Psychological Predictors of AI-Assisted Learning Adoption among University Students in India and Uzbekistan: A Conceptual Framework of Psychological AI Readiness

Introduction. The rapid proliferation of artificial intelligence (AI) tools in higher education has opened new frontiers in pedagogical delivery and student engagement. Yet the pace of AI adoption among university students remains uneven and is shaped more by psychological than purely technological factors. Aim and objectives. This paper aims to identify the key psychological predictors of AI-assisted learning adoption among university students in India and Uzbekistan and to develop a conceptual framework that translates these predictors into a practical instrument for educational design. The objectives are to synthesise the relevant theory, compare the two national contexts analytically, operationalise a four-domain model of Psychological AI Readiness (PAR), and outline how the model can be implemented and tested. Materials and methods. The study is a conceptual (theoretical) paper. It employs a structured narrative review of the international and regional literature. It integrates three established theoretical frameworks – the Technology Acceptance Model (TAM), Self-Determination Theory (SDT), and Social Cognitive Theory (SCT) – to derive and operationalise the proposed framework. No primary empirical data were collected; instead, a pilot study design is proposed for subsequent validation. Results. Five psychological predictors are identified as central to AI adoption: self-efficacy, technology anxiety, intrinsic motivation, perceived usefulness, and social influence. These are organised into the four interactive domains of the PAR framework – cognitive, affective, motivational, and social – each operationalised in terms of what it diagnoses, its measurable indicators, the student difficulties it reveals, the corresponding pedagogical actions, and the training formats that develop it. A comparative analysis of India and Uzbekistan, summarised in a comparative table, shows how the salience of each predictor differs across the two contexts. A structure for an AI Readiness Training Programme and a proposed pilot implementation plan are also presented. Conclusion. The PAR framework offers a theoretically grounded and practically applicable tool for designing psychologically informed AI integration in higher education. It yields concrete benefits for students and teachers and provides a testable basis for future empirical research in India, Uzbekistan, and comparable contexts.

Введение. Стремительное распространение инструментов искусственного интеллекта (ИИ) в высшем образовании открывает новые горизонты в педагогической деятельности и вовлечённости студентов, однако темпы внедрения ИИ остаются неравномерными и определяются в значительной мере психологическими, а не исключительно технологическими факторами. Цель и задачи. Цель статьи – выявить ключевые психологические предикторы принятия обучения с применением ИИ студентами университетов Индии и Узбекистана и разработать концептуальную модель, переводящую эти предикторы в практический инструмент проектирования образования. Задачи включают синтез теории, аналитическое сравнение двух национальных контекстов, операционализацию четырёхдоменной модели психологической готовности к ИИ (PAR) и описание её внедрения и проверки. Материал и методы. Работа носит концептуальный (теоретический) характер. Использован структурированный обзор международной и региональной литературы; интегрированы три устоявшиеся теоретические рамки – модель принятия технологий (TAM), теория самодетерминации (SDT) и социально-когнитивная теория (SCT). Первичные эмпирические данные не собирались; вместо этого предложен дизайн пилотного исследования. Результаты. Выделены пять психологических предикторов: самоэффективность, технологическая тревожность, внутренняя мотивация, воспринимаемая полезность и социальное влияние. Они организованы в четыре взаимодействующих домена модели PAR – когнитивный, аффективный, мотивационный и социальный, – каждый из которых операционализирован с точки зрения диагностики, индикаторов, выявляемых трудностей, педагогических действий и форм обучения. Сравнительный анализ Индии и Узбекистана представлен в виде таблицы. Предложены структура программы обучения готовности к ИИ и план пилотного исследования. Заключение. Модель PAR представляет собой теоретически обоснованный и практически применимый инструмент проектирования психологически информированной интеграции ИИ в высшем образовании, приносящий конкретную пользу студентам и преподавателям и создающий проверяемую основу для дальнейших эмпирических исследований.