الاستفادة من نموذج قبول التكنولوجيا لفهم تبني المستخدمين للمؤثرين الافتراضيين: دور الأصالة المدركة والتشبيه بالإنسان

Guangmei He; Noorminshah A.Iahad

doi:10.3791/70018

مقالة بحثية

الاستفادة من نموذج قبول التكنولوجيا لفهم تبني المستخدمين للمؤثرين الافتراضيين: دور الأصالة المدركة والتشبيه بالإنسان

DOI:

10.3791/70018

⸱

يوليو 3, 2026

Guangmei He¹^,² , Noorminshah A.Iahad³

¹Azman Hashim International Business School, Universiti Teknologi Malaysia, ²College of Innovation and Entrepreneurship, Sichuan Tourism University, ³Department of Applied Computing & Artificial Intelligence, Faculty of Computing, Universiti Teknologi Malaysia

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تطبق هذه الدراسة نموذج قبول التكنولوجيا الموسعة لفحص تبني المؤثرين الافتراضيين على منصات الفيديو القصير، مما يثبت أن الفائدة المدركة، وسهولة الاستخدام، والأصالة، والتشويش الإنساني تؤثر بشكل كبير على مواقف المستخدمين ونواياهم السلوكية باستخدام بيانات الاستبيان التي تم تحليلها باستخدام PLS-SEM.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

أصبح المؤثرون الافتراضيون (VIs) بشكل متزايد لاعبين محوريين في تطبيقات الفيديو القصير مثل تيك توك، يوتيوب شورتس، وإنستغرام ريلز. بينما استكشفت الأبحاث السابقة الوراثيين من حيث التجسد الإنساني والأصالة والتفاعل مع المستهلك، ركزت معظم الأعمال السابقة على مجموعات بيانات إنستغرام أو تحليل المحتوى دون اعتماد إطار سلوكي منهجي. لمعالجة هذه القيود، تستخدم هذه الدراسة نموذج قبول التكنولوجيا (TAM) لدراسة كيف تؤثر الفائدة المدركة (PU) وسهولة الاستخدام المدركة (PEOU) على موقف المستخدم ونوايته السلوكية تجاه متابعة أو التفاعل مع الظواهر البصرية على منصات الفيديو القصير. تقترح الدراسة متغيرات الأصالة المدركة والإنسانية كمتغيرين معتدلين، مما يوسع TAM ليشمل الديناميكيات النفسية والاجتماعية. تم تطوير إطار عمل مفاهيمي يدمج TAM مع هؤلاء المشرفين. تم جمع البيانات من خلال استبيان إلكتروني شمل 350 مستخدما لمقاطع الفيديو القصيرة تعرضوا لمحتوى VI محرر، وتم قياسها باستخدام أدوات مقياس ليكرت المثبتة. تعرض المشاركون لأول مرة لمحفزات فيديو افتراضية موحدة للمؤثرين، ثم أكملوا استبيانا منظما تم إجراؤه عبر منصة استبيان إلكترونية. تم تحليل مجموعة البيانات باستخدام نمذجة المعادلات الهيكلية الجزئية الصغرى للمربعات (PLS-SEM) لتقييم موثوقية القياس، والعلاقات الهيكلية، وتأثيرات الاعتدال. قبل التحليل، تم فحص مجموعة البيانات بحثا عن الاستجابات غير المكتملة، والقيم المفقودة، وتناقضات في الاستجابة. تؤكد النتائج تطبيق TAM في سياق VI. أثرت PEOU إيجابيا على PU (β = 0.46، p < 0.001)، وأثرت PU بشكل كبير على الموقف (β = 0.39، p < 0.001)، وتوقعت الموقف النية السلوكية بقوة (β = 0.58، p < 0.001). عززت الأصالة المدركة العلاقة بين الوحدة الشخصية والمواقف، وبين الموقف والنية السلوكية، بينما عززت الأصالة الجسدية تأثيرات كل من الوحدة الشخصية والنية المفرطة على الموقف. مؤشرات ملاءمة النموذج (R² = 0.64 للموقف؛ R² = 0.57 للنية السلوكية) تشير إلى قوة تفسيرية قوية. تدعم هذه النتائج توسيع TAM في شرح تبني المؤثرين الافتراضيين على منصات الفيديو القصير.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

في السنوات الأخيرة، حصل مؤثرو وسائل التواصل الاجتماعي (SMIs) على عدد كبير من المتابعين من خلال مشاركة جوانب من حياتهم ومعرفتهم ومنتجاتهم وعلاماتهم التجارية على منصات البث المجتمعي ^1,2. لقد جذب المؤثرون الافتراضيون (VIs) اهتماما كبيرا من المجتمعين الأكاديمي والأعمال كنهج مبتكر للترويج للسلع والخدمات عبر منصات مثل إنستغرام، فيسبوك، وتيك توك³. على عكس المؤثرين البشريين (HIs)، فإن الشخصيات الافتراضية ليست أفرادا حقيقيين بل شخصيات مولدة بالحاسوب تم تطويرها بواسطة فرق من المصممين لمحاكاة المظهر والسلوك البشري أو لتشبه الشخصيات المتحركة⁴. نظرا لقدراتها القوية في التفاعل، تستخدم العديد من العلامات التجارية الوصفات الافتراضية لتسويق المؤثرين، إما من خلال التعاون أو من خلال إنشاء VIs مملوكة⁵. وبالتالي، تعاونت علامات تجارية معروفة مثل BMW مع شركات مثل ليل ميكيلا لتعزيز تفاعل العملاء والتأثير على قرارات الشراء.

