Evaluating Egyptian Citizens' Perception Toward Introducing Voice Assistant Technology as a Means of Improving Public Service Delivery: Utilizing Machine Learning as an Additional Perception's Predictor تقييم انطباعات المواطنين المصريين نحو إدخال تقنية المساعد الصوتي كأداة لتطوير تقديم الخدمات العامة: استخدام التعلم الآلي كمتنبئ إضافي للقبول

A comprehensive case study extending the Technology Acceptance Model (TAM) with trustworthiness and risk factors, coupled with 10 Machine Learning algorithms to forecast e-government AI adoption in Egypt. دراسة حالة شاملة توسع نموذج قبول التكنولوجيا (TAM) بإضافة عوامل الثقة والمخاطر، مع تطبيق ١٠ خوارزميات للتعلم الآلي للتنبؤ بتبني الذكاء الاصطناعي في الخدمات الحكومية المصرية.

By Yasser Halim¹, Hazem Halim², Karim Salem² & Israa Lewaaelhamd^{2 1}October University for Modern Sciences and Arts (MSA) • ²British University in Egypt (BUE) بقلم: د. ياسر حليم^١، حازم حليم^٢، كريم سالم^٢، وإسراء لؤاء الحمد^{٢ ١}جامعة أكتوبر للمعلوميات والعلوم الحديثة • ^٢الجامعة البريطانية في مصر • Published August 2026 (Ref. Future Business Journal 11:242) أغسطس ٢٠٢٦ • 10 min read مدة القراءة: ١٠ دقائق

Figure 1: Voice Assistant Technology (VAT) & Machine Learning Predictive Modeling in Public Service Delivery الشكل ١: تقنية المساعد الصوتي والنمذجة التنبؤية بالتعلم الآلي في تقديم الخدمات الحكومية

1. Introduction & Public Sector AI Integration ١. المقدمة والدمج الذكي للتكنولوجيا في القطاع الحكومي

The rapid emergence of Artificial Intelligence (AI) and Machine Learning (ML) is redefining citizen interactions with public service bodies worldwide. Voice Assistant Technology (VAT)—encompassing solutions such as Google Assistant, Amazon Alexa, and customized enterprise voice engines—enables natural language human-computer interaction, offering unprecedented accessibility, speed, and inclusiveness for public service administration. يعيد التوسع السريع للذكاء الاصطناعي (AI) والتعلم الآلي (ML) صياغة كيفية تفاعل المواطنين مع الهيئات الحكومية الإدارية حول العالم. تتيح تقنيات المساعد الصوتي (VAT) تفاعلاً طبيعياً بلغة بشرية سلسة، مما يوفر مستويات غير مسبوقة من الوصول والسرعة والشمولية لتقديم الخدمات العامة.

Figure 2: Egyptian Citizen Interacting with a Prototype Public Service Smart Voice Kiosk in Cairo الشكل ٢: مواطن مصري يتفاعل مع نموذج لكشك خدمة حكومية ذكي يعمل بالمساعد الصوتي في القاهرة

In high uncertainty-avoidance environments such as Egypt, institutional trust, cyber security, and perceived risk play a decisive role in governing technology adoption. While developed nations have integrated virtual assistants into e-government portals, this case study bridges a crucial empirical gap by validating adoption parameters alongside predictive computational algorithms. وفي البيئات المتحفظة ثقافياً تجاه المخاطر والمجهول مثل مصر، تلعب الثقة المؤسسية والأمن السيبراني والمخاطر المدركة دوراً حاسماً في تنظيم تبني التكنولوجيا. وتقدم دراسة الحالة هذه حلولاً تجريبية لربط قبول المواطنين بالنماذج الحسابية التنبؤية.

2. Empirical Methodology & Machine Learning Execution ٢. المنهجية الميدانية وتنفيذ خوارزميات التعلم الآلي

A rigorous mixed-method design integrated quantitative data from 398 technologically literate citizens with qualitative insights from 14 software coding and telecommunications maintenance engineers (WE Egypt). Multiple linear regression in SPSS v28 established statistical significance ($p < 0.05$), demonstrating that Usefulness ($\beta = 0.316$) and Trustworthiness ($\beta = 0.284$) positively drive acceptance, whereas Perceived Risk ($\beta = -0.105$) operates as a major barrier. اعتمد تصميم البحث على دمج البيانات الكمية لـ ٣٩٨ مواطناً مع مقابلات نوعية مع ١٤ مهندس برمجيات واتصالات بشركة المصرية للاتصالات (WE). وأثبت الانحدار الإحصائي دلالة معنوية لـ الفائدة المدركة ($\beta = 0.316$) والجدارة بالثقة ($\beta = 0.284$) كداعمين للقبول، بينما أظهرت المخاطر المدركة ($\beta = -0.105$) عائقاً سلبيًا.

