Generative AI Adoption in Classroom in Context of Technology Acceptance Model (TAM) and the Innovation Diffusion Theory (IDT)

这篇文章探讨了生成人工智能（GenAI）和大型语言模型（LLMs）在教育领域中的应用，以及它们的效果和可接受程度引起的争议。尽管这些前沿技术有潜在的好处，但教育工作者的态度却存在广泛的差异，从热情的支持到深刻的怀疑不等。本研究旨在剖析影响教育工作者对GenAI和LLMs认知和接受度的基本因素。我们对教育工作者进行了调查，并通过技术接受模型（TAM）和创新扩散理论（IDT）的框架分析了数据。我们的调查结果显示，教育工作者对GenAI工具的感知有很强的正相关性，这突显了向教育工作者展示实际好处的重要性。此外，感知易用性也是一个重要的因素，但对接受度的影响较小。我们的发现还表明，这些工具的知识和接受程度并不一致，因此需要有针对性的策略来解决每个采用者类别的特定需求和关注点，以促进人工智能工具在教育中的广泛应用。

探讨教育工作者对生成人工智能和大语言模型的感知和接受程度，以及影响这些因素的因素。

研究发现，生成人工智能工具的感知有用性与其接受度之间存在强烈的正相关性，强调向教育工作者展示切实的好处的重要性。此外，感知易用性也是一个重要因素，但影响较小。研究还表明，这些工具的知识和接受程度并不均匀，需要有针对性地制定策略来解决每个采用者类别的特定需求和关切，以促进人工智能工具在教育中的广泛应用。

研究使用了Technology Acceptance Model (TAM)和Innovation Diffusion Theory (IDT)框架来分析数据。研究发现，生成人工智能工具的感知有用性与其接受度之间存在强烈的正相关性。研究还表明，这些工具的知识和接受程度并不均匀，需要有针对性地制定策略来解决每个采用者类别的特定需求和关切，以促进人工智能工具在教育中的广泛应用。

最近在这个领域中，还有一些相关的研究，如：1. Exploring the Potential of Generative AI in Education; 2. The Role of Artificial Intelligence in Education: Opportunities and Challenges; 3. A Survey on the Applications of Machine Learning and Deep Learning in Education.