مع استمرار نمو عدد الأفراد المتأثرين بمؤشرات المؤشرات السريعة (SMIs)، يتوسع التسويق عبر المؤثرين^{أيضا في التوسع 6}. تقرير مركز التسويق المؤثرين يفيد بأن عدد الشركات المتخصصة في خدمات التسويق عبر المؤثرين ارتفع بنسبة 26٪ في عام 2021 ومن المتوقع أن يصل إلى 18,900 حول^{العالم.} واحدة من أبرز الفئات الناشئة لمعرفات SMI تشمل "الشخصيات ثلاثية الأبعاد، المولدة بالحاسوب" القادرة على تقليد السلوك والمظهر^البشري ^8,9,10. لقد اكتسبت ال VIs شعبية بسرعة بين المستهلكين وأصبحت تعتبر صانعي ذوق موثوقين مقارنة^{بالمؤثرين} البشريين. بين عامي 2017 و2019، ارتفع عدد الأشخاص ذوي القدرات البصرية على منصات التواصل الاجتماعي من 27 إلى 125¹². ومع تزايد شعبيتهم، بدأت VIs بالتعاون مع العلامات التجارية الدولية¹². تمثل VIs بديلا جذابا يجمع بين مزايا المؤثرين البشر والتحكم الأكبر في المظهر والرسائل¹³.

تطور مبتكر بشكل خاص في هذا المجال هو ظهور المؤثرين الافتراضيين ككيانات وسائل التواصل الاجتماعي التي تكون جزئيا أو كليا مصطنعة (مثل الصور الرمزية ثلاثية الأبعاد المولدة بواسطة الحاسوب)، لكنها قادرة على إنتاج محتوى مشابه للمؤثرين البشريين. وقد جذب صعودهم السريع اهتماما علميا، رغم أن الأبحاث الحالية لا^{تزال محدودة}. لمعالجة هذه الفجوة، تنظر الدراسة الحالية في التفاعلات الفوق الاجتماعية (PSI)، المعرفة بأنها الاستجابات المعرفية والعاطفية والسلوكية للوسائط الشكل¹⁵. بحثت سابقا في PSI من خلال مقارنة ردود الجمهور مع المؤثرين البشريين والافتراضيين ذوي خصائص مشابهة.

بحثت الدراسات الحديثة في الفروقات بين الأشخاص البصريين والمؤثرين البشريين في تشكيل تصورات المستخدمين، خاصة في بيئات الفيديو الاجتماعية. تشير الأدلة إلى أن تأييد VI يمكن أن يؤثر على تصورات المنتجات (مثل تعزيز الارتباطات الفاخرة) وقد تنافس المؤثرين البشريين على الفائدة والمصداقية المتصورة. ومع ذلك، لا يزال التعاطف مع المؤثرين البشر أقوى، مما يبرز فجوة في الأصالة تؤثر على قرارات التبني في سياقات الفيديو القصير 16,17,18. تحدد الأبحاث الكمية باستمرار الوحدة الشخصية وPEOU كعاملات رئيسية للنية السلوكية، وغالبا ما تكمل ببنى مثل الاستمتاع، والحضور الاجتماعي، والمشاركة المجتمعية، مما يعزز تطبيق TAM في هذا المجال^19,20.

يتطرق جسم متزايد من الأبحاث مباشرة إلى الأصالة في سياق ال VI. تشير الدراسات النوعية والكمية إلى أن الأصالة المدركة تؤثر بشكل كبير على الثقة والتفاعل والإقناع. عوامل مثل الإفصاح عن الذكاء الاصطناعي والشبه البشري تؤثر على المصداقية واستجابة المستخدمين^21,22. تظهر أبحاث إضافية أن إشارات "الآلية الاستدلالية" قد تقلل من الأصالة المدركة عندما يتعرف المستخدمون على أصول الذكاء الاصطناعي، مما يعزز الأصالة كشرط حدودي حاسم للقبول²³^–²⁵. تؤكد مراجعات التشبيه بالإنسان دورا نظريا كمشرف يمكن أن يعزز أو يضعف علاقات التوزيعة الذاتية من خلال آليات مثل الحضور الاجتماعي والثقة²⁶.

وبالمثل، تم تطبيق نموذج المنبه-الكائن-الاستجابة (SOR) لدراسة كيفية تأثير الإشارات المجسمة والمحفزات الاجتماعية على قبول المستخدمين للأنظمة المدفوعة بالذكاء الاصطناعي²⁷. يعد SOR فعالا بشكل خاص في التقاط الاستجابات العاطفية الفورية للمحفزات التكنولوجية ودور المتغيرات الموضعية في تشكيل السلوك²⁸. يتماشى هذا مع البيئات التفاعلية المدفوعة بالذكاء الاصطناعي، حيث تولد ردود فعل سريعة بين النظام والمستخدم استجابات عاطفية ديناميكية²⁹. كما يتيح إطار SOR دمج محفزات عاطفية ومعرفية متعددة. ومع ذلك، فإن نماذج مثل TAM وUTAUT، رغم استخدامها الواسع، تركز على البنى المحددة مسبقا (مثل الفائدة المدركة وسهولة الاستخدام)، مما قد يحد من قدرتها على التقاط التأثيرات متعددة الأبعاد على سلوك المستخدم³⁰. هذه النماذج عادة ما تكون أكثر ملاءمة للتحليل الثابت بدلا من سياقات اتخاذ القرار الديناميكية³¹. على سبيل المثال، يمكن للمؤثرين الكبار الوصول إلى جماهير عالمية، وتعزيز الوعي بالعلامة التجارية، وتوليد تفاعل كبير، رغم أن فعاليتهم تختلف بين السياقات³². توفر SOR رؤى مكملة للعمليات العاطفية، بينما توفر TAM إطارا مقتصلا وتنبؤيا لنمذجة النوايا السلوكية.

تشير الدراسات التجريبية إلى أن المؤثرين الكبار يولدون تفاعلا أقوى، ومواقف منتجة، واكتساب المعلومات³³. ومع ذلك، قد يعزز المؤثرون المبتدئون الوعي والأصالة، وأحيانا يتفوقون على الإعلانات^{المستهدفة.} تشير نتائج أخرى إلى أنه بينما يدفع المؤثرون الكبار إلى تفاعل أوسع، يظهر المؤثرون الأصغر أصالة وثقة أقوى³⁵. تسلط هذه النتائج المختلطة الضوء على التناقضات في فعالية المؤثرين عبر السياقات^36,37 وتؤكد الحاجة لاستكشاف أنواع مؤثرة إضافية، بما في ذلك المؤثرين الافتراضيين³⁸.

