- ICH GCP
- US Clinical Trials Registry
- Klinisk forsøg NCT06689319
Faktorer knyttet til kunstig intelligens hos universitetsstuderende
Forholdet mellem kunstig intelligens og akademisk præstation, læsevaner, smartphoneafhængighed og internetafhængighed blandt universitetsstuderende
Studieoversigt
Status
Betingelser
Intervention / Behandling
Detaljeret beskrivelse
Artificial Intelligence (AI), en transformativ kraft inden for informationsteknologi, er et underområde inden for datalogi, der involverer at skabe intelligente maskiner og software, der handler og reagerer på samme måde som mennesker. Med introduktionen af ChatGPT, et OpenAI-produkt udgivet i november 2022, har begrebet kunstig intelligens vundet yderligere popularitet. Historisk set var en væsentlig milepæl for kunstig intelligens Turing-testen, introduceret af Alan Turing i 1950 for at måle en maskines evne til at udvise menneskelignende adfærd. Efter dette markerede udviklingen af ekspertsystemer i 1960'erne-70'erne, neurale netværk i 1980'erne, maskinlæring og datamining i 1990'erne og deep learning i 2000'erne hver især omdrejningspunkter i AI-tidslinjen. Inden for computerområdet beskrives AI ofte som en "menneskeskabt homo sapiens"-art. AI-systemer besidder grundlæggende færdigheder som læring, ræsonnement, selvforbedring gennem erfaringsmæssig læring, sprogforståelse og problemløsning og er programmeret som simuleringer af menneskelig intelligens. AI og dets applikationer bruges til at løse komplekse problemstillinger på tværs af forskellige felter, herunder videnskab, sundhedspleje, uddannelse, teknik, forretning, forsvar, underholdning og reklame - ved hjælp af ekspertsystemer.
Den hurtige integration af AI-teknologier i dagligdagen har gjort det vigtigt for enkeltpersoner at tilegne sig viden og færdigheder relateret til disse teknologier. AI-færdigheder repræsenterer en forståelse og bevidsthed om centrale kunstig intelligens-koncepter. I denne sammenhæng er AI-kompetence en grundlæggende kompetence, der gør det muligt for individer at forstå, bruge og kritisk vurdere AI-teknologier, idet de anerkender både deres fordele og begrænsninger. At have AI-kundskaber kan hjælpe enkeltpersoner med at forstå og administrere AI-teknologier, hvilket giver mulighed for at blive mere informerede og dygtige individer. Derfor er det blevet afgørende for alle i dag at besidde og forbedre deres AI-færdigheder.
Faktorer som læsevaner og niveauer af akademisk præstation kan have en positiv indflydelse på udviklingen af AI-færdigheder. Personer, der har regelmæssige læsevaner, udvikler typisk kritisk tænkning og dybdegående analysefærdigheder, som letter forståelse og kritisk evaluering af AI-teknologier. På samme måde er personer med høj akademisk præstation ofte erfarne i at få adgang til og anvende viden, hvilket gør dem mere tilpasningsdygtige til de grundlæggende færdigheder, der kræves for at opnå AI-færdigheder.
Adfærd som internetafhængighed og smartphoneafhængighed kan dog, mens den letter adgangen til AI-teknologier, have en negativ effekt på AI-færdigheden. Internetafhængighed forstærker en vane med at få adgang til information hurtigt og overfladisk, hvilket kan reducere kritisk tænkning og fokus. Ligeledes kan smartphoneafhængighed, på grund af dens levering af konstant og overfladisk adgang til information, mindske interessen for de dybe tænkeprocesser, der kræves for AI-færdigheder. Derfor kan internet- og smartphoneafhængighed fungere som barrierer i de processer, der kræver dyb eftertanke, analyse og akkumulering af viden, der er afgørende for AI-færdigheder.
Så vidt vi ved, er der ingen omfattende undersøgelse, der undersøger AI-færdigheder blandt universitetsstuderende i forhold til akademiske præstationer, læsevaner, smartphone-afhængighed og internetafhængighed fra et mangefacetteret perspektiv.
Formålet med denne undersøgelse er at afsløre forholdet mellem universitetsstuderendes AI-færdigheder og deres niveauer af akademiske præstationer, læsevaner, internetafhængighed og smartphoneafhængighed.
Undersøgelsestype
Tilmelding (Faktiske)
Kontakter og lokationer
Studiesteder
-
-
-
Ankara, Tyrkiet (Türkiye)
- Atılım University
-
-
Deltagelseskriterier
Berettigelseskriterier
Aldre berettiget til at studere
- Voksen
Tager imod sunde frivillige
Prøveudtagningsmetode
Studiebefolkning
Beskrivelse
Inklusionskriterier:
- At være mellem 18-35 år.
- Lyst til at deltage efter at have modtaget detaljeret information om undersøgelsens formål og metode.
Ekskluderingskriterier:
- Manglende svar i spørgeskemaer.
- Analfabetisme.
- Manglende evne til at samarbejde.
Studieplan
Hvordan er undersøgelsen tilrettelagt?
