このページは自動翻訳されたものであり、翻訳の正確性は保証されていません。を参照してください。 英語版 ソーステキスト用。

大学生のAIリテラシーに関連する要因

2025年11月20日 更新者:Nagihan Acet

大学生の人工知能リテラシーと学業成績、読書習慣、スマートフォン依存症、インターネット依存症との関係

この研究は、大学生の人工知能(AI)リテラシーと、学力、読書習慣、スマートフォン依存症、インターネット依存症などの要因との関係を調査したものです。 AI テクノロジーが日常生活にますます統合されるにつれて、AI の理解と評価に必要な AI リテラシーが重要なスキルとして浮上しています。 学業上の成功や定期的な読書習慣などの要因は AI リテラシーを高める可能性がありますが、スマートフォンやインターネット依存症などの行動は、より深い批判的な関与よりも表面的な情報アクセスを促進するため、悪影響を与える可能性があります。 この前向き、観察、横断的研究では、人工知能リテラシー スケールを使用して AI リテラシーを評価し、学問的および行動的要因との関連を分析します。 この研究は、アトゥルム大学の理学療法・リハビリテーション学部研究室の18~35歳の参加者を対象に実施される。 データは、記述統計、相関分析 (分布に応じてピアソンまたはスピアマン)、および有意性検定を使用して評価されます。 この結果は、AI リテラシーに対する学問的および行動的要因の影響を浮き彫りにし、重要な AI コンピテンシーの育成を目的とした教育戦略への洞察を提供する可能性があります。

調査の概要

詳細な説明

情報技術の変革力である人工知能 (AI) は、人間と同様に動作し応答するインテリジェントな機械とソフトウェアの作成を含むコンピューター サイエンスのサブ分野です。 2022 年 11 月にリリースされた OpenAI 製品である ChatGPT の登場により、人工知能の概念はさらに人気を集めました。 歴史的に、AI にとって重要なマイルストーンは、人間のような動作を示す機械の能力を測定するために 1950 年にアラン チューリングによって導入されたチューリング テストでした。 これに続いて、1960 年代から 70 年代のエキスパート システム、1980 年代のニューラル ネットワーク、1990 年代の機械学習とデータ マイニング、そして 2000 年代のディープ ラーニングの開発は、それぞれ AI のタイムラインにおいて重要なポイントをマークしました。 コンピューティングの分野では、AI は「人工のホモ・サピエンス」種として表現されることがよくあります。 AI システムは、学習、推論、経験学習による自己改善、言語理解、問題解決などの基本的なスキルを備えており、人間の知能のシミュレーションとしてプログラムされています。 AI とそのアプリケーションは、エキスパート システムによって、科学、医療、教育、エンジニアリング、ビジネス、防衛、エンターテイメント、広告など、さまざまな分野にわたる複雑な問題に対処するために利用されています。

AI テクノロジーが日常生活に急速に組み込まれているため、個人がこれらのテクノロジーに関連する知識とスキルを習得することが不可欠になっています。 AI リテラシーは、人工知能の中核となる概念の理解と認識を表します。 この文脈において、AI リテラシーは、個人が AI テクノロジーの利点と限界の両方を認識して、AI テクノロジーを理解し、利用し、批判的に評価することを可能にする基本的な能力です。 AI リテラシーを持つことは、個人が AI テクノロジーを理解して管理するのに役立ち、より多くの情報を得て有能な個人になる機会を提供します。 したがって、今日、誰もが AI リテラシーを保有し、向上させることが不可欠になっています。

読書習慣や学力レベルなどの要因は、AI リテラシーの発達にプラスの影響を与える可能性があります。 定期的に読書の習慣がある人は通常、批判的思考と詳細な分析スキルを身につけ、AI テクノロジーの理解と批判的評価を容易にします。 同様に、学業成績が高い人は、知識にアクセスして応用する経験が豊富であることが多く、AI リテラシーを獲得するために必要な基礎スキルへの適応力が高くなります。

ただし、インターネット依存症やスマートフォン依存症などの行動は、AI テクノロジーへのアクセスを容易にする一方で、AI リテラシーに悪影響を与える可能性があります。 インターネット依存症は、情報に迅速かつ表面的にアクセスする習慣を強化し、批判的思考や集中力を低下させる可能性があります。 同様に、スマートフォン依存症は、情報への継続的かつ表面的なアクセスを提供するため、AI リテラシーに必要な深い思考プロセスへの関心を減退させる可能性があります。 したがって、インターネットやスマートフォンへの依存症は、AI リテラシーに不可欠な深い思考、分析、知識の蓄積を必要とするプロセスにおいて障壁として機能する可能性があります。

私たちの知る限り、大学生のAIリテラシーを学力、読書習慣、スマートフォン依存症、インターネット依存症との関連で多面的に調査した包括的な研究は存在しません。

この研究の目的は、大学生のAIリテラシーと学力レベル、読書習慣、インターネット依存症、スマートフォン依存症との関係を明らかにすることです。

研究の種類

観察的

入学 (実際)