على الرغم من تزايد الاهتمام بالقدرات الافتراضية، لا تزال الأبحاث القائمة محدودة النطاق. تعتمد معظم الدراسات على مجموعات البيانات القائمة على إنستغرام وتحليل المحتوى لتقييم مقاييس التفاعل (مثل الإعجابات، التعليقات، الميزات اللغوية)، مما يترك فجوة في فهم نية التبني من منظور سلوكي. بالإضافة إلى ذلك، بحثت أبحاث محدودة في تبني البصر البصري في منصات الفيديو القصير، التي تقدم خصائص اجتماعية تقنية فريدة، بما في ذلك التعرض المدفوع بالخوارزميات، واستهلاك المحتوى السريع، والتفاعلات المفرطة بين التفاعلات الاجتماعية.

لمعالجة هذه الفجوات، تطبق هذه الدراسة نموذج قبول التكنولوجيا (TAM) للتحقيق بشكل منهجي في العوامل المؤثرة على اعتماد التقنية البصرية على منصات الفيديو القصير. تم اختيار TAM لقوته التفسيرية القوية، وبساطته، والتحقق التجريبي الواسع عبر السياقات الرقمية. بينما توفر أطر بديلة مثل SOR وUTAUT رؤى قيمة، فإنها تركز على العوامل العاطفية أو المؤسسية التي تتجاوز التركيز المعرفي لهذه الدراسة. وبناء عليه، يمتد TAM ليشمل الأصالة المدركة والتأنيسية في مرحلة تكوين المعتقدات.

على وجه التحديد، تفحص هذه الدراسة كيف يؤثر سهولة الاستخدام المدركة (PEOU) على الفائدة المدركة (PU)، وكيف تشكل هذه البنى موقف المستخدم ونوايته السلوكية تجاه الظواهر البصرية. يبحث أيضا في الأدوار المعتدلة للأصالة المدركة والتجسد في تشكيل هذه العلاقات. تجريبيا، تستخدم الدراسة مسحا كميا لمستخدمي الفيديو القصير وتختبر النموذج الموسع باستخدام PLS-SEM. من خلال الانتقال من تحليل المحتوى إلى إطار تبني سلوكي، يعالج هذا البحث فجوة حرجة ويساهم في فهم تبني الرؤية البصرية في البيئات الرقمية الناشئة.

تقدم هذه الدراسة ثلاث مساهمات رئيسية. أولا، يوسع TAM ليشمل المؤثرين الافتراضيين على منصات الفيديو القصير، مما يثبت قابليته للتطبيق على الكيانات التي تولدها الذكاء الاصطناعي. ثانيا، يدمج التجسد البشري والأصالة المدركة في مرحلة تكوين المعتقدات في TAM، مما يعزز مسار المعتقد–الموقف–النية. ثالثا، تطور المنهجية من خلال تطبيق نهج سلوكي كمي باستخدام بيانات المسح وPLS-SEM لتقييم صلاحية القياس، والعلاقات الهيكلية، وتأثيرات الاعتدال.

بشكل عام، توفر الدراسة رؤى نظرية وعملية حول كيفية تأثير الأصالة والتصميم الشبيه بالإنسان على تبني VI. يفحص تأثيرات PEOU وPU على الموقف (ATT) والنية السلوكية (BI)، ويختبر الأدوار المعتدلة للأصالة المدركة (PA) على علاقات PU–ATT وATT–BI، والإنسان الظاهري (ANTH) على علاقات PEOU–ATT وPU–ATT. استنادا إلى هذه العلاقات، تم اقتراح الفرضيات التالية:

يؤثر سهل الاستخدام :P الهيدروجين (PEOU) إيجابيا على الفائدة المدركة (PU).
H2: تؤثر الفائدة المدركة (PU) إيجابيا على الموقف (ATT) تجاه المؤثرين الافتراضيين.
H3: يؤثر الموقف (ATT) إيجابيا على النية السلوكية (BI) عند استخدام المؤثرين الافتراضيين.
H4: سهولة الاستخدام المدركة (PEOU) تؤثر إيجابيا على الموقف (ATT) تجاه المؤثرين الافتراضيين.
H5: الأصالة المدركة (PA) تخفف بشكل إيجابي من العلاقة بين PU وATT.
H6: الأصالة المدركة (PA) تعدل بشكل إيجابي العلاقة بين ATT وBI.
H7: التشفي البشري (ANTH) يخفف بشكل إيجابي من العلاقة بين PEOU وATT.
H8: التجسيمات البشرية (ANTH) تعدل بشكل إيجابي العلاقة بين PU وATT.

يقدم الشكل 1 الإطار المفاهيمي المستند إلى نموذج قبول التكنولوجيا الموسع (TAM) لتبني المؤثرين الافتراضيين على منصات الفيديو القصير. يتضمن النموذج البنى الأساسية لتحليل الذاكرة التكاملية، إلى جانب متغيرين معتدلين—الأصالة المدركة والتجسيم المدرك—لالتقاط التأثيرات الاجتماعية والنفسية ذات الصلة. تمثل العلاقات المباشرة بأسهم صلبة، بينما تصور التأثيرات المعتدلة كخطوط متقطعة تستهدف المسارات الهيكلية المقابلة. هذا التمثيل يتوافق النموذج المفاهيمي مع الفرضيات المقترحة ويحسن الوضوح من خلال التمييز بين التأثيرات المباشرة والتفاعلية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تمت الموافقة على هذه الدراسة من قبل لجنة أخلاقيات البحث في كلية أزمان هاشم الدولية للأعمال، جامعة التكنولوجيا الماليزية، كوالالمبور، ماليزيا (رقم الموافقة: UTM. AHIBS/REC/2025/012). جميع الإجراءات كانت تتوافق مع المعايير الأخلاقية المؤسسية ومبادئ إعلان هلسنكي. تم الحصول على موافقة مستنيرة من جميع المشاركين قبل جمع البيانات. تم إبلاغ المشاركين بهدف الدراسة، والطبيعة الطوعية لمشاركتهم، وسرية ردودهم، وحقهم في الانسحاب في أي وقت دون عقوبة. كما تم الحصول على موافقة كتابية لاستخدام بيانات الاستبيانات المجهولة الهوية في المنشورات الأكاديمية. لا توجد بيانات شخصية أو حساسة مدرجة في هذه المخطوطة.

