مقاييس التفاعل بين الإنسان والحاسوبمقاييس علم النفس التنظيمي والمهني

نموذج تبني روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي لتعزيز تجربة الموظف

دليل شامل لمقياس نموذج تبني روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي لتعزيز تجربة الموظف (Pillai et al., 2024)، يستعرض البناء النفسي ونظرية التفكير السلوكي والخصائص السيكومترية والفقرات الأصلية الكاملة.

Mohammed looti أكاديمي وباحث متخصص في علم النفس
تاريخ النشر
تمت المراجعة العلمية · د. مروة عبد العظيم · 17 سبتمبر، 2026
مراجعة وتدقيق علمي معتمد تاريخ التدقيق: 17 سبتمبر، 2026
د. مروة عبد العظيم دكتوراه
أستاذة علم النفس • جامعة كربلاء
معايير التدقيق والاعتماد السريري

يخضع هذا المحتوى لمعايير ضبط الجودة والتدقيق العلمي والأكاديمي الصارمة في شبكة علم النفس العربي، لضمان صحة المعلومات ودقتها السريرية ومطابقتها لأحدث الأدلة والبراهين الصادرة عن الجمعيات النفسية والطبية المعتمدة (APA / WHO).

1. الملخص

يعد مقياس نموذج تبني روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي لتعزيز تجربة الموظف (Adoption of Artificial Intelligence-Based Employee Experience Chatbots Model) أداة سيكومترية متقدمة طوّرها بيلاي وزملاؤه (Pillai et al., 2024) بهدف فحص العوامل النفسية والتنظيمية والتقنية المحددة لتبني الموظفين لأنظمة روبوتات الدردشة التفاعلية المعتمدة على الذكاء الاصطناعي والمخصصة لتحسين تجربة الموظف (Employee Experience – EEX). يستند المقياس في بنائه المعرفي إلى نظرية التفكير السلوكي (Behavioral Reasoning Theory – BRT)، التي تتيح فهم الدوافع المتزامنة للتبني والمقاومة عبر استكشاف “أسباب التبني” (Reasons for Adoption) و”أسباب الرفض والمقاومة” (Reasons Against Adoption)، وعلاقتها بالقيم الفردية والاتجاهات ونوايا الاستخدام والسعادة المهنية.

يتألف المقياس من 35 فقرة تقيس عشرة أبعاد فرعية رئيسية تشمل: الميزة النسبية (Relative Advantage)، سهولة الاستخدام وقابلية التشغيل (Usability)، التوافق المهني (Compatibility)، مخاطر الخصوصية والأمان (Privacy and Security Risk)، حواجز الاستخدام (Usage Barrier)، حواجز القيمة (Value Barrier)، انفتاح الموظف نحو التغيير التكنولوجي (Employee Openness)، الاتجاه نحو التكنولوجيا (Attitude)، نية التبني السلوكية (Adoption Intention)، وسعادة ورفاهية الموظف (Employee Happiness). وتُقاس الفقرات عبر مقياس ليكرت الخماسي (من 1 = أعارض بشدة إلى 5 = أتفق بشدة).

أظهرت التحليلات السيكومترية التي أُجريت على عينة واسعة من الموظفين في قطاعات تكنولوجيا المعلومات (IT) والخدمات المعتمدة على تكنولوجيا المعلومات (ITeS) والتجارة الإلكترونية مؤشرات صدق وثبات متميزة؛ حيث تجاوزت قيم ألفا كرونباخ ومعاملات الموثوقية المركبة (Composite Reliability – CR) عتبة 0.80 لجميع الأبعاد. كما أثبتت نتائج نمذجة المعادلة الهيكلية بالمربعات الصغرى الجزئية (PLS-SEM) تمتع المقياس بصدق تقاربي عالي مع تجاوز متوسط التباين المستخلص (AVE) لقيمة 0.50، وصدق تمايزي دقيق وفق معيار فورنل-لاركر، فضلًا عن خلو البيانات من تحيز الطريقة المشتركة (Common Method Bias).

