Cette page a été traduite automatiquement et l'exactitude de la traduction n'est pas garantie. Veuillez vous référer au version anglaise pour un texte source.

Facteurs liés à la maîtrise de l’IA chez les étudiants universitaires

20 novembre 2025 mis à jour par: Nagihan Acet

La relation entre la maîtrise de l'intelligence artificielle et la réussite scolaire, les habitudes de lecture, la dépendance aux smartphones et la dépendance à Internet chez les étudiants universitaires

Cette étude examine les relations entre les connaissances en intelligence artificielle (IA) et des facteurs tels que la réussite scolaire, les habitudes de lecture, la dépendance aux smartphones et la dépendance à Internet chez les étudiants universitaires. À mesure que les technologies d’IA sont de plus en plus intégrées dans la vie quotidienne, les connaissances en IA, nécessaires à la compréhension et à l’évaluation de l’IA, apparaissent comme une compétence essentielle. Bien que des facteurs tels que la réussite scolaire et les habitudes de lecture régulières puissent améliorer les connaissances en IA, des comportements tels que la dépendance aux smartphones et à Internet peuvent avoir un effet négatif en favorisant un accès superficiel à l’information plutôt qu’un engagement critique plus profond. Cette étude prospective, observationnelle et transversale évaluera les connaissances en IA à l'aide de l'échelle de maîtrise de l'intelligence artificielle et analysera son association avec des facteurs académiques et comportementaux. L'étude sera menée auprès de participants âgés de 18 à 35 ans dans le laboratoire du département de physiothérapie et de réadaptation de l'Université d'Atılım. Les données seront évaluées à l'aide de statistiques descriptives, d'analyses de corrélation (Pearson ou Spearman, selon la distribution) et de tests de signification. Les résultats pourraient mettre en évidence l’impact des facteurs académiques et comportementaux sur la maîtrise de l’IA, offrant ainsi un aperçu des stratégies éducatives visant à favoriser les compétences critiques en IA.

Aperçu de l'étude

Description détaillée

L'intelligence artificielle (IA), une force transformatrice au sein des technologies de l'information, est un sous-domaine de l'informatique qui implique la création de machines et de logiciels intelligents qui agissent et réagissent de la même manière que les humains. Avec l'introduction de ChatGPT, un produit OpenAI lancé en novembre 2022, le concept d'intelligence artificielle a gagné en popularité. Historiquement, une étape importante pour l'IA a été le test de Turing, introduit par Alan Turing en 1950 pour mesurer la capacité d'une machine à présenter des comportements semblables à ceux des humains. Par la suite, le développement des systèmes experts dans les années 1960 et 1970, des réseaux de neurones dans les années 1980, de l’apprentissage automatique et de l’exploration de données dans les années 1990, ainsi que de l’apprentissage profond dans les années 2000, ont chacun marqué des tournants dans la chronologie de l’IA. Dans le domaine de l’informatique, l’IA est souvent décrite comme une espèce « homo sapiens créée par l’homme ». Les systèmes d’IA possèdent des compétences fondamentales telles que l’apprentissage, le raisonnement, l’auto-amélioration grâce à l’apprentissage expérientiel, la compréhension du langage et la résolution de problèmes, et sont programmés comme des simulations de l’intelligence humaine. L'IA et ses applications sont utilisées pour résoudre des problèmes complexes dans divers domaines, notamment la science, la santé, l'éducation, l'ingénierie, les affaires, la défense, le divertissement et la publicité, au moyen de systèmes experts.

L’intégration rapide des technologies d’IA dans la vie quotidienne a rendu essentiel pour les individus l’acquisition de connaissances et de compétences liées à ces technologies. La maîtrise de l’IA représente une compréhension et une prise de conscience des concepts fondamentaux de l’intelligence artificielle. Dans ce contexte, la maîtrise de l’IA est une compétence fondamentale qui permet aux individus de comprendre, d’utiliser et d’évaluer de manière critique les technologies d’IA, en reconnaissant à la fois leurs avantages et leurs limites. Avoir des connaissances en IA peut aider les individus à comprendre et à gérer les technologies d’IA, offrant ainsi la possibilité de devenir des individus plus informés et plus compétents. Par conséquent, il est devenu essentiel pour chacun aujourd’hui de posséder et d’améliorer ses connaissances en IA.

