاتياً وتتحسن بمرور الاستخدام، وهو ما يسرّع انتشارها بطريقة لا يستطيع نموذج روجرز الكلاسيكي تفسيرها بالكامل. لذلك، في مجال التعليم، نرى أن بعض الجامعات انتقلت فجأة من التجاهل إلى الإلزام بوضع سياسات للذكاء الاصطناعي خلال أشهر قليلة، نتيجة ضغط اجتماعي وتقني وإعلامي، وليس عبر مراحل تبنٍ تدريجية كما افترض روجرز قبل 60 عاماً.

بناءا على ما تقدم؛ يمثل منحنى انتشار الابتكارات وفق روجرز تبنّي الذكاء الاصطناعي في التعليم على شكل عملية تدريجية متدرجة تبدأ بالمبتكرين ثم المتبنين الأوائل فالأغلبية المبكرة والمتأخرة وصولاً إلى المتأخرين، مما يفترض انتشاراً اجتماعياً بطيئاً قائمًا على الإقناع، التجريب، ونضج السياسات المؤسسية. أما منحنى زعنفة القرش فيعكس نمطاً مختلفاً تماماً، حيث يقفز التبني بشكل حاد ومفاجئ نتيجة قوة الجذب اللحظي للتقنية، وسهولة الوصول إليها، وضغط الإعلام والإبهار، ثم يهبط جزئياً بالسرعة نفسها عند ظهور قيود الاستخدام، المشكلات الأخلاقية، أو فقدان الحماس الأولي. وبعبارة موجزة: منحنى روجرز = انتشار اجتماعي تدريجي ومستقر، بينما منحنى زعنفة القرش = تبنٍ صاروخي قصير المدى يتبعه تصحيح أو تباطؤ، وهو ما نراه حالياً في الذكاء الاصطناعي التوليدي داخل التعليم.

في ختام هذا الجزء نؤكد أنه تُعد نظرية روجرز واحدة من أكثر النظريات استخداماً في مجالات مثل التكنولوجيا والتعليم والصحة والتسويق، لأنها تساعد في تحليل أسباب نجاح أو فشل تبنّي أي فكرة أو منتج جديد. في التعليم مثلاً، تُستخدم النظرية لفهم لماذا تتأخر بعض المؤسسات في اعتماد التعلم الإلكتروني أو الذكاء الاصطناعي، بينما تتبناه أخرى بسرعة. وبناءً على ذلك، تُعد النظرية أداة استراتيجية للتخطيط لتسريع تبنّي الابتكارات داخل المجتمعات والمؤسسات.

عناصر روجرز الأساسية لقرار تبني الابتكار

يُمثل المجتمع التعليمي مجموعة الوحدات المترابطة (مثل المعلمين، الأقسام، الكليات ، الجامعات) التي تتبنى الابتكار أو ترفضه. إن الانتشار الناجح للابتكار هو في الأساس عملية تحدث بمرور الوقت، وتتألف من خمس مراحل متميزة تُعرف باسم عملية قرار الابتكار :

1. المعرفة: يتعر الفرد لوجود الابتكار ويكتسب فهماً أولياً لوظيفته.
2. الإقناع: يطور الفرد موقفاً مؤيداً أو غير مؤيد للابتكار بناءً على التعرض الأولي والتقييم الذاتي.
3. القرار: ينخرط الفرد في أنشطة تؤدي إلى اختيار تبني (الاستخدام الكامل) أو رفض الابتكار.
4. التنفيذ: يضع الفرد الابتكار موضع الاستخدام العملي. غالباً ما تتضمن هذه المرحلة تعديل أو “إعادة اختراع” التكنولوجيا لتناسب السياق المحلي.
5. التأكيد: يسعى الفرد إلى تعزيز القرار الذي اتُخذ بالفعل. والأهم من ذلك، قد يعكس الفرد القرار إذا تعرض لرسائل متضاربة أو نتائج سلبية حول الابتكار.

