Fattori legati all’alfabetizzazione in materia di intelligenza artificiale negli studenti universitari
Il rapporto tra l'alfabetizzazione all'intelligenza artificiale e il rendimento accademico, le abitudini di lettura, la dipendenza da smartphone e la dipendenza da Internet tra gli studenti universitari
Panoramica dello studio
Stato
Stato
Condizioni
Condizioni
Intervento / Trattamento
Intervento / Trattamento
Descrizione dettagliata
L'intelligenza artificiale (AI), una forza trasformativa all'interno della tecnologia dell'informazione, è un sottocampo dell'informatica che prevede la creazione di macchine e software intelligenti che agiscono e rispondono in modo simile agli esseri umani. Con l'introduzione di ChatGPT, un prodotto OpenAI rilasciato nel novembre 2022, il concetto di intelligenza artificiale ha guadagnato ulteriore popolarità. Storicamente, una pietra miliare significativa per l’intelligenza artificiale è stata il test di Turing, introdotto da Alan Turing nel 1950 per misurare la capacità di una macchina di esibire comportamenti simili a quelli umani. Successivamente, lo sviluppo dei sistemi esperti negli anni ’60 e ’70, le reti neurali negli anni ’80, l’apprendimento automatico e il data mining negli anni ’90 e il deep learning negli anni 2000 hanno segnato punti cruciali nella sequenza temporale dell’IA. Nel campo dell’informatica, l’intelligenza artificiale è spesso descritta come una specie di “homo sapiens creato dall’uomo”. I sistemi di intelligenza artificiale possiedono abilità fondamentali come l’apprendimento, il ragionamento, l’auto-miglioramento attraverso l’apprendimento esperienziale, la comprensione del linguaggio e la risoluzione dei problemi e sono programmati come simulazioni dell’intelligenza umana. L’intelligenza artificiale e le sue applicazioni vengono utilizzate per affrontare questioni complesse in diversi campi, tra cui scienza, sanità, istruzione, ingegneria, economia, difesa, intrattenimento e pubblicità, mediante sistemi esperti.
La rapida integrazione delle tecnologie di intelligenza artificiale nella vita quotidiana ha reso essenziale per gli individui acquisire conoscenze e competenze relative a queste tecnologie. L’alfabetizzazione AI rappresenta la comprensione e la consapevolezza dei concetti fondamentali dell’intelligenza artificiale. In questo contesto, l’alfabetizzazione sull’intelligenza artificiale è una competenza fondamentale che consente alle persone di comprendere, utilizzare e valutare criticamente le tecnologie di intelligenza artificiale, riconoscendone sia i vantaggi che i limiti. Avere un’alfabetizzazione in materia di intelligenza artificiale può aiutare le persone a comprendere e gestire le tecnologie di intelligenza artificiale, offrendo l’opportunità di diventare individui più informati e capaci. Pertanto, oggi è diventato essenziale per tutti possedere e migliorare la propria alfabetizzazione in materia di intelligenza artificiale.
Fattori come le abitudini di lettura e i livelli di rendimento scolastico possono influenzare positivamente lo sviluppo dell’alfabetizzazione sull’intelligenza artificiale. Gli individui che hanno abitudini di lettura regolari sviluppano in genere capacità di pensiero critico e di analisi approfondita, che facilitano la comprensione e la valutazione critica delle tecnologie di intelligenza artificiale. Allo stesso modo, gli individui con un rendimento accademico elevato sono spesso esperti nell’accesso e nell’applicazione della conoscenza, il che li rende più adattabili alle competenze fondamentali richieste per acquisire l’alfabetizzazione in materia di intelligenza artificiale.