يتم عرض عملية البحث المنهجية المستخدمة في هذه الدراسة لفحص تبني المستهلكين للمؤثرين الافتراضيين على منصات الفيديو القصير في الشكل 2. تم إجراء إجراء الدراسة بشكل متسلسل، بما في ذلك التحضير للمحفزات، والتعرض للمشاركين، وإدارة المسح، والمعالجة المسبقة للبيانات، والتحليل الإحصائي. يتعرض المستخدمون أولا لمحفزات المؤثرين الافتراضيين المختارين بعناية على منصات الفيديو القصير مثل تيك توك، يوتيوب شورتس، وإنستغرام ريلز. لالتقاط البنى الرئيسية لنموذج قبول التكنولوجيا (TAM)، بما في ذلك سهولة الاستخدام المدركة (PEOU)، والفائدة المدركة (PU)، والموقف (ATT)، والنية السلوكية (BI)، يتم جمع إجابات الاستبيان باستخدام أدوات معتمدة على مقياس ليكرت. ثم تتم معالجة البيانات المجمعة مسبقا، بما في ذلك تنظيف البيانات وتقييمات الصلاحية والموثوقية، لضمان جودة البيانات.

ثم يتم تطبيق إطار TAM الموسع، الذي يتضمن متغيرات التعديل، على مجموعة البيانات المحسنة. على وجه التحديد، يقوم التجسد البشري (ANTH) بتعديل العلاقات بين PEOU → ATT وPU → ATT، بينما يعدل الأصالة المدركة (PA) العلاقات بين PU → ATT وATT → BI. يتم نمذجة هذه التأثيرات المعتدلة صراحة كتفاعلات على المسارات الهيكلية. وأخيرا، يتم تقييم نموذج القياس، والعلاقات الهيكلية، وتأثيرات التعديل باستخدام نمذجة المعادلات الهيكلية الجزئية للمربعات الصغرى (PLS-SEM). توفر النتائج تحليلا شاملا ومنهجيا لسلوك تبني المستخدمين تجاه المؤثرين الافتراضيين على منصات الفيديو القصير، مع تسليط الضوء على العلاقات المباشرة (PEOU، PU → ATT → BI) والتأثيرات المعتدلة.

منهجية الدراسة والتصميم
تم تطوير المنهجية على ثلاث مراحل: تطوير الإطار المفاهيمي، جمع البيانات، والتحليل التجريبي.

تطوير الإطار المفاهيمي
تضمنت هذه المرحلة تطوير الإطار النظري من خلال توسيع نموذج قبول التكنولوجيا (TAM) مع اثنين من المعتدلين الاجتماعيين والنفسيين ذوي الصلة بالمؤثرين الافتراضيين: الأصالة المدركة والتشكيلة البشرية. يفترض النموذج أن PEOU يؤثر على PU، بينما يؤثر PU وPEOU معا على الموقف، والذي بدوره يؤثر على النية السلوكية (الشكل 3).

جمع البيانات
تم جمع البيانات التجريبية من خلال استبيان إلكتروني أجري على 350 مستخدما لمنصات الفيديو القصيرة مثل تيك توك، يوتيوب شورتس، وإنستغرام ريلز. طلب من المشاركين مشاهدة مقاطع فيديو موحدة تعرض مؤثرين افتراضيين مشهورين. تم جمع البيانات حول بنى TAM والمتغيرات المعتدلة. شملت متغيرات التحكم خصائص الديموغرافيا والاستخدام. تم مراعاة الاعتبارات الأخلاقية.

التحليل التجريبي
تم تحليل البيانات باستخدام إجراء نمذجة المعادلات الهيكلية ذات الخطوتين (PLS-SEM) الجزئي الصغرى المربعات (PLS-SEM). تم تقييم الموثوقية والصلاحية باستخدام تحميل العوامل، ألفا كرونباخ، الموثوقية المركبة، متوسط التباين المستخرج (AVE)، معيار فورنيل-لاركر، ونسبة التباين المتجانس–الأحادية (HTMT). تم استخدام التمهيد مع 5,000 إعادة عينة لاختبار المسارات الهيكلية وتأثيرات الاعتدال، مما أثبت صحة نموذج TAM بأصالة وصفات الإنسان كمراقبين.

صياغة النموذج البنيوي
توسع الدراسة نموذج TAM من خلال دمج الجوانب الاجتماعية والعاطفية للمؤثرين الافتراضيين على منصات الفيديو القصير. بالإضافة إلى البنى التقليدية (PU، PEOU، الموقف، النية السلوكية)، يتم تضمين متغيرين معتدلين—الأصالة المدركة والتشبيه بالإنسان—لتمثيل الأبعاد النفسية للمصداقية والتشابه البشري على التوالي.

على مستوى القياس، تعرف جميع البنى الكامنة (PEOU، PU، ATT، BI، PA، ANTH) بشكل انعكاسي، مع تحميل عدة عناصر مسح على كل عامل كامنة³⁹. يعبر عن نموذج القياس كالتالي:

figure-protocol-1 (1)

حيث كان x_j هو المؤشر المرصود، η هو البناء الكامن، كان λ_j هو حمل العوامل، و ε_j هو خطأ القياس. هذا وفر موثوقية مسبقة، وعقلانية متقاربة، وعقلانية تمييزية قبل اختبار المسارات السببية.

