Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

Faktoren im Zusammenhang mit der KI-Kompetenz bei Universitätsstudenten

20. November 2025 aktualisiert von: Nagihan Acet

Der Zusammenhang zwischen künstlicher Intelligenz und akademischen Leistungen, Lesegewohnheiten, Smartphone-Sucht und Internetsucht bei Universitätsstudenten

Diese Studie untersucht die Zusammenhänge zwischen der Kompetenz im Bereich der künstlichen Intelligenz (KI) und Faktoren wie akademischen Leistungen, Lesegewohnheiten, Smartphone-Sucht und Internetsucht bei Universitätsstudenten. Da KI-Technologien zunehmend in das tägliche Leben integriert werden, entwickelt sich die KI-Kompetenz, die für das Verständnis und die Bewertung von KI erforderlich ist, zu einer entscheidenden Fähigkeit. Während Faktoren wie akademischer Erfolg und regelmäßige Lesegewohnheiten die KI-Kenntnisse verbessern können, können Verhaltensweisen wie Smartphone- und Internetsucht einen negativen Effekt haben, indem sie den oberflächlichen Zugang zu Informationen über tieferes kritisches Engagement fördern. Diese prospektive, beobachtende und querschnittliche Studie wird die KI-Kompetenz mithilfe der Artificial Intelligence Literacy Scale bewerten und ihren Zusammenhang mit akademischen und Verhaltensfaktoren analysieren. Die Studie wird unter Teilnehmern im Alter von 18 bis 35 Jahren im Labor der Abteilung für Physiotherapie und Rehabilitation der Atılım-Universität durchgeführt. Die Daten werden mithilfe deskriptiver Statistiken, Korrelationsanalysen (je nach Verteilung nach Pearson oder Spearman) und Signifikanztests ausgewertet. Die Ergebnisse können den Einfluss akademischer und verhaltensbezogener Faktoren auf die KI-Kompetenz hervorheben und Erkenntnisse für Bildungsstrategien zur Förderung kritischer KI-Kompetenzen liefern.

Studienübersicht

Detaillierte Beschreibung

Künstliche Intelligenz (KI), eine transformative Kraft innerhalb der Informationstechnologie, ist ein Teilgebiet der Informatik, bei dem es um die Entwicklung intelligenter Maschinen und Software geht, die ähnlich wie Menschen agieren und reagieren. Mit der Einführung von ChatGPT, einem im November 2022 veröffentlichten OpenAI-Produkt, hat das Konzept der künstlichen Intelligenz weiter an Popularität gewonnen. Historisch gesehen war der Turing-Test, der 1950 von Alan Turing eingeführt wurde, ein bedeutender Meilenstein für die KI, um die Fähigkeit einer Maschine zu messen, menschenähnliches Verhalten zu zeigen. Danach markierten die Entwicklung von Expertensystemen in den 1960er und 70er Jahren, neuronale Netze in den 1980er Jahren, maschinelles Lernen und Data Mining in den 1990er Jahren sowie Deep Learning in den 2000er Jahren jeweils entscheidende Punkte in der KI-Zeitleiste. Im Bereich der Informatik wird KI oft als eine „vom Menschen geschaffene Spezies des Homo Sapiens“ beschrieben. KI-Systeme verfügen über grundlegende Fähigkeiten wie Lernen, logisches Denken, Selbstverbesserung durch Erfahrungslernen, Sprachverständnis und Problemlösung und sind als Simulationen menschlicher Intelligenz programmiert. KI und ihre Anwendungen werden genutzt, um komplexe Probleme in verschiedenen Bereichen – darunter Wissenschaft, Gesundheitswesen, Bildung, Ingenieurwesen, Wirtschaft, Verteidigung, Unterhaltung und Werbung – mithilfe von Expertensystemen anzugehen.

