ปัจจัยที่ส่งผลต่อความตั้งใจใช้ปัญญาประดิษฐ์ในการบริบาลทางเภสัชกรรม
Article Sidebar
Main Article Content
บทคัดย่อ
การศึกษานี้มีวัตถุประสงค์เพื่อสำรวจปัจจัยที่ส่งผลต่อความตั้งใจใช้ปัญญาประดิษฐ์ในการบริบาลทางเภสัชกรรม และเพื่อพัฒนาแนวทางในการส่งเสริมการใช้ปัญญาประดิษฐ์ในการช่วยเหลือการทำงานของเภสัชกร โดยวิเคราะห์ความสัมพันธ์ ของปัจจัยที่เกี่ยวข้องกับความตั้งใจใช้เทคโนโลยี โดยมีทฤษฎีที่เกี่ยวข้องคือแบบจำลองการยอมรับเทคโนโลยี (technology acceptance model) และทฤษฎีรวมว่าด้วยการใช้และการยอมรับเทคโนโลยี (unified theory of acceptance and use of technology) ผลการศึกษาพบว่าปัจจัยที่มีอิทธิพลเชิงบวกต่อความตั้งใจใช้งานปัญญาประดิษฐ์อย่างมีนัยสำคัญทางสถิติ ได้แก่ ความคาดหวังต่อประสิทธิภาพ (b=0.489, p<0.001) ซึ่งเป็นปัจจัยที่มีอิทธิพลสูงสุด รองลงมาคืออิทธิพลทางสังคม (b=0.312, p<0.001) และเจตคติต่อการใช้งาน (b=0.174, p=0.044) อย่างไรก็ตาม ปัจจัยด้านความคาดหวังด้านความพยายาม การรับรู้ความง่ายในการใช้งาน และสภาวะที่เอื้ออำนวย ไม่พบอิทธิพลต่อความตั้งใจใช้งานอย่างมีนัยสำคัญทางสถิติ ซึ่งสะท้อน ให้เห็นว่าเภสัชกรให้ความสำคัญกับประสิทธิภาพในการรักษาและความรวดเร็วในการทำงานมากกว่าความยากง่ายในการใช้งาน เทคโนโลยี การศึกษานี้มีส่วนช่วยเสริมสร้างความเข้าใจเชิงลึกเกี่ยวกับบทบาทของปัจจัยที่ส่งผลต่อความตั้งใจใช้ปัญญาประดิษฐ์ ของเภสัชกร ซึ่งองค์ความรู้ที่ได้สามารถนำไปประยุกต์ใช้ในการกำหนดนโยบายและวางแผนกลยุทธ์เพื่อพัฒนาทัศนคติและ ความเชื่อมั่นของบุคลากรต่อการใช้เทคโนโลยี
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับการตีพิมพฺเป็นลิขสิทธิ์ของวารสาร
เอกสารอ้างอิง
Srivastava R. Applications of artificial intelligence in medicine. Explor Res Hypothesis Med. 2024;9(2):138-46.
The Pharmacy Council of Thailand. สารสภาเภสัชกรรม เรื่อง ยืนยันจำนวนเภสัชกรยังขาดแคลน [Pharmacy Council Message: Confirming the shortage of pharmacists] [Internet]. 2024 [cited 2025 Oct 8]. Available from: https://pharmacycouncil.org/
Roosan D, Padua P, Khan R, Khan H, Verzosa C, Wu Y. Effectiveness of ChatGPT in clinical pharmacy and the role of artificial intelligence in medication therapy management. J Am Pharm Assoc (2003). 2024;64(2):422-8.e8.
Davis FD. Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Q. 1989;13(3):319-40.
Venkatesh V, Davis FD. A theoretical extension of the technology acceptance model: Four longitudinal field studies. Manag Sci. 2000;46(2):186-204.
Edo OC, Ang D, Etu E-E, Tenebe I, Edo S, Diekola OA. Why do healthcare workers adopt digital health technologies: A cross-sectional study integrating the TAM and UTAUT model in a developing economy. Int J Inf Manag Data Insights. 2023;3(2):100186.
Kim YJ, Choi JH, Ngayo Fotso GMN. Medical professionals’ adoption of AI-based medical devices: UTAUT model with trust mediation. J Open Innov Technol Mark Complex. 2024; 10(1):100220.