يتم أيضاً احتساب عنصر الوقت في معدل التبني، الذي يقيس السرعة النسبية التي يتم بها تبني الابتكار من قبل أعضاء النظام الاجتماعي. يتبع هذا المعدل عادةً منحنى اعتدالي تم التطرق له في الجزء الأول من المقال الحالي.

الخصائص الخمسة المُدرَكة للابتكار

تُعد الخصائص الخمسة المُدرَكة للابتكار أقوى مؤشرات التنبؤ بمعدل تبنيه. تؤثر هذه السمات – التي تعتمد على إدراك المستهلك – بشكل مباشر على ما إذا كان منحنى التبني يتسارع أو يتوقف :

• الميزة النسبية: الدرجة التي يُنظر بها إلى الابتكار على أنه أفضل من الفكرة أو الممارسة التي يحل محلها. غالباً ما تُعرف هذه السمة بأنها المنفعة المتصورة في دراسات القبول.
• التوافق: اتساق الابتكار مع القيم القائمة والتجارب السابقة والاحتياجات الحالية للمستفيدين المحتملين من الابتكار.
• التعقيد: الصعوبة المتصورة في فهم الابتكار أو تعلمه أو استخدامه.
• قابلية التجريب: المدى الذي يمكن به تجربة الابتكار على أساس محدود ومقيد.
• قابلية الملاحظة: الدرجة التي تكون بها تأثيرات أو نتائج الابتكار مرئية للآخرين داخل النظام الاجتماعي.

يتم شراء أو تبني الابتكارات التي يُنظر إليها على أنها متفوقة نسبياً، وأكثر توافقاً، وأقل تعقيداً، وسهلة التجريب، وقابلة للملاحظة بسرعة أكبر. ويمكن توضيح تبنّي الذكاء الاصطناعي في التعليم الجامعي من خلال مثال اعتماد أداة توليد المحتوى الأكاديمي (مثل ChatGPT أو أدوات مشابهة) في تصميم الأنشطة التعليمية وتقديم الدعم للطلاب، وذلك وفق الخصائص الخمس المدركة للابتكار على النحو الآتي:

• الميزة النسبية: يُنظر إلى أداة الذكاء الاصطناعي على أنها أكثر كفاءة من الأساليب التقليدية في إعداد المحتوى أو تصحيح المهام، إذ توفر الوقت وتزيد من الإنتاجية وتسمح بتخصيص التعلم، مما يجعلها بديلاً جذاباً للأساتذة ومصممي المقررات.
• التوافق: تتوافق هذه الأداة مع التوجهات الحديثة في التعليم الجامعي نحو التحول الرقمي والتعليم المدمج، كما تنسجم مع قيم الابتكار والتعلّم الذاتي التي تتبناها الجامعات الحديثة، ما يعزز قبولها المؤسسي.
• التعقيد: رغم أن بعض المستخدمين يرونها تقنية معقدة، فإن واجهاتها البسيطة وقدرتها على التفاعل اللغوي الطبيعي تقلل من حاجز التعقيد وتجعلها سهلة الاستخدام دون حاجة لتدريب تقني عميق.
• قابلية التجريب: يمكن للأساتذة أو الطلاب تجربة الأداة مجاناً وبشكل محدود في البداية، مما يقلل من المخاطر ويتيح اكتشاف فوائدها قبل تبنّيها رسمياً، وهو عامل رئيسي في تسريع التبني.
• قابلية الملاحظة: تظهر نتائج استخدام الذكاء الاصطناعي بسرعة من خلال تحسّن جودة العروض والبحوث وتفاعل الطلاب، مما يجعل الأثر ملموساً ومرئياً داخل البيئة الجامعية ويدفع الآخرين إلى التقليد والتبني.

