ปัจจัยที่มีอิทธิพลต่อการยอมรับการใช้ ChatGPT ของเจเนอเรชันแซด: กรณีศึกษา ของนักศึกษามหาวิทยาลัยนครพนม
คำสำคัญ:
การรับรู้ถึงประโยชน์, การรับรู้ความง่ายในการใช้งาน, เจตนาใช้งาน, ทฤษฎีการยอมรับเทคโนโลยีบทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อการรับรู้ถึงประโยชน์ เจตนาใช้งาน และพฤติกรรมการใช้งาน ChatGPT ของนักศึกษามหาวิทยาลัยนครพนมที่อยู่ในเจเนอเรชันแซด โดยใช้กรอบแนวคิดของทฤษฎีการยอมรับเทคโนโลยี กลุ่มตัวอย่างที่ใช้ในการศึกษา ได้แก่ นักศึกษาระดับอาชีวศึกษาและระดับปริญญาตรี จำนวน 400 คน โดยเก็บข้อมูลด้วยแบบสอบถามออนไลน์และใช้สถิติโมเดลสมการโครงสร้างในการทดสอบสมมติฐาน ผลการวิจัยพบว่า บรรทัดฐานอัตวิสัยไม่มีอิทธิพลต่อการรับรู้ถึงประโยชน์ ขณะที่ภาพลักษณ์ ความเกี่ยวข้องของงาน คุณภาพผลลัพธ์ ความสามารถในการแสดงผลลัพธ์ และการรับรู้ความง่ายในการใช้งานมีอิทธิพลเชิงบวกต่อการรับรู้ถึงประโยชน์อย่างมีนัยสำคัญ การรับรู้ถึงประโยชน์และการรับรู้ความง่ายในการใช้งานมีอิทธิพลเชิงบวกต่อเจตนาใช้งาน และเจตนาใช้งานมีอิทธิพลเชิงบวกต่อพฤติกรรมการใช้งานจริงอย่างมีนัยสำคัญ ผลการวิจัยยืนยันความเหมาะสมของทฤษฎีการยอมรับเทคโนโลยี ในการอธิบายพฤติกรรมผู้ใช้และมีประโยชน์ต่อการออกแบบและพัฒนาเทคโนโลยีให้ใช้งานง่ายและสะท้อนคุณค่าที่ผู้ใช้รับรู้
เอกสารอ้างอิง
Damioli, G., Roy, V.V. and Vertesy, D. (2021). The impact of artificial intelligence on labor productivity,Eurasian Business Review, vol. 11(1), January 2021, pp. 1–25.
Noy, S. and Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence, Science, vol. 381(6654), July 2023, pp. 187–192.
Naqbi, H.A. , Bahroun, Z. and Ahmed, V. (2024). Enhancing work productivity through generative artificial intelligence: A comprehensive literature review, Sustainability, vol. 16(3), January 2024.
Ray, P. P. (2023). ChatGPT: A comprehensive review on background, applications, key challenges, bias, ethics, limitations and future scope, Internet of Things and Cyber-Physical Systems, vol. 3, April 2023, pp. 121–154.
Roumeliotis, K. I. and Tselikas, N. D. (2023). ChatGPT and Open-AI models: A preliminary review, Future Internet, vol. 15(6), May 2023.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology, MIS Quarterly, vol. 13(3), September 1989, pp. 319–340.
Venkatesh, V. and Davis, F. D. (1996). A model of the antecedents of perceived ease of use: Development and test, Decision Sciences, vol. 27(3), September 1996, pp. 451–481.
Na, S., Heo, S., Han, S., Shin, Y. and Roh, Y. (2022). Acceptance model of artificial intelligence (AI)-based technologies in construction firms: Applying the Technology Acceptance Model (TAM) in combination with the Technology–Organisation–Environment (TOE) framework, Buildings, vol. 12(2), January 2022.
Shahzad, M. F., Xu, S. and Asif, M. (2024). Factors affecting generative artificial intelligence, such as ChatGPT, use in higher education: An application of technology acceptance model, British Educational Research Journal, vol. 51(2), October 2024, pp. 489–513.
Vo, A. and Nguyen, H. (2024). Generative artificial intelligence and ChatGPT in language learning: EFL students’ perceptions of technology acceptance, Journal of University Teaching and Learning Practice, vol. 21(6), April 2024, pp. 199–218.
Ma, J., Wang, P., Li, B., Wang, T., Pang, X. S. and Wang, D. (2025). Exploring user adoption of ChatGPT: A technology acceptance model perspective, International Journal of Human–Computer Interaction,
vol. 41(2), February 2024, pp. 1431–1445.
