Open Access Peer-reviewed Research Article

Acceptance of artificial intelligence in education: opportunities, concerns and need for action

Article Sidebar

Correlation matrix use of AI
Download PDF
Submitted   May 16, 2024
Published   Jul 18, 2024
Issue    Vol 4 No 2 (2024)
DOI   10.25082/AMLER.2024.02.005

Views

152

Downloads

74

Citations

PlumX Metrics

Main Article Content

Gerhard Brandhofer corresponding author
University College of Teacher Education Lower Austria, Baden, Austria
Karin Tengler
University College of Teacher Education Lower Austria, Baden, Austria

Abstract

The spread of AI text generators such as ChatGPT in education has reached an enormous reach in a short period, which has led to various questions regarding the acceptance of artificial intelligence among teachers and student teachers. This study examines the acceptance of AI among teachers and student teachers. In particular, it considers crucial aspects for planning teaching and teacher training. The results show that despite fundamentally positive attitudes towards AI applications, there are concerns regarding data ethics and legal standards. The correlation between the intention to use AI and trust in AI is significant. The findings should help gain a more comprehensive understanding of the acceptance of AI in the education sector and help teachers plan training and further education accordingly.

Keywords
artificial intelligence, AI applications, student teachers, AI acceptance

Article Details

How to Cite
Brandhofer, G., & Tengler, K. (2024). Acceptance of artificial intelligence in education: opportunities, concerns and need for action. Advances in Mobile Learning Educational Research, 4(2), 1105-1113. https://doi.org/10.25082/AMLER.2024.02.005
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