Design detaljer
Kohorter og interventioner
Gruppe / kohorte |
Intervention / Behandling |
|---|---|
|
Gruppen, der skal evalueres med hensyn til AI-færdigheder
|
Artificial Intelligence Literacy Scale vil blive brugt til at bestemme niveauet af AI-kompetencer.
Skalaen er et instrument med 12 elementer designet til at måle individers viden og færdigheder inden for AI-bevidsthed, brug, evaluering og etiske overvejelser.
Elementer vurderes på en Likert-skala fra 1 til 7 (1: Helt uenig, 7: Helt enig), med nogle elementer omvendt kodet (punkt 2, 5 og 11).
Den mindst mulige score på skalaen er 12, og den maksimale score er 84; en højere score indikerer et højere niveau af AI-færdigheder.
Den tyrkiske version af skalaen vil blive brugt i denne undersøgelse.
|
Hvad måler undersøgelsen?
Primære resultatmål
Resultatmål |
Foranstaltningsbeskrivelse |
Tidsramme |
|---|---|---|
|
Vurdering af læsevaner
Tidsramme: Dag 1
|
Vurdering af læsevaner Self-Report Habit Index vil blive brugt til at vurdere læsevaner.
Læsevaner-spørgeskemaet er et 12-elements instrument designet til at vurdere individers læsevaner, og dækker dimensioner som læsefrekvens, varighed, foretrukne materialer (bøger, magasiner, onlineindhold osv.), læseformål og læsemiljø.
Spørgeskemaet giver deltagerne mulighed for at svare på en 5-punkts Likert-skala (1: Aldrig, 5: Altid).
Den opnåede samlede score bruges til at fortolke en persons læsevaner: lave scores indikerer sjælden læsning, moderate scores repræsenterer regelmæssige, men ikke intensive læsevaner, og høje scores afspejler hyppig læsning af forskelligt materiale.
Denne vurdering hjælper med at bestemme niveauet af en persons læsevaner og identificere områder for potentielle forbedringer.
|
Dag 1
|
|
Vurdering af smartphone afhængighed
Tidsramme: Dag 1
|
Smartphone afhængighed vil blive vurderet ved hjælp af Smartphone Addiction Scale - Short Form.
Dette er en skala med 10 punkter, der bruges til at evaluere enkeltpersoners smartphonebrugsvaner. Hvert element scores fra 1 (helt uenig) til 6 (helt enig), med en minimumscore på 10 og et maksimum på 60.
Højere score indikerer en større risiko for afhængighed og giver en hurtig vurdering.
|
Dag 1
|
|
Vurdering af internetafhængighed
Tidsramme: Dag 1
|
Internetafhængighed vil blive vurderet ved hjælp af Internet Addiction Scale - Short Form, et instrument designet til at evaluere enkeltpersoners internetbrugsvaner.
Oprindeligt udviklet af Young (1998), er skalaen blevet tilpasset som en kort form bestående af 6 punkter til en hurtig vurdering af internetafhængighed [14].
Den tyrkiske version vil blive brugt [15].
Hvert element er bedømt fra 1 (Aldrig) til 5 (Altid), med en samlet score fra 6 til 30.
Højere score indikerer en øget risiko for internetafhængighed.
|
Dag 1
|
|
Vurdering af akademisk præstation
Tidsramme: Dag 1
|
Niveauet af akademisk præstation vil blive vurderet ud fra det kumulative karaktergennemsnit (GPA) fra det foregående semester.
Denne foranstaltning giver en objektiv indikator for elevernes samlede akademiske præstationer, der fanger deres vedvarende indsats og intellektuelle engagement i kurser.
|
Dag 1
|
Samarbejdspartnere og efterforskere
Sponsor
Publikationer og nyttige links
Generelle publikationer
- 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.
Datoer for undersøgelser
Studer store datoer
Studiestart (Faktiske)
Primær færdiggørelse (Faktiske)
Studieafslutning (Faktiske)
Datoer for studieregistrering
Først indsendt
Først indsendt, der opfyldte QC-kriterier
Først opslået (Faktiske)
Opdateringer af undersøgelsesjournaler
Sidste opdatering sendt (Faktiske)
Sidste opdatering indsendt, der opfyldte kvalitetskontrolkriterier
Sidst verificeret
Mere information
Begreber relateret til denne undersøgelse
Yderligere relevante MeSH-vilkår
Andre undersøgelses-id-numre
- Atılım University_5
Plan for individuelle deltagerdata (IPD)
Planlægger du at dele individuelle deltagerdata (IPD)?
Lægemiddel- og udstyrsoplysninger, undersøgelsesdokumenter
Studerer et amerikansk FDA-reguleret lægemiddelprodukt
Studerer et amerikansk FDA-reguleret enhedsprodukt
produkt fremstillet i og eksporteret fra U.S.A.
Disse oplysninger blev hentet direkte fra webstedet clinicaltrials.gov uden ændringer. Hvis du har nogen anmodninger om at ændre, fjerne eller opdatere dine undersøgelsesoplysninger, bedes du kontakte register@clinicaltrials.gov. Så snart en ændring er implementeret på clinicaltrials.gov, vil denne også blive opdateret automatisk på vores hjemmeside .