Figure 4: Machine Learning Predictive Performance Analytics & Neural Algorithm Forecasting Dashboard الشكل ٤: لوحة تحليلات الأداء التنبؤي لخوارزميات التعلم الآلي والنماذج العصبية الاصطناعية

The Times Magazine • Special Report • Public Sector AI Impact تايمز ماجازين • تقرير خاص • أثر الذكاء الاصطناعي الحكومي

The Voice Revolution in Public Administration: Strategic Outcomes & Future Policy Directives ثورة الصوت في الإدارة العامة: المخرجات الاستراتيجية والتوجيهات التنفيذية المستقبليّة

How computational analytics and citizen trust frameworks are reshaping government service delivery across Egypt. كيف تشكل التحليلات الحسابية وأطر ثقة المواطنين مستقبل تقديم الخدمات الحكومية في مصر.

Figure 5: High-Level Public Administration & Technology Strategy Boardroom Session in Cairo الشكل ٥: جلسة مجلس إستراتيجية الإدارة العامة والتكنولوجيا رفيعة المستوى بالقاهرة

Building citizen trust in automated AI systems is not a peripheral marketing exercise—it is the foundational prerequisite for sustainable digital public governance in developing economies. إن بناء ثقة المواطنين في أنظمة الذكاء الاصطناعي المؤتمتة ليس ترفاً — بل هو الشرط الأساسي لإقامة حوكمة رقمية مستدامة في الاقتصاديات النامية.

1. Hybrid Dual Transition Model ١. نموذج الانتقال الهجين المزدوج

Public administration agencies should implement a phased, dual-track service delivery mechanism. Operating automated AI voice assistants alongside traditional human customer service desks ensures that citizens transition smoothly without alienating non-digitally fluent or elderly populations. يجب على الجهات الحكومية تطبيق آلية تقديم خدمات هجينة ومزدوجة. إن تشغيل المساعدات الصوتية الذكية جنباً إلى جنب مع المكاتب التقليدية يضمن انتقال المواطنين بمرونة دون إقصاء كبار السن أو غير الملمين بالتكنولوجيا.

2. Institutional Trust & Risk Safeguards ٢. ضمانات الثقة المؤسسية والحماية من المخاطر

Because trustworthiness ($\beta = 0.284$) and perceived risk ($\beta = -0.105$) directly govern adoption intention, government voice portals must integrate visible data encryption badges, vocal transaction confirmations, and clear privacy disclosures. نظراً لأن الجدارة بالثقة والمخاطر المدركة تؤثران مباشرة على نية التبني، يجب أن تتضمن البوابات الصوتية الحكومية إشارات تشفير مرئية وتأكيدات صوتية للعمليات وبيانات خصوصية واضحة.

3. Youth-Driven Digital Acceleration ٣. التسريع الرقمي الموجه للشباب

With an 84.5% mobile smartphone adoption rate among Egyptian youth (ages 18–29), early-stage rollout campaigns should target Gen Z and Millennials as primary champions to foster nationwide social momentum and digital normalization. مع استئثار الشباب بمعدل وصول للهواتف الذكية يصل إلى ٨٤.٥٪، ينبغي أن تستهدف حملات الإطلاق جيل الشباب كأبطال للتغيير لبناء زخم اجتماعي وتطبيع استخدام الذكاء الاصطناعي.

4. Machine Learning Predictive Governance ٤. الحوكمة التنبؤية بالتعلم الآلي

Deploying high-accuracy ML algorithms (Stochastic Gradient Descent: 71.92%, Ridge Regression: 70.94%) empowers public sector leaders to forecast regional adoption rates, optimize IT infrastructure investment, and dynamically tailor civic awareness campaigns. يتيح نشر خوارزميات التعلم الآلي عالية الدقة (SGD بنسبة ٧١.٩٢٪ وريدج بنسبة ٧٠.٩٤٪) لقيادات القطاع العام التنبؤ بمعدلات القبول الإقليمية وتخصيص الموارد التقنية بديناميكية.