Esta página se tradujo automáticamente y no se garantiza la precisión de la traducción. por favor refiérase a versión inglesa para un texto fuente.

Factores relacionados con la alfabetización en IA en estudiantes universitarios

20 de noviembre de 2025 actualizado por: Nagihan Acet

La relación de la alfabetización en inteligencia artificial con el rendimiento académico, los hábitos de lectura, la adicción a los teléfonos inteligentes y la adicción a Internet entre los estudiantes universitarios

Este estudio investiga las relaciones entre la alfabetización en inteligencia artificial (IA) y factores como el rendimiento académico, los hábitos de lectura, la adicción a los teléfonos inteligentes y la adicción a Internet entre los estudiantes universitarios. A medida que las tecnologías de IA se integran cada vez más en la vida diaria, la alfabetización en IA, necesaria para comprender y evaluar la IA, está emergiendo como una habilidad crítica. Si bien factores como el éxito académico y los hábitos regulares de lectura pueden mejorar la alfabetización en IA, comportamientos como la adicción a los teléfonos inteligentes y a Internet pueden tener un efecto adverso al promover el acceso superficial a la información en lugar de un compromiso crítico más profundo. Este estudio prospectivo, observacional y transversal evaluará la alfabetización en IA utilizando la Escala de alfabetización en inteligencia artificial y analizará su asociación con factores académicos y conductuales. El estudio se llevará a cabo entre participantes de entre 18 y 35 años en el Laboratorio del Departamento de Fisioterapia y Rehabilitación de la Universidad de Atılım. Los datos se evaluarán mediante estadísticas descriptivas, análisis de correlación (Pearson o Spearman, según la distribución) y pruebas de significación. Los resultados pueden resaltar el impacto de los factores académicos y conductuales en la alfabetización en IA, ofreciendo ideas para estrategias educativas destinadas a fomentar competencias críticas en IA.

Descripción general del estudio

Descripción detallada

La Inteligencia Artificial (IA), una fuerza transformadora dentro de la tecnología de la información, es un subcampo de la informática que implica la creación de máquinas y software inteligentes que actúan y responden de manera similar a los humanos. Con la introducción de ChatGPT, un producto OpenAI lanzado en noviembre de 2022, el concepto de inteligencia artificial ha ganado aún más popularidad. Históricamente, un hito importante para la IA fue la prueba de Turing, introducida por Alan Turing en 1950 para medir la capacidad de una máquina para exhibir comportamientos similares a los humanos. Después de esto, el desarrollo de sistemas expertos en las décadas de 1960 y 1970, las redes neuronales en la década de 1980, el aprendizaje automático y la minería de datos en la década de 1990 y el aprendizaje profundo en la década de 2000 marcaron puntos cruciales en la línea de tiempo de la IA. Dentro del ámbito de la informática, la IA a menudo se describe como una especie de "homo sapiens creada por el hombre". Los sistemas de IA poseen habilidades fundamentales como el aprendizaje, el razonamiento, la superación personal a través del aprendizaje experiencial, la comprensión del lenguaje y la resolución de problemas, y están programados como simulaciones de la inteligencia humana. La IA y sus aplicaciones se utilizan para abordar cuestiones complejas en diversos campos, incluidos la ciencia, la atención sanitaria, la educación, la ingeniería, los negocios, la defensa, el entretenimiento y la publicidad, mediante sistemas expertos.

La rápida integración de las tecnologías de IA en la vida diaria ha hecho que sea esencial que las personas adquieran conocimientos y habilidades relacionados con estas tecnologías. La alfabetización en IA representa la comprensión y la conciencia de los conceptos básicos de la inteligencia artificial. En este contexto, la alfabetización en IA es una competencia fundamental que permite a las personas comprender, utilizar y evaluar críticamente las tecnologías de IA, reconociendo tanto sus beneficios como sus limitaciones. Tener conocimientos de IA puede ayudar a las personas a comprender y gestionar las tecnologías de IA, ofreciendo la oportunidad de convertirse en personas más informadas y capaces. Por lo tanto, hoy en día se ha vuelto esencial que todos posean y mejoren sus conocimientos de IA.

Factores como los hábitos de lectura y los niveles de rendimiento académico pueden influir positivamente en el desarrollo de la alfabetización en IA. Las personas que tienen hábitos de lectura habituales suelen desarrollar un pensamiento crítico y habilidades de análisis en profundidad, que facilitan la comprensión y la evaluación crítica de las tecnologías de IA. De manera similar, las personas con un alto rendimiento académico suelen tener experiencia en el acceso y la aplicación del conocimiento, lo que las hace más adaptables a las habilidades fundamentales necesarias para adquirir conocimientos sobre IA.

