Analysis of technology acceptance model factors influencing artificial intelligence acceptance among personnel of the Department of Education Bangkok Metropolitan Administration
Keywords:
technology acceptance, artificial intelligence, TAM model, work performance, Department of Education Bangkok Metropolitan AdministrationAbstract
This article aims to 1. examine the level of artificial intelligence acceptance among personnel of Department of Education Bangkok Metropolitan Administration. Using the technology acceptance model framework, 2. analyze the influence of personal factors on acceptance, and 3. investigate the relationship between AI acceptance and work performance. The study employed a quantitative research design. The sample size of 184 participants with simple random sampling. Data were collected using a questionnaire with Index of item-objective congruence of 0.98 and a reliability coefficient of 0.97. and analyzed through descriptive statistics, t-test, F-test, and Pearson's correlation coefficient. The findings revealed that personnel demonstrated a high level of artificial intelligence acceptance overall. Perceived usefulness scored highest, followed by perceived ease of use, confidence and attitude, and organizational support. Age and educational level significantly influenced artificial intelligence acceptance, while length of service did not significantly affect overall acceptance. Furthermore, artificial intelligence acceptance showed a moderate positive correlation with work performance, with confidence and attitude demonstrating the strongest relationship. These findings carry significant implications for policy development aimed at promoting artificial intelligence adoption in public education sectors.
References
เต็มศิริ วันล้วน, ภรณี หลาวทอง, สุรเกียรติ ปริชาตินนท์ และชินจิรัฎฐ์ จรัญศิริไพศาล. (2568). การยอมรับเทคโนโลยีปัญญาประดิษฐ์ที่ส่งผลต่อประสิทธิภาพการปฏิบัติงานของหน่วยงานภาครัฐในจังหวัดสุรินทร์. วารสารการบริหารการปกครองและนวัตกรรมท้องถิ่น, 9(2), 393–408.
นันทิชา พูลพาณิชย์. (2565). ปัจจัยที่ส่งผลต่อทัศนคติการยอมรับเทคโนโลยี AI Chatbot โดยผู้ให้บริการเครือข่ายโทรศัพท์เคลื่อนที่ ของกลุ่ม Baby Boomer. การค้นคว้าอิสระวิทยาศาสตรมหาบัณฑิต สาขาวิชาบริหารเทคโนโลยี มหาวิทยาลัยธรรมศาสตร์. https://ethesisarchive.library.tu.ac.th/thesis/2022/TU_2022_6323030541_15366_22707.pdf.
บุหงา ชัยสุวรรณ และมาริสา จันทมาศ. (2567). การจัดกลุ่มบุคลากรวัยทำงานตามระดับการยอมรับเทคโนโลยีปัญญาประดิษฐ์. วารสารนิเทศศาสตร์, 42(1), 99–117. https://so02.tci-thaijo.org/index.php/jcomm/article/view/259364.
พีระพงษ์ แสวงศรี. (2566). การศึกษาการยอมรับและใช้งานเทคโนโลยีปัญญาประดิษฐ์ กับระบบการศึกษาของนักเรียนระดับมัธยมศึกษาตอนปลาย. วิทยานิพนธ์การจัดการมหาบัณฑิต มหาวิทยาลัยมหิดล. https://archive.cm.mahidol.ac.th/handle/123456789/5299.
สำนักการศึกษากรุงเทพมหานคร. (2561). โครงสร้างสำนักการศึกษา. สืบค้น 26 กุมภาพันธ์ 2569 จาก https://webportal.bangkok.go.th/bangkokeducation/page/sub/10119/โครงสร้าง.
วสันต์ เกิดสวัสดิ์, สหพัฒน์ หอมจันทร์ และกันต์ฐมณีญา นฤโฆษกิตติกีรติ. (2567). ปัจจัยสนับสนุนที่มีผลต่อประสิทธิผลในการปฏิบัติงานของเจ้าหน้าที่ในองค์กร ภาครัฐและภาคเอกชนในยุคปัญญาประดิษฐ์. วารสารสหวิทยาการวิจัยและนวัตกรรมการศึกษา, 3(2), 31–50. https://so08.tci-thaijo.org/index.php/JIREI/article/view/4327.
อัจฉราวรรณ สุขเกิด. (2568). การยอมรับเทคโนโลยีที่ส่งผลต่อความตั้งใจใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) ในการทำงานของบุคลากรมหาวิทยาลัยราชภัฏวไลยอลงกรณ์ ในพระบรมราชูปถัมภ์. วารสารวิทยาการจัดการปริทัศน์, 27(1), 132–144. https://so03.tci-thaijo.org/index.php/msaru/article/view/284831.
Ahn, M. J., & Chen, Y.-C. (2022). Digital transformation toward AI-augmented public administration: The perception of government employees and the willingness to use AI in government. Government Information Quarterly, 39(2), 101664. https://doi.org/10.1016/j.giq.2021.101664.
Ashfaq, M., Yun, J., Yu, S., & Loureiro, S. M. C. (2020). I, Chatbot: Modeling the determinants of users' satisfaction and continuance intention of AI-powered service agents. Telematics and Informatics, 54, 101473. https://doi.org/10.1016/j.tele.2020.101473.
Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work (NBER Working Paper No. 31161). https://doi.org/10.3386/w31161.
Campbell, J. P., McCloy, R. A., Oppler, S. H., & Sager, C. E. (1993). A theory of performance. In N. Schmitt & W. C. Borman (Eds), Personnel selection in organizations (pp. 35–70). Jossey-Bass.
Chen, T., Guo, W., Gao, X., & Liang, Z. (2021). AI-based self-service technology in public service delivery: User experience and influencing factors. Government Information Quarterly, 38(4), 101520. https://doi.org/10.1016/j.giq.2020.101520.
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555.
Davenport, T. H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108–116. https://hbr.org/2018/01/artificial-intelligence-for-the-real-world.
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319–340. https://doi.org/10.2307/249008.
Dwivedi, Y. K., Hughes, L., Ismagilova, E., Aarts, G., Coombs, C., Crick, T., Duan, Y., Dwivedi, R., Edwards, J., Eirug, A., Galanos, V., Ilavarasan, P. V., Janssen, M., Jones, P., Kar, A. K., Kizgin, H., Kronemann, B., Lal, B., Lucini, B., Medaglia, B., Williams, M. D. (2021). Artificial Intelligence (AI): Multidisciplinary perspectives on emerging challenges, opportunities, and agenda for research, practice and policy. International Journal of Information Management, 57, 101994. https://doi.org/10.1016/j.ijinfomgt.2019.08.002.
Eisenberger, R., Huntington, R., Hutchison, S., & Sowa, D. (1986). Perceived organizational support. Journal of Applied Psychology, 71(3), 500–507. https://doi.org/10.1037/0021-9010.71.3.500.
Fishbein, M., & Ajzen, I. (1975). Belief, attitude, intention, and behavior: An introduction to theory and research. Addison-Wesley. Retrieved February 26, 2026, from https://archive.org/details/beliefattitudein00fish.
Glikson, E., & Woolley, A. W. (2020). Human trust in artificial intelligence: Review of empirical research. Academy of Management Annals, 14(2), 627–660. https://doi.org/10.5465/annals.2018.0057.
Karasek, R. A. (1979). Job demands, job decision latitude, and mental strain: Implications for job redesign. Administrative Science Quarterly, 24(2), 285–308. https://doi.org/10.2307/2392498.
Kong, S. C., Yang, Y., & Hou, C. (2024). Examining teachers' behavioural intention of using generative artificial intelligence tools for teaching and learning based on the extended technology acceptance model. Computers and Education: Artificial Intelligence, 7, 100328. https://doi.org/10.1016/j.caeai.2024.100328.
Nunnally, J. C., & Bernstein, I. H. (1994). Psychometric theory (3rd ed). McGraw-Hill.
OECD. (2025). G7 toolkit for artificial intelligence in the public sector. OECD. AI Policy Navigator. https://www.oecd.org/en/publications/g7-toolkit-for-artificial-intelligence-in-the-public-sector_421c1244-en.html.
Petersen, E., & Plowman, E. G. (1953). Business organization and management (3rd ed). Richard D. Irwin.
Rogers, E. M. (2003). Diffusion of innovations (5th ed). Free Press.
Rovinelli, R. J., & Hambleton, R. K. (1977). On the use of content specialists in the assessment of criterion- referenced test item validity. Tijdschrift voor Onderwijsresearch, 2(2), 49–60.
Scherer, R., Siddiq, F., & Tondeur, J. (2019). The technology acceptance model (TAM): A meta-analytic structural equation modeling approach to explaining teachers' adoption of digital technology in education. Computers & Education, 128, 13–35. https://doi.org/10.1016/j.compedu.2018.09.009.
Venkatesh, V., & Bala, H. (2008). Technology acceptance model 3 and a research agenda on interventions. Decision Sciences, 39(2), 273–315. https://doi.org/10.1111/j.1540-5915.2008.00192.x.
Venkatesh, V., & Davis, F. D. (2000). A theoretical extension of the technology acceptance model: Four longitudinal field studies. Management Science, 46(2), 186–204. https://doi.org/10.1287/mnsc.46.2.186.11926.
Venkatesh, V., Morris, M. G., Davis, G. B., & Davis, F. D. (2003). User acceptance of information technology: Toward a unified view. MIS Quarterly, 27(3), 425–478. https://doi.org/10.2307/30036540.
Wirtz, B. W., Weyerer, J. C., & Geyer, C. (2019). Artificial intelligence and the public sector-applications and challenges. International Journal of Public Administration, 42(7), 596–615. https://doi.org/10.1080/01900692.2018.1498103.
Yamane, T. (1973). Statistics: An introductory analysis (3rd ed). Harper & Row.
Zuiderwijk, A., Chen, Y.-C., & Salem, F. (2021). Implications of the use of artificial intelligence in public governance: A systematic literature review and a research agenda. Government Information Quarterly, 38(3), 101577. https://doi.org/10.1016/j.giq.2021.101577.