وبذلك، فإن اجتماع هذه الخصائص الخمس في الذكاء الاصطناعي التوليدي يفسر الانتشار السريع له في مؤسسات التعليم العالي مقارنة بالابتكارات التعليمية السابقة التي كانت تتطلب زمناً أطول لقبولها وتكاملها في النظام الأكاديمي.

لانتقادات والتحيزات لنظرية الانتشار (DOI) في الابتكارات التعليمية الحديثة

توفر نظرية الانتشار (DOI) أداة تفسيرية قوية، ولكنها لا تخلو من القيود التي يجب معالجتها، خاصة في المجتمعات التعليمية سريعة التغير. أحد الانتقادات الشائعة هو التحيز المؤيد للابتكار، والذي يعني ضمناً أن الابتكار يجب أن ينتشر ويُتبنى بسرعة من قبل جميع أعضاء النظام الاجتماعي، وأن إعادة الاختراع أو الرفض أمر غير مرغوب فيه بطبيعته. عند تطبيق هذا التحيز على تقنيات مثل الذكاء الاصطناعي التوليدي (GAI)، فإنه يمثل مشكلة، حيث قد يكون الرفض أو التشكيك ردود فعل مبررة للمخاوف الأخلاقية أو تحيز البيانات أو مخاطر الخصوصية، وليس مجرد مقاومة للتغيير.

الانتقاد الثاني هو تحيز ضد الأفراد: الميل إلى تحميل الأفراد مسؤولية فشل التبني، وعادة ما يُعزى ذلك إلى افتقارهم إلى الفهم، بدلاً من الاعتراف بالفشل داخل النظام الأكبر الذي يكون الفرد جزءاً منه. هذا وثيق الصلة بشكل خاص في البيئات التعليمية، حيث غالباً ما تكون الحواجز مثل فرص التطوير المهني النادرة أو المطالب المفروضة على وقت المعلمين – وهي قضايا نظامية – هي المُعيقات الحقيقية لتبني تبع الابتكارات الحديثة وتوظيفها في التعليم.

نظرية الانتشار مقابل نماذج قبول التكنولوجيا

بينما توفر نظرية الانتشار (DOI) المنظور على المستوى الكلي للانتشار التكنولوجي، تقدم نماذج قبول التكنولوجيا ، مثل النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، رؤية حاسمة للعوامل النفسية التي تؤثر على نية التبني على المستوى الفردي، . إن الجمع بين الإطارين ضروري لإجراء تحليل شامل لتبني الابتكارات التعليمية .

تبني التكنولوجيا الحديثة: الانتشار المنظومي مقابل النية الفردية

يكمن التمييز الأساسي في نطاق الدراسة والتحليل. تحلل نظرية الانتشار (DOI) العملية التي يتم من خلالها توصيل ونشر الابتكار بين أعضاء مجتمع تعليمي على مدار فترة زمنية محددة، وهي مناسبة للغاية لتحليل التغيير التنظيمي وأنماط التبني الطويلة الأمد. يُقال إن الخصائص المتصورة للابتكار في نظرية الانتشار (DOI) تفسر ما بين 47% و 87% من الاختلافات في التبني. في المقابل، تركز النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، التي تدمج ثماني نظريات قبول متنافسة بما في ذلك نظرية الانتشار (DOI) ، على العوامل التي تؤثر على النية السلوكية وسلوك الاستخدام الفردي للتكنولوجيا. تم تحسين مُنشآتها الأساسية – توقع الأداء، توقع الجهد، التأثير الاجتماعي، والظروف التيسيرية – لتقييم قبول المستخدم في السياقات التي تتأثر في المقام الأول بالعوامل البشرية. يُزعم أن النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) تتنبأ بأكثر من 70% من احتمالية تبني التكنولوجيا.