على المستوى الهيكلي، تم تعريف معادلات TAM الأساسية على أنها المسارات⁴⁰. تم التنبؤ بالفائدة المدركة من خلال سهولة الاستخدام المدركة:

figure-protocol-2 (2)

ثم تم تحديد الموقف كدالة ل PU وPEOU:

figure-protocol-3 (3)

وأخيرا، تم تفسير النية السلوكية من خلال الموقف، مع وجود PU كمتنبئ مباشر اختياري:

figure-protocol-4 (4)

لدمج الاعتدال، يتم إدخال مصطلحات التفاعل. التجسيد (ANTH) يخفف من تأثيرات الوحدة الإيجابية وPEOU على التحليل العاطفي، بينما يخفف الأصالة المدركة (PA) من تأثيرات الوحدة على التحليل الذاتي وATT على التحليل الذاتي. المعادلات الهيكلية المعتدلة هي:

figure-protocol-5 (5)

تشير معاملات التفاعل (β₆، β₇، β₈، β₉) إلى ما إذا كانت علاقات TAM تختلف حسب مستويات التجسيد والأصالة. على سبيل المثال، التأثير الشرطي للوحدة الزائدة على ATT هو:

β₂ + β₆· أنث + β₈· بوايا

وبالمثل، فإن التأثير الشرطي ل ATT على BI هو:

β₄ + β₉· بوايا

كما يأخذ الإطار في الاعتبار الوساطة والوساطة المعتدلة. التأثير غير المباشر ل PEOU على ATT عبر وحدة الوحدة الأساسية هو:

figure-protocol-6 (6)

مع تضمين المشرفين، أصبح هذا تأثيرا غير مباشر مشرطا:

figure-protocol-7 (7)

حيث تمثل A و p قيم التشبيه بالإنسان والأصالة المدركة على التوالي.

وهذا يسمح بفحص ما إذا كانت الطابع التحكيمي للوحدة الإضافية تعتمد على الصفات الاجتماعية للوساطة الذاتية، مما يوفر دليلا على الوساطة المعتدلة.

تعمل الأصالة المدركة (PA) والتشبيه بالإنسان (ANTH) كمشرفين على قبول المستخدمين للمؤثرين الافتراضيين على منصات الفيديو القصير، كما هو موضح في الشكل 3. تمثل الخطوط الصلبة علاقات TAM المباشرة، بينما تشير الخطوط المتقطعة إلى تأثيرات معتدلة. بشكل عام، يدمج النموذج العوامل التكنولوجية والاجتماعية والنفسية ليقدم شرحا شاملا لتبني المؤثرين الافتراضيين.

جمع مجموعة البيانات
يعتمد هذا البحث على مجموعة بيانات استبيان (N = 350 مشاركا). كان المشاركون من المستخدمين المنتظمين لمنصات الفيديو القصير مثل تيك توك، يوتيوب شورتس، وإنستغرام ريلز. عرضوا على مقاطع Virtual Influencer محررة وطلب منهم إكمال استبيان منظم باستخدام مقاييس Likert المعتمدة لمقياس TAM (PEOU، PU، ATT، BI) والمعتدلين (PA، ANTH). تم الإبلاغ عن البيانات ذاتيا ولم يتم الحصول عليها من قاعدة بيانات عامة؛ ومع ذلك، تم تكييف هيكل القياس من مقاييس معروفة في تبني التكنولوجيا وأبحاث المؤثرين الافتراضيين.

يصف الجدول 1 هيكل مجموعة بيانات التبني السلوكي. يمثل كل صف بناء في نموذج TAM الموسع، إلى جانب عناصر القياس، نوع المقياس، ودوره التحليلي. تم قياس PEOU وPU باستخدام أربعة عناصر لكل منهما على مقياس ليكرت المكون من 7 نقاط.

يعرض الجدول 2 الملف الديموغرافي للمشاركين. يشير الملف الديموغرافي للمشاركين (N = 350) إلى توزيع متوازن نسبيا بين الجنسين، حيث يشكل الذكور 50.86٪، والإناث 45.43٪، ونسبة صغيرة (3.71٪) يعرفون أنفسهم كأشخاص آخرين. من حيث العمر، يقع غالبية المشاركين ضمن الفئة العمرية من 25 إلى 34 عاما (44.57٪)، تليها 18 إلى 24 سنة (29.43٪) و35 و39 عاما (26.00٪)، مما يشير إلى أن مجموعة البيانات تتكون بشكل رئيسي من أفراد من الشباب إلى منتصف العمر. فيما يتعلق بالتحصيل التعليمي، يتوزع المشاركون بشكل عادل على مستويات مختلفة، حيث يحمل أعلى نسبة شهادات دراسات عليا (23.14٪)، يليه الثانوية العامة (22.86٪)، والبكالوريوس (20.29٪)، والدبلوم (17.43٪)، والدكتوراه (16.29٪). يعكس هذا خلفية تعليمية متنوعة بين المشاركين. فيما يتعلق بسلوك استخدام المنصة، أفاد غالبية كبيرة من المشاركين (61.71٪) بأنهم يستخدمون المنصة يوميا، بينما يستخدم 29.14٪ المنصة أسبوعيا و9.14٪ أحيانا. يشير ذلك إلى مستوى عال من التفاعل مع المنصة بين السكان المأخوذين من العينة. تشير هذه الخصائص إلى أن العينة تمثل المستخدمين النشطين لمنصات الفيديو القصير.

تحليل البيانات
بعد جمع البيانات، تم تحليل 350 استجابة صحيحة باستخدام نمذجة المعادلات الهيكلية ذات المربعات الصغرى الجزئية (PLS-SEM)، المناسبة لتوسيع النظرية، والأبحاث الموجهة للتنبؤ، والنماذج المعقدة ذات المتغيرات المعتدلة. شمل التحليل تقييم نموذج القياس، وتقييم النموذج الهيكلي، وتحليل الاعتدال، والتقدير العام للنموذج.

التحقق من صحة نموذج القياس
كانت الخطوة الأولى قياس موثوقية وعقلانية جميع المفاهيم. تم اختبار الموثوقية الداخلية من خلال موثوقية كرونباخ ألفا (α) ومركبة (CR)، حيث اعتبرت المعايير الأفضل من 0.70 مرضية. تم تحديد العقلانية المتقاربة بواسطة متوسط التباين المستخرج (AVE ≥ 0.50). تم التحقق من التماسك التمييزي باستخدام معيار فورنيل-لاركر، حيث كان الجذر التربيعي لكل بناء AVE أكبر من ارتباطه بالمفاهيم الإضافية. تم حساب AVE لبناء j كما يلي:

figure-protocol-8 (8)

حيث λ_ij هو التحميل العامل الموحد للعنصر I في البناء J، و figure-protocol-9 هو خطأ القياس.