2. الكلمات المفتاحية

تبني الذكاء الاصطناعي، روبوتات الدردشة التفاعلية، تجربة الموظف، نظرية التفكير السلوكي، مقاومة التكنولوجيا، السلوك التنظيمي، إدارة الموارد البشرية الرقمية، نمذجة المعادلة الهيكلية، القبول التكنولوجي، رفاهية الموظف، التفاعل بين الإنسان والحاسوب.

3. المؤلفون

تم تطوير هذا النموذج القياسي الرصين بواسطة فريق بحثي متعدد التخصصات يضم نخبة من الباحثين في نظم المعلومات وإدارة الأعمال والسلوك التنظيمي:

  • راجاشري بيلاي (Rajasshrie Pillai): معهد بيون لإدارة الأعمال (Pune Institute of Business Management – PIBM)، بيون، الهند. باحثة متخصصة في التحول الرقمي وتطبيقات الذكاء الاصطناعي في الموارد البشرية.
  • ياميني غانغوركار (Yamini Ghanghorkar): جامعة COEP التكنولوجية (COEP Technological University)، بيون، الهند. باحثة في مجال السلوك التنظيمي والتفاعل البشري مع الأنظمة الذكية.
  • بريجش سيفاثانو (Brijesh Sivathanu): معهد بيون لإدارة الأعمال، بيون، الهند. خبير في التحليلات المتقدمة وتبني التكنولوجيا المؤسسية.
  • رائد الغرابات (Raed Algharabat): كلية الإدارة والاقتصاد، جامعة قطر، الدوحة، قطر. باحث متميز في التسويق الرقمي ونظم المعلومات، حاصل على المعرف الرقمي الباحثي (ORCID: 0000-0002-1870-1708).
  • نريبيندرا ب. رانا (Nripendra P. Rana): كلية الإدارة والاقتصاد، جامعة قطر، الدوحة، قطر (بريد المراسلة: [email protected]). بروفيسور رائد عالميًا في مجالات قبول التكنولوجيا والإدارة الرقمية.

4. الغرض

شهدت بيئات العمل المعاصرة طفرة نوعية في إدماج أدوات التعلم الآلي ومعالجة اللغات الطبيعية (NLP) لإدارة العمليات الداخلية؛ حيث برزت روبوتات الدردشة التفاعلية الموجهة لخدمة تجربة الموظف (EEX Chatbots) كواجهات رقمية مركزية للإجابة على استفسارات السياسات المؤسسية، وإدارة الإجازات، وتقييم الأداء، وتقديم الدعم النفسي والمهني الذاتي. ومع ذلك، واجهت المؤسسات فجوة حرجة تتمثل في تردد الموظفين أو مقاومتهم الصريحة لاستخدام هذه التقنيات الذكية بدلاً من التدخل البشري التقليدي.

يهدف هذا المقياس إلى تشخيص المحددات النفسية والسلوكية الدقيقة التي تشكل قرار الموظف بقبول أو رفض روبوتات الدردشة القائمة على الذكاء الاصطناعي في سياق الموارد البشرية. وعلى خلاف النماذج التكنولوجية التقليدية مثل نموذج قبول التكنولوجيا (TAM) أو النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT) التي تركز بصورة شبه حصرية على الدوافع الإيجابية للتبني، صُمم هذا المقياس لتقييم صراع الدوافع المعرفية (Cognitive Motives)، من خلال دمج المبررات الداعمة للتبني مع الحواجز النفسية والمخاوف المانعة له في إطار قياسي تكاملي واحد.

يخدم المقياس نطاقين رئيسيين:

  • التطبيقات البحثية والأكاديمية: يوفر أداة معيارية دقيقة للباحثين في مجالات السلوك التنظيمي، والتفاعل بين الإنسان والحاسوب (HCI)، وإدارة الموارد البشرية الرقمية، مما يتيح اختبار الفرضيات المعقدة حول أثر الذكاء الاصطناعي التوليدي والتحادثي على مخرجات الموظفين النفسية، مثل الرضا الوظيفي والاحتراق المهني والاغتراب التكنولوجي.
  • التطبيقات الإدارية والعملية: يمكن لمديري الموارد البشرية ومسؤولي التحول الرقمي الاستعانة بالأداة لإجراء تدقيق تشخيصي (Diagnostic Audit) قبل إطلاق مشاريع الذكاء الاصطناعي وأثناءها، لتحديد مكامن المقاومة، وقياس مخاوف الأمان والخصوصية، وتقييم ما إذا كانت هذه الأدوات تعزز فعليًا تجربة الموظف وسعادته المهنية أو تخلق أعباء إدراكية إضافية.