Sin embargo, comportamientos como la adicción a Internet y a los teléfonos inteligentes, si bien facilitan el acceso a las tecnologías de IA, pueden tener un efecto adverso en la alfabetización en IA. La adicción a Internet refuerza el hábito de acceder a la información de forma rápida y superficial, lo que puede reducir el pensamiento crítico y la concentración. Del mismo modo, la adicción a los teléfonos inteligentes, debido a que proporcionan un acceso constante y superficial a la información, puede disminuir el interés en los procesos de pensamiento profundo necesarios para la alfabetización en IA. Por lo tanto, la adicción a Internet y a los teléfonos inteligentes podría actuar como barreras en los procesos que requieren pensamiento profundo, análisis y acumulación de conocimientos esenciales para la alfabetización en IA.

Hasta donde sabemos, no existe ningún estudio exhaustivo que examine la alfabetización en IA entre los estudiantes universitarios en relación con el rendimiento académico, los hábitos de lectura, la adicción a los teléfonos inteligentes y la adicción a Internet desde una perspectiva multifacética.

El objetivo de este estudio es revelar las relaciones entre la alfabetización en IA de los estudiantes universitarios y sus niveles de rendimiento académico, hábitos de lectura, adicción a Internet y adicción a los teléfonos inteligentes.

Tipo de estudio

De observación

Inscripción (Actual)

184

Contactos y Ubicaciones

Esta sección proporciona los datos de contacto de quienes realizan el estudio e información sobre dónde se lleva a cabo este estudio.

Ubicaciones de estudio

Criterios de participación

Los investigadores buscan personas que se ajusten a una determinada descripción, denominada criterio de elegibilidad. Algunos ejemplos de estos criterios son el estado de salud general de una persona o tratamientos previos.

Criterio de elegibilidad

Edades elegibles para estudiar

  • Adulto

Acepta Voluntarios Saludables

No

Método de muestreo

Muestra no probabilística

Población de estudio

Este estudio involucrará a una población seleccionada de estudiantes universitarios de entre 18 y 35 años, reclutados en la Universidad Atılım. Los participantes, tanto hombres como mujeres, serán evaluados según criterios específicos de inclusión y exclusión, como alfabetización, voluntad de participar y capacidad de cooperar. La muestra incluye personas con diversos antecedentes académicos relevantes para los objetivos del estudio.

Descripción

Criterios de inclusión:

  • Tener entre 18 y 35 años.
  • Voluntad de participar luego de recibir información detallada sobre el propósito y la metodología del estudio.

Criterios de exclusión:

  • Respuestas faltantes en los cuestionarios.
  • Analfabetismo.
  • Incapacidad para cooperar.

Plan de estudios

Esta sección proporciona detalles del plan de estudio, incluido cómo está diseñado el estudio y qué mide el estudio.

¿Cómo está diseñado el estudio?

Detalles de diseño

Cohortes e Intervenciones

Grupo / Cohorte
Intervención / Tratamiento
El grupo que será evaluado en términos de alfabetización en IA
Se utilizará la Escala de alfabetización en inteligencia artificial para determinar el nivel de alfabetización en IA. La escala es un instrumento de 12 ítems diseñado para medir el conocimiento y las habilidades de las personas en materia de concienciación, uso, evaluación y consideraciones éticas de la IA. Los ítems se califican en una escala Likert del 1 al 7 (1: Totalmente en desacuerdo, 7: Totalmente de acuerdo), con algunos ítems codificados de manera inversa (ítems 2, 5 y 11). La puntuación mínima posible en la escala es 12 y la puntuación máxima es 84; una puntuación más alta indica un mayor nivel de alfabetización en IA. En este estudio se utilizará la versión turca de la escala.

¿Qué mide el estudio?