نموذج القياس للدراسة الحالية موضح في الشكل 4. تم تفعيل كل هيكل كامنة لإطار TAM المطول بواسطة عدة مؤشرات عاكسة. على وجه الخصوص، تم قياس سهولة الاستخدام المدركة (PEOU) والفائدة المدركة (PU) من خلال 4 بنود، بينما تم قياس الموقف (ATT) والنية السلوكية (BI) بثلاثة عناصر. تم تقييم المشرفين—الأصالة المدركة (PA) والتأثر البشري (ANTH)—باستخدام ثلاثة مؤشرات. جميع المسارات كانت تقود من المفاهيم إلى مؤشراتها الفردية، مما يعكس الطبيعة الانعكاسية لنموذج القياس. تم تأكيد موثوقية وصحة المفاهيم باستخدام تحميل العوامل، وألفا كرونباخ، والموثوقية المركبة (CR)، ومتوسط التباين المستخرج (AVE). وهذا جعل من المنطقي إحصائيا أن نموذج القياس والمفاهيم تقيس الأبعاد المرغوبة لمواقف المستخدمين ونواياهم السلوكية تجاه المؤثرين الافتراضيين على منصات الفيديو القصير.

اختبار النماذج الهيكلية
بمجرد إثبات صلاحية القياس، تم فحص المسارات الهيكلية لنموذج TAM الموسع. العلاقات المباشرة المفترضة هي كما يلي:

figure-protocol-10 (9)

figure-protocol-11 (10)

figure-protocol-12 (11)

حيث: β₁فحص تأثير PEOU → PU، β₂ β₃ فحص تأثير PU وPEOU → ATT، β₄ التقط تأثير ATT → BI. تم حساب معاملات المسار (β) عبر طريقة التمهيد (5000 إعادة عينة)، وتم حساب الدلالة باستخدام قيم t وقيم p.

تحليل الاعتدال
تم إجراء تحليل الاعتدال لفحص تأثيرات التفاعل. شملت الإضافة الممتدة ل TAM الأصالة المدركة (PA) والتجسدية (ANTH) كمشرفين. تم اختبار التعديل من خلال توليد مصطلحات تفاعل بين المتغيرات المستقلة والمعدلات. تم تصوير النموذج الممتد على النحو التالي:

figure-protocol-13 (12)

هنا: PU × PA: تم اختبار ما إذا كانت الأصالة تعزز الدور الذي تلعبه الفائدة في الموقف. PEOU × ANTH: تم تقييم ما إذا كان التشبيه بالإنسان يعزز نتيجة سهولة الاستخدام المدركة في الموقف. TT × PA: تم تقييم ما إذا كانت الأصالة عززت نتيجة الموقف تجاه النية السلوكية. أكدت معامل β_{كبير 7} أو_{β 8} أو β₁₀ حدوث الاعتدال.

تقييم النماذج
تم تقييم النموذج ككل من حيث القوة التفسيرية والتنبؤية:

معامل التحديد (R²): يشير إلى التغير الواضح في البنى الذاتية (ATT و BI). اعتبرت R² ≥ 0.50 كبيرة في الدراسات السلوكية.

الصلة التنبؤية (Q²): تم تحديدها من خلال عصابة العينين، حيث تشير Q² > 0 إلى صلاحية التنبؤ.

حجم التأثير (f²): استخدم لتحديد تأثير كل بناء على النموذج ويحسب كالتالي:

figure-protocol-14 (13)

حيث كان يفسر التباين عند تضمين متنبئ، ويكون figure-protocol-15 تباين عند استبعاده. في الختام، يؤكد تحليل البيانات في البداية موثوقية وصحة البناء، ويختبر العلاقات الهيكلية للتقنية التقنية التقنية (TAM)، ويقيم تأثيرات الاعتدال للتجسيد البشري والأصالة، وأخيرا يتحقق من السيطرة الوصفية والاستقرائية للنموذجية. يضمن هذا النهج الشامل صحة النتائج ويوسع TAM ليشمل حالة المؤثرين الافتراضيين على منصات الفيديو القصير.

اختبار الفرضيات
لتأكيد إطار TAM الموسع، تم اختبار ثماني فرضيات باستخدام PLS-SEM مع التمهيد (5000 عينة معاد إعادتها). أنشأت عملية التمهيد ثوابت المسار (β)، قيم t، وقيم p، والتي تم ضبطها مقابل العتبة الحرجة (p < 0.05).

التأثيرات المباشرة (H1–H4)
تم تقييم التأثيرات المباشرة لل TAM الكلاسيكي أولا. أكدت النتائج أن سهولة الاستخدام المدركة (PEOU) كان لها تأثير مهم على الفائدة المدركة (PU). المعادلة المقدرة هي:

figure-protocol-16 (14)

حيث β₁=0.46، t=8.72، p < 0.001. وبناء عليه، يتم دعم H1.

ثانيا، وجد أن الفائدة المدركة (PU) وPEOU تؤثر إيجابيا على الموقف (ATT):

figure-protocol-17 (15)

مع β₂=0.39، T=7.64، p < 0.001 و β₃=0.21، t=2.14، p < 0.05. تدعم هذه النتائج بقوة H2 وجزئيا H4، مما يعزز أن كل من سهولة الاستخدام المدركة والفائدة يغيران المواقف.

أخيرا، كان تأثير ATT على النية السلوكية (BI) كبيرا:

figure-protocol-18 (16)

مع β₄=0.58، t=10.12، p < 0.001. لذلك، يحظى H3 بدعم قوي، مؤكدا أن المواقف الإيجابية تدفع بقوة نوايا استخدام المؤثرين الافتراضيين.