5. البناء النفسي

يرتكز المقياس على بنية مفاهيمية مركبة تقيس عشرة أبعاد نفسية وسلوكية ترتبط ارتباطًا وثيقًا بتمثلات الموظف المعرفية نحو أنظمة الذكاء الاصطناعي، ويمكن تفصيلها على النحو الآتي:

1. الميزة النسبية (Relative Advantage – RA)

يقيس هذا البعد إدراك الموظف لمدى تفوق روبوتات الدردشة الذكية على الوسائل التقليدية (مثل مكاتب المساعدة البشرية أو رسائل البريد الإلكتروني) في تحسين جودة الأداء الوظيفي، ورفع الإنتاجية، وتسريع إنجاز المهام اليومية، مما يمنحه قيمة مضافة ملموسة في وظيفته.

2. سهولة الاستخدام وقابلية التشغيل (Usability – US)

يعكس سهولة تعلم النظام والتفاعل معه، ومرونة واجهة المحادثة، ووضوح الردود التوليدية التي يقدمها الروبوت، ومدى قدرة الموظف على جعل النظام ينفذ ما يطلبه بمرونة تامة وبأقل مجهود ذهني ممكن.

3. التوافق المهني (Compatibility – CO)

يقيم مدى ملاءمة روبوتات الدردشة لأسلوب العمل المفضل للموظف، وتناغمها مع عاداته المهنية اليومية، وثقافة العمل المؤسسية، وما إذا كانت تندمج بسلاسة في سير العمل الروتيني دون إحداث إرباك وظيفي.

4. مخاطر الخصوصية والأمان (Privacy and Security Risk – PSR)

يمثل حاجزًا نفسيًا حاسمًا؛ حيث يقيس قلق الموظف وخوفه من احتمال إساءة استخدام بياناته الشخصية والمهنية الحساسة التي يشاركها عبر محادثات الذكاء الاصطناعي، أو انتهاك خصوصيته وسرية ملفاته الإدارية والمالية.

5. حاجز الاستخدام (Usage Barrier – UB)

يعبر عن الصعوبات الإجرائية والمعرفية التي يستشعرها الموظف مقارنة بالدعم البشري المعتاد؛ مثل الجهد المطلوب لتعلم الخصائص المعقدة، والاضطرار لتغيير عادات العمل الراسخة، مما يشكل مقاومة سلوكية داخلية ضد التحول.

6. حاجز القيمة (Value Barrier – VB)

يقيس تقييم الموظف الاقتصادي والوظيفي للتقنية، حيث يدرك الموظف أحيانًا أن المنافع المحصلة من الروبوت لا تبرر الجهد والوقت المبذولين لتعلمه، أو أن النظام لا يقدم ميزة فارقة تجعله يستحق استبدال الأنظمة القائمة.

7. انفتاح الموظف نحو التغيير (Employee Openness – EO)

بناء يعكس السمة الشخصية للموظف واستعداده الذاتي والاستباقي للتجريب والتعامل مع التقنيات الرقمية المبتكرة في مكان العمل، والانفتاح المعرفي نحو الأدوات التكنولوجية غير التقليدية.

8. الاتجاه نحو التكنولوجيا (Attitude – ATT)

يقيس التقييم العاطفي والمعرفي الإجمالي؛ أي الشعور الإيجابي أو السلبي العام تجاه استخدام روبوتات الذكاء الاصطناعي، وإدراك ما إذا كان استخدامها قرارًا حكيمًا، وممتعًا، ومجديًا عقلانيًا وعاطفيًا.

9. نية التبني (Adoption Intention – INT)

الاستعداد السلوكي الصريح والمخطط له من قبل الموظف للاستمرار في استخدام روبوتات الدردشة مستقبلاً، والاعتماد عليها بانتظام للاستفسارات المتعلقة بالموارد البشرية والمهام التنظيمية.