Medidas de resultado primarias

Medida de resultado
Medida Descripción
Periodo de tiempo
Evaluación de hábitos lectores.
Periodo de tiempo: Día 1
Evaluación de los hábitos de lectura Se utilizará el índice de hábitos de autoinforme para evaluar los hábitos de lectura. El Cuestionario de Hábitos de Lectura es un instrumento de 12 ítems diseñado para evaluar los hábitos de lectura de las personas y cubre dimensiones como frecuencia de lectura, duración, materiales preferidos (libros, revistas, contenido en línea, etc.), propósito de la lectura y entorno de lectura. El cuestionario permite a los participantes responder en una escala Likert de 5 puntos (1: Nunca, 5: Siempre). La puntuación total obtenida se utiliza para interpretar los hábitos de lectura de un individuo: puntuaciones bajas indican lectura poco frecuente, puntuaciones moderadas representan hábitos de lectura regulares pero no intensivos, y puntuaciones altas reflejan lectura frecuente de materiales diversos. Esta evaluación ayuda a determinar el nivel de los hábitos de lectura de un individuo e identificar áreas de posible mejora.
Día 1
Evaluación de la adicción a los teléfonos inteligentes
Periodo de tiempo: Día 1
La adicción a los teléfonos inteligentes se evaluará mediante la Escala de adicción a los teléfonos inteligentes: formato abreviado. Se trata de una escala de 10 ítems que se utiliza para evaluar los hábitos de uso de teléfonos inteligentes de las personas. Cada ítem se califica de 1 (muy en desacuerdo) a 6 (muy de acuerdo), con una puntuación total mínima de 10 y una máxima de 60. Las puntuaciones más altas indican un mayor riesgo de adicción y proporcionan una evaluación rápida.
Día 1
Evaluación de la adicción a Internet
Periodo de tiempo: Día 1
La adicción a Internet se evaluará mediante la Escala de adicción a Internet: formato breve, un instrumento diseñado para evaluar los hábitos de uso de Internet de las personas. Desarrollada originalmente por Young (1998), la escala se ha adaptado como una forma breve que consta de 6 ítems para una evaluación rápida de la adicción a Internet [14]. Se utilizará la versión turca [15]. Cada ítem se califica de 1 (Nunca) a 5 (Siempre), con una puntuación total que oscila entre 6 y 30. Las puntuaciones más altas indican un mayor riesgo de adicción a Internet.
Día 1
Evaluación del rendimiento académico
Periodo de tiempo: Día 1
El nivel de rendimiento académico se evaluará con base en el promedio de calificaciones acumulativo (GPA) del semestre anterior. Esta medida proporciona un indicador objetivo del rendimiento académico general de los estudiantes, capturando sus esfuerzos sostenidos y su compromiso intelectual en el trabajo del curso.
Día 1

Colaboradores e Investigadores

Aquí es donde encontrará personas y organizaciones involucradas en este estudio.

Patrocinador

Publicaciones y enlaces útiles

La persona responsable de ingresar información sobre el estudio proporciona voluntariamente estas publicaciones. Estos pueden ser sobre cualquier cosa relacionada con el estudio.

Publicaciones Generales

  • 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.

Fechas de registro del estudio

Estas fechas rastrean el progreso del registro del estudio y los envíos de resultados resumidos a ClinicalTrials.gov. Los registros del estudio y los resultados informados son revisados ​​por la Biblioteca Nacional de Medicina (NLM) para asegurarse de que cumplan con los estándares de control de calidad específicos antes de publicarlos en el sitio web público.

Fechas importantes del estudio

Inicio del estudio (Actual)

15 de noviembre de 2024

Finalización primaria (Actual)

15 de marzo de 2025

Finalización del estudio (Actual)

15 de abril de 2025

Fechas de registro del estudio

Enviado por primera vez

13 de noviembre de 2024

Primero enviado que cumplió con los criterios de control de calidad

13 de noviembre de 2024

Publicado por primera vez (Actual)

14 de noviembre de 2024

Actualizaciones de registros de estudio

Última actualización publicada (Actual)

25 de noviembre de 2025

Última actualización enviada que cumplió con los criterios de control de calidad

20 de noviembre de 2025

Última verificación

1 de noviembre de 2025

Más información

Términos relacionados con este estudio

Plan de datos de participantes individuales (IPD)

¿Planea compartir datos de participantes individuales (IPD)?

INDECISO

Información sobre medicamentos y dispositivos, documentos del estudio

Estudia un producto farmacéutico regulado por la FDA de EE. UU.

No

Estudia un producto de dispositivo regulado por la FDA de EE. UU.

No

producto fabricado y exportado desde los EE. UU.

No

Esta información se obtuvo directamente del sitio web clinicaltrials.gov sin cambios. Si tiene alguna solicitud para cambiar, eliminar o actualizar los detalles de su estudio, comuníquese con register@clinicaltrials.gov. Tan pronto como se implemente un cambio en clinicaltrials.gov, también se actualizará automáticamente en nuestro sitio web. .

Suscribir