การสำรวจการสนทนาในสื่อสังคมออนไลน์ต่อประเด็นการใช้ ChatGPT จากมิติของการยอมรับเทคโนโลยี
DOI:
https://doi.org/10.14456/jiskku.2024.4คำสำคัญ:
ข้อมูลบนสื่อสังคมออนไลน์, การยอมรับเทคโนโลยี, แชทจีพีทีบทคัดย่อ
วัตถุประสงค์: เพื่อศึกษาการสนทนา และอารมณ์ความรู้สึกของคนในสื่อสังคมออนไลน์ ที่มีต่อ ChatGPT ในมิติของทฤษฎีรวมของการยอมรับและการใช้เทคโนโลยี
วิธีการศึกษา : การเก็บรวบรวมข้อมูลด้วยเครื่องมือ Social Listening Tool ผ่านแพลตฟอร์มออนไลน์ ได้แก่ Facebook และ Twitter ตั้งแต่วันที่ 4 ธันวาคม พ.ศ. 2565 ถึง 4 เมษายน พ.ศ. 2566 จำนวนทั้งสิ้น 1,160 ข้อมูล และทำการวิเคราะห์เนื้อหาข้อมูล โดยใช้กรอบในการลงรหัส ด้วยการใช้วิธีการใช้แนวคิดเป็นตัวกำหนด
ข้อค้นพบ: เมื่อศึกษาผลการสนทนาเรื่อง ChatGPT ที่ปรากฏใน Facebook และ Twitter มากที่สุด คือ การรับรู้ความคาดหวังในประสิทธิภาพ รองลงมาคือ การรับรู้ความเสี่ยง การรับรู้ความคาดหวังในความพยายาม การรับรู้ความน่าเชื่อถือ การรับรู้ผู้มีอิทธิพลทางสังคม การรับรู้ด้านราคา และการรับรู้ความสามารถของตนเองตามลำดับ ส่วนผลการวิเคราะห์อารมณ์ความรู้สึก พบว่า การแสดงความคิดเห็นที่แสดงความรู้สึกเชิงบวก ปรากฏในมิติการรับรู้ความคาดหวังในประสิทธิภาพของ ChatGPT มากที่สุด
การประยุกต์ใช้จากการศึกษาครั้งนี้: แนวทางการศึกษาด้วยข้อมูลจากสื่อสังคมออนไลน์ และหน่วยงานที่เกี่ยวข้องกับการเผยแพร่ข้อมูลในสื่อสังคมออนไลน์มีแนวทางในการส่งเสริมการใช้นวัตกรรมทางด้านข้อมูลให้เกิดการยอมรับได้
Downloads
References
Agrawal, A., Gans, J., & Goldfarb, A. (2022). ChatGPT and How AI disrupts industries. Retrieved from https://hbr.org/2022/12/chatgpt-and-how-ai-disrupts-industries
Alnoor, A. M. R., Al-Abrrow, H., Abdullah, H., & Abbas, S. (2019). The impact of self-efficacy on employees’ ability to accept new technology in an Iraqi university. Global Business and Organizational Excellence, 39(2), 41–50. https://doi.org/10.1002/joe.21984
Al-Saedi, K., Al-Emran, M., Ramayah, T., & Abusham, E. (2020). Developing a general extended UTAUT model for M-payment adoption. Technology in Society, 62, 101293. https://doi.org/10.1016/j.techsoc.2020.101293
Ambawat, M., & Wadera, D. D. (2019). A review of chatbots adoption from the consumers perspectives. Journal of the Gujarat Research Society, 21(11), 135–145.
Ashfaq, M., Yun, J., Yu, S., & Loureiro, S. M. C. (2020). I, Chatbot: Modeling the determinants of users’ satisfaction and continuance intention of AI-powered service agents. Telematics and Informatics, 54, 101473. https://doi.org/10.1016/j.tele.2020.101473
Balakrishnan, J., Abed, S. S., & Jones, P. (2022). The role of meta-UTAUT factors, perceived anthropomorphism, perceived intelligence, and social self-efficacy in chatbot-based services? Technological Forecasting and Social Change, 180, 121692. https://doi.org/10.1016/j.techfore.2022.121692
Balapour, A., Reychav, I., Sabherwal, R., & Azuri, J. (2019). Mobile technology identity and self-efficacy: Implications for the adoption of clinically supported mobile health apps. International Journal of Information Management, 49, 58–68. https://doi.org/10.1016/j.ijinfomgt.2019.03.005
Baruffati, A. (2023). Chat GPT Statistics 2023: Trends and the future perspectives. Retrieved from https://blog.gitnux.com/chat-gpt-statistics/
Biswas, S. S. (2023). Role of chat GPT in public health. Annals of Biomedical Engineering, 51(5). https://doi.org/10.1007/s10439-023-03172-7
Bouvier, G., & Rasmussen, J. (2022). Qualitative research using social media. Routledge.
