Google classroom can work in unidirectional process as it can serve the teachers’ strategies and styles on one hand and students’ perception, understanding, and effective participation in different classroom skills on the other hand. The ac-ceptance of Google classroom is affected by different factors. Some of them are still not clearly specified and discussed in previous research; therefore, they need further investigation. Based on the previous assumption, this study is an attempt to examine the factors that affect the students’ acceptance of Google classroom at Al Buraimi University College (BUC) in Oman. The Technology Acceptance Model (TAM) was adopted to formulate the hypotheses of the current study. The data was collected through an online questionnaire with 337 respondents. The Partial Least Square-Structural Equation Model (PLS-SEM) approach was used to assess both the measurement and structural models. The results of the study prove that both the perceived ease of use (PEOU) and perceived usefulness (PU) positively influence the behavioral intention, which in turn influence the actual usage of Google classrooms. This study helps the decision makers of the higher educational institutions to have a better understanding of the effectiveness of us-ing Google classroom by their students. It is assumed that it helps in measuring the level of students’ acceptance to the previously mentioned technology.

The metaverse is a kind of imagined world with immersive digital spaces that increase, allowing a more interactive environment in educational settings. The metaverse is an expansion of the synchronous communication that embraces an effective number of users to share different experiences. The study aims to investigate the students' perceptions towards metaverse system for educational purposes in the Gulf area. The conceptual model comprises the adoption properties, namely trialability, observability, compatibility, and complexity, users' satisfaction, personal innovativeness, and Technology Acceptance Model (TAM) constructs. The novelty of the paper lies in its conceptual model that correlates both personal-based characteristics and technology-based features. In addition, the novel approach of hybrid analysis will be used in the current study to perform deep-learning-based analysis of structural equation modelling (SEM) and artificial neural network (ANN). Moreover, the importance-performance map analysis (IPMA) is used in the current study to evaluate the involved factors for their importance and performance. The study identified Perceived Usefulness (PU) to be an essential predictor of the factor of Users’ Intention to Use the Metaverse System (MS). The fact was discovered during ANN and IPMA analysis. Furthermore, this study is practically significant, as it helped the concerned authorities in educational sector in understanding the significance of each factor and allowed them to make efforts and plans according to the order of significance of factors. Another important implication of the study is methodological in nature. It validates that deep ANN architecture can offer deep insight into non-linear relationships shared by various factors of a theoretical model.

This study seeks to explore the effect of fear emotion on students' and teachers' technology adoption during COVID-19 pandemic. The study has made use of Google Meet© as an educational social platform in private higher education institutes. The data obtained from the study were analyzed by using the partial least squares structural equation modeling (PLS-SEM) and machine learning algorithms. The main hypotheses of this study are related to the effect of COVID-19 on the adoption of Google Meet as COVID-19 rise s various types of fear. During the Coronavirus pandemic, fear due to family lockdown situation, fear of education failure and fear of losing social relationships are the most common types of threat that may face students and teachers/educators. These types of fears are connected with two important factors within TAM theory, which are: perceived ease of use (PEOU) and perceived usefulness (PU), and with another external factor of TAM, which is subjective norm (SN). The results revealed that both data analysis techniques have successfully provided support to all the hypothesized relationships of the research model. More interesting, the J48 classifier has performed better than the other classifiers in predicting the dependent variable in most cases.

The learning environment usually raises various types of anxiety based on the student’s abilities to use technology and their abilities to overcome the negative feelings of an individual being watched all the time and criticized. Hence, learners still feel anxious while using computers and socializing in an e-learning environment. Learners who are faced with computer and AI tools are confused and frustrated. The uneasiness stems from anxiety or uneasiness, which is highly evident in daily interaction with computers and artificial intelligence tools or devices in e-learning contexts. The uneasiness stems from anxiety or uneasiness, which is highly evident in the daily interaction with computers and artificial intelligence tools or devices in e-learning contexts. To investigate this phenomenon empirically, a questionnaire was distributed among a group of undergraduate students who are studying different majors. This study aims to investigate the role of social anxiety and computer anxiety in an e-learning environment at the university level. Universities in the Gulf area are among those implementing e-learning systems. In spite of this, recent studies have shown that most students at Gulf universities are still resistant to using online systems; hence, it is necessary to determine the type of anxiety that creates such resistance and their relationship with other external variables such as motivation, satisfaction and self-efficacy. Students would be more likely to use e-learning tools and participate more effectively in their courses using the accessible electronic channels when the degree of anxiety is low. In this study, we have proposed a theoretical framework to investigate the role of social anxiety and computer anxiety in e-learning environments in the Gulf region. We examined how different variables such as satisfaction, motivation and self-efficacy can negatively or positively affect these two types of anxiety.

