Xu hướng nghiên cứu các yếu tố thúc đẩy việc duy trì sử dụng trí tuệ nhân tạo tạo sinh: Phân tích trắc lượng thư mục và hàm ý quản trị

Phạm Ngọc Thảo Vi

Học viện Công nghệ Bưu chính Viễn thông

Email: [email protected]

Tóm tắt

Sự phát triển nhanh chóng của trí tuệ nhân tạo tạo sinh đặt ra yêu cầu nghiên cứu các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng công nghệ của người dùng sau giai đoạn trải nghiệm ban đầu. Nghiên cứu sử dụng phương pháp phân tích trắc lượng thư mục đối với 236 bài báo khoa học bằng tiếng Anh thuộc cơ sở dữ liệu Scopus nhằm hệ thống hóa xu hướng công bố, xác định các chủ đề trọng tâm và khoảng trống nghiên cứu. Kết quả nghiên cứu cho thấy, lĩnh vực này đang phát triển mạnh mẽ, với sự đa dạng về bối cảnh ứng dụng, cách tiếp cận lý thuyết và các yếu tố ảnh hưởng đến ý định tiếp tục sử dụng. Trên cơ sở đó, nghiên cứu đề xuất các định hướng nghiên cứu tiếp theo và hàm ý quản trị nhằm thúc đẩy việc duy trì sử dụng trí tuệ nhân tạo tạo sinh trong thực tiễn.

Từ khóa: Trí tuệ nhân tạo, Generative AI, trắc lượng thư mục, bibliometric, Scopus

Abstract

The rapid development of generative artificial intelligence (AI) has created a need to investigate the factors influencing users’ continuance intention to use this technology beyond the initial trial stage. This study employs bibliometric analysis of 236 English-language scientific articles indexed in the Scopus database to systematize publication trends, identify major research themes, and highlight research gaps. The findings indicate that this field is developing rapidly, with increasing diversity in application contexts, theoretical approaches, and factors influencing continuance intention. On this basis, the study proposes future research directions and managerial implications to promote the sustained use of generative AI in practice.

Keywords: Artificial intelligence, generative AI, bibliometric analysis, bibliometrics, Scopus

GIỚI THIỆU

Sự phát triển nhanh chóng của trí tuệ nhân tạo tạo sinh (Generative Artificial Intelligence - GenAI), đặc biệt từ khi ChatGPT ra đời vào cuối năm 2022, đã thúc đẩy ứng dụng công nghệ này trong nhiều lĩnh vực như: giáo dục, kinh doanh, y tế, du lịch và dịch vụ. Cùng với quá trình phổ biến công nghệ, các nghiên cứu không chỉ tập trung vào những yếu tố ảnh hưởng đến sự chấp nhận ban đầu mà còn chú trọng đến ý định tiếp tục sử dụng GenAI trong dài hạn (Wolf và Maier, 2024; Pham và cộng sự, 2024).

Các nghiên cứu hiện nay vận dụng nhiều mô hình lý thuyết như: Mô hình xác nhận kỳ vọng, Mô hình chấp nhận công nghệ, Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ, Mô hình thành công hệ thống thông tin và Khung lý thuyết kích thích - chủ thể - phản ứng để giải thích ý định tiếp tục sử dụng. Đồng thời, các nghiên cứu cũng xem xét những yếu tố đặc thù của GenAI như độ tin cậy, tính nhân hóa, khả năng tương tác và chất lượng phản hồi. Tuy nhiên, sự đa dạng về cách tiếp cận lý thuyết, bối cảnh ứng dụng và các yếu tố tác động đặt ra yêu cầu hệ thống hóa tri thức, nhận diện xu hướng phát triển và xác định những khoảng trống nghiên cứu cần tiếp tục khai thác.

Trên cơ sở đó, nghiên cứu sử dụng phương pháp phân tích trắc lượng thư mục (bibliometric analysis) đối với 236 bài báo khoa học thuộc cơ sở dữ liệu Scopus, nhằm phân tích xu hướng công bố, các công trình có ảnh hưởng, mạng lưới từ khóa và cấu trúc chủ đề nghiên cứu về ý định tiếp tục sử dụng GenAI. Kết quả góp phần làm rõ sự phát triển của lĩnh vực, xác định các hướng nghiên cứu tiềm năng và đề xuất hàm ý quản trị nhằm thúc đẩy việc duy trì sử dụng GenAI trong thực tiễn.

CƠ SỞ LÝ THUYẾT

GenAI và ý định tiếp tục sử dụng

GenAI là công nghệ AI có khả năng tạo nội dung mới như văn bản, hình ảnh, âm thanh và mã nguồn dựa trên các mẫu học được từ dữ liệu. Khả năng này mở rộng phạm vi ứng dụng nhưng cũng đặt ra vấn đề về độ chính xác và độ tin cậy của kết quả (Feuerriegel và cộng sự, 2023). Vì vậy, việc người dùng chấp nhận trải nghiệm ban đầu chưa đủ để bảo đảm công nghệ được sử dụng lâu dài.

Ý định tiếp tục sử dụng phản ánh dự định duy trì sử dụng công nghệ sau khi người dùng đã có trải nghiệm thực tế (Bhattacherjee, 2001). Khác với chấp nhận ban đầu, quyết định này dựa trên đánh giá được hình thành trong quá trình sử dụng. Tuy nhiên, ý định tiếp tục sử dụng không đồng nhất với hành vi sử dụng thực tế kéo dài theo thời gian. Phân biệt 2 khái niệm giúp xác định phạm vi diễn giải các nghiên cứu về duy trì sử dụng GenAI.

Các nền tảng lý thuyết giải thích việc duy trì sử dụng

Mô hình xác nhận kỳ vọng của Bhattacherjee (2001) trực tiếp giải thích ý định tiếp tục sử dụng hệ thống thông tin. Theo mô hình, sự xác nhận kỳ vọng ảnh hưởng đến tính hữu ích cảm nhận và sự hài lòng; 2 yếu tố này góp phần giải thích ý định tiếp tục sử dụng. Đối với GenAI, Mô hình xác nhận kỳ vọng cho phép xem xét cách người dùng đối chiếu trải nghiệm với kỳ vọng và đánh giá lợi ích của công nghệ, qua đó lý giải quyết định duy trì sử dụng sau trải nghiệm ban đầu.

Mô hình chấp nhận công nghệ nhấn mạnh tính hữu ích cảm nhận và tính dễ sử dụng cảm nhận trong việc giải thích sự chấp nhận công nghệ (Davis, 1989). Với GenAI, 2 yếu tố này gợi mở việc đánh giá lợi ích đối với nhiệm vụ và mức độ thuận tiện khi tương tác. Tuy nhiên, khi vận dụng Mô hình chấp nhận công nghệ để nghiên cứu duy trì sử dụng, cần xem xét thêm trải nghiệm sau chấp nhận và sự hài lòng để làm rõ quyết định tiếp tục của người dùng.

Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ mở rộng cách tiếp cận thông qua kỳ vọng hiệu quả, kỳ vọng nỗ lực, ảnh hưởng xã hội và điều kiện thuận lợi (Venkatesh và cộng sự, 2003). Các yếu tố này cho phép đặt hành vi sử dụng trong bối cảnh xã hội và tổ chức. Hỗ trợ kỹ thuật, nguồn lực và ảnh hưởng từ đồng nghiệp là những khía cạnh có thể được xem xét khi mở rộng nghiên cứu sang duy trì sử dụng GenAI.

Mô hình thành công hệ thống thông tin liên kết chất lượng hệ thống, chất lượng thông tin và chất lượng dịch vụ với việc sử dụng, sự hài lòng và lợi ích ròng (Delone và McLean, 2003). Trong bối cảnh GenAI, mô hình cung cấp cơ sở để xem xét chất lượng vận hành và nội dung đầu ra. Cách tiếp cận này bổ sung cho Mô hình xác nhận kỳ vọng bằng việc làm rõ các khía cạnh chất lượng góp phần hình thành đánh giá sau sử dụng.

Khung kích thích - chủ thể - phản ứng giải thích cách các kích thích môi trường ảnh hưởng đến trạng thái bên trong và phản ứng hành vi của cá nhân (Mehrabian và Russell, 1974). Khi vận dụng vào GenAI, chất lượng phản hồi hoặc đặc điểm giao tiếp có thể được xem là kích thích; đánh giá và cảm xúc là trạng thái trung gian; ý định tiếp tục sử dụng là phản ứng cần giải thích. Cách tiếp cận này kết nối đặc điểm công nghệ với trải nghiệm và quyết định của người dùng.

Bên cạnh đó, Lý thuyết tự quyết nhấn mạnh vai trò của các nhu cầu tâm lý về tự chủ, năng lực và sự gắn kết đối với động lực cá nhân (Ryan và Deci, 2000). Lý thuyết này gợi mở việc xem xét động lực duy trì sử dụng khi GenAI hỗ trợ người dùng chủ động thực hiện nhiệm vụ và phát triển năng lực, bổ sung cho các góc nhìn về hiệu quả và chất lượng công nghệ.

PHƯƠNG PHÁP NGHIÊN CỨU

Nghiên cứu sử dụng phương pháp phân tích trắc lượng thư mục nhằm đánh giá xu hướng phát triển và cấu trúc tri thức của các nghiên cứu về ý định tiếp tục sử dụng trí tuệ nhân tạo tạo sinh. Dữ liệu được thu thập từ Scopus thông qua các nhóm từ khóa liên quan đến ý định tiếp tục sử dụng và GenAI, kết hợp các toán tử AND/OR trong tiêu đề, tóm tắt và từ khóa. Dữ liệu được truy xuất ngày 3/8/2026, giới hạn ở các bài báo khoa học bằng tiếng Anh.

Sau sàng lọc, bộ dữ liệu gồm 236 bài báo trên 152 tạp chí, công bố trong giai đoạn 2019-2026, với sự tham gia của 693 tác giả, 787 từ khóa tác giả và 15.103 tài liệu tham khảo được trích dẫn. Dữ liệu được chuẩn hóa và phân tích bằng phần mềm Bibliometrix, thông qua giao diện Biblioshiny trên nền tảng R 4.5.0, tập trung vào năm nội dung: xu hướng công bố, nguồn công bố nổi bật, các tài liệu có ảnh hưởng, mạng lưới đồng xuất hiện từ khóa và bản đồ chủ đề. Kết quả là cơ sở nhận diện xu hướng phát triển, khoảng trống và định hướng nghiên cứu tiếp theo.

KẾT QUẢ NGHIÊN CỨU

Xu hướng công bố theo thời gian

Hình 1 cho thấy, số lượng nghiên cứu về duy trì sử dụng GenAI tăng nhanh trong những năm gần đây. Giai đoạn 2019-2023 ghi nhận 1 bài công bố năm 2019 và 4 bài năm 2023; số lượng tăng lên 25 bài năm 2024 và 94 bài năm 2025. Đáng chú ý, chỉ trong 7 tháng đầu năm 2026 đã có 111 bài, chiếm khoảng 47% tổng số công trình được khảo sát. Kết quả phản ánh sự gia tăng mạnh mẽ của mối quan tâm học thuật đối với lĩnh vực này.

Hình 1: Xu hướng công bố theo thời gian

Nguồn: Kết quả tổng hợp của tác giả

Các nguồn công bố nổi bật

Bảng 1 trình bày các tạp chí có số lượng công bố nhiều nhất về chủ đề này. Kết quả cho thấy, Education and Information Technologies dẫn đầu với 15 bài báo, tiếp theo là International Journal of Human - Computer Interaction với 12 bài, phản ánh sự quan tâm nổi bật của 2 lĩnh vực giáo dục và tương tác người - máy đối với hành vi tiếp tục sử dụng GenAI. Các tạp chí: như Acta Psychologica (6 bài), Frontiers in Education (5 bài), Frontiers in Psychology và Telematics and Informatics (4 bài) cũng có số lượng công bố đáng kể, cho thấy chủ đề này đang được tiếp cận từ nhiều góc độ khác nhau như tâm lý học, giáo dục và hệ thống thông tin. Điều này cho thấy nghiên cứu về hành vi tiếp tục sử dụng GenAI có tính liên ngành, đồng thời khẳng định GenAI continuance đang trở thành một hướng nghiên cứu được quan tâm rộng rãi trong nhiều lĩnh vực khoa học xã hội và quản lý.

Bảng 1: Các nguồn công bố có số lượng bài báo nhiều nhất

Nguồn: Kết quả tổng hợp của tác giả

Các công trình có ảnh hưởng

Bảng 2 cho thấy, Yusuf và cộng sự (2024) dẫn đầu với 453 lượt trích dẫn toàn cầu, tiếp theo là Hyun Baek và Kim (2023) với 296 và Pham và cộng sự (2024) với 198. Các công trình tập trung giải thích ý định tiếp tục sử dụng ChatGPT và GenAI trong giáo dục, bán lẻ, dịch vụ và tương tác người - máy. Mức trích dẫn cao của các nghiên cứu 2023-2024 phản ánh tốc độ phát triển nhanh và vai trò nổi bật của các nghiên cứu thực nghiệm về hành vi người dùng.

Bảng 2: Các tài liệu được trích dẫn nhiều nhất trên phạm vi toàn cầu

Nguồn: Kết quả tổng hợp của tác giả

Phân tích đồng xuất hiện từ khóa

Kết quả phân tích đồng xuất hiện từ khóa Hình 2 cho thấy, các từ khóa được tổ chức thành 4 cụm nghiên cứu chính, với ChatGPT, artificial intelligence, generative AI và continuance intention đóng vai trò kết nối giữa các cụm. Cụ thể:

- Cụm đỏ tập trung vào ChatGPT và ứng dụng GenAI, với các từ khóa nổi bật như artificial intelligence, adoption, intention to use, chatbot, education, academic integrity và user experience. Cụm này phản ánh hướng nghiên cứu gắn GenAI với việc chấp nhận, sử dụng và các vấn đề phát sinh trong quá trình ứng dụng.

- Cụm xanh lá tập trung rõ hơn vào continuance intention, generative artificial intelligence, higher education, self-determination theory, personalization, social influence và Mô hình xác nhận kỳ vọng. Cụm này cho thấy sự chuyển dịch từ nghiên cứu chấp nhận sang giải thích các cơ chế duy trì sử dụng, đặc biệt trong bối cảnh giáo dục.

- Cụm xanh dương liên kết generative AI với trust, continuous use intention, AI literacy, technology adoption và technology continuance theory, phản ánh hướng tiếp cận hành vi và niềm tin của người dùng đối với việc sử dụng lâu dài.

- Cụm tím nhỏ hơn, xoay quanh user satisfaction và PLS-SEM cho thấy một hướng nghiên cứu tương đối chuyên biệt về trải nghiệm người dùng và phương pháp kiểm định mô hình.

Nhìn tổng thể, mạng lưới cho thấy continuance đang dần trở thành một hướng nghiên cứu riêng bên cạnh adoption, trong đó ChatGPT là điểm kết nối quan trọng giữa nghiên cứu công nghệ, trải nghiệm người dùng và hành vi tiếp tục sử dụng.

Hình 2: Mạng lưới đồng xuất hiện từ khóa

Nguồn: Kết quả tổng hợp của tác giả

Bản đồ chủ đề nghiên cứu

Hình 3 phản ánh vị trí các chủ đề theo mật độ (Density) và mức độ trung tâm (Centrality).

Chủ đề động lực (Motor Themes): 2 cụm nổi bật phản ánh trục phát triển chính của lĩnh vực. Cụm lớn xoay quanh ChatGPT, artificial intelligence và large language models, cho thấy sự tập trung mạnh vào các công nghệ cốt lõi của GenAI. Cụm nhỏ liên kết continuance intention, generative artificial intelligence và self-determination theory, phản ánh xu hướng mở rộng sang các cơ chế giải thích hành vi tiếp tục sử dụng.

Chủ đề chuyên biệt (Niche Themes): 2 cụm có mức độ phát triển tương đối cao nhưng phạm vi liên kết hẹp. Cụm thứ nhất gồm trust, satisfaction và continuance usage intention, nhấn mạnh các yếu tố trải nghiệm và niềm tin. Cụm thứ hai gồm technology acceptance model, university students và PLS-SEM cho thấy hướng nghiên cứu tập trung vào chấp nhận công nghệ trong bối cảnh giáo dục.

Chủ đề cơ bản (Basic Themes): Generative AI, technology adoption và continuance intention to use tạo thành một cụm nền tảng của lĩnh vực. Cụm còn lại gồm higher education, Lý thuyết thống nhất về chấp nhận và sử dụng công nghệ và technology acceptance, phản ánh các hướng tiếp cận phổ biến nhưng chưa có mức độ phát triển tương ứng.

Chủ đề suy giảm (Declining Themes): Cụm large language model, continuous use intention và education cho thấy các hướng nghiên cứu trước đây đang giảm vai trò tương đối. Tương tự, privacy concerns, Mô hình chấp nhận công nghệ và educational technology hiện nằm ở vùng ít trung tâm và ít phát triển hơn.

Hình 3: Bản đồ chủ đề nghiên cứu

Nguồn: Kết quả tổng hợp của tác giả

Thảo luận

Kết quả phân tích trắc lượng thư mục cho thấy, nghiên cứu về duy trì sử dụng GenAI đang phát triển nhanh cả về quy mô và nội dung, thể hiện qua 3 khía cạnh chính.

Thứ nhất, xu hướng nghiên cứu ngày càng được mở rộng. Số lượng công trình tăng mạnh từ năm 2024, đặc biệt trong giai đoạn 2025-2026, phản ánh sự chuyển dịch từ nghiên cứu chấp nhận công nghệ ban đầu sang ý định tiếp tục sử dụng sau trải nghiệm. Các công bố trải rộng trên nhiều lĩnh vực như giáo dục, tâm lý học, hệ thống thông tin và quản trị, cho thấy tính liên ngành và tiềm năng phát triển của hướng nghiên cứu này.

Thứ hai, nền tảng lý thuyết ngày càng được bổ sung. Các nghiên cứu chủ yếu vận dụng mô hình chấp nhận công nghệ, mô hình xác nhận kỳ vọng, mô hình thành công hệ thống thông tin và Khung lý thuyết kích thích - chủ thể - phản ứng. Bên cạnh các yếu tố truyền thống như tính hữu ích cảm nhận, niềm tin và sự hài lòng, những yếu tố đặc thù của GenAI như tính nhân hóa, quan ngại về quyền riêng tư và giá trị cảm nhận ngày càng được chú trọng, gợi mở hướng mở rộng các mô hình lý thuyết hiện có.

Thứ ba, khoảng trống nghiên cứu còn đáng kể. Các công trình chủ yếu tập trung vào ChatGPT và giáo dục đại học, trong khi lĩnh vực doanh nghiệp, y tế, sản xuất và khu vực công chưa được nghiên cứu tương xứng. Về địa lý, nghiên cứu tập trung tại Trung Quốc, Hàn Quốc và Hoa Kỳ, với sự tham gia còn hạn chế của các nền kinh tế đang phát triển. Do đó, cần mở rộng bối cảnh ứng dụng và khai thác sâu hơn các đặc trưng của GenAI nhằm nâng cao khả năng giải thích và khái quát hóa kết quả nghiên cứu.

KẾT LUẬN VÀ HÀM Ý NGHIÊN CỨU

Kết luận

Nghiên cứu đã hệ thống hóa xu hướng phát triển của các công trình về ý định tiếp tục sử dụng GenAI thông qua phân tích trắc lượng thư mục 236 bài báo thuộc cơ sở dữ liệu Scopus. Kết quả cho thấy, lĩnh vực này đang phát triển nhanh, với sự đa dạng về bối cảnh ứng dụng, nền tảng lý thuyết và các yếu tố ảnh hưởng đến hành vi duy trì sử dụng. Trong đó, sự hài lòng, niềm tin, tính hữu ích cảm nhận và chất lượng trải nghiệm là những yếu tố được quan tâm nghiên cứu. Tuy nhiên, các công trình hiện nay chủ yếu tập trung vào lĩnh vực giáo dục, trong khi những bối cảnh ứng dụng khác còn hạn chế. Kết quả nghiên cứu góp phần làm rõ cấu trúc tri thức, xác định khoảng trống và định hướng nghiên cứu tiếp theo, đồng thời cung cấp cơ sở khoa học cho việc xây dựng các giải pháp thúc đẩy sử dụng GenAI một cách bền vững.

Hàm ý nghiên cứu

Về học thuật, nghiên cứu góp phần hệ thống hóa xu hướng nghiên cứu về ý định tiếp tục sử dụng GenAI, đồng thời gợi mở việc mở rộng các mô hình lý thuyết hiện có thông qua những yếu tố như tính nhân hóa, quan ngại về quyền riêng tư và giá trị cảm nhận nhằm giải thích đầy đủ hơn hành vi người dùng.

Về thực tiễn, các tổ chức, doanh nghiệp và cơ sở giáo dục cần chú trọng nâng cao sự hài lòng, niềm tin, chất lượng tương tác và bảo vệ quyền riêng tư nhằm thúc đẩy duy trì sử dụng GenAI. Đồng thời, cần mở rộng nghiên cứu và ứng dụng sang các lĩnh vực kinh doanh, y tế, dịch vụ và khu vực công, góp phần nâng cao hiệu quả chuyển đổi số.

Tài liệu tham khảo:

1. Aria, M., & Cuccurullo, C. (2017). bibliometrix : An R-tool for comprehensive science mapping analysis. Journal of Informetrics, 11(4), 959-975. https://doi.org/10.1016/j.joi.2017.08.007

2. Baas, J., Schotten, M., Plume, A., Côté, G., & Karimi, R. (2020). Scopus as a curated, high-quality bibliometric data source for academic research in quantitative science studies. Quantitative Science Studies, 1(1), 377-386. https://doi.org/10.1162/qss_a_00019

3. Bhattacherjee, A. (2001). Understanding Information Systems Continuance: An Expectation-Confirmation Model. MIS Quarterly, 25, 351-370. https://doi.org/10.2307/3250921

4. Chakraborty, D., Troise, C., & Bresciani, S. (2025). Exploring consumer intentions to continue: Integrating task technology fit and social technology fit in generative AI based shopping platforms. Technovation, 142. https://doi.org/10.1016/j.technovation.2025.103189

5. Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340. https://doi.org/10.2307/249008

6. Delone, W., & McLean, E. (2003). The DeLone and McLean Model of Information Systems Success: A Ten-Year Update. J. of Management Information Systems, 19, 9-30. https://doi.org/10.1080/07421222.2003.11045748

7. Donthu, N., Kumar, S., Mukherjee, D., Pandey, N., & Lim, W. M. (2021). How to conduct a bibliometric analysis: An overview and guidelines. Journal of Business Research, 133, 285-296. https://doi.org/10.1016/j.jbusres.2021.04.070

8. Duong, C. D., Nguyen, T. H., Ngo, T. V. N., Dao, V. T., Do, N. D., & Pham, T. V. (2024). Exploring higher education students’ continuance usage intention of ChatGPT: amalgamation of the information system success model and the stimulus-organism-response paradigm. International Journal of Information and Learning Technology, 41(5), 556-584. https://doi.org/10.1108/ijilt-01-2024-0006

9. Feuerriegel, S., Hartmann, J., Janiesch, C., & Zschech, P. (2023). Generative AI. SSRN Electronic Journal. https://doi.org/10.2139/ssrn.4443189

10. Li, L., Peng, W., & Rheu, M. M. J. (2024). Factors Predicting Intentions of Adoption and Continued Use of Artificial Intelligence Chatbots for Mental Health: Examining the Role of UTAUT Model, Stigma, Privacy Concerns, and Artificial Intelligence Hesitancy. Telemed J E Health, 30(3), 722-730. https://doi.org/10.1089/tmj.2023.0313

11. Pham, H. C., Duong, C. D., & Nguyen, G. K. H. (2024). What drives tourists’ continuance intention to use ChatGPT for travel services? A stimulus-organism-response perspective. Journal of Retailing and Consumer Services, 78. https://doi.org/10.1016/j.jretconser.2024.103758

12. Ryan, R., & Deci, E. (2000). Self-Determination Theory and the Facilitation of Intrinsic Motivation, Social Development, and Well-Being. American Psychologist, 55, 68-78. https://doi.org/10.1037/0003-066X.55.1.68

13. Venkatesh, V., Morris, M., Davis, G., & Davis, F. (2003). User Acceptance of Information Technology: Toward A Unified View1. MIS Quarterly, 27, 425-478. https://doi.org/10.2307/30036540

14. Wolf, V., & Maier, C. (2024). ChatGPT usage in everyday life: A motivation-theoretic mixed-methods study. International Journal of Information Management, 79. https://doi.org/10.1016/j.ijinfomgt.2024.102821

15. Won, J., & Lee, C. H. (2026). Sustaining tourists’ adoption of generative AI for travel planning: the role of information quality and AI literacy. Journal of Hospitality and Tourism Technology, 1-25. https://doi.org/10.1108/jhtt-10-2025-0937

16. Yusuf, A., Pervin, N., & Román-González, M. (2024). Generative AI and the future of higher education: a threat to academic integrity or reformation? Evidence from multicultural perspectives. International Journal of Educational Technology in Higher Education, 21(1). https://doi.org/10.1186/s41239-024-00453-6