للمزيد:
Rahi, S., & Ghani, M. Abd. (2018). The role of UTAUT, DOI, perceived technology security and game elements in internet banking adoption. World Journal of Science Technology and Sustainable Development, 15(1). doi: 10.1108/WJSTSD-05-2018-0040
Xue, L., Rashid, A. M., & Ouyang, S. (2024). The Unified Theory of Acceptance and Use of Technology (UTAUT) in Higher Education: A Systematic Review. Sage Open, 14(1), 21582440241229570. doi: 10.1177/21582440241229570

النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)

طوّرها فينكاتيش وآخرون (2003) لتفسير العوامل المؤثرة في تبنّي الأفراد للتقنيات الجديدة. يقوم النموذج على فكرة أن نية السلوك (Behavioural Intention) هي العامل الرئيس الذي يحدد ما إذا كان الفرد سيستخدم التكنولوجيا فعلاً (Use Behaviour) أم لا، وأن هذه النية تتأثر بأربعة متغيرات رئيسة: توقع الأداء، وتوقع الجهد، والتأثير الاجتماعي، والظروف الميسّرة.

• توقع الأداء (Performance Expectancy) يشير إلى مدى اعتقاد الفرد أن استخدام التكنولوجيا سيحسّن من أدائه أو إنتاجيته — مثلاً، عندما يرى الأستاذ الجامعي أن استخدام الذكاء الاصطناعي سيزيد من جودة تصميم مقرره.
• توقع الجهد (Effort Expectancy) يتعلّق بسهولة استخدام النظام أو التقنية، أي مدى بساطة التعامل مع الأداة دون الحاجة إلى مهارات تقنية معقدة.
• التأثير الاجتماعي (Social Influence) يعكس مدى تأثر الفرد بآراء زملائه أو قادته أو البيئة المؤسسية التي تشجعه على استخدام التكنولوجيا.
• الظروف الميسّرة (Facilitating Conditions) تتعلق بتوافر البنية التحتية والدعم الفني والتدريب اللازم لاستخدام التقنية بكفاءة.

كما يُظهر الرسم أن هذه العلاقات تتأثر بعدة عوامل ديموغرافية وتكيفية مثل العمر، الجنس، الخبرة، وطوعية الاستخدام، حيث قد تختلف درجة التأثر بالعوامل الأربعة حسب هذه المتغيرات. فمثلاً، قد يكون تأثير “توقع الجهد” أقوى لدى المستخدمين الجدد، بينما يتأثر “توقع الأداء” أكثر لدى المستخدمين ذوي الخبرة. في سياق التعليم الجامعي، يوضح النموذج كيف أن قبول أعضاء هيئة التدريس أو الطلاب لاستخدام أنظمة الذكاء الاصطناعي أو المنصات التعليمية يرتبط بمزيج من الحوافز الشخصية والاجتماعية والمؤسسية، مما يجعل UTAUT إطاراً تفسيرياً مهماً لتبني الابتكارات التعليمية الرقمية.

وقد شهدت النظرية الموحدة لقبول واستخدام التكنولوجيا تطورا نحو النسخة الأحدث (UTAUT2) كاستجابة لقيود النسخة الأصلية التي ركزت على بيئات العمل والمؤسسات الرسمية، فوسّعها فينكاتيش وآخرون (2012) لتشمل سياقات الاستخدام الفردية والاستهلاكية التي أصبحت سائدة مع الانتشار الواسع للتقنيات الرقمية. في هذا التطور، تم إدخال ثلاثة متغيرات جديدة زادت من قدرة النموذج على تفسير السلوك الفعلي للمستخدمين، وهي: الدافع الترفيهي (Hedonic Motivation) الذي يعكس عنصر المتعة أو الإشباع الشخصي الناتج عن استخدام التقنية، والقيمة السعرية (Price Value) التي تمثل التوازن بين الفائدة المتصوّرة والتكلفة، والعادة (Habit) التي تعبّر عن تكرار الاستخدام وتحوله إلى سلوك تلقائي.

