Faktory související s gramotností AI u vysokoškolských studentů
Vztah gramotnosti umělé inteligence s akademickými výsledky, čtenářskými návyky, závislostí na chytrých telefonech a internetovou závislostí mezi vysokoškolskými studenty
Přehled studie
Postavení
Podmínky
Intervence / Léčba
Detailní popis
Umělá inteligence (AI), transformační síla v rámci informačních technologií, je podoborem informatiky, která zahrnuje vytváření inteligentních strojů a softwaru, které jednají a reagují podobně jako lidé. S představením ChatGPT, produktu OpenAI vydaného v listopadu 2022, si koncept umělé inteligence získal další popularitu. Historicky významným milníkem pro umělou inteligenci byl Turingův test, který v roce 1950 představil Alan Turing, aby změřil schopnost stroje vykazovat chování podobné lidem. V návaznosti na to vývoj expertních systémů v 60. a 70. letech, neuronové sítě v 80. letech, strojové učení a dolování dat v 90. letech a hluboké učení v 21. století představovaly klíčové body v časové ose AI. V oblasti výpočetní techniky je umělá inteligence často popisována jako druh „uměle vytvořený homo sapiens“. Systémy umělé inteligence mají základní dovednosti, jako je učení, uvažování, sebezdokonalování prostřednictvím zážitkového učení, porozumění jazyku a řešení problémů, a jsou naprogramovány jako simulace lidské inteligence. Umělá inteligence a její aplikace se využívají k řešení složitých problémů v různých oblastech – včetně vědy, zdravotnictví, vzdělávání, strojírenství, obchodu, obrany, zábavy a reklamy – pomocí expertních systémů.
Díky rychlé integraci technologií umělé inteligence do každodenního života je pro jednotlivce nezbytné získat znalosti a dovednosti související s těmito technologiemi. AI gramotnost představuje porozumění a povědomí o základních konceptech umělé inteligence. V tomto kontextu je gramotnost umělé inteligence základní schopností, která umožňuje jednotlivcům porozumět, používat a kriticky hodnotit technologie umělé inteligence, přičemž si uvědomuje jejich výhody i omezení. Znalost umělé inteligence může jednotlivcům pomoci pochopit a spravovat technologie umělé inteligence a nabízí příležitost stát se informovanějšími a schopnějšími jednotlivci. Proto je dnes pro každého nezbytné vlastnit a zlepšovat svou gramotnost AI.
Faktory, jako jsou čtenářské návyky a úroveň studijních výsledků, mohou pozitivně ovlivnit rozvoj gramotnosti umělé inteligence. Jednotlivci, kteří mají pravidelné čtenářské návyky, si obvykle rozvíjejí kritické myšlení a schopnosti hloubkové analýzy, což usnadňuje pochopení a kritické hodnocení technologií umělé inteligence. Podobně jedinci s vysokým akademickým výkonem mají často zkušenosti s přístupem a aplikací znalostí, díky čemuž se lépe přizpůsobí základním dovednostem potřebným pro získání gramotnosti AI.
Chování, jako je závislost na internetu a na chytrých telefonech, však může mít nepříznivý vliv na gramotnost umělé inteligence. Závislost na internetu posiluje zvyk přistupovat k informacím rychle a povrchně, což může snížit kritické myšlení a soustředění. Stejně tak závislost na chytrých telefonech, díky jejich neustálému a povrchnímu přístupu k informacím, může snížit zájem o procesy hlubokého myšlení potřebné pro gramotnost AI. Závislost na internetu a chytrých telefonech by proto mohla působit jako překážky v procesech vyžadujících hluboké myšlení, analýzu a shromažďování znalostí nezbytných pro gramotnost AI.
Pokud je nám známo, neexistuje žádná komplexní studie, která by zkoumala AI gramotnost mezi vysokoškolskými studenty ve vztahu k akademickým výsledkům, čtenářským návykům, závislosti na chytrých telefonech a závislosti na internetu z mnohostranné perspektivy.
Cílem této studie je odhalit vztahy mezi AI gramotností vysokoškolských studentů a jejich studijními výsledky, čtenářskými návyky, závislostí na internetu a závislostí na chytrých telefonech.
