- ICH GCP
- Yhdysvaltain kliinisten tutkimusten rekisteri
- Kliininen tutkimus NCT06689319
Yliopisto-opiskelijoiden tekoälylukutaitoon liittyvät tekijät
Tekoälylukutaidon suhde akateemisiin saavutuksiin, lukutottumuksiin, älypuhelinriippuvuuteen ja Internet-riippuvuuteen yliopisto-opiskelijoiden keskuudessa
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Yksityiskohtainen kuvaus
Tekoäly (AI), tietotekniikan muuntava voima, on tietojenkäsittelytieteen alaala, joka sisältää älykkäiden koneiden ja ohjelmistojen luomisen, jotka toimivat ja reagoivat samalla tavalla kuin ihmiset. Marraskuussa 2022 julkaistun OpenAI-tuotteen ChatGPT:n myötä tekoälyn käsite on kasvattanut suosiotaan. Historiallisesti merkittävä virstanpylväs tekoälylle oli Turingin testi, jonka Alan Turing esitteli vuonna 1950 mittaamaan koneen kykyä osoittaa ihmisen kaltaista käyttäytymistä. Tämän jälkeen asiantuntijajärjestelmien kehitys 1960-70-luvuilla, neuroverkkojen kehitys 1980-luvulla, koneoppiminen ja tiedon louhinta 1990-luvulla ja syväoppiminen 2000-luvulla olivat kukin keskeisiä kohtia tekoälyn aikajanalla. Tietojenkäsittelyn alalla tekoälyä kuvataan usein "ihmisen tekemäksi homo sapiens" -lajiksi. Tekoälyjärjestelmillä on perustaidot, kuten oppiminen, päättely, itsensä kehittäminen kokemuksellisen oppimisen kautta, kielen ymmärtäminen ja ongelmanratkaisu, ja ne on ohjelmoitu ihmisen älykkyyden simulaatioiksi. Tekoälyä ja sen sovelluksia käytetään monimutkaisten ongelmien ratkaisemiseen eri aloilla, mukaan lukien tiede, terveydenhuolto, koulutus, tekniikka, liike-elämä, puolustus, viihde ja mainonta - asiantuntijajärjestelmien avulla.
Tekoälyteknologioiden nopea integroituminen jokapäiväiseen elämään on tehnyt yksilöiden välttämättömäksi hankkia näihin teknologioihin liittyviä tietoja ja taitoja. Tekoälylukutaito edustaa tekoälyn ydinkäsitteiden ymmärtämistä ja tietoisuutta. Tässä yhteydessä tekoälylukutaito on perustavanlaatuinen kompetenssi, jonka avulla ihmiset voivat ymmärtää, käyttää ja arvioida kriittisesti tekoälyteknologioita tunnistaen sekä niiden edut että rajoitukset. Tekoälylukutaito voi auttaa ihmisiä ymmärtämään ja hallitsemaan tekoälytekniikoita, mikä tarjoaa mahdollisuuden tulla tietoisemmiksi ja kyvykkäiksi yksilöiksi. Siksi jokaiselle on nykyään välttämätöntä omistaa ja parantaa tekoälylukutaitoaan.
Sellaiset tekijät kuin lukutavat ja akateemiset saavutukset voivat vaikuttaa positiivisesti tekoälylukutaidon kehittymiseen. Säännöllisiä lukutottumuksia omaavat henkilöt kehittävät tyypillisesti kriittistä ajattelua ja syvällisiä analysointitaitoja, mikä helpottaa tekoälytekniikoiden ymmärtämistä ja kriittistä arviointia. Vastaavasti korkean akateemisen suorituskyvyn omaavilla henkilöillä on usein kokemusta tiedon hankkimisesta ja soveltamisesta, mikä tekee heistä paremmin mukautuvia tekoälylukutaidon hankkimiseen vaadittaviin perustaitoihin.
Internet-riippuvuuden ja älypuhelinriippuvuuden kaltaisilla käytöksillä voi kuitenkin olla haitallinen vaikutus tekoälyn lukutaitoon, vaikka ne helpottavat tekoälytekniikoiden käyttöä. Internet-riippuvuus vahvistaa tapaa saada tietoa nopeasti ja pinnallisesti, mikä voi heikentää kriittistä ajattelua ja keskittymistä. Samoin älypuhelinriippuvuus, koska se tarjoaa jatkuvan ja pinnallisen tiedonsaannin, voi vähentää kiinnostusta tekoälylukutaidon edellyttämiin syvällisiin ajatteluprosesseihin. Siksi Internet- ja älypuhelinriippuvuus voisi toimia esteenä prosesseissa, jotka vaativat syvällistä ajattelua, analysointia ja tekoälyn lukutaidon kannalta välttämättömän tiedon keräämistä.
Tietojemme mukaan ei ole olemassa kattavaa tutkimusta, joka tutkisi yliopisto-opiskelijoiden tekoälylukutaitoa suhteessa akateemisiin saavutuksiin, lukutottumuksiin, älypuhelinriippuvuuteen ja internet-riippuvuuteen monitahoisesta näkökulmasta.