10. سعادة الموظف وتجربته (Employee Happiness – EH)

البعد الغائي الذي يقيس الانعكاس النفسي لاستخدام الروبوت على الرفاهية العامة، والروح المعنوية، والشعور بالإنجاز، والرضا الشامل عن بيئة العمل وتجربة الموظف المتكاملة داخل المؤسسة.

6. الإطار النظري

يستند المقياس بشكل جوهري إلى نظرية التفكير السلوكي (Behavioral Reasoning Theory – BRT) التي صاغها الباحث جيمس وستابي (Westaby, 2005). تتميز نظرية التفكير السلوكي عن سائر نماذج الإدراك الاجتماعي (مثل نظرية السلوك المخطط لعجمان ونماذج القبول التكنولوجي لديفيس) بكونها تفترض أن الأفراد يبررون سلوكياتهم عبر تراكيب معرفية محددة تُعرف بـ “الأسباب” (Reasons). وتلعب هذه الأسباب دورًا وسيطًا جوهريًا يربط بين القيم والمعتقدات الأساسية للفرد، وبين اتجاهاته ونواياه السلوكية.

في سياق تبني روبوتات الذكاء الاصطناعي، تفترض نظرية التفكير السلوكي أن القرار لا ينبع فقط من تعظيم المنفعة الفردية، بل يمر عبر مسارين متوازيين ومتعارضين معرفيًا:

  • أسباب التبني (Reasons for Adoption): وتشمل في النموذج أبعاد الميزة النسبية، وقابلية التشغيل وسهولة الاستخدام، والتوافق. تمثل هذه الأبعاد التبريرات العقلانية التي تسوغ للموظف اتخاذ موقف إيجابي واعتماد التقنية لكونها تدعم كفاءته اليومية.
  • أسباب الرفض (Reasons Against Adoption): وتشمل مخاطر الخصوصية والأمان، وحواجز الاستخدام، وحواجز القيمة. هذه الأسباب ليست مجرد انخفاض في الدوافع الإيجابية، بل هي تراكيب معرفية نشطة بحد ذاتها (Independent Cognitive Constructs) تدفع الموظف للمقاومة والتحفظ وتبرير الامتناع عن استخدام النظام حفاظًا على أمنه النفسي وتجنبًا للأعباء غير المجدية.

علاوة على ذلك، يدمج الإطار النظري لبنية المقياس أدبيات حواجز الابتكار (Innovation Resistance Theory) لكلاودي وزملائه (Claudy et al., 2015)، وأبحاث قبول الذكاء الاصطناعي لغوبتا وأرورا (Gupta & Arora, 2017)؛ حيث تُعد قيم الانفتاح على التغيير موجهات أولية (Values) تؤثر في انتقاء الأسباب، والتي تصب بدورها في تشكيل الاتجاه (Attitude)، ومن ثم بلورة نية التبني (Adoption Intention)، وتتوج بتحقيق السعادة والرفاهية المهنية للموظف (Employee Happiness) كتجربة شاملة إيجابية.

7. الصدق

أخضع الباحثون المقياس لسلسلة صارمة من اختبارات التحقق المنهجي لضمان تمتعه بمؤشرات صدق قوية تدعم استخداماته الأكاديمية والعملية:

صدق المحتوى والظاهري (Face & Content Validity)

تم تحكيم فقرات المقياس المستمدة من دراسات سابقة معيارية من قِبل لجنة من الخبراء والأكاديميين المتخصصين في السلوك التنظيمي ونظم المعلومات؛ حيث تمت مراجعة صياغة كل فقرة بدقة لضمان ملاءمتها اللغوية وسياقها التطبيقي لخدمات تجربة الموظف الذكية، واستبعاد أي غموض دلالي.

الصدق التقاربي (Convergent Validity)

تم تقييم الصدق التقاربي من خلال حساب متوسط التباين المستخلص (Average Variance Extracted – AVE) لكل بعد بنائي في نموذج القياس. وأظهرت النتائج أن قيم AVE لكافة الأبعاد تجاوزت بوضوح الحد الأدنى الموصى به إحصائيًا وهو 0.50؛ مما يؤكد أن البناء يفسر أكثر من نصف تباين مؤشراته وفقراته، مما يعكس تماسكًا بنائيًا قويًا.