Carleton, E. L., Barling, J., & Trivisonno, M. (2018). Leaders’ trait mindfulness and transformational leadership: The mediating roles of leaders’ positive affect and leadership self-efficacy. Canadian Journal of Behavioural Science/Revue Canadienne Des Sciences Du Comportement, 50(3), 185–194. https://doi.org/10.1037/cbs0000103
Choudhury, A., & Shamszare, H. (2023). Investigating the impact of user trust on the adoption and use of chatgpt: survey analysis. Journal of Medical Internet Research, 25(1), e47184. https://doi.org/10.2196/47184
Csutoras, B. (2022). The future of chatbots: use cases & opportunities you need to know. Retrieved from https://www.searchenginejournal.com/future-of-chatbots/278595/#close
Eloundou, T., Manning, S., Mishkin, P., & Rock, D. (2023). GPTs are GPTs: An early look at the labor market impact potential of large language models. ArXiv (Cornell University). https://doi.org/10.48550/arxiv.2303.10130
Eren, B. A. (2021). Determinants of customer satisfaction in chatbot use: evidence from a banking application in Turkey. International Journal of Bank Marketing, 39(2), 294–311. https://doi.org/10.1108/ijbm-02-2020-0056
Gansser, O. A., & Reich, C. S. (2021). A new acceptance model for artificial intelligence with extensions to UTAUT2: An empirical study in three segments of application. Technology in Society, 65, 101535. https://doi.org/10.1016/j.techsoc.2021.101535
Gartner. (2018). Gartner identifies five emerging technology trends that will blur the lines between human and machine. Retrieved from https://www.gartner.com/en/newsroom/press-releases/2018-08-20-gartner-identifies-five-emerging-technology-trends-that-will-blur-the-lines-between-human-and-machine
Gitnux. (2023). Dependence On Technology 2023: Key Insights and Trends. Retrieved from https://blog.gitnux.com/dependence-on-technology-statistics/
Gronmo, S. (2019). Social research methods: qualitative, quantitative and mixed methods approaches. S.L.: Sage Publications.
Howard, A., Hope, W., & Gerada, A. (2023). ChatGPT and antimicrobial advice: the end of the consulting infection doctor? The Lancet Infectious Diseases, 23(4), 405–406. https://doi.org/10.1016/s1473-3099(23)00113-5
Hughes-Castleberry, K. (2022). An increase in technology dependence may be natural, says a tech expert. Retrieved from https://thedebrief.org/an-increase-in-technology-dependence-may-be-natural-says-a-tech-expert/
Joshi, H. (2021). Perception and adoption of customer service chatbots among millennials: an empirical validation in the indian context. Proceedings of the 17th International Conference on Web Information Systems and Technologies. https://doi.org/10.5220/0010718400003058
Kamal, S. A., Shafiq, M., & Kakria, P. (2020). Investigating acceptance of telemedicine services through an extended technology acceptance model (TAM). Technology in Society, 60(1), 101212. https://doi.org/10.1016/j.techsoc.2019.101212
Menon, D., & K Shilpa. (2023). “Chatting with ChatGPT”: Analyzing the factors influencing users’ intention to Use the Open AI’s ChatGPT using the UTAUT model. Heliyon, 9(11), e20962–e20962. https://doi.org/10.1016/j.heliyon.2023.e20962
Mer, A., & Virdi, A. S. (2022). Artificial intelligence disruption on the brink of revolutionizing hr and marketing functions. Impact of Artificial Intelligence on Organizational Transformation, 1–19. https://doi.org/10.1002/9781119710301.ch1
Mishra, A., & Awasthi, S. (2023). Chat GPT: Revolutionizing communication or threatening authenticity? Management Dynamics, 23(1), 165–168. https://doi.org/10.57198/2583-4932.1321
Nguyen, D. M., Chiu, Y.-T. H., & Le, H. D. (2021). Determinants of continuance intention towards banks’ chatbot services in Vietnam: A necessity for sustainable development. Sustainability, 13(14), 7625. https://doi.org/10.3390/su13147625
Park, E. (2020). User acceptance of smart wearable devices: An expectation-confirmation model approach. Telematics and Informatics, 47, 101318. https://doi.org/10.1016/j.tele.2019.101318
Paul, J., Ueno, A., & Dennis, C. (2023). ChatGPT and consumers: Benefits, pitfalls and future research agenda. International Journal of Consumer Studies, 47(4). https://doi.org/10.1111/ijcs.12928
Ruths, D., & Pfeffer, J. (2014). Social media for large studies of behavior. Science, 346(6213), 1063–1064. https://doi.org/10.1126/science.346.6213.1063
Santandreu-Calonge, D., Medina-Aguerrebere, P., Hultberg, P., & Shah, M.-A. (2023). Can ChatGPT improve communication in hospitals? El Profesional de La Información, 32(2). https://doi.org/10.3145/epi.2023.mar.19
Shrivastava, M., & Kumar, D. (2022). The potential of artificial intelligence in public healthcare industry. Impact of Artificial Intelligence on Organizational Transformation, 349–360. https://doi.org/10.1002/9781119710301.ch20
Strzelecki, A. (2023). To use or not to use ChatGPT in higher education? A study of students’ acceptance and use of technology. Interactive Learning Environments, 1–14. https://doi.org/10.1080/10494820.2023.2209881
Subanjui, R., & Pansantia, C. (2021). Structural equation model of factors affecting the digital transformation of industrial business in rayong province. Journal of Information Science, 40(2), 23–40. https://doi.org/10.14456/jiskku.2022.9
Surameery, N. M. S., & Shakor, M. Y. (2023). Use chat gpt to solve programming bugs. International Journal of Information Technology and Computer Engineering, 3(31), 17–22. https://doi.org/10.55529/ijitc.31.17.22
Thorp, H. H. (2023). ChatGPT is fun, but not an author. Science, 379(6630), 313–313. https://doi.org/10.1126/science.adg7879
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. JStor. https://doi.org/10.2307/30036540
Walker, J. (2018). Chatbot Comparison – Facebook, Microsoft, Amazon, and Google. Retrieved from https://www.techemergence.com/chatbot-comparison-facebook-microsoft-amazon-google/
Wang, F.-Y., Miao, Q., Li, X., Wang, X., & Lin, Y. (2023). What does ChatGPT say: The DAO from algorithmic intelligence to linguistic intelligence. IEEE/CAA Journal of Automatica Sinica, 10(3), 575–579. https://doi.org/10.1109/JAS.2023.123486