كما عززت النسخة الأحدث العلاقة بين النية السلوكية والاستخدام الفعلي، موضحة أن دوافع الاستخدام لم تعد فقط وظيفية أو مهنية، بل تشمل أبعاداً نفسية واجتماعية وعاطفية. هذا التطوير جعل UTAUT2 أكثر ملاءمة لتحليل تقبّل التقنيات الحديثة مثل تطبيقات الذكاء الاصطناعي التوليدي، التي يرتبط تبنيها ليس فقط بالكفاءة والإنتاجية، بل أيضاً بمتعة التجربة، وسهولة الوصول، واعتياد المستخدمين على دمجها في مهامهم اليومية. وبهذا، أصبحت UTAUT2 إطاراً أكثر شمولاً لفهم تبنّي التكنولوجيا في العصر الرقمي، حيث يتداخل الاستخدام المؤسسي مع السلوك الشخصي والاستهلاكي بشكل متزايد.

للمزيد:
Venkatesh V., Morris M. G., Davis G. B., Davis F. D. (2003). User Acceptance of information technology:
Toward a Unified View. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540
Xue, L., Rashid, A. M., & Ouyang, S. (2024). The Unified Theory of Acceptance and Use of Technology (UTAUT) in Higher Education: A Systematic Review. Sage Open, 14(1), 21582440241229570. doi: 10.1177/21582440241229570

تداخل المفاهيم وتكامل الأدوات

تدمج النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) عديد من الخصائص الرئيسية من نظرية الانتشار (DOI) في منشآتها التنبؤية الأساسية:

• تُغذي الميزة النسبية بشكل مباشر توقع الأداء، والذي يُعرّف بأنه الدرجة التي يعتقد بها الفرد أن استخدام النظام سيساعده على تحقيق مكاسب في أداء العمل. على سبيل المثال، تعكس المنفعة المتصورة العالية للذكاء الاصطناعي التوليدي توقع أداء عالياً.
• يرتبط التعقيد عكسياً بـتوقع الجهد، والذي يُعرّف بأنه السهولة المتصورة المرتبطة باستخدام النظام.
• يتداخل التوافق مع الظروف التيسيرية، والتي تقيّم الدرجة التي يعتقد بها الفرد أن البنية التحتية التنظيمية والتقنية موجودة لدعم استخدام النظام.

أوجه التشابه قوية، ومع ذلك، يختلف الغرض لكل نظرية في تحديد موضع التحكم. إذا فشل التبني، تُرجع النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) الفشل إلى افتقار الفرد إلى الاعتقاد في المنفعة أو سهولة الاستخدام، بينما تُرجعه نظرية الانتشار (DOI) إلى الإخفاقات النظامية، مثل نقص البنية التحتية التنظيمية (الظروف التيسيرية/التوافق) أو السياسة (معايير النظام الاجتماعي).

تبني وتطبيق الابتكارات التعليمية

يشير Nadelson & Seifert (2016) في دراستهما بعنوان (وضع الابتكار موضع التنفيذ: تبني وتنفيذ الابتكار التعليمي) والتي تناولت سلوكيات تنفيذ الابتكار التعليمي (Educational Innovation Implementation Behaviors) إلى أن تبنّي الابتكارات في التعليم لا يقتصر على القبول المبدئي أو التوجه الإيجابي نحو الفكرة، بل يتضمن سلسلة من السلوكيات العملية التي تعبّر عن مدى التزام الأفراد بتنفيذ الابتكار في الواقع التعليمي. فهما يفرّقان بين “النية للتبني” و“سلوك التنفيذ الفعلي”، مؤكدين أن نجاح الابتكار يعتمد على قدرة المعلمين والمؤسسات على تحويل الأفكار الجديدة إلى ممارسات ملموسة داخل الصف أو المنهج أو بيئة التعلم.