الصدق التمايزي (Discriminant Validity)

تم التحقق من الصدق التمايزي عبر معيار فورنل-لاركر (Fornell-Larcker criterion)، حيث تبين أن الجذر التربيعي لمتوسط التباين المستخلص (AVE) لكل متغير كامن كان أكبر بوضوح من ارتباطه بأي متغير كامن آخر في النموذج. كما كشفت مصفوفة التباين المتبادل أن التباين المشترك التربيعي بين أي زوج من الأبعاد يقل عن قيمة AVE المقابلة لهما، بالإضافة إلى استيفاء نسب مصفوفة الارتباط المتغاير والارتباط المشترك أحادي السمة (HTMT) دون عتبة 0.85، مما يثبت استقلالية كل بعد عن الأبعاد الأخرى في المقياس.

الصدق التنبؤي والبنائي (Construct & Predictive Validity)

أكدت نتائج نمذجة المعادلات الهيكلية (PLS-SEM) أن الأسباب المؤيدة تمارس تأثيرًا إيجابيًا دالاً إحصائيًا على الاتجاه، في حين تمارس حواجز الاستخدام والقيمة ومخاوف الخصوصية أثرًا سلبيًا قويًا يعيق تشكل الاتجاه الإيجابي ويقلل نية التبني، ما يثبت الصحة التنبؤية المتسقة مع فرضيات نظرية التفكير السلوكي.

8. الثبات

تم فحص الاتساق الداخلي لأبعاد المقياس بالاعتماد على معاملين إحصائيين رئيسيين:

  • معامل ألفا كرونباخ (Cronbach’s Alpha): تراوحت قيم ألفا كرونباخ لجميع أبعاد المقياس العشرة فوق 0.80، وهو ما يتجاوز بكثير المعيار الأكاديمي المقبول (0.70)، مما يدل على اتساق الفقرات الداخلية في قياس البعد المخصص لها عبر أفراد العينة.
  • الموثوقية المركبة (Composite Reliability – CR): أظهرت مؤشرات الموثوقية المركبة قيمًا تجاوزت 0.80 لجميع المتغيرات الكامنة (حيث تراوحت أغلبها بين 0.84 و0.93)، مما يؤكد متانة أوزان الفقرات وتشبعاتها الموحدة وتفوقها على قياس ألفا التقليدي الذي يفترض تشبعًا متساويًا لجميع العناصر.

تشير هذه المؤشرات العالية مجتمعة إلى أن المقياس يتسم بدرجة ممتازة من الدقة والاستقرار القياسي، مما يقلل من تباين الخطأ العشوائي في القياس ويمنح ثقة عالية في نتائج تطبيقه الميداني عبر سياقات مهنية متنوعة.

9. التحليل العاملي

تم إخضاع البيانات لتحليلات القياس البنائي المتقدمة باستخدام برمجيات PLS-SEM للتأكد من الملاءمة العاملية لأداة القياس:

تشبعات الفقرات (Factor Loadings)

أظهرت نتائج نموذج القياس أن جميع تشبعات الفقرات على متغيراتها الكامنة كانت ذات دلالة إحصائية عند مستوى (p < 0.001)، متجاوزة الحد المرجعي الموصى به (0.708). تراوحت التشبعات بين 0.74 و0.91، مما يعكس قدرة كل فقرة على تمثيل البعد الخاص بها بشكل نوعي، دون وجود تشبعات متقاطعة غير مبررة (Cross-loadings).

تحيز الطريقة المشتركة (Common Method Bias – CMB)

نظراً لطبيعة جمع البيانات عبر استبانة موحدة للتقرير الذاتي، خضعت الأداة لاختبار هارمان أحادي العامل (Harman’s Single-Factor Test) لاستكشاف احتمالية تضخم التباين المشترك الاصطناعي. أسفر التحليل العاملي غير المدور عن نسبة تباين فسرها العامل الرئيسي الأول بلغت 26.82% فقط، وهي نسبة تقل كثيراً عن العتبة الحرجة المقلقة المحددة بـ 50%، مما يثبت قطعيًا خلو أداة القياس من إشكالية تحيز الطريقة المشتركة وسلامة العلاقات الهيكلية المستخلصة.