Typ studie
Zápis (Aktuální)
Kontakty a umístění
Studijní místa
-
-
-
Ankara, Turecko (Türkiye)
- Atılım University
-
-
Kritéria účasti
Kritéria způsobilosti
Věk způsobilý ke studiu
- Dospělý
Přijímá zdravé dobrovolníky
Metoda odběru vzorků
Studijní populace
Popis
Kritéria zahrnutí:
- Být mezi 18-35 lety.
- Ochota zúčastnit se po obdržení podrobných informací o účelu a metodologii studie.
Kritéria vyloučení:
- Chybějící odpovědi v dotaznících.
- Negramotnost.
- Neschopnost spolupracovat.
Studijní plán
Jak je studie koncipována?
Detaily designu
Kohorty a intervence
Skupina / kohorta |
Intervence / Léčba |
|---|---|
|
Skupina, která má být hodnocena z hlediska gramotnosti umělé inteligence
|
K určení úrovně gramotnosti umělé inteligence bude použita škála umělé inteligence.
Škála je 12položkový nástroj určený k měření znalostí a dovedností jednotlivců v oblasti povědomí o umělé inteligenci, používání, hodnocení a etických úvah.
Položky jsou hodnoceny na Likertově stupnici od 1 do 7 (1: rozhodně nesouhlasím, 7: zcela souhlasím), přičemž některé položky jsou opačně kódovány (položky 2, 5 a 11).
Minimální možné skóre na stupnici je 12 a maximální skóre je 84; vyšší skóre znamená vyšší úroveň gramotnosti umělé inteligence.
V této studii bude použita turecká verze stupnice.
|
Co je měření studie?
Primární výstupní opatření
Měření výsledku |
Popis opatření |
Časové okno |
|---|---|---|
|
Hodnocení čtenářských návyků
Časové okno: 1. den
|
Hodnocení čtenářských návyků K hodnocení čtenářských návyků bude použit Self-Report Habit Index.
Dotazník čtenářských návyků je 12položkový nástroj určený k hodnocení čtenářských návyků jednotlivců, který zahrnuje dimenze, jako je frekvence čtení, doba trvání, preferované materiály (knihy, časopisy, online obsah atd.), účel čtení a prostředí pro čtení.
Dotazník umožňuje účastníkům odpovídat na 5bodové Likertově škále (1: nikdy, 5: vždy).
Získané celkové skóre se používá k interpretaci čtenářských návyků jednotlivce: nízké skóre ukazuje na občasné čtení, střední skóre představuje pravidelné, ale ne intenzivní čtenářské návyky a vysoké skóre odráží časté čtení různých materiálů.
Toto hodnocení pomáhá určit úroveň čtenářských návyků jednotlivce a identifikovat oblasti pro potenciální zlepšení.
|
1. den
|
|
Hodnocení závislosti na smartphonu
Časové okno: 1. den
|
Závislost na smartphonu bude posuzována pomocí škály závislosti na smartphonu – krátká forma.
Toto je desetibodová stupnice, která se používá k hodnocení zvyků jednotlivců při používání smartphonu. Každá položka je hodnocena od 1 (zcela nesouhlasím) do 6 (rozhodně souhlasím), s minimálním celkovým skóre 10 a maximálním 60.
Vyšší skóre ukazuje na větší riziko závislosti a poskytuje rychlé posouzení.
|
1. den
|
|
Hodnocení závislosti na internetu
Časové okno: 1. den
|
Závislost na internetu bude posuzována pomocí škály závislosti na internetu – Short Form, nástroje určeného k hodnocení návyků jednotlivců při používání internetu.
Škála původně vyvinutá Youngem (1998) byla upravena jako krátká forma sestávající ze 6 položek pro rychlé posouzení závislosti na internetu [14].
Bude použita turecká verze [15].
Každá položka je hodnocena od 1 (nikdy) do 5 (vždy), s celkovým skóre v rozmezí od 6 do 30.
Vyšší skóre ukazuje na zvýšené riziko závislosti na internetu.
|
1. den
|
|
Hodnocení studijních výsledků
Časové okno: 1. den
|
Úroveň akademického prospěchu bude hodnocena na základě kumulativního průměru známek (GPA) z předchozího semestru.