وقد رأى الباحثان أن سلوكيات تنفيذ الابتكار تتأثر بعوامل متعددة، من أبرزها: الإدراك الشخصي لفائدة الابتكار، الكفاءة الذاتية، الدعم المؤسسي، والثقافة التنظيمية. كما يشيران إلى أن تبنّي الابتكار التعليمي هو عملية تدريجية تمر بمراحل من التجريب والتكيف قبل الوصول إلى الاستقرار، وأن بعض الأفراد قد يتوقفون في منتصف العملية بسبب ضعف الدعم أو مقاومة التغيير. لذلك، يقترح Nadelson وSeifert إطاراً عملياً يساعد المؤسسات التعليمية على تعزيز تنفيذ الابتكارات من خلال التدريب، وتوفير الموارد، وتمكين المعلمين من اتخاذ قرارات مرنة أثناء دمج الابتكار في ممارساتهم اليومية.

كلمة أخيرة

مما تقدم شرحه في المقال الحالي ، يمكن تفسير التوسع السريع في تبني تطبيقات الذكاء الاصطناعي التوليدي في التعليم العالي من خلال دمج النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT2) مع نظرية انتشار الابتكار (Diffusion of Innovation Theory). وفقًا لـ UTAUT2، فإن توقع الأداء (Performance Expectancy) يلعب دورًا محوريًا في دافع أعضاء هيئة التدريس والطلاب لتبني الذكاء الاصطناعي التوليدي، إذ يُنظر إلى هذه التطبيقات كوسائل تعزز الكفاءة الأكاديمية، وتدعم تصميم المحتوى، وتحسّن جودة المخرجات البحثية والتعليمية. هذا التوقع بتحقيق أداء أعلى يجعل الأفراد أكثر استعدادًا لتجربة واستخدام هذه التقنيات.

من جانب آخر، تُبرز توقعات الجهد (Effort Expectancy) والظروف الميسّرة (Facilitating Conditions) أهمية سهولة الاستخدام وتوافر الدعم الفني والبنية التحتية الرقمية في الجامعات. فكلما كانت واجهات أدوات الذكاء الاصطناعي أكثر بساطة وتكاملًا مع أنظمة إدارة التعلم، زاد معدل تبنيها. كما تلعب العوامل الاجتماعية (Social Influence) دورًا في تشكيل المواقف تجاه الذكاء الاصطناعي، إذ يتأثر الأفراد بآراء الزملاء، والسياسات المؤسسية، والاتجاهات العامة نحو الابتكار.

أما من منظور نظرية انتشار الابتكار لإيفيريت روجرز، فإن التوسع في تبني الذكاء الاصطناعي التوليدي يُفسَّر بخصائص الابتكار ذاته، مثل الميزة النسبية (Relative Advantage) وسهولة التجربة (Trialability) والوضوح في النتائج (Observability). الجامعات التي تشجع التجريب وتتيح فرصًا آمنة لاستخدام الأدوات الجديدة تمكّن “المتبنين الأوائل” من قيادة موجة الانتشار. ومع زيادة وضوح الفوائد العملية—مثل تحسين تجربة التعلم الشخصية أو تسريع التحليل البحثي—ينتقل الابتكار تدريجيًا من المراحل الأولى إلى تبنٍّ واسع بين أعضاء المجتمع الأكاديمي.

في النهاية، يعكس الجمع بين UTAUT2 وDiffusion of Innovation إطارًا متكاملاً لفهم التوسع في استخدام الذكاء الاصطناعي التوليدي في التعليم العالي؛ فالأول يركز على الدوافع الفردية والسلوكية للاستخدام، بينما الثاني يفسر العملية الاجتماعية والتنظيمية لانتشار الابتكار. وعندما تدعم المؤسسات الجامعية هذا التبني بسياسات مرنة، وتدريب مستمر، وتكامل تقني فعال، فإنها تخلق بيئة مواتية يتحول فيها الذكاء الاصطناعي التوليدي من تجربة نخبوية إلى ممارسة تعليمية مؤسسية شاملة.