Die schnelle Integration von KI-Technologien in das tägliche Leben hat es für den Einzelnen unerlässlich gemacht, sich Kenntnisse und Fähigkeiten im Zusammenhang mit diesen Technologien anzueignen. KI-Kenntnisse stellen ein Verständnis und Bewusstsein für zentrale Konzepte der künstlichen Intelligenz dar. In diesem Zusammenhang ist die KI-Kompetenz eine grundlegende Kompetenz, die es Einzelpersonen ermöglicht, KI-Technologien zu verstehen, zu nutzen und kritisch zu bewerten und dabei sowohl ihre Vorteile als auch ihre Grenzen zu erkennen. KI-Kenntnisse können Einzelpersonen dabei helfen, KI-Technologien zu verstehen und zu verwalten, und bieten die Möglichkeit, besser informierte und leistungsfähigere Personen zu werden. Daher ist es heutzutage für jeden von entscheidender Bedeutung, seine KI-Kenntnisse zu besitzen und zu verbessern.

Faktoren wie Lesegewohnheiten und akademische Leistungen können die Entwicklung der KI-Kompetenz positiv beeinflussen. Personen mit regelmäßigen Lesegewohnheiten entwickeln typischerweise kritisches Denken und tiefgreifende Analysefähigkeiten, die das Verständnis und die kritische Bewertung von KI-Technologien erleichtern. In ähnlicher Weise verfügen Personen mit hohen akademischen Leistungen oft über Erfahrung im Zugang zu und der Anwendung von Wissen, was sie anpassungsfähiger für die grundlegenden Fähigkeiten macht, die für den Erwerb von KI-Kenntnissen erforderlich sind.

Allerdings können Verhaltensweisen wie Internetsucht und Smartphonesucht zwar den Zugang zu KI-Technologien erleichtern, sich jedoch negativ auf die KI-Kompetenz auswirken. Internetsucht verstärkt die Angewohnheit, schnell und oberflächlich auf Informationen zuzugreifen, was das kritische Denken und die Konzentration beeinträchtigen kann. Ebenso kann die Smartphone-Sucht aufgrund ihres ständigen und oberflächlichen Zugangs zu Informationen das Interesse an den tiefgreifenden Denkprozessen verringern, die für die KI-Kompetenz erforderlich sind. Daher könnten Internet- und Smartphone-Sucht als Barrieren in den Prozessen wirken, die tiefes Nachdenken, Analysieren und die Anhäufung von Wissen erfordern, die für die KI-Kompetenz unerlässlich sind.

Unseres Wissens gibt es keine umfassende Studie, die die KI-Kompetenz von Universitätsstudenten in Bezug auf akademische Leistungen, Lesegewohnheiten, Smartphone-Sucht und Internetsucht aus einer vielschichtigen Perspektive untersucht.

Ziel dieser Studie ist es, die Zusammenhänge zwischen der KI-Kompetenz von Universitätsstudenten und ihrem akademischen Leistungsniveau, ihren Lesegewohnheiten, ihrer Internetsucht und ihrer Smartphone-Sucht aufzudecken.

Studientyp

Beobachtungs

Einschreibung (Tatsächlich)

184

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

  • Erwachsene

Akzeptiert gesunde Freiwillige

Nein

Probenahmeverfahren

Nicht-Wahrscheinlichkeitsprobe

Studienpopulation

An dieser Studie wird eine ausgewählte Population von Universitätsstudenten im Alter von 18 bis 35 Jahren teilnehmen, die von der Atılım-Universität rekrutiert werden. Die Teilnehmer, sowohl männliche als auch weibliche, werden anhand spezifischer Ein- und Ausschlusskriterien wie Alphabetisierung, Teilnahmebereitschaft und Kooperationsfähigkeit überprüft. Die Stichprobe umfasst Personen mit unterschiedlichem akademischem Hintergrund, die für die Studienziele relevant sind.

Beschreibung

Einschlusskriterien:

  • Zwischen 18 und 35 Jahre alt sein.
  • Bereitschaft zur Teilnahme nach Erhalt detaillierter Informationen über Zweck und Methodik der Studie.

Ausschlusskriterien:

  • Fehlende Antworten in Fragebögen.
  • Analphabetentum.
  • Unfähigkeit zur Zusammenarbeit.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