تأثيرات الاعتدال (H5–H8)
تم اختبار التأثيرات المعتدلة للأصالة المدركة (PA) والتشبيه بالإنسان (ANTH) من خلال دمج مصطلحات التفاعل.

بالنسبة ل H5، تم تعديل تأثير PU على ATT بواسطة PA:

figure-protocol-19 (17)

مع β₅=0.15، t=3.21، p < 0.01. وهذا يشير إلى أنه إذا اعتبرت الظلاليات البصرية أصيلة، فإن فائدتها لها تأثير أقوى على المواقف.

بالنسبة ل H6، كان تعديل ATT → BI بواسطة PA أيضا مهما:

figure-protocol-20 (18)

مع β₆=0.12، t=2.94، p<0.01. وهذا يعني أن الأصالة تربطها علاقة أقوى بين المواقف الإيجابية والنوايا السلوكية.

بالنسبة ل H7، فإن التشبيه البشري ANTH يخفف من تأثير PEOU على ATT:

figure-protocol-21 (19)

مع β₇=0.14، t=3.08، p < 0.01. وبالتالي، عندما تكون VIs أكثر شبها بالبشر، فإن سهولة الاستخدام تعمل بشكل أقوى على المواقف الإيجابية.

بالنسبة ل H8، عزز التشبيه البشري أيضا مسار وحدة الوحدة الزائدة → ATT المعتدل من ANTH:

figure-protocol-22 (20)

مع β₈=0.11، t=2.21، p < 0.05.

تم تقييم أداء النموذج باستخدام R² لقوة التفسير، Q² للأهمية التنبؤية، وحجم التأثير (f²) لتقييم مساهمة كل متنبئ.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تم الحصول على ما مجموعه 350 استجابة قابلة للاستخدام من المستخدمين النشطين لتطبيقات الفيديو القصير (إنستغرام ريلز، يوتيوب شورتس، وتيك توك). تم تحليل البيانات باستخدام نمذجة المعادلات الهيكلية الجزئية الصغرى للمربعات (PLS-SEM) في SmartPLS 4.0، بعد المعالجة المسبقة واستبعاد الاستجابات غير المكتملة. مكن هذا النهج من تقييم كل من النماذج القياسية والهيكلية، بالإضافة إلى تأثيرات الاعتدال.

أكدت النتائج صحة إطار TAM الموسع المقترح. أظهر تحليل الموثوقية أن جميع التركيبا...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

للتحقق من صحة البنى، تم تقييم نموذج القياس من حيث الموثوقية، والصلاحية المتقاربة، والصلاحية التمييزية ^39,40. توفر نتائج الدراسة رؤى مهمة حول العوامل المؤثرة في تبني المستخدمين للمؤثرين الافتراضيين (VIs) على منصات الفيديو القصير. تشير النتائج إلى أن كل من العوامل التكنولوجية (الفائدة المدركة وسهولة الاستخدام المدركة) والعوامل النفسية (الأصالة المدركة والتشبيه بالبشر) تؤثر بشكل كبير على موقف المستخدم والنوايا السلوكية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يعلن المؤلفون عدم وجود تضارب مصالح.

شكر وتقدير

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يشكر المؤلفون بكل امتنان الدعم المؤسسي لكلية أزمان هاشم الدولية للأعمال، وجامعة التكنولوجيا الماليزية، وكلية الابتكار وريادة الأعمال بجامعة سيتشوان للسياحة، لتوفير الموارد والإرشاد الأكاديمي خلال هذا البحث. تم تمويل هذا البحث من قبل مشروع صندوق مركز أبحاث تطوير المطبخ في سيتشوان (CC24G18).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسم	الشركة	رقم فهرسي	التعليقات
نظام الكمبيوتر (الكمبيوتر الشخصي/الكمبيوتر المحمول)	عام (HP/Dell/Lenovo أو ما يعادلها)	N/A	يُستخدم لجمع البيانات وتحليلها
نماذج غوغل	Google LLC	N/A / https://forms.google.com	يُستخدم لتصميم الاستبيانات وجمع البيانات
Instagram Reels	Meta Platforms Inc.	N/A / https://www.instagram.com/reels/	منصة لمحفزات فيديو المؤثرين الافتراضيين
اتصال الإنترنت	مزود خدمة الإنترنت المحلي	N/A	مطلوب للوصول إلى الاستبيانات والمنصات
Microsoft Excel	Microsoft Corporation	365 / https://www.microsoft.com/excel	يُستخدم لمعالجة البيانات وتنظيمها مسبقًا
بايثون	مؤسسة برمجيات بايثون	3.x / https://www.python.org	يُستخدم لمعالجة البيانات وتعاملها بشكل اختياري
SmartPLS	SmartPLS GmbH	4.0 / https://www.smartpls.com	يُستخدم لتحليل PLS-SEM بما في ذلك HTMT، Q² (الكف عن العمل)، وحجم تأثير f²
TikTok	TikTok Inc.	N/A / https://www.tiktok.com	منصة لمحفزات فيديو المؤثرين الافتراضيين
مقاطع فيديو المؤثرين الافتراضيين	مجموعة بيانات منشئ المؤلف	N/A	محفزات فيديو قياسية مقدمة للمشاركين
YouTube Shorts	Google LLC	N/A / https://www.youtube.com/shorts	منصة لمحفزات فيديو المؤثرين الافتراضيين