184

連絡先と場所

このセクションには、調査を実施する担当者の連絡先の詳細と、この調査が実施されている場所に関する情報が記載されています。

研究場所

参加基準

研究者は、適格基準と呼ばれる特定の説明に適合する人を探します。これらの基準のいくつかの例は、人の一般的な健康状態または以前の治療です。

適格基準

就学可能な年齢

  • 大人

健康ボランティアの受け入れ

いいえ

サンプリング方法

非確率サンプル

調査対象母集団

この研究には、アトゥルム大学から募集された 18 ~ 35 歳の大学生からなる選ばれた集団が参加します。 参加者は男女を問わず、読み書き能力、参加意欲、協力能力などの特定の包含基準と除外基準に基づいて審査されます。 サンプルには、研究目的に関連するさまざまな学歴を持つ個人が含まれます。

説明

包含基準:

  • 18歳から35歳までであること。
  • 研究の目的と方法論に関する詳細な情報を受け取った後、参加する意欲があること。

除外基準:

  • アンケートの回答が不足している。
  • 文盲。
  • 協力することができない。

研究計画

このセクションでは、研究がどのように設計され、研究が何を測定しているかなど、研究計画の詳細を提供します。

研究はどのように設計されていますか?

デザインの詳細

コホートと介入

グループ/コホート
介入・治療
AIリテラシーの評価対象層
人工知能リテラシー スケールは、AI リテラシーのレベルを決定するために使用されます。 この尺度は、AI の認識、使用、評価、倫理的配慮に関する個人の知識とスキルを測定するために設計された 12 項目のツールです。 項目は 1 ~ 7 のリッカート スケール (1: 非常にそう思わない、7: 非常にそう思う) で評価され、一部の項目は逆コード化されています (項目 2、5、および 11)。 このスケールの最小スコアは 12 で、最大スコアは 84 です。スコアが高いほど、AI リテラシーのレベルが高いことを示します。 この研究ではトルコ版のスケールが使用されます。

この研究は何を測定していますか?

主要な結果の測定

結果測定
メジャーの説明
時間枠
読書習慣の評価
時間枠:1日目
読書習慣の評価 読書習慣を評価するために、自己報告習慣指数が使用されます。 読書習慣アンケートは、個人の読書習慣を評価するために設計された 12 項目からなる手段で、読書の頻度、期間、好みの資料 (書籍、雑誌、オンライン コンテンツなど)、読書の目的、読書環境などの側面をカバーしています。 このアンケートでは、参加者は 5 段階のリッカート スケール (1: まったくしない、5: 常に) で回答できます。 得られた合計スコアは個人の読書習慣を解釈するために使用されます。低いスコアは読書の頻度が低いことを示し、中程度のスコアは定期的だが集中的ではない読書習慣を示し、高いスコアはさまざまな資料を頻繁に読むことを示します。 この評価は、個人の読書習慣のレベルを判断し、改善の余地がある領域を特定するのに役立ちます。
1日目
スマホ依存症の評価
時間枠:1日目
スマートフォン依存症は、スマートフォン依存症スケール - 短縮形式を使用して評価されます。 個人のスマートフォンの利用習慣を10項目で評価するもので、各項目は1(非常にそう思わない)から6(非常にそう思う)まで採点され、合計スコアの最低点は10点、最高点は60点となります。 スコアが高いほど依存症のリスクが高いことを示し、迅速な評価が可能になります。
1日目
インターネット依存症の評価
時間枠:1日目
インターネット依存症は、個人のインターネット使用習慣を評価するために設計されたツールであるインターネット依存症スケール - 短縮形式を使用して評価されます。 元々は Young (1998) によって開発されたこの尺度は、インターネット依存症を迅速に評価するために 6 つの項目からなる短い形式として採用されました [14]。 トルコ語版が使用されます [15]。 各項目は 1 (決してない) ~ 5 (常に) で評価され、合計スコアは 6 ~ 30 の範囲になります。 スコアが高いほど、インターネット依存症のリスクが高いことを示します。
1日目
学力の評価
時間枠:1日目
学力の到達度は、前学期の累積成績平均値(GPA)に基づいて評価されます。 この測定値は、学生の全体的な学業成績の客観的な指標を提供し、授業への継続的な努力と知的関与を把握します。
1日目

協力者と研究者

ここでは、この調査に関係する人々や組織を見つけることができます。

スポンサー

出版物と役立つリンク

研究に関する情報を入力する責任者は、自発的にこれらの出版物を提供します。これらは、研究に関連するあらゆるものに関するものである可能性があります。

一般刊行物

  • 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.

研究記録日

これらの日付は、ClinicalTrials.gov への研究記録と要約結果の提出の進捗状況を追跡します。研究記録と報告された結果は、国立医学図書館 (NLM) によって審査され、公開 Web サイトに掲載される前に、特定の品質管理基準を満たしていることが確認されます。

主要日程の研究

研究開始 (実際)

2024年11月15日

一次修了 (実際)

2025年3月15日

研究の完了 (実際)

2025年4月15日

試験登録日

最初に提出

2024年11月13日

QC基準を満たした最初の提出物

2024年11月13日

最初の投稿 (実際)

2024年11月14日

学習記録の更新

投稿された最後の更新 (実際)

2025年11月25日

QC基準を満たした最後の更新が送信されました

2025年11月20日

最終確認日

2025年11月1日

詳しくは

本研究に関する用語

個々の参加者データ (IPD) の計画

個々の参加者データ (IPD) を共有する予定はありますか?

未定

医薬品およびデバイス情報、研究文書

米国FDA規制医薬品の研究

いいえ

米国FDA規制機器製品の研究

いいえ

米国で製造され、米国から輸出された製品。

いいえ

この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。

購読する