Des facteurs tels que les habitudes de lecture et les niveaux de réussite scolaire peuvent influencer positivement le développement des connaissances en IA. Les personnes qui ont des habitudes de lecture régulières développent généralement une pensée critique et des compétences d’analyse approfondies, qui facilitent la compréhension et l’évaluation critique des technologies d’IA. De même, les individus ayant des résultats scolaires élevés ont souvent de l’expérience dans l’accès aux connaissances et leur application, ce qui les rend plus adaptables aux compétences fondamentales requises pour acquérir des connaissances en IA.

Cependant, des comportements tels que la dépendance à Internet et aux smartphones, tout en facilitant l’accès aux technologies d’IA, peuvent avoir un effet négatif sur la maîtrise de l’IA. La dépendance à Internet renforce l’habitude d’accéder à l’information rapidement et superficiellement, ce qui peut réduire l’esprit critique et la concentration. De même, la dépendance aux smartphones, en raison de leur accès constant et superficiel à l’information, peut diminuer l’intérêt pour les processus de réflexion approfondis nécessaires à la maîtrise de l’IA. Par conséquent, la dépendance à Internet et aux smartphones pourrait constituer des obstacles dans les processus nécessitant une réflexion approfondie, une analyse et une accumulation de connaissances essentielles à la maîtrise de l’IA.

À notre connaissance, il n’existe aucune étude approfondie examinant les connaissances en IA des étudiants universitaires en relation avec la réussite scolaire, les habitudes de lecture, la dépendance aux smartphones et à Internet dans une perspective multiforme.

Le but de cette étude est de révéler les relations entre les connaissances des étudiants universitaires en IA et leurs niveaux de réussite scolaire, leurs habitudes de lecture, leur dépendance à Internet et leur dépendance aux smartphones.

Type d'étude

Observationnel

Inscription (Réel)

184

Contacts et emplacements

Cette section fournit les coordonnées de ceux qui mènent l'étude et des informations sur le lieu où cette étude est menée.

Lieux d'étude

Critères de participation

Les chercheurs recherchent des personnes qui correspondent à une certaine description, appelée critères d'éligibilité. Certains exemples de ces critères sont l'état de santé général d'une personne ou des traitements antérieurs.

Critère d'éligibilité

Âges éligibles pour étudier

  • Adulte

Accepte les volontaires sains

Non

Méthode d'échantillonnage

Échantillon non probabiliste

Population étudiée

Cette étude impliquera une population sélectionnée d'étudiants universitaires âgés de 18 à 35 ans, recrutés à l'Université d'Atılım. Les participants, hommes et femmes, seront sélectionnés sur la base de critères d'inclusion et d'exclusion spécifiques, tels que l'alphabétisation, la volonté de participer et la capacité de coopérer. L'échantillon comprend des personnes ayant des formations académiques variées et pertinentes par rapport aux objectifs de l'étude.

La description

Critères d'intégration :

  • Avoir entre 18 et 35 ans.
  • Volonté de participer après avoir reçu des informations détaillées sur l'objectif et la méthodologie de l'étude.

Critères d'exclusion :

  • Réponses manquantes dans les questionnaires.
  • Analphabétisme.
  • Incapacité de coopérer.

Plan d'étude

Cette section fournit des détails sur le plan d'étude, y compris la façon dont l'étude est conçue et ce que l'étude mesure.

Comment l'étude est-elle conçue ?

Détails de conception

Cohortes et interventions

Groupe / Cohorte
Intervention / Traitement
Le groupe à évaluer en termes de connaissances en IA
L’échelle de maîtrise de l’intelligence artificielle sera utilisée pour déterminer le niveau de maîtrise de l’IA. L'échelle est un instrument de 12 éléments conçu pour mesurer les connaissances et les compétences des individus en matière de sensibilisation, d'utilisation, d'évaluation et de considérations éthiques de l'IA. Les éléments sont notés sur une échelle de Likert de 1 à 7 (1 : Fortement en désaccord, 7 : Tout à fait d'accord), certains éléments étant codés de manière inversée (éléments 2, 5 et 11). Le score minimum possible sur l'échelle est de 12 et le score maximum est de 84 ; un score plus élevé indique un niveau plus élevé de connaissances en IA. La version turque de l'échelle sera utilisée dans cette étude.

Que mesure l'étude ?