Venkatesh, V. and Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies, Management Science, vol. 46(2), February 2000, pp. 186–204.
Altawalbeh, M. A. (2023). Adoption of academic staff to use the Learning Management System (LMS): Applying extended technology acceptance model (TAM2) for Jordanian universities, International Journal on Studies in Education, vol. 5(3), February 2023, pp. 288–300.
Wang, A., Zhou, Y., Ma, H., Tang, X., Li, S., Pei, R. and Piao, M. (2024). Preparing for aging: Understanding middle-aged user acceptance of AI chatbots through the technology acceptance model, Digital Health, vol. 10, October 2024, pp. 1-10.
El Hosayny, O., Razkane, H. and Yeou, M. (2025). Extended TAM-based acceptance of AI for supporting critical thinking in academic research: An examination of perceived benefits and challenges, Discover Artificial Intelligence, vol. 5(167), July 2025, pp. 1-18.
Pan, Z., Xie, Z., Liu, T. and Xia, T. (2024). Exploring the key factors influencing college students’ willingness to use AI coding assistant tools: An expanded technology acceptance model, Systems, vol. 12(5), May 2024, pp. 1-19.
Strzelecki, A. and ElArabawy, S. (2024). Investigation of the moderation effect of gender and study level on the acceptance and use of generative AI by higher education students: Comparative evidence from Poland and Egypt, British Journal of Educational Technology, vol. 55(3), January 2024, pp. 1209–1230.
Abdullah, Z. and Zaid, N. M. (2023). Perception of generative artificial intelligence in higher education research, Innovative Teaching and Learning Journal, vol. 7(2), December 2023, pp. 84–95.
Almassaad, A., Alajlan, H. and Alebaikan, R. (2024). Student perceptions of generative artificial intelligence: Investigating utilization, benefits, and challenges in higher education, Systems, vol. 12(10), September 2024, pp. 1-16.
Li, K. C., Chong, G. H. L., Wong, B. T. M. and Wu, M. M. F. (2025). A TAM-based analysis of Hong Kong undergraduate students’ attitudes toward generative AI in higher education and employment, Education Sciences, vol. 15(7), June 2025, pp. 1-19.
Krejcie, R. V. and Morgan, D. W. (1970). Determining sample size for research activities, Educational and Psychological Measurement, vol. 30(3), pp. 607–610.
Hair, J. F., Hult, G. T. M., Ringle, C. M. and Sarstedt, M. (2021). A primer on partial least squares structural equation modeling (PLS-SEM) (3rd ed.), Sage Publications, Thousand Oaks, CA.
Fornell, C. and Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error, Journal of Marketing Research, vol. 18(1), February 1981, pp. 39–50.
Nunnally, J. C. and Bernstein, I. H. (1994). Psychometric theory (3rd ed.), McGraw-Hill, New York.
ดาวน์โหลด
เผยแพร่แล้ว
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2025 วารสารนวัตกรรมการเรียนรู้และเทคโนโลยี
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
จริยธรรมในการตีพิมพ์บทความ
- กองบรรณาธิการขอสงวนสิทธิ์พิจารณาบทความที่มีรูปแบบและคุณสมบัติที่ครบถ้วนตามข้อกำหนดเท่านั้น หากบทความนั้นไม่ตรงตามข้อกำหนด กองบรรณาธิการฯ มีสิทธิ์ในการปฏิเสธลงตีพิมพ์
- ในการขอหนังสือตอบรับการตีพิมพ์ กองบรรณาธิการฯจะออกให้ในกรณีที่บทความนั้นพร้อมที่จะลงตีพิมพ์โดยไม่มีเงื่อนไขเท่านั้น
- การพิจารณาบทความ (Peer review) ของวารสารนวัตกรรมการเรียนรู้และเทคโนโลยีถือเป็นที่สิ้นสุด ผลงานวิชาการอาจไม่ได้ลงตีพิมพ์ในเล่มที่กำหนดไว้จนกว่าจะผ่านการพิจารณาบทความ (Peer Review) และพร้อมจะลงตีพิมพ์เผยแพร่แล้วเท่านั้น
- งานวิจัยที่เกี่ยวข้องกับจริยธรรมของการวิจัยในมนุษย์และสัตว์จะต้องผ่านการประเมินโดยกรรมการจริยธรรมของต้นสังกัด
- บทความที่ส่งมาต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น บทความที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร JLIT
