Les décideurs politiques ajoutent régulièrement des ressources pour réduire la congestion sur les routes ou dans les hôpitaux. Pourtant, cela ne réduit pas toujours la congestion. Pour expliquer ce phénomène, nous proposons un modèle de théorie des jeux avec des utilisateurs averse aux pertes. Nous prouvons que la congestion augmente avec le nombre de ressources. Cela crée le dilemme entre faciliter une plus grande demande en ajoutant des ressources ou décourager la demande en réduisant les ressources. L’ajout de ressources réduit la variabilité des temps d’attente ce qui attire les utilisateurs réfractaires aux pertes. De plus, le nombre de ressources n’influence pas seulement le volume de la demande mais aussi sa nature.
06:36
Cette vidéo présente les résultats d'une recherche sur l'adoption des outils de l'intelligence artificielle générative par les étudiants en sciences de gestion. Menée auprès de 257 étudiants français, l'étude étend le modèle UTAUT 3 (Unified Theory of Acceptance and Use of Technology) en intégrant la confiance, la valeur d'apprentissage et l'autonomisation.
Les résultats identifient quatre facteurs clés d'adoption : l'attente de performance, la motivation hédonique, l'habitude et la confiance. Le modèle explique de manière significative l'intention d'usage, d'adoption et de recommandation de ces technologies.
L’étude offre des pistes concrètes pour les établissements d’enseignement supérieur souhaitant intégrer efficacement l’IA générative dans leurs pratiques pédagogiques et mieux préparer les étudiants aux environnements professionnels de demain.
- Tendances
- Enseignement supérieur de Management, Management et Big Data, Pédagogie du Management, Systèmes d'information, Transformation Digitale