Toto měřítko poskytuje objektivní ukazatel celkového akademického výkonu studentů, zachycuje jejich trvalé úsilí a intelektuální zapojení do práce v kurzu.
|
1. den
|
Spolupracovníci a vyšetřovatelé
Sponzor
Publikace a užitečné odkazy
Obecné publikace
- Kutlu, M., et al., Turkish adaptation of Young's Internet Addiction Test-Short Form: A reliability and validity study on university students and adolescents/Young Internet Bagimliligi Testi Kisa Formunun Turkce uyarlamasi: Universite ogrencileri ve ergenlerde gecerlilik ve guvenilirlik calismasi. Anadolu Psikiyatri Dergisi, 2016. 17(S1): p. 69-77.
- Young, K.S., Internet addiction test. Center for on-line addictions, 2009.
- Noyan, C.O., et al., Validity and reliability of the Turkish version of the Smartphone Addiction Scale-Short version among university students/Akilli Telefon Bagimliligi Olceginin Kisa Formunun universite ogrencilerinde Turkce gecerlilik ve guvenilirlik calismasi. Anadolu Psikiyatri Dergisi, 2015. 16(S1): p. 73-82.
- Kwon M, Kim DJ, Cho H, Yang S. The smartphone addiction scale: development and validation of a short version for adolescents. PLoS One. 2013 Dec 31;8(12):e83558. doi: 10.1371/journal.pone.0083558. eCollection 2013.
- Verplanken, B. and S. Orbell, Reflections on past behavior: a self-report index of habit strength 1. Journal of applied social psychology, 2003. 33(6): p. 1313-1330.
- Çelebi, C., et al., Artificial intelligence literacy: An adaptation study. Instructional Technology and Lifelong Learning, 2023. 4(2): p. 291-306.
- Wang, B., P.-L.P. Rau, and T. Yuan, Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale. Behaviour & information technology, 2023. 42(9): p. 1324-1337.
- Kong, S.-C., W.M.-Y. Cheung, and G. Zhang, Evaluating an artificial intelligence literacy programme for developing university students' conceptual understanding, literacy, empowerment and ethical awareness. Educational Technology & Society, 2023. 26(1): p. 16-30.
- Laupichler, M.C., et al., Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 2022. 3: p. 100101.
- Copeland, B.J. and D. Proudfoot, Artificial intelligence: History, foundations, and philosophical issues, in Philosophy of psychology and cognitive science. 2007, Elsevier. p. 429-482.
- Haenlein, M. and A. Kaplan, A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California management review, 2019. 61(4): p. 5-14.
- Turing, A.M., Computing machinery and intelligence. 2009: Springer.
- Muggleton, S., Alan Turing and the development of Artificial Intelligence. AI communications, 2014. 27(1): p. 3-10.
- Kamble, R. and D. Shah, Applications of artificial intelligence in human life. International Journal of Research-Granthaalayah, 2018. 6(6): p. 178-188.
Termíny studijních záznamů
Hlavní termíny studia
Začátek studia (Aktuální)
Primární dokončení (Aktuální)
Dokončení studie (Aktuální)
Termíny zápisu do studia
První předloženo
První předloženo, které splnilo kritéria kontroly kvality
První zveřejněno (Aktuální)
Aktualizace studijních záznamů
Poslední zveřejněná aktualizace (Aktuální)
Odeslaná poslední aktualizace, která splnila kritéria kontroly kvality
Naposledy ověřeno
Více informací
Termíny související s touto studií
Další relevantní podmínky MeSH
Další identifikační čísla studie
- Atılım University_5
Plán pro data jednotlivých účastníků (IPD)
Plánujete sdílet data jednotlivých účastníků (IPD)?
Informace o lécích a zařízeních, studijní dokumenty
Studuje lékový produkt regulovaný americkým FDA
Studuje produkt zařízení regulovaný americkým úřadem FDA
produkt vyrobený a vyvážený z USA
Tyto informace byly beze změn načteny přímo z webu clinicaltrials.gov. Máte-li jakékoli požadavky na změnu, odstranění nebo aktualizaci podrobností studie, kontaktujte prosím register@clinicaltrials.gov. Jakmile bude změna implementována na clinicaltrials.gov, bude automaticky aktualizována i na našem webu .