이 페이지는 자동 번역되었으며 번역의 정확성을 보장하지 않습니다. 참조하십시오 영문판 원본 텍스트의 경우.

대학생의 AI 활용능력과 관련된 요인

2025년 11월 20일 업데이트: Nagihan Acet

대학생의 인공지능 활용능력과 학업성취도, 독서습관, 스마트폰 중독, 인터넷 중독과의 관계 원문보기 KCI 원문보기 인용

본 연구는 대학생을 대상으로 인공지능 활용능력과 학업성취도, 독서습관, 스마트폰 중독, 인터넷 중독 등의 요인과의 관계를 조사하였다. AI 기술이 점점 일상생활에 접목되면서 AI를 이해하고 평가하는 데 필요한 AI 리터러시가 중요한 기술로 떠오르고 있습니다. 학문적 성공 및 규칙적인 독서 습관과 같은 요소는 AI 활용 능력을 향상시킬 수 있지만, 스마트폰 및 인터넷 중독과 같은 행동은 더 깊은 비판적 참여보다 피상적인 정보 액세스를 촉진함으로써 부정적인 영향을 미칠 수 있습니다. 이 전향적, 관찰적, 단면적 연구에서는 인공 지능 활용 능력 척도를 사용하여 AI 활용 능력을 평가하고 학업 및 행동 요인과의 연관성을 분석합니다. 이 연구는 Atılım 대학교 물리치료 및 재활학과 실험실의 18~35세 참가자를 대상으로 진행됩니다. 데이터는 기술 통계, 상관 분석(분포에 따라 Pearson 또는 Spearman) 및 유의성 테스트를 사용하여 평가됩니다. 결과는 AI 활용 능력에 대한 학업 및 행동 요인의 영향을 강조하여 중요한 AI 역량 육성을 목표로 하는 교육 전략에 대한 통찰력을 제공할 수 있습니다.

연구 개요

상세 설명

정보 기술의 변혁적인 힘인 인공 지능(AI)은 인간과 유사하게 행동하고 반응하는 지능적인 기계와 소프트웨어를 만드는 것과 관련된 컴퓨터 과학의 하위 분야입니다. 2022년 11월 출시된 OpenAI 제품인 ChatGPT가 등장하면서 인공지능이라는 개념이 더욱 대중화되었습니다. 역사적으로 AI의 중요한 이정표는 1950년 앨런 튜링(Alan Turing)이 인간과 유사한 행동을 나타내는 기계의 능력을 측정하기 위해 도입한 튜링 테스트(Turing Test)였습니다. 이어 1960~70년대 전문가 시스템의 발전, 1980년대 신경망, 1990년대 머신러닝과 데이터마이닝, 2000년대 딥러닝이 각각 AI 시대의 전환점을 이뤘다. 컴퓨팅 영역 내에서 AI는 종종 "인공 호모 사피엔스" 종으로 묘사됩니다. AI 시스템은 학습, 추론, 경험 학습을 통한 자기계발, 언어 이해, 문제 해결 등의 기초 기술을 보유하고 있으며, 인간 지능을 시뮬레이션하도록 프로그래밍되어 있습니다. AI와 그 응용 프로그램은 전문가 시스템을 통해 과학, 의료, 교육, 엔지니어링, 비즈니스, 국방, 엔터테인먼트, 광고 등 다양한 분야의 복잡한 문제를 해결하는 데 활용됩니다.

AI 기술이 일상생활에 빠르게 통합되면서 개인이 이러한 기술과 관련된 지식과 기술을 습득하는 것이 필수적이 되었습니다. AI 리터러시는 핵심 인공지능 개념에 대한 이해와 인식을 나타냅니다. 이러한 맥락에서 AI 리터러시는 개인이 AI 기술의 장점과 한계를 모두 인식하고 이해하고 활용하며 비판적으로 평가할 수 있도록 하는 기본 역량입니다. AI 활용 능력을 갖추면 개인이 AI 기술을 이해하고 관리하는 데 도움이 되며, 더 많은 정보를 얻고 유능한 개인이 될 수 있는 기회를 제공할 수 있습니다. 따라서 오늘날 모든 사람이 AI 리터러시를 보유하고 향상시키는 것이 필수가 되었습니다.

