آمار

تعداد نشریات15
تعداد شماره‌ها239
تعداد مقالات2,430
تعداد مشاهده مقاله4,047,883
تعداد دریافت فایل اصل مقاله2,939,777
تفتیان, اکرم, موجکار, مریم, منصوری محمدآبادی, فاطمه. (1404). بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری. فناوری آموزش, 19(3), 811-828. doi: 10.22061/tej.2026.11820.3199
اکرم تفتیان; مریم موجکار; فاطمه منصوری محمدآبادی. "بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری". فناوری آموزش, 19, 3, 1404, 811-828. doi: 10.22061/tej.2026.11820.3199
تفتیان, اکرم, موجکار, مریم, منصوری محمدآبادی, فاطمه. (1404). 'بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری', فناوری آموزش, 19(3), pp. 811-828. doi: 10.22061/tej.2026.11820.3199
تفتیان, اکرم, موجکار, مریم, منصوری محمدآبادی, فاطمه. بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری. فناوری آموزش, 1404; 19(3): 811-828. doi: 10.22061/tej.2026.11820.3199

بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری

فناوری آموزش
مقاله 14، دوره 19، شماره 3 - شماره پیاپی 75، تیر 1404، صفحه 811-828    اصل مقاله (1.24 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22061/tej.2026.11820.3199
نویسندگان
اکرم تفتیان* ؛ مریم موجکار؛ فاطمه منصوری محمدآبادی
گروه آموزش حسابداری، دانشکده بازار و کسب و کار، واحد یزد، دانشگاه آزاد اسلامی، یزد، ایران
تاریخ دریافت: 11 بهمن 1403،  تاریخ بازنگری: 04 اردیبهشت 1404،  تاریخ پذیرش: 17 خرداد 1404 
چکیده
پیشینه و اهداف: آینده و پیشرفت آموزش عالی به‌طور قابل‌توجهی با پیشرفت‌های فناوری‌های جدید مانند هوش مصنوعی پیوند خورده است. با بررسی ارتباط بین عناصر سطح آمادگی فناوری و پذیرش فناوری توسط کاربران حسابداری، دانشگاه‌ها این فرصت را خواهند داشت که با تغییر و ایجاد تغییرات در ارائه دروس و شیوه‌هایی که دانشجویان را به میزان کافی برای آینده آماده می‌کند، شکاف‌های موجود در برنامه‌های درسی حسابداری را برطرف کنند. اجرای آموزش هوش مصنوعی در برنامه‌های درسی حسابداری می‌تواند فاصله زمانی پذیرش فناوری بین آموزش و صنعت حسابداری و حسابرسی را فشرده کند و دانشجویان حسابداری را به میزان کافی برای آینده آماده کند. هدف این پژوهش، بررسی تأثیر آمادگی فناوری بر پذیرش فناوری هوش مصنوعی در دانشجویان حسابداری است.
روش‌ها‌: پژوهش حاضر از نظر هدف کاربردی و از نظر روش، توصیفی - همبستگی است که به‌صورت پیمایشی - مقطعی انجام شده است. جامعه آماری شامل کلیه دانشجویان کارشناسی‌ارشد حسابداری دانشگاه‌های آزاد اسلامی در سال تحصیلی 1403-1402 بوده که با استفاده از روش نمونه‌گیری تصادفی خوشه‌ای چندمرحله‌ای و براساس فرمول تخصصی مدل‌سازی معادلات ساختاری (با در نظر گرفتن 30 متغیر مشاهده‌ شده و 9 متغیر پنهان)، حجم نمونه 384 نفر تعیین شده است. داده‌ها از طریق پرسش‌نامه محقق ساخته مبتنی بر مطالعه دامرجی (2020) با 30 گویه جمع‌آوری گردیده است. پرسش‌نامه پژوهش حاضر از دو بخش سؤالات عمومی و سؤالات تخصصی تشکیل‌شده است. سؤالات تخصصی شامل سؤالات مربوط به متغیرهای مستقل، میانجی و وابسته و شامل پنج بعد خوش‌بینی، نوآوری، ناراحتی، نا امنی، سودمندی درک شده، سهولت استفاده درک شده و اتخاذ فناوری است. خوش‌بینی با 4 گویه، نوآوری با 4 گویه، ناراحتی با 4 گویه، نا امنی با 4 گویه، سودمندی درک شده با 6 گویه، سهولت استفاده درک شده با 6 گویه و اتخاذ فناوری با 2 ارزیابی‌شده و پایایی آن با آلفای کرونباخ تأیید شد. تحلیل داده‌ها با نرم‌افزار SmartPLS و با استفاده از روش مدل‌سازی معادلات ساختاری (PLS-SEM) انجام‌گرفته است.
یافته‌ها: نتایج پژوهش نشان داد که آمادگی فناوری تأثیر مثبت و معنی‌داری بر سهولت استفاده درک‌شده و سودمندی درک شده در میان دانشجویان حسابداری دارد. همچنین، سهولت استفاده درک شده تأثیر مثبت و معنی‌داری بر سودمندی درک شده و پذیرش فناوری دارد. تحلیل میانجی‌گری نشان داد که سهولت استفاده درک شده و سودمندی درک شده به‌صورت جداگانه و ترکیبی، نقش میانجی مثبت و معنی‌داری در رابطه بین آمادگی فناوری و پذیرش فناوری ایفا می‌کنند. بااین‌حال، رابطه مستقیم بین آمادگی فناوری و پذیرش فناوری معنی‌دار نبود که نشان‌دهنده اهمیت نقش میانجی‌گری متغیرهای سهولت استفاده درک شده و سودمندی درک شده است. این یافته‌ها بر ضرورت تقویت زیرساخت‌های فناوری و آموزش مهارت‌های دیجیتال در برنامه‌های آموزشی حسابداری تأکید دارند تا پذیرش فناوری‌های هوش مصنوعی در این حوزه تسهیل شود.
نتیجه‌گیری: انجام نوآوری توسط دانشگاه‌ها می‌تواند دانش، آموزش و تصمیم به استفاده از هوش مصنوعی توسط دانشجویان حسابداری را افزایش داده و تحت‌تأثیر قرار دهد. به عبارت دیگر، برای اینکه دانشجویان حسابداری تکنولوژی هوش مصنوعی را اتخاذ کنند، ابتدا باید فرآیند اتخاذ در سطح نهادهای آموزشی اتفاق بیفتد. ابتدا باید در برنامه آموزشی حسابداری، تکنولوژی هوش مصنوعی اتخاذ شود تا ادراکات دانشجویان حسابداری را نسبت به استفاده، مفید بودن و اتخاذ هوش مصنوعی افزایش دهد. از منظر عملی، پژوهش حاضر به صورت بالقوه به دانشگاه‌ها کمک می‌کند تا درک بهتری از این موضوع کسب کنند که چگونه سودمندی درک شده و سهولت استفاده درک شده می‌توانند باعث برانگیخته شدن پذیرش فناوری هوش مصنوعی دانشجویان حسابداری شوند. با این حال، این موضوع به این بستگی دارد که آیا دانشجویان حسابداری برای تکنولوژی آماده هستند یا خیر و اینکه دید آن‌ها نسبت به سودمندی درک شده و سهولت استفاده درک شده مثبت است یا خیر.