10. أداة القياس

تتميز أداة القياس بخصائصها الفنية والتنظيمية المحددة بدقة لدعم التقييم البصري والكمي لتبني التكنولوجيا:

  • نوع الاختبار: مقياس تقرير ذاتي / استبانة مسحية (Inventory / Self-Report Questionnaire).
  • التنسيق: أداة استقصائية منظمة تشتمل على 35 فقرة استجابة موزعة عبر 10 أبعاد فرعية.
  • صيغة الاستجابة: مقياس ليكرت خماسي الدرجات (5-point Likert Scale) يتدرج من: 1 = أعارض بشدة (Strongly Disagree)، 2 = أعارض (Disagree)، 3 = محايد (Neutral)، 4 = أتفق (Agree)، إلى 5 = أتفق بشدة (Strongly Agree).
  • عدد الفقرات: 35 فقرة مصاغة بدقة باللغة الإنجليزية في نسختها القياسية الأصلية.
  • طريقة التصحيح واحتساب الدرجات: يتم احتساب درجة كل بعد بنائي من خلال استخراج المتوسط الحسابي (Mean) أو المجموع الكلي (Sum) للفقرات التابعة له. تشير الدرجات المرتفعة في أبعاد الميزة والسهولة والتوافق والاتجاه والسعادة إلى جاهزية مرتفعة لتبني الذكاء الاصطناعي، بينما تعكس الدرجات المرتفعة في أبعاد المخاطر وحواجز الاستخدام والقيمة عقبات نفسية تتطلب تدخلات إدارية لمعالجتها.
  • الفقرات المعكوسة: فقرات أبعاد مخاطر الخصوصية (12-14)، وحواجز الاستخدام (15-17)، وحواجز القيمة (18-20) تمثل أبعادًا سلبية بطبيعتها المعرفية وتُحلل كمتغيرات مستقلة تمثل “أسباب الرفض” (Reasons Against) في إطار نظرية التفكير السلوكي، ولا يتم عكس درجاتها حسابيًا عند تحليل أبعادها الخاصة، بل يُنظر لارتفاعها كمؤشر مباشر على المقاومة المعرفية للتكنولوجيا.

11. الأذونات والرسوم وسنة الاختبار

  • سنة النشر والتقنين: 2024.
  • الملكية الفكرية وحقوق النشر: المقياس محمي بحقوق النشر لصالح المؤلفين ودار النشر إمرالد (Emerald Publishing Limited). نُشرت الدراسة الأصلية في مجلة Information Technology & People.
  • شروط الاستخدام والترخيص: يُتاح استخدام المقياس لأغراض البحث العلمي الأكاديمي والتعليمي غير التجاري دون مقابل مالي شريطة الإشارة المرجعية الكاملة والصحيحة للدراسة الأصلية لبيلاي وزملائه (Pillai et al., 2024). أما لأغراض الاستشارات التنظيمية والتجارية أو الاستخدام الربحي داخل المؤسسات، فيتعين الرجوع إلى المؤلفين المراسيلين ودار النشر للحصول على التراخيص الرسمية اللازمة.

12. المراجع

  • Claudy, M. C., Garcia, R., & O’Driscoll, A. (2015). Consumer resistance to innovation—A behavioral reasoning perspective. Journal of the Academy of Marketing Science, 43(4), 528–544. https://doi.org/10.1007/s11747-014-0399-0
  • Gupta, S., & Arora, N. (2017). Role of social media in disaster management: A behavioral reasoning theory perspective. Computers in Human Behavior, 76, 281–294. https://doi.org/10.1016/j.chb.2017.06.037
  • Pillai, R., Ghanghorkar, Y., Sivathanu, B., Algharabat, R., & Rana, N. P. (2024). Adoption of artificial intelligence (AI) based employee experience (EEX) chatbots. Information Technology & People, 37(1), 449–478. https://doi.org/10.1108/ITP-04-2022-0287
  • Westaby, J. D. (2005). Behavioral reasoning theory: Identifying new ways to increase contribution to the behavioral sciences. Journal of Applied Psychology, 90(6), 1320–1332. https://doi.org/10.1037/0021-9010.90.6.1320