Wei W, Prasetyo YT, Belmonte ZJA, Cahigas MML, Nadlifatin R, Gumasing MJJ. Applying the technology acceptance model–Theory of planned behavior (TAM-TPB) model to study the acceptance of building information modeling (BIM) in green building in China.
Acta Psychol (Amst). 2025;254:104790.
Domingo MAKA, Bernadas AGP, Maiquez JDP, Ong AKS, Magana MC. Assessing the acceptance of palm biometric payment systems: An integration of technology acceptance model and valence framework. Acta Psychol (Amst). 2025;259:105426.
Emon MMH, Khan T. The mediating role of attitude towards the technology in shaping artificial intelligence usage among professionals. Telemat Inform Rep. 2025;17:100188.
Marghany MNM, Elmohandes NMAA, Mohamad I, Elshawarbi NNM, Saleh MI, Ghazy K, et al. Robots at your service: Understanding hotel guest acceptance with meta-UTAUT investigation. Int J Hosp Manag. 2025;130:104227.
Napitupulu D. A conceptual model of e-Government adoption in Indonesia. Int J Adv Sci Eng Inf Technol. 2017;7(4):1471-8.
Torres R, Gerhart N. Mobile proximity usage behaviors based on user characteristics. J Comput Inf Syst. 2019;59(2):161-70.
Venkatesh V, Morris MG, Davis GB, Davis FD. User acceptance of information technology: Toward a unified view. MIS Q. 2003;27(3):425-78.
Davis FD, Venkatesh V. Toward preprototype user acceptance testing of new information systems: Implications for software project management. IEEE Trans Eng Manag. 2004; 51(1):31-46.
Susanty A, Puspitasari NB, Jie F, Akhsan FA, Jati S. Consumer acceptance of halal food traceability systems: A novel integrated approach using modified UTAUT and DeLone & McLean models to promote sustainable food supply chain practices. Clean Logist Supply Chain. 2025;15:100226.
Abbasi HA, Ting DH, Moughal W, Hamad S. An integrated model for encouraging consumer EV purchase: UTAUT extended with electric vehicle knowledge and advertisement. Res Transp Bus Manag. 2025;63:101448.
Rajak M, Shaw K. An extension of technology acceptance model for mHealth user adoption. Technol Soc. 2021;67:101800.
Joshi H. Integrating trust and satisfaction into the UTAUT model to predict Chatbot adoption – A comparison between Gen-Z and Millennials. Int J Inf Manag Data Insights. 2025;5(1):100332.
Chalasani SH, Syed J, Ramesh M, Patil V, Pramod Kumar TM. Artificial intelligence in the field of pharmacy practice: A literature review. Explor Res Clin Soc Pharm. 2023;12:100346.
Krejcie RV, Morgan DW. Determining sample size for research activities. Educ Psychol Meas. 1970;30(3):607–10.
Nunnally JC. Psychometric Theory. 2nd ed. New York: McGraw-Hill; 1978.
Taiwo AA, Downe AG. The theory of user acceptance and use of technology (UTAUT): A meta-analytic review of empirical findings. J Theor Appl Inf Technol. 2013;49(1):48–58.
Alenazi L, Alhalal E. Factors affecting artificial intelligence usage intention among nursing students: Unified theory of acceptance and use of technology. Nurse Educ Today. 2025;106780.
Iskandar YHP, Tangiisuran B, Ariff AM. Examining the extension of the Technology Acceptance Model (TAM) in electronic medical records among community pharmacists in Malaysia. New Emirates Med J. 2023;4(1):e090123212462.
Zhai H, Yang X, Xue J, Lavender C, Ye T, Li JB, et al. Radiation oncologists’ perceptions of adopting an artificial intelligence–assisted contouring technology: Model development and questionnaire study. J Med Internet Res. 2021;23(9):e27122.
Forster K, Strauss T. Decentralised machine learning in healthcare and life sciences: Applying the technology acceptance model. Telemat Inform Rep. 2025;18:100198.
Venkatesh V, Thong JYL, Xu X. Consumer acceptance and use of information technology: Extending the unified theory of acceptance and use of technology. MIS Q. 2012;36(1):157-78.
Escobar-Rodriguez T, Carvajal-Trujillo E. Online purchasing tickets for low cost carriers: An application of the unified theory of acceptance and use of technology (UTAUT) model. Tourism Management. 2014;43:70-88.