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Ju, N., Kim, T., Im, H. Fake human but real influencer: The interplay of authenticity and humanlikeness in virtual influencer communication. Fashion Text. 11, 16(2024).
Barari, M., Ross, M., Moghddam, H. A. Virtual influencers’ anthropomorphism, consumer engagement and/or well-being. J Consum Mark. 42, 673-688 (2025).
Deng, F., Jiang, X. Effects of human versus virtual human influencers on the appearance anxiety of social media users. J Retail Consum Serv. 71, 103233(2023).
Barari, M., Ross, M., Moghddam, H. A., et al. A meta-analysis of customer engagement behaviour. Int J Consum Stud. 45, 457-477 (2021).
Barari, M. Unveiling the dark side of influencer marketing: How social media influencers (human vs virtual) diminish followers’ well-being. Mark Intell Plan. 41, 1162-1177 (2023).
Audrezet, A., De Kerviler, G., Moulard, J. G. Authenticity under threat: When social media influencers need to go beyond self-presentation. J Bus Res. 117, 557-569 (2020).
Geyser, W. The state of influencer marketing 2022: Benchmark report. , Influencer Marketing Hub. (2023).
da Silva Oliveira, A. B., Chimenti, P. Humanized robots: A proposition of categories to understand virtual influencers. Australas J Inf Syst. 25, (2021).
Jin, S., Park, H., Lee, J. Comparing the impact of virtual and human influencers on social media users’ self-perception. Comput Hum Behav. 140, 107573(2023).
Miao, F., Kozlenkova, I. V., Wang, H., et al. An emerging theory of avatar marketing. J Mark. 86, 67-90 (2022).
Moustakas, E., Lamba, N., Mahmoud, D., et al. Blurring lines between fiction and reality: Perspectives of experts on marketing effectiveness of virtual influencers. ProcIntConf Cyber SecurProt Digit Serv, , (2020).
Hiort, A. How many virtual influencers are there?. , Virtual Humans. (2022).
Conti, M., Gathani, J., Tricomi, P. P. Virtual influencers in online social media. IEEE Commun Mag. 60, 86-91 (2022).
Arsenyan, J., Mirowska, A. Almost human? A comparative case study on the social media presence of virtual influencers. Int J Hum Comput Stud. 155, 102694(2021).
Shin, J., Lee, S. Intimacy between actual users and virtual agents: Interaction through likes and comments. Proc 14th IntConf Ubiquitous InfManagCommun, , (2020).
Bie, Y., Zhang, X., Li, H., et al. Beyond the shores of reality: The effect of virtual influencers on luxury perception and its downstream consequence. Psychol Mark. , (2025).
Belanche, D., Casaló, L. V., Flavián, M. Human versus virtual influences: A comparative study. J Bus Res. 173, 114493(2024).
Kästner, E., Baczynski, M. Believe me, even though I am fake: How the credibility of real and virtual influencers affects purchase intention. J Media Bus Stud. , (2025).
Li, Q., Wang, T. Adoption of short-video e-commerce apps among university students: An extended TAM approach. Electron Commer Res. 24, 879-901 (2024).
Singh, A., Kumar, P. User behavior in TikTok shopping: Insights from Technology Acceptance Model. J Retail Consum Serv. 71, 104005(2024).
Wang, S., Wang, Y., Li, X., et al. Leveraging TikTok for active learning in management education: An extended technology acceptance model approach. Int J Manag Educ. 22, 101009(2024).
Koles, B., Szabo, K., Kovacs, A., et al. The authentic virtual influencer: Authenticity manifestations in the metaverse. J Bus Res. 170, 114325(2024).
Park, S., Kim, H., Choi, Y. Consumer trust and engagement with virtual influencers: The role of perceived authenticity. J Interact Mark. 59, 45-58 (2025).
Zhang, W., Li, F., Zhou, R. Perceived realism and human-likeness of virtual influencers: Effects on consumer engagement. Comput Hum Behav. 149, 107843(2024).
Li, C., Huang, F. The impact of virtual streamer anthropomorphism on consumer purchase intention: Cognitive trust as a mediator. Behav Sci. 14, 1228(2024).
Ross, M., Barari, M., Moghddam, H. A. Anthropomorphism of virtual influencers and consumer engagement in social media. J Mark Manag. 41, 1150-1168 (2025).
Vafaei-Zadeh, A., Nikbin, D., Wong, S. L., et al. Investigating factors influencing AI customer service adoption: An integrated model of SOR and TTF theory. Asia Pac J Mark Logist. , (2024).
Huo, C., Wang, X., Sadiq, M. W., et al. Exploring factors affecting consumer impulse buying behavior in live-streaming shopping: An SOR-based study. SAGE Open. 13, 21582440231172680(2023).
Gao, L., Chen, Y., Liu, X., et al. The impact of artificial intelligence stimuli on customer engagement and value co-creation. J Res Interact Mark. 17, 317-333 (2022).
Parhamnia, F. Investating mobile acceptance in academic library services based on UTAUT-2. J AcadLibrariansh. 48, 102570(2022).
Wang, Z., Jiang, Q. Willingness of Generation Z consumers to use virtual try-on services based on SOR. Systems. 12, 217(2024).
Conde, R., Casais, B. Micro, macro and mega-influencers on Instagram. J Bus Res. 158, 113708(2023).
Dong, X., Zhou, R., Liao, J. Mega-influencer follower effect. Eur J Mark. , (2024).
Berman, R., Ory, A., Zheng, X. Influence or advertise: The role of social learning in influencer marketing. , Yale University. (2023).
Walter, N., Föhl, U., Zagermann, L. Impact of influencer characteristics on influencer success. J Curr Issues Res Advert. 46, 1-23 (2024).
Li, W., Zhao, F., Lee, J. M., et al. Micro vs mega influencers and word of mouth. J Bus Res. 171, 114387(2024).
Tian, Z., Dew, R., Iyengar, R. Influencer selection using follower elasticity. J Mark Res. 61, 472-495 (2024).
Keasey, K., Lambrinoudakis, C., Mascia, D. V., et al. Impact of social media influencers on financial performance. EurFinancManag. 31, 745-785 (2025).
Davis, F. D. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Q. 13, 319-340 (1989).
Venkatesh, V., Bala, H. Technology acceptance model 3 and a research agenda on interventions. Decis Sci. 39, 273-315 (2008).

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

JoVE PLS SEM

الاستفادة من نموذج قبول التكنولوجيا لفهم تبني المستخدمين للمؤثرين الافتراضيين: دور الأصالة المدركة والتشبيه بالإنسان

في هذه المقالة

ملخص

الملخص

المقدمة

البروتوكول

النتائج

المناقشة

الإفصاحات

شكر وتقدير

المواد

المراجع

إعادة الطباعة والأذونات

الوسوم

مقالات ذات صلة