Beyond Technology Acceptance: Validating a Multidimensional AI Integration Readiness Scale for Teacher Educators
Além da Aceitação Tecnológica: Validação de uma Escala Multidimensional de Prontidão para Integração da Inteligência Artificial na Formação de Professores
Adit Gupta iDMIER College of Education
Bharti Tandon iDMIER College of Education, Jammu, India
Nishta Rana iDMIER College of Education, Jammu, India
Abstract
Purpose: This study developed and validated the AI Teacher Education Tool (AITET), a psychometric instrument measuring teacher educators' readiness to incorporate artificial intelligence across various professional domains.
Methodology/Approach: A quantitative cross-sectional design was used with 114 teacher educators from government, private, and government-aided institutions in Northern India. Instrument development was based on the Technology Acceptance Model (Davis, 1989) and Bandura's Self-Efficacy Theory (1997). Validation involved exploratory factor analysis (EFA), confirmatory factor analysis (CFA), reliability testing, and assessments of convergent and discriminant validity using Average Variance Extracted, the Fornell-Larcker criterion, and Heterotrait-Monotrait ratios.
Findings: EFA identified a five-factor structure explaining 70.998% of total variance: Professional Integration and Administrative Utility, Teaching and Learning Applications, Research and Ethical Considerations, Learning Design and Content Creation, and Ethical Awareness and Policy Dimensions. The instrument demonstrated excellent reliability (overall α = 0.967; subscale range: 0.864 to 0.919). Convergent validity was established across all five factors (AVE range: 0.555 to 0.701), and discriminant validity was confirmed through the HTMT criterion (all pairs below 0.85). CFA yielded an acceptable fit (χ²/df = 1.97; SRMR = 0.065), though incremental indices indicated room for improvement.
Research Limitations/Implications: The study is geographically confined to Northern India, which restricts its generalisability. Although the sample is sufficient for EFA, it is relatively modest for CFA. The AITET has implications for professional development planning, institutional policy development, and AI literacy programme design.
Originality/Value: The AITET expands technology acceptance frameworks to include domain-specific competencies, twin ethical constructs, and self-efficacy dimensions, filling a notable gap in psychometric measurement and offering a validated tool for assessing AI readiness in higher education.
Objetivo: Este estudo desenvolveu e validou o AI Teacher Education Tool (AITET), um instrumento psicométrico destinado a mensurar a prontidão de formadores de professores para incorporar a inteligência artificial em diferentes domínios profissionais.
Metodologia: Foi adotado um delineamento quantitativo transversal com 114 formadores de professores provenientes de instituições públicas, privadas e subvencionadas do norte da Índia. O desenvolvimento do instrumento baseou-se no Modelo de Aceitação de Tecnologia (Davis, 1989) e na Teoria da Autoeficácia de Bandura (1997). A validação incluiu análise fatorial exploratória (AFE), análise fatorial confirmatória (AFC), testes de confiabilidade e avaliações de validade convergente e discriminante por meio da Variância Média Extraída (AVE), critério de Fornell-Larcker e razão Heterotrait-Monotrait (HTMT).
Resultados: A AFE identificou uma estrutura de cinco fatores explicando 70,998% da variância total: Integração Profissional e Utilidade Administrativa; Aplicações no Ensino e Aprendizagem; Pesquisa e Considerações Éticas; Design de Aprendizagem e Criação de Conteúdo; e Consciência Ética e Dimensões de Políticas. O instrumento demonstrou excelente confiabilidade (α geral = 0,967; intervalo das subescalas: 0,864 a 0,919). A validade convergente foi confirmada para todos os fatores (AVE entre 0,555 e 0,701), e a validade discriminante foi evidenciada pelo critério HTMT (todos os pares abaixo de 0,85). A AFC apresentou ajuste aceitável (χ²/df = 1,97; SRMR = 0,065), embora os índices incrementais indiquem espaço para aprimoramento.
Limitações/Implicações: O estudo está geograficamente restrito ao norte da Índia, o que limita sua generalização. Embora a amostra seja adequada para AFE, é relativamente reduzida para AFC. O AITET possui implicações relevantes para o planejamento de desenvolvimento profissional, formulação de políticas institucionais e desenho de programas de letramento em IA.
Originalidade/Valor: O AITET amplia os modelos de aceitação tecnológica ao incorporar competências específicas de domínio, constructos éticos duais e dimensões de autoeficácia, preenchendo uma lacuna relevante na mensuração psicométrica e oferecendo uma ferramenta validada para avaliar a prontidão para IA no ensino superior.
Cite this article
Zotero and Mendeley: open the RIS file, or use the Zotero Connector on this page (it reads the article metadata).
Share
Related articles
- Foundations for Teaching Artificial Intelligence with Explainable Neural Networks: A Constructionist Approach Mediated by the Open Roberta Lab Robotic SimulatorGenarde Macedo Trindade, Jorge Mikael Coutinho Alves, João da Mata Libório Filho · v. 7 (2026)
- Teachers as Detectives? Professional Identity Conflict in the Era of Generative AI in Student AssessmentAmina Abdelhadi, Naima Sahli · v. 7 (2026)
- Ethical Implications of AI-Generated Content in Academic Publishing: Challenges and Perspectives in the Tunisian Higher Education ContextMongi Aloui · v. 7 (2026)
- Impact of Artificial Intelligence in the Area of Journalistic Communication: The Case of the Band Vale GroupSheila Alexandra Pereira, Bianca Camili de Sousa Pinto, Débora de Jesus Marroco · v. 7 (2026)