کلیدواژه‌ها
آمادگی فناوری؛ هوش مصنوعی؛ پذیرش فناوری؛ سودمندی درک شده؛ درک سهولت استفاده ‌شده
موضوعات
فناوری آموزش - هوش مصنوعی
عنوان مقاله [English]
The Effect of Technological Readiness on Acceptance of Artificial Intelligence among Accounting Students
نویسندگان [English]
A. Taftiyan؛ M. Mojkar؛ F. Mansouri Mohammad Abadi
Department of Accounting,Institute of Market and Business, Y.C., Islamic Azad University, Yazd, Iran
چکیده [English]
Background and Objectives: The advancement of higher education is increasingly intertwined with the development of emerging technologies, particularly artificial intelligence. By exploring the relationship between technology readiness levels and technology acceptance among accounting students, universities can address existing deficiencies in accounting curricula through transformative changes in course design and delivery methods. These changes can better prepare students for future professional demands. Integrating AI education into accounting programs can bridge the temporal gap in technology adoption between academia and the accounting and auditing industry, equipping students with essential skills for the evolving landscape. This study aimed to examine the influence of technology readiness on the acceptance of artificial intelligence among accounting students.
Methods:This study wa applied in purpose and employed a descriptive-correlational methodology, implemented through a cross-sectional survey. The target population included all master’s degree students in accounting at Islamic Azad Universities during the 2023–2024 academic year. A sample of 384 participants was selected using a multi-stage cluster random sampling approach, determined by a specialized structural equation modeling formula that accounted for 30 observed variables and 9 latent variables. Data were gathered via a researcher-developed questionnaire, adapted from Damarji (2020), consisting of 30 items. The questionnaire comprised two sections: general questions and specialized questions. The specialized questions addressed independent, mediating, and dependent variables across seven dimensions: optimism (4 items), innovativeness (4 items), discomfort (4 items), insecurity (4 items), perceived usefulness (6 items), perceived ease of use (6 items), and technology adoption (2 items). The questionnaire’s reliability was verified using Cronbach’s alpha. Data analysis was conducted using SmartPLS software with the partial least squares structural equation modeling (PLS-SEM) method.
Findings: The findings revealed that technology readiness significantly and positively influenced perceived ease of use and perceived usefulness among accounting students. Furthermore, perceived ease of use significantly and positively affected both perceived usefulness and technology adoption. Mediation analysis indicated that perceived ease of use and perceived usefulness, both independently and in combination, served as significant positive mediators in the relationship between technology readiness and technology adoption. However, the direct relationship between technology readiness and technology adoption was not statistically significant, emphasizing the crucial mediating roles of perceived ease of use and perceived usefulness. These results highlighted the importance of strengthening technological infrastructure and incorporating digital skills training into accounting education programs to promote the effective adoption of artificial intelligence in the field.
Conclusion: University-led innovation can significantly enhance the knowledge, training, and adoption of artificial intelligence (AI) among accounting students. For accounting students to effectively embrace AI technology, the adoption process must first be initiated at the institutional level within educational organizations. Integrating AI technology into accounting curricula is essential to improve students’ perceptions of its use, usefulness, and adoption. From a practical standpoint, this study offers universities valuable insights into how perceived usefulness and perceived ease of use can drive AI technology adoption among accounting students. However, the success of this process hinges on students’ technological readiness and their positive perceptions of both perceived usefulness and perceived ease of use.
کلیدواژه‌ها [English]
Technology Readiness, Artificial Intelligence, Technology Acceptance, Perceived Usefulness, Perceived Ease of Use
مراجع
[1] Elliot VH, Paananen M, Staron M. Artificial intelligence for decision-makers. Journal of Emerging Technologies in Accounting. 2020 Mar 1;17(1):51-5.