References

  1. Adeoso, M. S., Berendsen, E., Fischer, L., & Schnabel, D. (Hrsg.). (2024). Code & Vorurteil: Über Künstliche Intelligenz, Rassismus und Antisemitismus (1. Aufl.). Verbrecher.
  2. Ajzen, I. (1991). The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179–211. https://doi.org/10.1016/0749-5978(91)90020-t
  3. Ajzen, I., & Fishbein, M. (1980). Understanding attitudes and predicting social behavior (Pbk. ed). Prentice-Hall Englewood Cliffs, N. J.; WorldCat.
  4. Albrecht, G. (1974). Statistische Forschungsstrategien. Oldenbourg Verlag.
  5. Athanassopoulos, S., Manoli, P., Gouvi, M., Lavidas, K., & Komis, V. (2023). The use of ChatGPT as a learning tool to improve foreign language writing in a multilingual and multicultural classroom. Advances in Mobile Learning Educational Research, 3(2), 818–824. https://doi.org/10.25082/amler.2023.02.009
  6. Bortz, J. (2005). Statistik: Für Human-und Sozialwissenschaftler. Springer-Verlag.
  7. Bortz, J., & Döring, N. (2006). Forschungsmethoden und Evaluation. In Springer-Lehrbuch. Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-540-33306-7
  8. Brandhofer, G. (2015). Die Kompetenzen der Lehrenden an Schulen im Umgang mit digitalen Medien und die Wechselwirkungen zwischen Lehrtheorien und mediendidaktischem Handeln [Dissertation, Technische Universität Dresden].
  9. Brandhofer, G., & Tengler, K. (2024). Zur Akzeptanz von KI-Applikationen bei Lehrenden und Lehramtsstudierenden. R&E-SOURCE, 11(3), 7–25. https://doi.org/10.53349/resource.2024.i3.a1277
  10. Chao, C. M. (2019). Factors Determining the Behavioral Intention to Use Mobile Learning: An Application and Extension of the UTAUT Model. Frontiers in Psychology, 10. https://doi.org/10.3389/fpsyg.2019.01652
  11. 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. https://doi.org/10.1287/mnsc.35.8.982
  12. Flanagin, A. J., & Waldeck, J. H. (2004). Technology Use and Organizational Newcomer Socialization. Journal of Business Communication, 41(2), 137–165. https://doi.org/10.1177/0021943604263290
  13. Gartner, S., & Krašna, M. (2023). Artificial Intelligence in Education -- Ethical framework. 2023 12th Mediterranean Conference on Embedded Computing (MECO). https://doi.org/10.1109/meco58584.2023.10155012
  14. Geuter, J. (2024). Kolonialer Datenfetisch. Waum KI-Anwendungen keine Alliierten sein können. In M. S. Adeoso, E. Berendsen, L. Fischer, & D. Schnabel (Hrsg.), Code & Vorurteil: Über Künstliche Intelligenz, Rassismus und Antisemitismus (1. Aufl., S. 79–89). Verbrecher.
  15. Calderón Gómez, D. (2020). Technological Socialization and Digital Inclusion: Understanding Digital Literacy Biographies among Young People in Madrid. Social Inclusion, 8(2), 222–232. https://doi.org/10.17645/si.v8i2.2601
  16. Haller, P., Aynetdinov, A., & Akbik, A. (2023). OpinionGPT: Modelling Explicit Biases in Instruction-Tuned LLMs. arXiv preprint arXiv:2309.03876. https://doi.org/10.48550/ARXIV.2309.03876
  17. Holzapfel, S. (2014). Akzeptanz vergrößernder Sehhilfen durch Kinder mit Sehbehinderungen. https://doi.org/10.17877/DE290R-16522
  18. Schnegg, K., Tschuggnall, J., & Auer, M. (2022). Inter-und multidisziplinäre Perspektiven der Geschlechterforschung (p. 154). innsbruck university press.
  19. İpek, Z. H., Gözüm, A. İ. C., Papadakis, S., & Kallogiannakis, M. (2023). Educational Applications of the ChatGPT AI System: A Systematic Review Research. Educational Process International Journal, 12(3). https://doi.org/10.22521/edupij.2023.123.2
  20. Kidd, C., & Birhane, A. (2023). How AI can distort human beliefs. Science, 380(6651), 1222–1223. https://doi.org/10.1126/science.adi0248
  21. Kollmann, T. (1998). Akzeptanz innovativer Nutzungsgüter und -systeme. Gabler Verlag. https://doi.org/10.1007/978-3-663-09235-3
  22. Luckin, R., Holmes, W., Griffiths, M., & Corcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
  23. Ma, X., & Jiang, C. (2023). On the Ethical Risks of Artificial Intelligence Applications in Education and Its Avoidance Strategies. Journal of Education, Humanities and Social Sciences, 14, 354–359. https://doi.org/10.54097/ehss.v14i.8868
  24. Niklas, S. (2015). Akzeptanz und Nutzung mobiler Applikationen. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-08263-5
  25. Park, Y., & Hu, J. (2023). Bias in Artificial Intelligence. Clinical Journal of the American Society of Nephrology, 18(3), 394–396. https://doi.org/10.2215/cjn.0000000000000078
  26. Pishtari, G., Wagner, M., & Ley, T. (2024). Ein Forschungsüberblick über den Einsatz von Künstlicher Intelligenz für das Lehren und Lernen in der Hochschulbildung. In G. Brandhofer, O. Gröblinger, T. Jadin, M. Raunig, & J. Schindler (Hrsg.), Von KI lernen, mit KI lehren: Die Zukunft der Hochschulbildung (Preprint). fnma.
  27. Reidl, S., Streicher, J., Hock, M., Hausner, B., Waibel, G., & Gürtl, F. (2020). Digitale Ungleichheit: Wie sie entsteht, was sie bewirkt … und was dagegen hilft.
  28. Ritter, S., & Koedinger, K. R. (2023). Large-scale commercialization of AI in school-based environments. Handbook of Artificial Intelligence in Education, 524–536. https://doi.org/10.4337/9781800375413.00035
  29. Scheuer, D. (2020). Akzeptanz von Kunstlicher Intelligenz. Springer Fachmedien Wiesbaden. https://doi.org/10.1007/978-3-658-29526-4
  30. Stützer, C. M. (2022). Künstliche Intelligenz in der Hochschullehre: Empirische Untersuchungen zur KI-Akzeptanz von Studierenden an (sächsischen) Hochschulen. https://doi.org/10.25368/2022.12
  31. Stützer, C., & Herbst, S. (2021). KI-Akzeptanz in der Hochschulbildung. Zur Operationalisierung von Einflussfaktoren auf die Akzeptanz intelligenter Bildungstechnologien. In H. W. Wollersheim, M. Karapanos, & N. Pengel (Hrsg.), Bildung in der digitalen Transformation (S. 293–302). Waxmann.
  32. Suckfüll, M., Frindte, W., Köhler, T., Liebermann, J., & Stauche, H. (1999). Intermediate Report: Internet based teaching an learning. Friedrich Schiller Universität Jena.
  33. Sun, L., Wei, M., Sun, Y., Suh, Y. J., Shen, L., & Yang, S. (2023). Smiling women pitching down: auditing representational and presentational gender biases in image-generative AI. Journal of Computer-Mediated Communication, 29(1). https://doi.org/10.1093/jcmc/zmad045
  34. Tappe, E. H. (2019). Prädiktoren der Intention zum didaktischen Einsatz von digitalen Medien im Unterricht -– Überführung der Unified Theory of Acceptance and Use of Technology (UTAUT) in ein schulisches Untersuchungssetting. doi: 10.25526/FW-MP.35
  35. Venkatesh, Morris, Davis, & Davis. (2003). User Acceptance of Information Technology: Toward a Unified View. MIS Quarterly, 27(3), 425. https://doi.org/10.2307/30036540
  36. Watanabe, A., Schmohl, T., & Schelling, K. (2023). Akzeptanzforschung zum Einsatz Künstlicher Intelligenz in der Hochschulbildung. Eine kritische Bestandsaufnahme. Künstliche Intelligenz in Der Bildung, 263–289. https://doi.org/10.1007/978-3-658-40079-8_13
  37. Zhang, C., Schießl, J., Plößl, L., Hofmann, F., & Gläser-Zikuda, M. (2023). Acceptance of artificial intelligence among pre-service teachers: a multigroup analysis. International Journal of Educational Technology in Higher Education, 20(1). https://doi.org/10.1186/s41239-023-00420-7
  38. Zhang, K., & Deng, P. (2022). Exploring the Technology and Problems of Artificial Intelligence Education Applications. 2022 4th International Conference on Computer Science and Technologies in Education (CSTE). https://doi.org/10.1109/cste55932.2022.00056