Principaux critères de jugement

Mesure des résultats
Description de la mesure
Délai
Évaluation des habitudes de lecture
Délai: Jour 1
Évaluation des habitudes de lecture L'indice d'auto-évaluation des habitudes sera utilisé pour évaluer les habitudes de lecture. Le questionnaire sur les habitudes de lecture est un instrument de 12 éléments conçu pour évaluer les habitudes de lecture des individus, couvrant des dimensions telles que la fréquence de lecture, la durée, les matériaux préférés (livres, magazines, contenu en ligne, etc.), le but de la lecture et l'environnement de lecture. Le questionnaire permet aux participants de répondre sur une échelle de Likert à 5 points (1 : Jamais, 5 : Toujours). Le score total obtenu est utilisé pour interpréter les habitudes de lecture d'un individu : des scores faibles indiquent une lecture peu fréquente, des scores modérés représentent des habitudes de lecture régulières mais non intensives, et des scores élevés reflètent une lecture fréquente de divers documents. Cette évaluation permet de déterminer le niveau des habitudes de lecture d'un individu et d'identifier les domaines à améliorer.
Jour 1
Évaluation de la dépendance aux smartphones
Délai: Jour 1
La dépendance au smartphone sera évaluée à l'aide du Smartphone Addiction Scale - Short Form. Il s'agit d'une échelle de 10 éléments utilisée pour évaluer les habitudes d'utilisation des smartphones des individus. Chaque élément est noté de 1 (Fortement en désaccord) à 6 (Fortement d'accord), avec un score total minimum de 10 et un maximum de 60. Des scores plus élevés indiquent un risque plus élevé de dépendance et permettent une évaluation rapide.
Jour 1
Évaluation de la dépendance à Internet
Délai: Jour 1
La dépendance à Internet sera évaluée à l'aide de l'Internet Addiction Scale - Short Form, un instrument conçu pour évaluer les habitudes d'utilisation d'Internet des individus. Initialement développée par Young (1998), l'échelle a été adaptée sous la forme d'une forme courte composée de 6 éléments pour une évaluation rapide de la dépendance à Internet [14]. La version turque sera utilisée [15]. Chaque item est noté de 1 (Jamais) à 5 (Toujours), avec un score total allant de 6 à 30. Des scores plus élevés indiquent un risque accru de dépendance à Internet.
Jour 1
Évaluation de la réussite scolaire
Délai: Jour 1
Le niveau de réussite scolaire sera évalué sur la base de la moyenne cumulative (GPA) du semestre précédent. Cette mesure fournit un indicateur objectif de la performance académique globale des étudiants, capturant leurs efforts soutenus et leur engagement intellectuel dans les cours.
Jour 1

Collaborateurs et enquêteurs

C'est ici que vous trouverez les personnes et les organisations impliquées dans cette étude.

Parrainer

Publications et liens utiles

La personne responsable de la saisie des informations sur l'étude fournit volontairement ces publications. Il peut s'agir de tout ce qui concerne l'étude.

Publications générales

  • 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.

Dates d'enregistrement des études

Ces dates suivent la progression des dossiers d'étude et des soumissions de résultats sommaires à ClinicalTrials.gov. Les dossiers d'étude et les résultats rapportés sont examinés par la Bibliothèque nationale de médecine (NLM) pour s'assurer qu'ils répondent à des normes de contrôle de qualité spécifiques avant d'être publiés sur le site Web public.

Dates principales de l'étude

Début de l'étude (Réel)

15 novembre 2024

Achèvement primaire (Réel)

15 mars 2025

Achèvement de l'étude (Réel)

15 avril 2025

Dates d'inscription aux études

Première soumission

13 novembre 2024

Première soumission répondant aux critères de contrôle qualité

13 novembre 2024

Première publication (Réel)

14 novembre 2024

Mises à jour des dossiers d'étude

Dernière mise à jour publiée (Réel)

25 novembre 2025

Dernière mise à jour soumise répondant aux critères de contrôle qualité

20 novembre 2025

Dernière vérification

1 novembre 2025

Plus d'information

Termes liés à cette étude

Plan pour les données individuelles des participants (IPD)

Prévoyez-vous de partager les données individuelles des participants (DPI) ?

INDÉCIS

Informations sur les médicaments et les dispositifs, documents d'étude

Étudie un produit pharmaceutique réglementé par la FDA américaine

Non

Étudie un produit d'appareil réglementé par la FDA américaine

Non

produit fabriqué et exporté des États-Unis.

Non

Ces informations ont été extraites directement du site Web clinicaltrials.gov sans aucune modification. Si vous avez des demandes de modification, de suppression ou de mise à jour des détails de votre étude, veuillez contacter register@clinicaltrials.gov. Dès qu'un changement est mis en œuvre sur clinicaltrials.gov, il sera également mis à jour automatiquement sur notre site Web .

S'abonner