انجمن ترویج و آموزش کشاورزی ایران علوم ترویج و آموزش کشاورزی ایران 2008-1758 21 2 2026 02 20 Analysis of AI Tool Usage Behavior Among Agricultural Students: An Integrated Approach of Structural Equation Modeling (SEM) and Artificial Neural Network (ANN) تحلیل رفتار استفاده از ابزارهای هوش مصنوعی در میان دانشجویان کشاورزی: رویکرد تلفیقی مدل‌سازی معادلات ساختاری (SEM) و شبکه عصبی مصنوعی (ANN) 1 23 241770 10.22034/iaeej.2026.543688.1870 FA امید جمشیدی استادیار گروه ترویج و آموزش کشاورزی، دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران. 0000-0002-0307-0173 سیدمحمدجواد سبحانی استادیار گروه ترویج و آموزش کشاورزی، دانشکده مهندسی زراعی و عمران روستایی، دانشگاه علوم کشاورزی و منابع طبیعی خوزستان، ملاثانی، ایران. Journal Article 2025 08 27 Given the rapid expansion of artificial intelligence (AI) technologies across various domains, identifying the factors that influence students’ adoption and use of these tools has become increasingly important. This study aimed to analyze the usage behavior of AI tools among agricultural students using an integrated approach that combines Structural Equation Modeling (SEM) and Artificial Neural Network (ANN). The research employed a descriptive-survey method, and the study population consisted of students from Sari University of Agricultural Sciences and Natural Resources who had participated in AI-related courses during the 2022–2023 academic years. Using Krejcie and Morgan's table, a sample size of 176 was determined, and data were collected through stratified random sampling with proportional allocation. The main research instrument was a questionnaire, whose validity and reliability were confirmed. Data analysis was conducted using SEM with SmartPLS3 software and ANN analysis to incorporate complementary linear and nonlinear perspectives in explaining user behavior. The findings revealed that all examined variables—social norms, self-efficacy, perceived usefulness, perceived ease of use, and technology access—had a significant positive effect on the usage behavior of AI tools. Among these factors, social norms played the most substantial role in the SEM analysis, indicating that support from peers, instructors, and the university environment were the primary drivers of technology adoption. In contrast, the ANN analysis highlighted the critical importance of self-efficacy, suggesting that students’ belief in their individual capability to use technology is a latent yet highly influential factor. Additionally, the results underscored that without adequate access to technological infrastructure, other motivational factors would be ineffective. Based on the findings, facilitating the adoption and utilization of AI tools in agricultural higher education can be achieved by strengthening a technology-oriented culture within academic environments, enhancing students’ digital self-efficacy, developing technological infrastructure, designing user-friendly tools tailored to the needs of agricultural disciplines, and providing continuous and up-to-date training in AI. با توجه به گسترش پرشتاب فناوری‌های هوش مصنوعی در عرصه‌های گوناگون، شناسایی عوامل مؤثر بر پذیرش و به‌کارگیری این ابزارها توسط دانشجویان اهمیتی روزافزون یافته است. هدف این پژوهش، تحلیل رفتار استفاده از ابزارهای هوش مصنوعی در میان دانشجویان کشاورزی با رویکرد تلفیقی مدل‌سازی معادلات ساختاری و شبکه عصبی مصنوعی بود. این پژوهش از نظر هدف کاربردی و از نظر روش توصیفی-پیمایش بود. جامعه آماری پژوهش شامل دانشجویان دانشگاه علوم کشاورزی و منابع طبیعی ساری بود که در دورههای آموزشی مرتبط با هوش مصنوعی شرکت کرده بودند. با استفاده از جدول کرجسی و مورگان حجم نمونه 176 نفر تعیین و دادهها با روش نمونه‌گیری تصادفی طبقه‌ای با انتساب متناسب جمع‌آوری شدند. ابزار اصلی پژوهش پرسشنامه بود که روایی و پایایی آن مورد تأیید قرار گرفت. در این مطالعه برای تحلیل داده‌ها از مدل‌سازی معادلات ساختاری (SEM) با نرم‌افزار پی‌ال‌اس نسخه ۳ (Smart PLS3) و نیز تحلیل شبکه عصبی مصنوعی (ANN) استفاده شد تا دیدگاه‌های مکمل خطی و غیر خطی در تبیین رفتار کاربران مورد بررسی قرار گیرد. یافته‌ها نشان داد که تمامی متغیرهای مورد بررسی شامل هنجار اجتماعی، خودکارآمدی، سودمندی درک‌شده، سهولت درک‌شده و دسترسی به فناوری اثر مثبت و معناداری بر رفتار استفاده از ابزارهای هوش مصنوعی دارند. در میان این عوامل، هنجار اجتماعی بیشترین نقش را در تحلیل SEM ایفا کرد؛ به‌گونه‌ای که حمایت همسالان، اساتید و فضای دانشگاهی مهم‌ترین محرک استفاده از این فناوری‌ها تلقی شد. در مقابل، تحلیل ANN اهمیت ویژه‌ای برای خودکارآمدی قائل شد و نشان داد که باور دانشجویان به توانایی فردی برای استفاده از فناوری می‌تواند عاملی پنهان، اما بسیار تأثیرگذار باشد. همچنین نتایج نشان داد که بدون دسترسی کافی به زیرساخت‌های فناوری، سایر عوامل انگیزشی کارایی لازم را نخواهند داشت. بر اساس نتایج، تقویت فرهنگ استفاده از فناوری در محیط دانشگاهی، ارتقای خودکارآمدی دیجیتال دانشجویان، توسعه زیرساخت‌های فناورانه، طراحی ابزارهای کاربرپسند متناسب با نیازهای رشته کشاورزی و ارائه آموزش‌های مداوم و به‌روز در حوزه هوش مصنوعی می‌تواند پذیرش و بهره‌برداری از این ابزارها را در آموزش عالی کشاورزی تسهیل کند.

http://www.iaeej.ir/article_241770_4fe8ec20e3b7ae54f762116055738844.pdf