การยอมรับเทคโนโลยีปัญญาประดิษฐ์ต่อประสิทธิภาพการทำงานของบุคลากร: กรณีศึกษาสำนักการศึกษากรุงเทพมหานคร
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) ศึกษาระดับการยอมรับเทคโนโลยีปัญญาประดิษฐ์ (Artificial Intelligence: AI) ของบุคลากรสำนักการศึกษากรุงเทพมหานคร 2) วิเคราะห์ปัจจัยส่วนบุคคลที่มีผลต่อการยอมรับเทคโนโลยี AI และ 3) ศึกษาผลของการยอมรับเทคโนโลยี AI ต่อประสิทธิภาพการทำงานของบุคลากร การวิจัยใช้ระเบียบวิธีวิจัยเชิงปริมาณ กลุ่มตัวอย่างคือข้าราชการสามัญกรุงเทพมหานครสังกัดสำนักการศึกษา จำนวน 184 คน ได้มาจากการสุ่มตัวอย่างโดยใช้สูตรของ Taro Yamane แบบสอบถามเป็นเครื่องมือในการเก็บรวบรวมข้อมูล สถิติที่ใช้ในการวิเคราะห์ข้อมูลประกอบด้วยค่าความถี่ ร้อยละ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน การทดสอบค่าเฉลี่ยด้วย t-test การวิเคราะห์ความแปรปรวนทางเดียว (One-way ANOVA) และค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน ผลการวิจัยพบว่า การยอมรับเทคโนโลยี AI ของบุคลากรโดยรวมอยู่ในระดับมาก เมื่อพิจารณา เป็นรายด้านพบว่า ด้านประโยชน์ที่คาดว่าจะได้รับและด้านความง่ายต่อการใช้งานมีค่าเฉลี่ยสูงที่สุด รองลงมาคือด้านความเชื่อมั่นและทัศนคติต่อการใช้ AI และด้านการสนับสนุนจากองค์กรตามลำดับ สำหรับประสิทธิภาพการทำงานของบุคลากรโดยรวมอยู่ในระดับมากเช่นกัน โดยทุกด้าน ได้แก่ ด้านความเร็ว ด้านคุณภาพงาน ด้านความแม่นยำ และด้านการลดภาระงาน มีค่าเฉลี่ยอยู่ในระดับมากทั้งหมด ผลการทดสอบสมมติฐานพบว่า ปัจจัยส่วนบุคคลบางประการมีความแตกต่างสัมพันธ์กับการยอมรับเทคโนโลยี AI อย่างมีนัยสำคัญทางสถิติ และการยอมรับเทคโนโลยี AI โดยรวมมีความสัมพันธ์ทางบวกในระดับปานกลางกับประสิทธิภาพการทำงานของบุคลากร (r = .64, Sig. = .00) แสดงให้เห็นว่าการยอมรับเทคโนโลยี AI มีส่วนสำคัญในการยกระดับประสิทธิภาพการปฏิบัติงานของบุคลากรสำนักการศึกษากรุงเทพมหานคร
Article Details
เอกสารอ้างอิง
Chen, L., & Aklikokou, A. K. (2020). Determinants of e-government adoption: Testing the mediating effects of perceived usefulness and perceived ease of use. International Journal of Public Administration, 43(10), 850–865.
Chuttur, M. (2009). Overview of the technology acceptance model: Origins, developments and future directions. Sprouts: Working Papers on Information Systems, 9(37), 1–21.
Davis, F. D. (1985). A technology acceptance model for empirically testing new end-user information systems: Theory and results (Doctoral dissertation). Massachusetts Institute of Technology.
Dwivedi, Y. K., Hughes, L., Ismagilova, E., … Williams, M. D. (2021). Artificial intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994.
Hood, C.(1991).A public management for all seasons? Public Administration,69(1),3-19.
Kong, S. C., Yang, Y., & Hou, C. (2024). Examining teachers’ behavioural intention of using generative artificial intelligence tools for teaching and learning based on the extended technology acceptance model. Computers and Education: Artificial Intelligence, 7, 100328.
Madan, R., & Ashok, M. (2023). AI adoption and diffusion in public administration: A systematic literature review and future research agenda. Government Information Quarterly, 40(1), 101774.
Mustafa, M. Y., Tlili, A., Lampropoulos, G., … Saqr, M. (2024). A systematic review of literature reviews on artificial intelligence in education (AIED): A roadmap to a future research agenda. Smart Learning Environments, 11, 59.
Neumann, O., Guirguis, K., & Steiner, R. (2024). Exploring artificial intelligence adoption in public organizations: A comparative case study. Public Management Review, 26(1), 114–141.