Tämän tutkimuksen tavoitteena on paljastaa yliopisto-opiskelijoiden tekoälylukutaidon ja akateemisen suoritustason, lukutottumusten, internet- ja älypuhelinriippuvuuden välisiä suhteita.
Opintotyyppi
Ilmoittautuminen (Todellinen)
Yhteystiedot ja paikat
Opiskelupaikat
-
-
-
Ankara, Turkki (Türkiye)
- Atılım University
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällön kriteerit:
- Ikää 18-35v.
- Halukkuus osallistua saatuaan yksityiskohtaiset tiedot tutkimuksen tarkoituksesta ja metodologiasta.
Poissulkemiskriteerit:
- Vastaukset puuttuvat kyselylomakkeista.
- Lukutaidottomuus.
- Kyvyttömyys tehdä yhteistyötä.
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Kohortit ja interventiot
Ryhmä/Kohortti |
Interventio / Hoito |
|---|---|
|
Tekoälylukutaidon suhteen arvioitava ryhmä
|
Tekoälyn lukutaitoasteikkoa käytetään tekoälyn lukutaidon tason määrittämiseen.
Asteikko on 12-osainen mittari, joka on suunniteltu mittaamaan yksilöiden tietoja ja taitoja tekoälyn tietoisuuden, käytön, arvioinnin ja eettisten näkökohtien suhteen.
Kohteet on arvioitu Likert-asteikolla 1-7 (1: täysin eri mieltä, 7: täysin samaa mieltä), ja jotkut kohteet on koodattu käänteisesti (kohdat 2, 5 ja 11).
Asteikon pienin mahdollinen pistemäärä on 12 ja maksimipistemäärä 84; korkeampi pistemäärä tarkoittaa korkeampaa tekoälylukutaitoa.
Tässä tutkimuksessa käytetään asteikon turkkilaista versiota.
|
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Lukutattumusten arviointi
Aikaikkuna: Päivä 1
|
Luketottumusten arviointi Lukutattumusten arvioinnissa käytetään Self-Report Habit Indexiä.
Reading Habits Questionnaire on 12 pisteen väline, joka on suunniteltu arvioimaan yksilöiden lukutottumuksia. Se kattaa esimerkiksi lukutiheyden, keston, ensisijaiset materiaalit (kirjat, lehdet, verkkosisältö jne.), lukutarkoituksen ja lukuympäristön.
Kyselylomakkeen avulla osallistujat voivat vastata 5-pisteen Likert-asteikolla (1: Ei koskaan, 5: Aina).
Saatua kokonaispistemäärää käytetään yksilön lukutottumusten tulkinnassa: alhaiset pisteet osoittavat harvoin lukemista, kohtalaiset pisteet edustavat säännöllistä mutta ei intensiivistä lukutottumusta ja korkeat pisteet kertovat useiden erilaisten materiaalien lukemisesta.
Tämä arviointi auttaa määrittämään yksilön lukutottumusten tason ja tunnistamaan mahdollisia parannuskohteita.
|
Päivä 1
|
|
Älypuhelinriippuvuuden arviointi
Aikaikkuna: Päivä 1
|
Älypuhelinriippuvuus arvioidaan Smartphone Addiction Scale - Short Form -asteikolla.
Tämä on 10 pisteen asteikko, jota käytetään yksilöiden älypuhelimen käyttötottumusten arvioimiseen.Jokainen kohta pisteytetään 1:stä (täysin eri mieltä) 6:een (täysin samaa mieltä), ja vähimmäispistemäärä on 10 ja enimmäispistemäärä 60.
Korkeammat pisteet osoittavat suurempaa riippuvuuden riskiä ja tarjoavat nopean arvion.
|
Päivä 1
|
|
Internet-riippuvuuden arviointi
Aikaikkuna: Päivä 1
|
Internet-riippuvuutta arvioidaan käyttämällä Internet Addiction Scale - Short Form -mittaria, joka on suunniteltu arvioimaan yksilöiden internetin käyttötottumuksia.
Alunperin Youngin (1998) kehittämä asteikko on mukautettu lyhyeksi lomakkeeksi, joka koostuu kuudesta kohdasta Internet-riippuvuuden nopeaa arviointia varten [14].
Turkinkielistä versiota käytetään [15].
Jokainen kohde on arvosteltu välillä 1 (Ei koskaan) - 5 (aina), ja kokonaispistemäärä vaihtelee välillä 6 - 30.
Korkeammat pisteet osoittavat lisääntynyttä Internet-riippuvuuden riskiä.
|
Päivä 1
|
|
Opintosuorituksen arviointi
Aikaikkuna: Päivä 1
|
Opintosuoritusten taso arvioidaan edellisen lukukauden kumulatiivisen arvosanan keskiarvon (GPA) perusteella.
Tämä mitta tarjoaa objektiivisen indikaattorin opiskelijoiden yleisestä akateemisesta suorituksesta, joka kuvaa heidän jatkuvaa ponnisteluaan ja henkistä sitoutumista työselostukseen.
|
Päivä 1
|
Yhteistyökumppanit ja tutkijat
Sponsori
Julkaisuja ja hyödyllisiä linkkejä
Yleiset julkaisut
- 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.
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Todellinen)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- Atılım University_5
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Yhdysvalloissa valmistettu ja sieltä viety tuote
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .