Abstract
Objetivo da pesquisa: identificar novas variáveis que possam aprimorar um Modelo Integrativo Proposto (MIP) de adoção do Chat GPT. O MIP, por sua vez, se baseia em três teorias consolidadas: TAM, TDI e DMC.
Metodologia/abordagem: é qualitativa, com entrevistas de especialistas, que empregam o ChatGPT em suas áreas, sendo três jornalistas, dois profissionais da área de tecnologia e três docentes. O roteiro de entrevista envolve as três teorias. Os dados textuais são analisados com o software AtlasTi.
Originalidade/Relevância: abordar dúvidas e receios em torno do ChatGPT, uma tecnologia emergente em destaque em diversos campos, incluindo o da Educação. Os resultados descrevem e interpretam diversas influências (psicológicas, sociais e tecnológicas) no uso do ChatGPT, numa nação (Brasil) com uma das maiores populações do mundo.
Principais resultados: identificadas 16 novas variáveis potencialmente influentes no uso do ChatGPT: acessibilidade, acesso à conectividade, confiança na tecnologia, criatividade, entretenimento, expectativas, experiência prévia, feedback e melhoria contínua, inovação percebida, integração com sistemas existentes, otimização do tempo, personalização, redução da carga de trabalho, risco percebido, satisfação e segurança. Despontaram três aspectos em torno da moralidade: relação intrínseca da moralidade com o ChatGPT, atribuindo responsabilidade à empresa OpenAI; natureza íntima, característica intrínseca e individual da moralidade como um elemento independente de qualquer tecnologia; prática de reprodução de conteúdo, historicamente considerada ilegal, que não representa uma novidade sob o ponto de vista legal, independentemente da era tecnológica.
Contribuições teóricas/metodológicas: as variáveis identificadas não só ampliam, como melhoram a compreensão da adoção do ChatGPT.
Reference56 articles.
1. Aburub, F.& Alnawas, I. (2019). A new integrated model to explore factors that influence adoption of mobile learning in higher education: An empirical investigation. Education and Information Technologies, 24, 2145-2158. Disponível em: https://doi.org/10.1007/s10639-019-09862-x
2. Al-Maroof, R. S., Salloum, S. A., Alhamadand, A. Q. & Shaalan, K. (2020). Understanding an extension technology acceptance model of google translation: a multi-cultural study in United Arab Emirates. International Journal of Interactive Mobile Technologies (IJIM), 14(03), 157-178. Disponível em: https://doi.org/10.3991/ijim.v14i03.11110
3. Almeida, F., Aguiar, Y., & Magalhaes, R. (2023). Você sabe diferenciar um resumo escrito por humanos do gerado pelo ChatGPT?. In Anais do XIV Workshop sobre Aspectos da Interação Humano-Computador para a Web Social, (pp. 72-78). Porto Alegre: SBC. Disponível em: doi: https://doi.org/10.5753/waihcws.2023.233777
4. AtlasTi. Manuals and Documents. Berlim: ATLAS.ti Scientific Software Development, 2024. Disponível em: https://atlasti.com/es/acerca-de-atlas-ti
5. Arévalo, J. A. & Quinde, M. (2023). ChatGPT: La creación automática de contenidos con Inteligencia Artificial y su impacto en la comunicación académica y educativa. Revista Desiderata (22). Disponível em: https://produccioncientifica.usal.es/documentos/65baa1e15ffdcd6d665b14a8