Drivers and barriers to generative AI adoption in public higher education: a toe-based multi-case study of administrative stakeholders

Objectif: Cette étude vise à examiner les facteurs favorables et les obstacles à l’adoption de l’intelligence artificielle générative (IAG) chez les responsables et le personnel administratif de deux établissements d’enseignement supérieur publics canadiens. Elle comble ainsi une lacune dans la recherche, qui s’est jusqu’à présent principalement concentrée sur les étudiants et la pédagogie, en explorant la manière dont les dirigeants institutionnels gèrent les opportunités et les contraintes dans des environnements réglementés et complexes.

Conception/méthodologie/approche: Une méthodologie d’étude qualitative multi-cas a été utilisée, guidée par le cadre technologie-organisation-environnement (TOE) et la théorie de l’apprentissage organisationnel (OLT). Les données ont été collectées par le biais d’une observation participante, d’entretiens semi-structurés et d’une analyse documentaire. Une approche inductive combinant un codage ouvert et axial a été employée pour identifier des schémas récurrents à travers les dimensions technologiques, organisationnelles et environnementales.
 

Résultats: L’adoption de l’IA générative reste fragmentée, largement portée par des initiatives individuelles plutôt que par une stratégie institutionnelle coordonnée. Si les gains d’efficacité sont largement reconnus, les niveaux de compétences inégaux, la coordination inter-services limitée et les préoccupations liées à la réglementation et à la confidentialité des données continuent de freiner une utilisation plus large. Les obstacles financiers semblent minimes, ce qui met en évidence un décalage entre le potentiel de la technologie, les risques perçus et l’insuffisance de l’apprentissage organisationnel et du partage des connaissances.

*Cette description est une traduction de l’abstract (résumé) de l’article,  réalisée à l’aide de DeepL.