Kohorten und Interventionen

Gruppe / Kohorte
Intervention / Behandlung
Die Gruppe, die hinsichtlich der KI-Kompetenz bewertet werden soll
Zur Bestimmung des Niveaus der KI-Kompetenz wird die Artificial Intelligence Literacy Scale verwendet. Bei der Skala handelt es sich um ein 12-Punkte-Instrument, mit dem das Wissen und die Fähigkeiten von Einzelpersonen in Bezug auf KI-Bewusstsein, Nutzung, Bewertung und ethische Überlegungen gemessen werden sollen. Die Items werden auf einer Likert-Skala von 1 bis 7 bewertet (1: Stimme überhaupt nicht zu, 7: Stimme völlig zu), wobei einige Items umgekehrt codiert sind (Items 2, 5 und 11). Die minimal mögliche Punktzahl auf der Skala beträgt 12 und die maximale Punktzahl 84; Eine höhere Punktzahl weist auf ein höheres Maß an KI-Kenntnissen hin. In dieser Studie wird die türkische Version der Skala verwendet.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Beurteilung der Lesegewohnheiten
Zeitfenster: Tag 1
Bewertung der Lesegewohnheiten Der Self-Report Habit Index wird zur Bewertung der Lesegewohnheiten verwendet. Der Fragebogen zu Lesegewohnheiten ist ein 12-Punkte-Instrument zur Beurteilung der Lesegewohnheiten einzelner Personen und umfasst Dimensionen wie Lesehäufigkeit, Dauer, bevorzugte Materialien (Bücher, Zeitschriften, Online-Inhalte usw.), Lesezweck und Leseumgebung. Der Fragebogen ermöglicht es den Teilnehmern, auf einer 5-stufigen Likert-Skala zu antworten (1: Nie, 5: Immer). Die erhaltene Gesamtpunktzahl wird verwendet, um die Lesegewohnheiten einer Person zu interpretieren: Niedrige Werte weisen auf seltenes Lesen hin, mittlere Werte auf regelmäßige, aber nicht intensive Lesegewohnheiten und hohe Werte auf häufiges Lesen verschiedener Materialien. Diese Bewertung hilft dabei, den Grad der Lesegewohnheiten einer Person zu bestimmen und Bereiche mit potenzieller Verbesserung zu identifizieren.
Tag 1
Einschätzung der Smartphonesucht
Zeitfenster: Tag 1
Die Smartphone-Sucht wird anhand der Smartphone-Suchtskala – Kurzform beurteilt. Hierbei handelt es sich um eine 10-Punkte-Skala zur Bewertung der Smartphone-Nutzungsgewohnheiten von Einzelpersonen. Jeder Punkt wird mit einer Skala von 1 (stimme überhaupt nicht zu) bis 6 (stimme völlig zu) bewertet, wobei die Gesamtpunktzahl mindestens 10 und die Höchstpunktzahl 60 beträgt. Höhere Werte weisen auf ein höheres Suchtrisiko hin und ermöglichen eine schnelle Einschätzung.
Tag 1
Beurteilung der Internetsucht
Zeitfenster: Tag 1
Die Internetsucht wird anhand der Internet Addiction Scale – Short Form bewertet, einem Instrument zur Bewertung der Internetnutzungsgewohnheiten von Einzelpersonen. Ursprünglich von Young (1998) entwickelt, wurde die Skala als Kurzform bestehend aus 6 Items für eine schnelle Beurteilung der Internetsucht adaptiert [14]. Es wird die türkische Version verwendet [15]. Jeder Punkt wird mit einer Bewertung von 1 (Nie) bis 5 (Immer) bewertet, wobei die Gesamtpunktzahl zwischen 6 und 30 liegt. Höhere Werte weisen auf ein erhöhtes Risiko einer Internetsucht hin.
Tag 1
Beurteilung der Studienleistungen
Zeitfenster: Tag 1
Das Niveau der Studienleistungen wird anhand des kumulativen Notendurchschnitts (GPA) des vorangegangenen Semesters beurteilt. Diese Kennzahl bietet einen objektiven Indikator für die akademische Gesamtleistung der Studierenden und erfasst ihre anhaltenden Anstrengungen und ihr intellektuelles Engagement bei der Kursarbeit.
Tag 1

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

  • 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.

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn (Tatsächlich)

15. November 2024

Primärer Abschluss (Tatsächlich)

15. März 2025

Studienabschluss (Tatsächlich)

15. April 2025

Studienanmeldedaten

Zuerst eingereicht

13. November 2024

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

13. November 2024

Zuerst gepostet (Tatsächlich)

14. November 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. November 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

20. November 2025

Zuletzt verifiziert

1. November 2025

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • Atılım University_5

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

UNENTSCHIEDEN

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .

Abonnieren