Varför använder svenska lärare AI? – En studie av faktorer som påverkar gymnasielärares vilja att integrera språkmodeller i undervisningen

Sammanfattning

Bakgrund: Trots omfattande investeringar i AI-utveckling använder endast två tredjedelar av svenska gymnasielärare AI-tjänster i begränsad omfattning, vilket riskerar att reproducera historiska misslyckanden med teknologisk integration i utbildningssektorn. Forskningslitteraturen uppvisar betydande kunskapsluckor då endast 32 procent av AI- studierna fokuserar på grund- och gymnasienivå, varav bara 5,6 procent undersöker acceptansfrågor. Syfte: Studien syftar till att bidra med empiriskt grundad kunskap för framgångsrik implementering av AI-teknologi i svensk gymnasieutbildning genom att systematiskt undersöka faktorer som påverkar lärares acceptans av språkmodeller enligt UTAUT-modellen (Unified Theory of Acceptance and Use of Technology). Metod: En kvantitativ tvärsnittsdesign med enkätdata från 223 svenska gymnasielärare analyserades med strukturell ekvationsmodellering (PLS-SEM). UTAUT-modellens faktorer (Performance Expectancy, Effort Expectancy, Social Influence, Facilitating Conditions) och modererande variabler (kön, ålder, erfarenhet, frivillighet) testades genom bootstrapping- procedur med 4999 samples. Resultat: UTAUT-modellen förklarade 73 procent av variationen i lärares beteendeintention att använda språkmodeller. Performance Expectancy (β=0,749, p<0,001) och Facilitating Conditions (β=0,162, p=0,001) erhöll partiellt stöd med bekräftade huvudeffekter men förkastade modereringseffekter, medan Effort Expectancy och Social Influence saknade signifikant påverkan. Kritiskt var att samtliga demografiska modererande effekter (H1-H4) förkastades, vilket utmanar modellens generaliserbarhet till AI-teknologier. I stället framträdde erfarenhet som stark huvudfaktor (β=0,421 för användning). Lärares beteendeintention påverkade signifikant deras benägenhet att tillåta elevers AI-användning (β=0,249, p<0,001). Slutsatser: Resultaten utmanar fundamentala antaganden i UTAUT-modellen och föreslår att språkmodellers probabilistiska natur kräver teoretisk omkonceptualisering. Studien föreslår utveckling av en ”Probabilistic Technology Acceptance Model” (PTAM) där erfarenhet konstituerar en femte huvudfaktor och demografiska moderatorer ersätts med teknikspecifika faktorer. För praktisk implementering rekommenderas Performance Expectancy-centrerade strategier med fokus på instrumentell nytta och systematisk erfarenhetsuppbyggnad över tid.