المراجع

Basileo, L. D., & Lyons, M. E. (2024). An exploratory analysis of Early Adopters in education innovations. Quality Education for All, 1(1), 158–179. doi: 10.1108/QEA-10-2023-0009

Berger, D. W. (1995). Diffusion Theory. United States Navy. Retrieved from(((https://www.doncio.navy.mil/chips/ArticleDetails.aspx?ID=2295)))

Chan, C. K. Y., & Lee, K. K. W. (2023). Preventive strategies employed by academics related to a GenAI-based LLM at a faculty of education. Journal of Applied Learning and Teaching, 7(1), 35–45.

Dwivedi, Y. K., Rana, N. P., Jeyaraj, A., Clement, M., & Williams, M. D. (2019). Re-examining the Unified Theory of Acceptance and Use of Technology (UTAUT): Towards a Revised Theoretical Model. Information Systems Frontiers, 21(3), 1–16. doi: 10.1007/s10796-017-9774-y

Judijanto, L. (2025). A Bibliometric Analysis of Adaptive Learning in K-12 Education. The Eastasouth Journal of Learning and Educations, 3(01), 75–86. https://doi.org/10.58812/esle.v3i01.496

Kiwanuka, A. (2015). Acceptance Process: The Missing Link between UTAUT and Diffusion of Innovation Theory. American Journal of Information Systems, 3(2), 40–44. https://doi.org/10.12691/ajis-3-2-3

Kutty, S., Chugh, R., Perera, P. L., Neupane, A., & Perera, N. C. (2024). Generative AI in Higher Education: Perspectives of Students, Educators, and Administrators. Journal of Applied Learning & Teaching, 7(2), 1–14. doi: 10.37074/jalt.2024.7.2.27

Manning, B., & Kiwanuka, A. (2024). Artificial Intelligence Diffusion of Innovation and Generational Considerations: Higher Education Institutions. Journal of Generational Studies, 1(1), 1–20.

Nadelson, L. S., & Seifert, A. L. (2016). Putting the Pieces Together:A Model K-12 Teachers’ Innovation Implementation Behaviors. ResearchGate, 9(1), 47–67. Retrieved from https://www.researchgate.net/publication/297419929_Putting_the_Pieces_TogetherA_Model_K-12_Teachers%27_Innovation_Implementation_Behaviors

Narayanan, M., & Kumar, S. (2024). Factors Influencing the Adoption of Generative AI Among College Students: A Diffusion of Innovation Perspective. Proceedings of the Information Systems and Computing Academic Professionals, 10(6162), 400–415.

Northumbria University. (2024). Diffusion of Innovations. Retrieved from https://open.ncl.ac.uk/theories/8/diffusion-of-innovations/

Oh, H., Ahn, H., & Park, E. (2025). Understanding user intention in metaverse education: a synthesis of diffusion of innovation and UTAUT2. Behaviour & Information Technology, (6), 1–17. doi: 10.1080/0144929X.2025.2486583

Sabrina, M. N. (2024). Tutors’ intentions to adopt Generative AI: An investigation into complexity and relative advantage factors. Journal of Applied Learning and Teaching, 7(1), 35–45.

Schroeder, A. J., & Miller, J. A. (2025). Applying Diffusion of Innovation and UTAUT2 to Predict Intention to Use Metaverse Platforms in Higher Education. Journal of Computing in Higher Education, 37(2), 1–25. https://doi.org/10.1080/0144929X.2025.2486583

Turner, R. J. (2007). Diffusion of Innovations, 5th edition, Everett M. Rogers. Free Press, New York, NY (2003), 551 pages. J. Minim. Invasive Gynecol., 14(6), 776. doi: 10.1016/j.jmig.2007.07.001

Xue, L., Rashid, A. M., & Ouyang, S. (2024). The Unified Theory of Acceptance and Use of Technology (UTAUT) in Higher Education: A Systematic Review. Sage Open, 14(1), 21582440241229570. doi: 10.1177/21582440241229570