A carregar...
Publicação
Preparing minds for an automated future : how competence feedback shapes AI self-efficacy and acceptance
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 856.71 KB | Adobe PDF |
Autores
Orientador(es)
Resumo(s)
This thesis explores how competence-oriented feedback can shape employees’ readiness to adopt generative AI by strengthening AI self-efficacy, addressing the research question: how does feedback influence AI self-efficacy, and how does AI self-efficacy in turn affect workplace AI acceptance? Using a sample of 208 participants divided into experimental and control groups, the study employed a survey-based online experimental design to assess whether task-related, competence-oriented feedback after an AI knowledge quiz increases AI self-efficacy and AI acceptance, using validated scales and bootstrapped mediation analysis (PROCESS Model 4). The results show that competence-oriented feedback significantly increases AI self-efficacy, that AI self-efficacy strongly predicts AI acceptance, and that AI self-efficacy significantly mediates the effect of feedback on AI acceptance, with effects robust to demographic and usage covariates. These findings suggest that competence beliefs are a causally relevant and adaptable driver of AI acceptance and can be strengthened through brief, scalable feedback interventions, even when objective task performance is not directly linked to acceptance-related attitudes. This study contributes causal evidence to the emerging literature on AI self-efficacy and AI acceptance and extends technology acceptance research by highlighting competence beliefs as an important psychological factor in AI adoption. Future research should examine the durability of feedback effects over time, compare human- versus AI-generated feedback sources and credibility perceptions, and incorporate behavioral adoption measures to test whether increases in self efficacy translate into sustained workplace AI use.
Esta tese examina como o feedback orientado para a competência molda a disposição dos funcionários para adotar a IA generativa, fortalecendo a autoeficácia da IA. Utilizando uma experiência online baseada em um inquérito com 208 participantes, o estudo testou se o feedback relacionado à tarefa e orientado para a competência após um questionário de conhecimento sobre IA aumenta a autoeficácia da IA e, indiretamente, melhora a aceitação da IA, empregando escalas validadas e análise de mediação bootstrapped (Modelo PROCESS 4). Os resultados mostram que o feedback orientado para a competência aumenta significativamente a autoeficácia da IA, que a autoeficácia da IA prediz fortemente a aceitação da IA e que medeia o efeito do feedback na aceitação da IA, com efeitos robustos para covariáveis demográficas e de uso. Essas descobertas indicam que as crenças de competência são um fator causalmente relevante e maleável para a aceitação da IA, que pode ser fortalecido por meio de intervenções de feedback breves e escalonáveis, mesmo quando o desempenho objetivo da tarefa não está diretamente ligado a atitudes relacionadas à aceitação. Este estudo contribui com evidências causais para a literatura sobre autoeficácia da IA e amplia a pesquisa sobre aceitação da tecnologia, destacando as crenças de competência como um fator psicológico fundamental na adoção da IA. Pesquisas futuras devem examinar a durabilidade dos efeitos do feedback, comparar o feedback gerado por humanos e pela IA e incorporar medidas de adoção comportamental para avaliar o uso sustentado da IA no local de trabalho.
Esta tese examina como o feedback orientado para a competência molda a disposição dos funcionários para adotar a IA generativa, fortalecendo a autoeficácia da IA. Utilizando uma experiência online baseada em um inquérito com 208 participantes, o estudo testou se o feedback relacionado à tarefa e orientado para a competência após um questionário de conhecimento sobre IA aumenta a autoeficácia da IA e, indiretamente, melhora a aceitação da IA, empregando escalas validadas e análise de mediação bootstrapped (Modelo PROCESS 4). Os resultados mostram que o feedback orientado para a competência aumenta significativamente a autoeficácia da IA, que a autoeficácia da IA prediz fortemente a aceitação da IA e que medeia o efeito do feedback na aceitação da IA, com efeitos robustos para covariáveis demográficas e de uso. Essas descobertas indicam que as crenças de competência são um fator causalmente relevante e maleável para a aceitação da IA, que pode ser fortalecido por meio de intervenções de feedback breves e escalonáveis, mesmo quando o desempenho objetivo da tarefa não está diretamente ligado a atitudes relacionadas à aceitação. Este estudo contribui com evidências causais para a literatura sobre autoeficácia da IA e amplia a pesquisa sobre aceitação da tecnologia, destacando as crenças de competência como um fator psicológico fundamental na adoção da IA. Pesquisas futuras devem examinar a durabilidade dos efeitos do feedback, comparar o feedback gerado por humanos e pela IA e incorporar medidas de adoção comportamental para avaliar o uso sustentado da IA no local de trabalho.
Descrição
Palavras-chave
Artificial intelligence acceptance AI self-efficacy Competence-oriented feedback Technology acceptance Workplace AI Experimental research Mediation analysis Aceitação da inteligência artificial Autoeficácia da IA Feedback orientado para a competência IA no local de trabalho Investigação experimental Análise de mediação Aceitação da tecnologia
Contexto Educativo
Citação
Editora
Licença CC
Sem licença CC