https://doi.org/10.2308/jeta-52666

[2] Kim S, Garrison G. Understanding users’ behaviors regarding supply chain technology: Determinants impacting the adoption and implementation of RFID technology in South Korea. International Journal of Information Management. 2010 Oct 1;30(5):388-98. https://doi.org/10.1016/j.ijinfomgt.2010.02.008

[3] Sargent K, Hyland P, Sawang S. Factors influencing the adoption of information technology in a construction business. Australasian Journal of Construction Economics and Building, The. 2012 Jan;12(2):72-86.

https://search.informit.org/doi/abs/10.3316/informit.660528440336942

[4] Siau K. Impact of artificial intelligence, robotics, and automation on higher education. AMCIS.

[5] Baldwin AA, Brown CE, Trinkle BS. Opportunities for artificial intelligence development in the accounting domain: the case for auditing. Intelligent Systems in Accounting, Finance and Management: International Journal. 2006 Jul;14(3):77-86.

https://doi.org/10.1002/isaf.277

[6] Strzelecki A. To use or not to use ChatGPT in higher education? A study of students’ acceptance and use of technology. Interactive learning environments. 2024 Oct 20;32(9):5142-55.

https://doi.org/10.1080/10494820.2023.2209881

[7] Kokina J, Davenport TH. The emergence of artificial intelligence: How automation is changing auditing. Journal of emerging technologies in accounting. 2017 Mar 1;14(1):115-22.

https://doi.org/10.2308/jeta-51730

[8] Gao J, Ren L, Yang Y, Zhang D, Li L. The impact of artificial intelligence technology stimuli on smart customer experience and the moderating effect of technology readiness. International Journal of Emerging Markets. 2022 May 16;17(4):1123-42.

https://doi.org/10.1108/IJOEM-06-2021-0975

[9] Parasuraman A, Colby CL. An updated and streamlined technology readiness index: TRI 2.0. Journal of service research. 2015 Feb;18(1):59-74.

https://doi.org/10.1177/1094670514539730

[10] Issa H, Sun T, Vasarhelyi MA. Research ideas for artificial intelligence in auditing: The formalization of audit and workforce supplementation. Journal of emerging technologies in accounting. 2016 Sep 1;13(2):1-20.

https://doi.org/10.2308/jeta-10511

[11] Flavián C, Pérez-Rueda A, Belanche D, Casaló LV. Intention to use analytical artificial intelligence (AI) in services–the effect of technology readiness and awareness. Journal of Service Management. 2022 Feb 28;33(2):293-320.

https://doi.org/10.1108/JOSM-10-2020-0378

[12] Fishbein M, Ajzen I. Belief, attitude, intention, and behavior: An introduction to theory and research.

[13] Parasuraman A. Technology Readiness Index (TRI) a multiple-item scale to measure readiness to embrace new technologies. Journal of service research. 2000 May;2(4):307-20. https://doi.org/10.1177/109467050024001

[14] Fisher IE, Garnsey MR, Hughes ME. Natural language processing in accounting, auditing and finance: A synthesis of the literature with a roadmap for future research. Intelligent Systems in Accounting, Finance and Management. 2016 Jul;23(3):157-214. https://doi.org/10.1002/isaf.1386

[15] Greenman C. Exploring the impact of artificial intelligence on the accounting profession. Journal of Research in Business, Economics and Management. 2017;8(3):1451.

[16] Abdo-Salloum AM, Al-Mousawi HY. Accounting students’ technology readiness, perceptions, and digital competence toward artificial intelligence adoption in accounting curricula. Journal of Accounting Education. 2025 Mar 1;70:100951.

https://doi.org/10.1016/j.jaccedu.2025.100951

[17] Sudaryanto MR, Hendrawan MA, Andrian T. The effect of technology readiness, digital competence, perceived usefulness, and ease of use on accounting students artificial intelligence technology adoption. InE3S Web of Conferences 2023 (Vol. 388, p. 04055). EDP Sciences.

https://doi.org/10.1051/e3sconf/202338804055

[18] Damerji H, Salimi A. Mediating effect of use perceptions on technology readiness and adoption of artificial intelligence in accounting. Accounting Education. 2021 Mar 4;30(2):107-30.

https://doi.org/10.1080/09639284.2021.1872035

[19] Hajiha Z, Kayghbadi A. Providing a quality Assessment Model of the Financial Statement Audit Process Using Artificial Intelligence. Audit Science. 2024 Jan 10;23(92):252-80. [In Persian]

[20] Zare H, Hajiha Z, Keyghobadi A. Investigating the Impact of Using Artificial Intelligence on the Quality of the Financial Statement Audit Process. [In persian]

[21] Hajianvari L, Ramezani A. Investigating AI Literacy, Application and Factors Influencing Artificial Intelligence Acceptance by Faculty Members. Higher Education Letter. 2024 Dec 21;17(68):106-31. [In Persian]

[22] Tahriri A, Afsay A. A Meta-Analysis of the Factors Affecting the Behavior of Auditors to Acceptance of Information Technology. Iranian Journal of Value and Behavioral Accounting. 2021;6(11):1-40. [In persian]

[23] Azarsaeed Y, Rostami S. Artificial Intelligence and Ethical Decision-Making in Accounting and Auditing: Analysis of Related Challenges. [In persian]

[24] Damerji H. Technology readiness impact on artificial intelligence technology adoption by accounting students. University of La Verne; 2020.

[25] Taftiyan A, BaghiNasab F. Investigating the relationship between financial literacy and competitive advantage in small and medium enterprises (SMEs) with emphasis on business risk reduction strategy. Journal of Development and Capital. 2023 Aug 23;8(1):167-87. [In persian]

[26] Werts CE, Linn RL, Jöreskog KG. Intraclass reliability estimates: Testing structural assumptions. Educational and Psychological measurement. 1974 Apr;34(1):25-33.

https://doi.org/10.1177/001316447403400104

[27] Taftian A, Alipour R. Challenges and Opportunities of Islamic Financial Technology. Islamic Financial Research. 2023;11(2):837-74. [In Persian]

[28] Fornell C, Larcker DF. Evaluating structural equation models with unobservable variables and measurement error. Journal of marketing research. 1981 Feb;18(1):39-50.

https://doi.org/10.1177/002224378101800104

[29] Rahimi Esbo S, Ghaemi-Amiri M, Mostafazadeh-Bora M. Assessment of Medical Students' Acceptance, Knowledge, Attitudes, and Readiness toward Artificial Intelligence. Journal of Mazandaran University of Medical Sciences. 2024 Nov 10;34(239):88-95. [In persian]

[30] Nasiri FS, Ghanbari S, Ardalan MR, Karimi I. Effect of infrastructure and faculty readiness in effective implementation of e-Learning based on Technology Acceptance Model (TAM). Education Strategies in Medical Sciences. 2014 Oct 10;7(5):329-8. [In persian]

آمار
تعداد مشاهده مقاله: 128
تعداد دریافت فایل اصل مقاله: 5


سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب