AI-ångest och avsikt att ta till sig teknik i högre utbildning baserat på en utvidgad TAM-UTAUT och PLS-SEM-analys

Varför AI-oro spelar roll på campus

Universitet världen över skyndar för att väva in generativ artificiell intelligens (AI) i undervisning och forskning. Från verktyg som utformar uppsatser till system som hjälper till att skapa lektionsplaner—dessa teknologier lovar att spara tid och öka kreativiteten. Ändå känner många studenter och lärare en knut i magen när de tänker på att använda dem. Denna studie undersöker den knuten—"AI-ångest"—för att förstå hur olika sorters oro antingen kan blockera eller faktiskt uppmuntra människor inom högre utbildning att ta till sig AI-verktyg.

Tre slags oro kring AI

Forskarnas fokus ligger på tre distinkta former av AI-relaterad ångest. Den första är inlärningsångest: rädslan för att inte kunna bemästra komplexa AI-verktyg, eller för att vara "inte tillräckligt tekniskt kunnig." Den andra kallar de socioteknisk blindhetsångest: en oro över att bli den person i institutionen som blir efter, utanför de nya digitala rutinerna och samtalen. Den tredje är oro för jobbförlust: den djupare rädslan att AI kan ersätta centrala delar av ens arbete—att skriva, rätta eller till och med utforma kurser—och så småningom göra vissa akademiska jobb överflödiga. Istället för att betrakta ångest som en enda, enkel känsla, menar författarna att var och en av dessa har sina egna rötter och konsekvenser.

Från känslor till beslut

För att se hur dessa rädslor formar verkliga val kombinerade teamet två välkända teorier om teknikbruk som normalt fokuserar på rationella uppfattningar: hur användbart ett verktyg verkar, hur lätt det känns att använda, det sociala trycket att pröva det, och tillgången på stöd. De gjorde en enkätstudie med 407 studenter och lärare vid tre universitet i Sichuanprovinsen, Kina, där de frågade om deras AI-oro, deras förväntningar på generativ AI och huruvida de avsåg att använda sådana verktyg i sina studier eller sin undervisning. Med en statistisk teknik kallad strukturell ekvationsmodellering kartlade de hur emotionella reaktioner påverkar förväntningar om prestanda, ansträngning, social påverkan och stöd—och slutligen beslutet att anta AI.

När rädsla håller människor tillbaka

Oro för jobbförlust framträdde som den mest konsekvent skadliga faktorn. Människor som oroade sig för att AI kunde urholka deras professionella värde tenderade att bedöma AI som mindre hjälpsamt, svårare att lära sig, mindre socialt stödt och mindre backat av institutionella resurser. Denna klunga negativa uppfattningar minskade starkt deras avsikt att använda AI-verktyg överhuvudtaget. Inlärningsångest gnagde också på självförtroendet, vilket fick AI att kännas svårare och mindre inom räckhåll, även om dess effekter var svagare och mer beroende av andra faktorer. I dessa fall leder rädslan till en defensiv hållning: istället för att se AI som en assistent ser oroliga användare det som ett hot och drar sig undan från möjligheter att experimentera.

När rädsla sporrar till handling

Socioteknisk blindhetsångest berättade en mer överraskande historia. Personer som var rädda för att bli det "AI-illitterata" medlemmen i sin akademiska gemenskap reagerade ibland genom att engagera sig snarare än att avstå. Denna typ av social rädsla var kopplad till starkare förväntningar om att de kunde och borde lägga ner ansträngning för att lära sig AI, större känslighet för hur kollegor såg på AI-användning, och i många fall en högre avsikt att anta generativa verktyg. Samtidigt minskade det något deras tro på att AI verkligen skulle förbättra prestationer. Med andra ord kan samma sociala ångest som naggar på en persons känsla av kompetens också driva dem att komma ikapp, vilket skapar ett "tvåeggigt svärd" som både underminerar självförtroende och ger energi åt lärande.

Vem hanterar AI-ångest bättre

Studien visar också att kontexten spelar roll. Studenter och lärare inom natur- och ingenjörsvetenskap var mer benägna att omvandla inlärningsångest till en drivkraft att experimentera med AI, vilket speglar en kultur som redan är van vid snabb teknologisk förändring. Däremot var personer inom humaniora och samhällsvetenskap, som ofta tänker mer kritiskt om etik och mening, mer benägna att se AI som ett hot mot kärnvetenskapliga värden. En persons känsla av AI-självförtroende—hur säker de känner sig på att så småningom behärska dessa verktyg—spelade också en stor roll. De med hög självförtroende kunde omtolka viss ångest som en signal att förbättra sig, inte en anledning att ge upp, och var bättre på att omvandla olust till konstruktiv handling.

Vad detta betyder för universitet

För högre utbildning är budskapet tydligt: AI-ångest är inte helt enkelt en broms på innovation, och det är inte något som ska avfärdas. Vissa farhågor, särskilt om jobbförlust, kan allvarligt undergräva vilja att ta till sig generativ AI och förtjänar direkta åtgärder såsom klara rollbeskrivningar, stöd för karriärutveckling och transparenta policys. Andra bekymmer, särskilt rädslan för att halka efter kollegor, kan kanaliseras till motivation om universiteten erbjuder tillgänglig utbildning, lärandegemenskaper bland kollegor och verktyg som känns hanterbara snarare än överväldigande. Genom att erkänna och arbeta med dessa olika nyanser av ångest—i stället för att anta att all rädsla är dålig—kan institutioner uppmuntra ett genomtänkt, ansvarsfullt och mer rättvist användande av AI över campus.

Citering: Kai, C., Ping, W. & Xiaomin, J. AI anxiety and adoption intention in higher education based on an extended TAM-UTAUT and PLS-SEM analysis. Sci Rep 16, 3672 (2026). https://doi.org/10.1038/s41598-026-35823-9

Nyckelord: AI-ångest, generativ AI i utbildning, teknikadoption, universitetsundervisning, studenters attityder