| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 2.6 MB | Adobe PDF |
Authors
Advisor(s)
Abstract(s)
Technological advancements have transformed employee learning and development (L&D)
from one-size-fits-all approaches to personalized initiatives. Given AI’s potential to learn and
adapt to individuals’ demands, researchers and practitioners have started investigating AI
applications in L&D. However, whether employees prefer AI-guided learning and whether it
actually drives motivation to learn remains an empirical question. Thus, this research aims to
investigate the impact of AI-guided L&D compared to simple automation-based L&D on
employee motivation to learn, drawing on the Self-determination Theory (SDT) and the Unified
Theory of Acceptance and Use of Technology (UTAUT). The proposed model was tested using
a PLS-SEM analysis with 144 participants in an experimental survey. The results revealed that
AI in L&D increases motivation to learn more than simple automation. However, this effect is
fully mediated by the increase in perceived competence due to AI, emphasizing the importance
of providing customized trainings tailored to employees’ learning styles and skills, along with
consistent feedback, to foster perceived competence. Furthermore, the study demonstrates that
motivation to learn significantly predicts individuals’ behavioural intention to use a L&D
system. Specifically, AI-guided L&D, promoting competence, generates higher motivation to
learn, leading to increased use intentions. Thus, the study highlights that AI in employee L&D
drives autonomous motivation through self-determination surpassing simple automation-based
approaches. These findings provide valuable implications for organizations and practitioners
seeking to foster employee motivation and technology acceptance through new L&D solutions,
suggesting that investing in AI could be beneficial.
Os avanços tecnológicos revolucionaram a aprendizagem e desenvolvimento dos trabalhadores (L&D), passando de abordagens genéricas para personalizadas. Com o potencial da IA em aprender e adaptar-se às necessidades individuais, os investigadores têm-se dedicado a pesquisar potenciais aplicações em L&D. No entanto, ainda é uma questão empírica se os funcionários preferem a aprendizagem orientada por IA e se esta gera maior motivação para aprender. Esta investigação visa investigar o impacto da L&D orientada por IA em comparação com a L&D baseada em automação simples na motivação dos funcionários para aprender, com base na teoria da autodeterminação (SDT) e na teoria unificada de aceitação e uso de tecnologia (UTAUT). O modelo proposto foi testado com 144 participantes através de uma experiência utilizando análise PLS-SEM. Os resultados mostraram que a IA em L&D aumenta a motivação dos trabalhadores mais do que a automação simples. No entanto, este efeito é mediado pelo aumento da competência percebida devido à IA, enfatizando a importância de treino personalizado adaptado aos estilos e habilidades de aprendizagem dos trabalhadores, com feedback consistente, para promover a competência. A motivação para aprender demonstrou ser um preditor significativo da intenção comportamental dos indivíduos de usar um sistema de L&D. Especificamente, a L&D orientada por IA, ao promover a competência, gera maior motivação para aprender, resultando em maiores intenções de uso. Estes resultados têm implicações valiosas para organizações e profissionais que buscam promover a motivação dos trabalhadores e a aceitação de tecnologia em soluções de L&D, indicando os benefícios do investimento em IA.
Os avanços tecnológicos revolucionaram a aprendizagem e desenvolvimento dos trabalhadores (L&D), passando de abordagens genéricas para personalizadas. Com o potencial da IA em aprender e adaptar-se às necessidades individuais, os investigadores têm-se dedicado a pesquisar potenciais aplicações em L&D. No entanto, ainda é uma questão empírica se os funcionários preferem a aprendizagem orientada por IA e se esta gera maior motivação para aprender. Esta investigação visa investigar o impacto da L&D orientada por IA em comparação com a L&D baseada em automação simples na motivação dos funcionários para aprender, com base na teoria da autodeterminação (SDT) e na teoria unificada de aceitação e uso de tecnologia (UTAUT). O modelo proposto foi testado com 144 participantes através de uma experiência utilizando análise PLS-SEM. Os resultados mostraram que a IA em L&D aumenta a motivação dos trabalhadores mais do que a automação simples. No entanto, este efeito é mediado pelo aumento da competência percebida devido à IA, enfatizando a importância de treino personalizado adaptado aos estilos e habilidades de aprendizagem dos trabalhadores, com feedback consistente, para promover a competência. A motivação para aprender demonstrou ser um preditor significativo da intenção comportamental dos indivíduos de usar um sistema de L&D. Especificamente, a L&D orientada por IA, ao promover a competência, gera maior motivação para aprender, resultando em maiores intenções de uso. Estes resultados têm implicações valiosas para organizações e profissionais que buscam promover a motivação dos trabalhadores e a aceitação de tecnologia em soluções de L&D, indicando os benefícios do investimento em IA.
Description
Keywords
Artificial intelligence Simple automation Learning & development Employee motivation SDT Technology acceptance UTAUT Inteligência artificial Automatização simples Aprendizagem e desenvolvimento Motivação dos empregados Aceitação da tecnologia