Tuttavia, comportamenti come la dipendenza da Internet e dalla dipendenza da smartphone, pur facilitando l’accesso alle tecnologie di intelligenza artificiale, possono avere un effetto negativo sull’alfabetizzazione in materia di intelligenza artificiale. La dipendenza da Internet rafforza l’abitudine di accedere alle informazioni in modo rapido e superficiale, il che può ridurre il pensiero critico e la concentrazione. Allo stesso modo, la dipendenza da smartphone, a causa dell’accesso costante e superficiale alle informazioni, può diminuire l’interesse per i processi di pensiero profondo richiesti per l’alfabetizzazione sull’intelligenza artificiale. Pertanto, la dipendenza da Internet e dagli smartphone potrebbe fungere da barriere nei processi che richiedono riflessione profonda, analisi e accumulo di conoscenze essenziali per l’alfabetizzazione sull’intelligenza artificiale.
A nostra conoscenza, non esiste uno studio completo che esamini l’alfabetizzazione in materia di intelligenza artificiale tra gli studenti universitari in relazione ai risultati accademici, alle abitudini di lettura, alla dipendenza da smartphone e alla dipendenza da Internet da una prospettiva sfaccettata.
Lo scopo di questo studio è quello di rivelare le relazioni tra l'alfabetizzazione AI degli studenti universitari e i loro livelli di rendimento accademico, abitudini di lettura, dipendenza da Internet e dipendenza da smartphone.
Tipo di studio
Tipo di studio
Iscrizione (Effettivo)
Iscrizione
Contatti e Sedi
Contatto studio
Contatto studio
- Nome: Nagihan Acet, Asst. Prof.
- Numero di telefono: +90 312 586 61 13
- Email: nagihan.acet@gmail.com
Backup dei contatti dello studio
- Nome: Seval Yılmaz, Asst. Prof.
- Numero di telefono: +9 0312 586 61 03
Luoghi di studio
-
-
-
Ankara, Turchia (Türkiye)
- Atılım University
-
-
Criteri di partecipazione
Criteri di ammissibilità
Criteri di ammissibilità
Età idonea allo studio
- Adulto
Accetta volontari sani
Metodo di campionamento
Popolazione di studio
Descrizione
Criteri di inclusione:
- Avere tra i 18 e i 35 anni.
- Disponibilità a partecipare dopo aver ricevuto informazioni dettagliate sullo scopo e sulla metodologia dello studio.
Criteri di esclusione:
- Risposte mancanti nei questionari.
- Analfabetismo.
- Incapacità di cooperare.
Piano di studio
Come è strutturato lo studio?
Dettagli di progettazione
Numero di gruppi/coorti
Coorti e interventi
Gruppo / CoorteGruppo / Coorte |
Intervento / TrattamentoIntervento / Trattamento |
|---|---|
|
Il gruppo da valutare in termini di alfabetizzazione AI
|
La scala di alfabetizzazione dell'intelligenza artificiale verrà utilizzata per determinare il livello di alfabetizzazione dell'intelligenza artificiale.
La scala è uno strumento composto da 12 item progettato per misurare le conoscenze e le competenze degli individui in materia di consapevolezza, utilizzo, valutazione e considerazioni etiche dell'IA.
Gli elementi sono valutati su una scala Likert da 1 a 7 (1: Completamente in disaccordo, 7: Completamente d'accordo), con alcuni elementi codificati in modo inverso (elementi 2, 5 e 11).
Il punteggio minimo possibile sulla scala è 12 e il punteggio massimo è 84; un punteggio più alto indica un livello più elevato di alfabetizzazione in materia di intelligenza artificiale.
In questo studio verrà utilizzata la versione turca della scala.
|
Cosa sta misurando lo studio?
Misure di risultato primarie
Misure di risultato primarie
Misura del risultato |
Misura Descrizione |
Lasso di tempo |
|---|---|---|
|
Valutazione delle abitudini di lettura
Lasso di tempo: Giorno 1
|
Valutazione delle abitudini di lettura Per valutare le abitudini di lettura verrà utilizzato il Self-Report Habit Index.
Il questionario sulle abitudini di lettura è uno strumento composto da 12 item progettato per valutare le abitudini di lettura degli individui, coprendo dimensioni quali frequenza di lettura, durata, materiali preferiti (libri, riviste, contenuti online, ecc.), scopo di lettura e ambiente di lettura.
Il questionario consente ai partecipanti di rispondere su una scala Likert a 5 punti (1: Mai, 5: Sempre).
Il punteggio totale ottenuto viene utilizzato per interpretare le abitudini di lettura di un individuo: punteggi bassi indicano letture poco frequenti, punteggi moderati rappresentano abitudini di lettura regolari ma non intensive e punteggi alti riflettono letture frequenti di materiali diversi.
Questa valutazione aiuta a determinare il livello delle abitudini di lettura di un individuo e a identificare le aree di potenziale miglioramento.
|
Giorno 1
|
|
Valutazione della dipendenza da smartphone
Lasso di tempo: Giorno 1
|
La dipendenza da smartphone sarà valutata utilizzando la Smartphone Addiction Scale - Short Form.
Si tratta di una scala a 10 elementi utilizzata per valutare le abitudini di utilizzo dello smartphone degli individui. A ogni elemento viene assegnato un punteggio da 1 (fortemente in disaccordo) a 6 (fortemente d'accordo), con un punteggio totale minimo di 10 e un massimo di 60.
I punteggi più alti indicano un rischio maggiore di dipendenza e forniscono una valutazione rapida.
|
Giorno 1
|
|
Valutazione della dipendenza da Internet
Lasso di tempo: Giorno 1
|
La dipendenza da Internet sarà valutata utilizzando la Internet Addiction Scale - Short Form, uno strumento progettato per valutare le abitudini di utilizzo di Internet da parte degli individui.
Originariamente sviluppata da Young (1998), la scala è stata adattata come una forma breve composta da 6 elementi per una rapida valutazione della dipendenza da Internet [14].
Verrà utilizzata la versione turca [15].
Ogni item ha un punteggio da 1 (Mai) a 5 (Sempre), con un punteggio totale che va da 6 a 30.
Punteggi più alti indicano un aumento del rischio di dipendenza da Internet.
|
Giorno 1
|
|
Valutazione del rendimento accademico
Lasso di tempo: Giorno 1
|
Il livello di rendimento accademico sarà valutato sulla base della media cumulativa dei voti (GPA) del semestre precedente.
Questa misura fornisce un indicatore oggettivo del rendimento scolastico complessivo degli studenti, catturando i loro sforzi sostenuti e l'impegno intellettuale nei corsi.
|
Giorno 1
|
Collaboratori e investigatori
Sponsor
Sponsor
Pubblicazioni e link utili
Pubblicazioni generali
- 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.
Studiare le date dei record
Studia le date principali
Inizio studio (Effettivo)
Inizio studio
Completamento primario (Effettivo)
Completamento primario
Completamento dello studio (Effettivo)
Completamento dello studio
Date di iscrizione allo studio
Primo inviato
Primo inviato
Primo inviato che soddisfa i criteri di controllo qualità
Primo inviato che soddisfa i criteri di controllo qualità
Primo Inserito (Effettivo)
Primo Inserito
Aggiornamenti dei record di studio
Ultimo aggiornamento pubblicato (Effettivo)
Ultimo aggiornamento pubblicato
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo aggiornamento inviato che soddisfa i criteri QC
Ultimo verificato
Ultimo verificato
Maggiori informazioni
Termini relativi a questo studio
Parole chiave
Termini MeSH pertinenti aggiuntivi
Altri numeri di identificazione dello studio
Altri numeri di identificazione dello studio
- Atılım University_5
Piano per i dati dei singoli partecipanti (IPD)
Hai intenzione di condividere i dati dei singoli partecipanti (IPD)?
Informazioni su farmaci e dispositivi, documenti di studio
Studia un prodotto farmaceutico regolamentato dalla FDA degli Stati Uniti
Studia un dispositivo regolamentato dalla FDA degli Stati Uniti
prodotto fabbricato ed esportato dagli Stati Uniti
Queste informazioni sono state recuperate direttamente dal sito web clinicaltrials.gov senza alcuna modifica. In caso di richieste di modifica, rimozione o aggiornamento dei dettagli dello studio, contattare register@clinicaltrials.gov. Non appena verrà implementata una modifica su clinicaltrials.gov, questa verrà aggiornata automaticamente anche sul nostro sito web .