13. فقرات المقياس

فيما يلي نص فقرات المقياس بلغتها الأصلية كما وردت في الدراسات القياسية المعيارية دون أي تعديل أو ترجمة للحفاظ على صدق أداة القياس وثباتها:

Response Scale: 5-point Likert scale (1 = Strongly Disagree to 5 = Strongly Agree)

  1. Using AI-based EEX chatbots improves my job performance.
  2. Using AI-based EEX chatbots increases my productivity at work.
  3. Using AI-based EEX chatbots enhances my effectiveness on the job.
  4. Overall, using AI-based EEX chatbots is advantageous in my daily work.
  5. Learning to operate AI-based EEX chatbots is easy for me.
  6. I find it easy to get AI-based EEX chatbots to do what I want them to do.
  7. My interaction with AI-based EEX chatbots is clear and understandable.
  8. I find AI-based EEX chatbots flexible to interact with.
  9. Using AI-based EEX chatbots is compatible with all aspects of my work.
  10. Using AI-based EEX chatbots fits well with the way I like to work.
  11. Using AI-based EEX chatbots fits into my working style.
  12. I am worried that my personal data shared with AI-based EEX chatbots may be misused.
  13. I feel that interacting with AI-based EEX chatbots poses a threat to my confidentiality.
  14. I am concerned about the security of information handled by AI-based EEX chatbots.
  15. AI-based EEX chatbots are difficult to use compared to traditional human HR assistance.
  16. Learning the complex features of AI-based EEX chatbots takes too much effort.
  17. Using AI-based EEX chatbots requires a significant change in my work habits.
  18. The benefits of AI-based EEX chatbots do not outweigh the cost and effort of using them.
  19. AI-based EEX chatbots do not offer enough superior performance compared to existing systems.
  20. Using AI-based EEX chatbots is not economically or functionally worthwhile to me.
  21. I am generally willing to try out new digital technologies introduced at work.
  22. I like to experiment with new workplace technologies like AI-based EEX chatbots.
  23. I consider myself open to using novel technological tools in my organization.
  24. Using AI-based EEX chatbots is a good idea.
  25. Using AI-based EEX chatbots is wise.
  26. I have a positive attitude toward using AI-based EEX chatbots.
  27. Using AI-based EEX chatbots is pleasant.
  28. I intend to use AI-based EEX chatbots in the future.
  29. I predict I will frequently use AI-based EEX chatbots for HR-related queries.
  30. I plan to use AI-based EEX chatbots regularly in my daily organizational tasks.
  31. Using AI-based EEX chatbots makes me feel satisfied with my work environment.
  32. The implementation of AI-based EEX chatbots positively contributes to my workplace well-being.
  33. I feel happier at work when AI-based EEX chatbots streamline my employee-related tasks.
  34. Overall, AI-based EEX chatbots contribute to a positive employee experience for me.
  35. Using AI-based EEX chatbots enhances my general sense of accomplishment and morale at work.
★

تقييم هذا المقياس النفسي

5.0 / 5 • 1 تقييم

اقتباس هذا المقال

looti, M. (2026, سبتمبر 17). نموذج تبني روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي لتعزيز تجربة الموظف. عرب سايكلوجي. https://arabpsychology.com/scales/adoption-ai-based-employee-experience-chatbots-model/
looti, Mohammed. “نموذج تبني روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي لتعزيز تجربة الموظف.” عرب سايكلوجي, 17 سبتمبر 2026, https://arabpsychology.com/scales/adoption-ai-based-employee-experience-chatbots-model/.
looti, Mohammed. “نموذج تبني روبوتات الدردشة التفاعلية القائمة على الذكاء الاصطناعي لتعزيز تجربة الموظف.” عرب سايكلوجي. سبتمبر 17, 2026. https://arabpsychology.com/scales/adoption-ai-based-employee-experience-chatbots-model/.