Artificial intelligence applications (AIA) increase innovative interaction, allowing for a more interactive environment in governmental institutions. Artificial intelligence is user-friendly and embraces an effective number of features among the different services it offers. This study aims to investigate users’ experiences with AIA for governmental purposes in the Gulf area. The conceptual model comprises the adoption properties (namely trialability, observability, compatibility, and complexity), relative advantage, ease of doing business, and technology export. The novelty of the paper lies in its conceptual model that correlates with both personal characteristics and technology-based features. The results show that the variables of diffusion theory have a positive impact on the two variables of ease of doing business and technology export. The practical implications of the current study are significant. We urge the concerned authorities in the governmental sector to understand the significance of each factor and encourage them to make plans, according to the order of significance of the factors. The managerial implications provide insights into the implementation of AIA in governmental systems to enhance the development of the services they offer and to facilitate their use by all users.

There is increasing evidence that the lack of access to digital information and technologies is not widely considered in the educational sectors when focusing on the perceived experience, tutor quality and students’ satisfaction. In this paper, we report on an evaluation of a project aiming to bridge the use of digital information in the educational sector by proposing an integrated model that measures teachers’ quality, uncertainty avoidance effects and students’ satisfaction concerning TAM constructs and the perceived experience of digital information in education (DIE). The model and hypotheses were validated using data collected from a survey of 553 students at a college level. The results revealed that users may perceive the importance of DIE based on several external factors that enhance their learning and teaching experiences. The personal characteristics of the user including his/her readiness to use technology are crucial in correlation with the perceived ease of use. In addition, the high quality of the tutor in some cultures may enhance the perceived usefulness of the technology. Other factors such as flow of information, uncertain avoidance and satisfaction may strongly assess the continuous intention to use the technology.

The growing use of the Internet of Things (IoT) around the world has encouraged researchers to investigate how and why the IoT is implemented in colleges and universities. Previous studies have focused on individual attitudes rather than the integration of attitudes from two different perspectives. Furthermore, other studies have investigated the use of the IoT in non-educational settings, ignoring the effect of the IoT related to the technology acceptance model (TAM) and technological pedagogical content knowledge (TPACK) model. The present work aims to address this research gap by determining the main factors that influence acceptance of the IoT, leading to increased awareness in collaborative learning, where technology forms the core tool in enhancing the use of the IoT. A questionnaire was used to collect data from teachers and students from colleges and universities in Oman and the United Arab Emirates (UAE). The data were analyzed through the structural equation modeling (SEM) method. The findings indicated that there are two levels of positive effects on the intention to use IoT. The first level is technology features, which are represented by technology optimism and technology innovation; these factors are crucial to using the IoT. The second level is learning motivation, which has a close relationship with teachers’ knowledge, and content pedagogy, which has a significant effect on the familiarity with IoT tools and applications. TAM constructs have a positive and direct impact on the intention to use IoT. The practical and managerial implications show that teachers, educators, and students can obtain benefits from these results to help IoT features to suit users’ needs.

Advancements in technology have had a profound impact on the way we learn, teach, and access knowledge. From online learning platforms to interactive educational games and virtual reality simulations, technology has transformed the traditional classroom into a dynamic, engaging, and inclusive space for education. One of the promising advancements in the field of artificial intelligence technology is ChatGPT which offers personalized and effective learning experiences by providing students with customized feedback and explanation. The effect of ChatGPT must be compared with the effect of Google at the educational level since both present a source of information and explanation. Thus, this study aims at investigating the differences between these two learning sources to measure their effectiveness from different perspectives. The model proposed in this study was evaluated using the PLS-SEM approach, utilizing data collected from 153 university students in the UAE. The results of this evaluation indicate that the GPT (Generative Pre-trained Transformer) has a significant impact on user acceptance, mediated by information quality, system quality, perceived learning value, and perceived satisfaction. These factors play a crucial role in determining users' acceptance of the GPT. However, it is important to note that some aspects of the model were not supported, suggesting that they do not have a significant predictive effect on the use of ChatGPT. Nonetheless, the findings of this study contribute to the existing literature on AI and environmental sustainability, providing valuable insights for practitioners, policymakers, and AI product developers. These insights can help guide the development and implementation of AI technologies in a way that aligns with users' needs and preferences while considering the larger environmental context.