An-Najah University Journal for Research - B (Humanities)

Article info

In Press

Keywords

• Artificial intelligence (AI)
• Digital Marketers
• UTAUT Framework
• Jordanian Construction Companies
• Technology Adoption.

Abstract

Objective: This study analyzed factors influencing AI adoption among digital marketers in Jordanian construction companies using the UTAUT framework, focusing on local challenges like institutional culture and infrastructure. Methodology: A descriptive-analytical approach was employed, utilizing a UTAUT-based questionnaire distributed to 120 digital marketers in Jordanian construction firms. Data were analyzed using statistical methods (e.g., linear regression) to test hypotheses. Key Findings: Performance Expectancy (PE) and Effort Expectancy (EE) were the strongest predictors of adoption intention, explaining 70.2% and 64% of the variance, respectively. Social Influence (SI) and Facilitating Conditions (FC) had weaker impacts, accounting for 35.3% and 40.1%, respectively, highlighting the dominance of individual factors over external pressures. Behavioral Intention (BI) significantly mediated the actual adoption of AI. Recommendations: - For Firms: Develop AI interfaces in Arabic and invest in workforce digital training. • For the Government: Enhance digital infrastructure through public-private partnerships and launch a national AI platform for the construction sector. - Theoretically: Adapt frameworks like UTAUT to incorporate cultural factors in developing contexts.

معلومات المقال

قيد النشر

الكلمات الإفتتاحية

• Artificial intelligence (AI)
• Digital Marketers
• UTAUT Framework
• Jordanian Construction Companies
• Technology Adoption.

الملخص

الهدف: حلّلت هذه الدراسة العوامل المؤثرة في تبني الذكاء الاصطناعي من قِبل المسوقين الرقميين في شركات البناء الأردنية، باستخدام إطار نموذج UTAUT، مع التركيز على التحديات المحلية مثل الثقافة المؤسسية والبنية التحتية. المنهجية: تم اعتماد منهج وصفي تحليلي، من خلال استبانة مبنية على نموذج UTAUT وُزعت على 120 مسوقًا رقميًا في شركات البناء الأردنية. تم تحليل البيانات باستخدام الأساليب الإحصائية (مثل الانحدار الخطي) لاختبار الفرضيات. النتائج الرئيسة: كانت توقعات الأداء (PE) وسهولة التوقع (EE) هما أقوى المؤشرات في التنبؤ بنية التبني، موضحتين 70.2% و64% من التباين على التوالي. أما التأثير الاجتماعي (SI) والظروف الميسرة (FC) فقد أظهرا تأثيرًا أضعف، حيث شكلت 35.3% و40.1% على التوالي، مما يبرز هيمنة العوامل الفردية على الضغوط الخارجية. كما أدّت النية السلوكية (BI) دورًا وسيطًا مهمًا في التبني الفعلي للذكاء الاصطناعي. التوصيات: - بالنسبة للشركات: تطوير واجهات الذكاء الاصطناعي باللغة العربية، والاستثمار في تدريب القوى العاملة الرقمية. • بالنسبة للحكومة: تعزيز البنية التحتية الرقمية من خلال الشراكات بين القطاعين العام والخاص، وإطلاق منصة وطنية للذكاء الاصطناعي لقطاع البناء. - من الناحية النظرية: تعديل الأطر مثل نموذج UTAUT لدمج العوامل الثقافية في السياقات النامية.