การยอมรับเทคโนโลยีที่ส่งผลต่อความตั้งใจใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการทำงานของบุคลากรมหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์
คำสำคัญ:
การยอมรับเทคโนโลยี, ปัญญาประดิษฐ์, ความตั้งใจใช้เทคโนโลยีบทคัดย่อ
บทความวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการยอมรับเทคโนโลยีที่ส่งผลต่อความตั้งใจใช้เทคโนโลยีปัญญาประดิษฐ์ AI ในการทำงานของบุคลากรมหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์ กลุ่มตัวอย่างที่ใช้ในการวิจัย คือ บุคลากรในมหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์ สายวิชาการ จำนวน 250 คน ใช้การคัดเลือกกลุ่มตัวอย่างอย่างง่าย เครื่องมือที่ใช้ในการวิจัย คือ แบบสอบถาม สถิติที่ใช้ในการวิเคราะห์ ได้แก่ ค่าเฉลี่ย ส่วนเบี่ยงแบนมาตรฐาน และวิเคราะห์การถดถอยพหุคูณ
ผลการวิเคราะห์ พบว่า การรับรู้ความง่ายในการทำงาน การรับรู้ประโยชน์จากการใช้งาน ทัศนคติต่อการใช้งาน การสนับสนุนขององค์กรในการนำมาใช้ และ ประสบการณ์ ส่งผลเชิงบวกอย่างมีนัยสำคัญ หากพิจารณารายข้อพบว่า ด้านทัศนคติต่อการใช้งาน และการสนับสนุนขององค์กรในการนำเทคโนโลยี AI มาใช้งาน เท่ากันคือ ค่าเฉลี่ยสูงสุด เท่ากับ 4.69 รองลงมาคือ ด้านประสบการณ์การใช้เทคโนโลยี AI ค่าเฉลี่ยเท่ากับ 4.64 ด้านการรับรู้ประโยชน์จากการทำงาน และความตั้งใจในการใช้เทคโนโลยี AI เท่ากันคือ ค่าเฉลี่ย เท่ากับ 4.63 และด้านที่น้อยที่สุด คือ ด้านการรับรู้ความง่ายในการทำงาน ค่าเฉลี่ยเท่ากับ 4.58 ตามลำดับ
References
กองนโยบายและแผน. (2566). สารสนเทศ ประจำปีการศึกษา 2566. มหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์.
Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211.
Autry, C. W., Skinner, L. R., & Lamb, C. W. (2008). Interorganizational citizenship behaviors: An empirical study. Journal of Business Logistics, 29(1), 53–74.
Boontamnun, T. (2019). Factors affecting the acceptance of AI (Machine Learning) technology in the leasing industry: A case study of a private company in Bangkok. [Master’s thesis]. Thammasat University.
Borgman, H. P., Bahli, B., Heier, H., & Schewski, F. (2013). Cloudrise: Exploring cloud computing adoption and governance with the TOE framework. In Proceedings of the 46th Hawaii International Conference on System Sciences (pp. 1-10). IEEE. https://doi.org/10.1109/HICSS.2013.174
Chatterjee, S., Chaudhuri, R., Vrontis, D., Thrassou, A., & Ghosh, S. K. (2021). Adoption of artificial intelligence-integrated CRM systems in agile organizations in India. Technological Forecasting and Social Change, 168, 120783. https://doi.org/10.1016/j.techfore.2021.120783
Damerji, H. (2020). Technology readiness impact on artificial intelligence technology adoption by accounting students. [Doctoral dissertation]. University of La Verne.
Davis, F. D. (1985). A technology acceptance model for empirically testing new end- user information systems. [Doctoral dissertation]. Massachusetts Institute of Technology.
_______. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User acceptance of computer technology: A comparison of two theoretical models. Management Science, 35(8), 982-1003.
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley.
Fishbein, M., & Ajzen, I. (2010). Predicting and changing behavior: The reasoned action approach. Psychology.
Francis, J., LaFond, R., Olsson, P., & Schipper, K. et al. (2004). Cost of capital and earnings transparency. Journal of Accounting and Economics, 79(4), 967-1010.
Gammanee, S., Rattananonsathien, N., & Klaprabchone, K. (2023). Model development to increase skills in using artificial intelligence to add value to work and workability of workers in Kanchanaburi Province. Journal of Administrative and Management Innovation, 11(1), 45–53.
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Education.
Handayani, N., & Prahartiwi, L. I. (2024). Analisis penerimaan teknologi e-wallet GoPay dengan technology acceptance model (TAM). Indonesian Journal on Information System (IJIS), 9(1). 47-57.
Ikongngam, W. (2018). Factors using information technology affecting administration of educational institutions under the Office of Samutprakarn Education. [Master’s thesis]. Rajamangala University of Technology Thanyaburi.
Kardes, F. R. (2002). Consumer behavior and managerial decision making (2nd ed.). Pearson Education.
Klein, L. (2016). Design for voice interface. O'Reilly Media.
Konerding, U. (1999). Formal models for predicting behavioral intentions in dichotomous choice situations. Methods of Psychological Research, 4(2), 1–32.
Kongernkrang, W., Sasithanakornkaew, S., & Kumsubha, B. (2024). Factors influencing the acceptance and continuous use behavior of Chat GPT artificial intelligence. Journal of MCU Nakhondhat, 11(2), 120–129.
Locke, E. A. (1976). The nature and causes of job satisfaction. In M. D. Dunnette (Ed.), Handbook of industrial and organizational psychology (pp. 129–168). Ran McNally.
Maneewong, P. (2020). Factors affecting the intention in using the EXPRESS program of accountants in higher education. Journal of the Association of Researchers, 25(1), 475-493.
Nakprathum, W., & Porananond, D. (2021). Knowledge and understanding, and attitudes affecting readiness in applying artificial intelligence (AI) technology in project management. MUT Journal of Business Administration, 18(2), 1–24.
Park, C. L. (2010). Making sense of the meaning literature: An integrative review of meaning making and its effects on adjustment to stressful life events. Psychological Bulletin, 136(2), 257–301.
Phoonsawat, G., Wanpeng, R., Homsai, S., & Pongsophon, P. (2022). Artificial intelligence and science teaching. Journal of Industrial Education, 21(1), c1-c8.
Scupola, A. (2009). SMEs' e‐commerce adoption: Perspectives from Denmark and Australia. Journal of Enterprise Information Management, 22(1/2), 152-166.
Seethongkam, K. (2021). Attitudes and impacts of private organization employees in Bangkok on the adoption of digital technology in organizations. [Master’s thesis]. Mahidol University.
Shroff, R. H., & Christopher C. (2011). Analysis of the technology acceptance model in examining students' behavioral intention to use an e-portfolio system. Australasian Journal of Educational Technology, 27(4), 600-618.
Somsamran, S., & Pacharadit, S. (2021). The effect of artificial intelligence and preparation of educational system. Academic Journal of Curriculum and Instruction Sakon Nakhon Rajabhat, 13(37), 263–268.
Suriyapaitool, W. (2017). The effects of perceived usefulness and ease of use on attitude and consumers' purchased intention of fashion products via M-commerce. [Master’s thesis]. Prince of Songkhla University.
Thanakun, T. (2019). A study of personal characteristics, knowledge of economy 4.0 and work process affecting to the desirable characteristics of the accountants for entering of artificial intelligence during Thailand 4.0 of Thai accountants in Bangkok. [Master’s thesis]. Thammasat University.
Tunjaya, P. (2018). User experience design of artificial intelligent technology. EAU Heritage Journal Science Technology, 12(1), 39-46.
Vărzaru, A. (2022). Assessing artificial intelligence technology acceptance in managerial accounting. Electronics, 11(14), 2256.
Yamane, T. (1973). Statistics: An introductory analysis. Harper & Row.