독서 습관, 학업 성취도와 같은 요소는 AI 활용 능력 개발에 긍정적인 영향을 미칠 수 있습니다. 규칙적인 독서 습관을 가진 개인은 일반적으로 AI 기술을 이해하고 비판적으로 평가하는 데 도움이 되는 비판적 사고와 심층 분석 기술을 개발합니다. 마찬가지로, 학업 성적이 높은 개인은 지식에 접근하고 적용하는 경험이 있는 경우가 많으므로 AI 활용 능력을 얻는 데 필요한 기본 기술에 더 잘 적응할 수 있습니다.

그러나 인터넷 중독, 스마트폰 중독과 같은 행동은 AI 기술에 대한 접근을 촉진하는 동시에 AI 활용 능력에 부정적인 영향을 미칠 수 있습니다. 인터넷 중독은 정보에 빠르고 피상적으로 접근하는 습관을 강화시켜 비판적 사고와 집중력을 저하시킬 수 있습니다. 마찬가지로 스마트폰 중독은 정보에 대한 지속적이고 피상적인 접근 제공으로 인해 AI 활용 능력에 필요한 깊은 사고 과정에 대한 관심을 감소시킬 수 있습니다. 따라서 인터넷과 스마트폰 중독은 AI 리터러시에 필수적인 깊은 사고와 분석, 지식 축적을 요구하는 과정에서 장벽으로 작용할 수 있다.

현재까지 대학생의 AI 리터러시를 학업성취도, 독서습관, 스마트폰 중독, 인터넷 중독과 관련하여 다각적인 관점에서 조사한 종합적인 연구는 없는 것으로 알려져 있다.

본 연구의 목적은 대학생의 AI 리터러시와 학업 성취도, 독서 습관, 인터넷 중독 및 스마트폰 중독 간의 관계를 밝히는 것입니다.

연구 유형

관찰

등록 (실제)

184

연락처 및 위치

이 섹션에서는 연구를 수행하는 사람들의 연락처 정보와 이 연구가 수행되는 장소에 대한 정보를 제공합니다.

연구 장소

참여기준

연구원은 적격성 기준이라는 특정 설명에 맞는 사람을 찾습니다. 이러한 기준의 몇 가지 예는 개인의 일반적인 건강 상태 또는 이전 치료입니다.

자격 기준

공부할 수 있는 나이

  • 성인

건강한 자원 봉사자를 받아들입니다

아니

샘플링 방법

비확률 샘플

연구 인구

이 연구에는 Atılım University에서 모집된 18~35세의 선택된 대학생 집단이 포함됩니다. 남성과 여성 참가자 모두 읽고 쓰는 능력, 참여 의지, 협력 능력 등 구체적인 포함 및 제외 기준을 바탕으로 심사를 받게 됩니다. 표본에는 연구 목표와 관련된 다양한 학문적 배경을 가진 개인이 포함됩니다.

설명

포함 기준:

  • 18~35세 사이입니다.
  • 연구의 목적과 방법에 대한 자세한 정보를 받은 후 참여하겠다는 의지.

제외 기준:

  • 설문지에 응답이 누락되었습니다.
  • 무식.
  • 협력 불능.

공부 계획

이 섹션에서는 연구 설계 방법과 연구가 측정하는 내용을 포함하여 연구 계획에 대한 세부 정보를 제공합니다.

연구는 어떻게 설계됩니까?

디자인 세부사항

코호트 및 개입

그룹/코호트
개입 / 치료
AI 리터러시 평가 대상 그룹
AI 리터러시 척도는 AI 리터러시 수준을 결정하는 데 사용됩니다. 이 척도는 AI 인식, 사용, 평가 및 윤리적 고려 사항에 대한 개인의 지식과 기술을 측정하도록 설계된 12개 항목 도구입니다. 항목은 1~7(1: 매우 동의하지 않음, 7: 매우 동의함)의 Likert 등급으로 평가되며 일부 항목은 역코딩됩니다(항목 2, 5, 11). 척도에서 가능한 최소 점수는 12점이고 최대 점수는 84점입니다. 점수가 높을수록 AI 활용 능력 수준이 높다는 것을 나타냅니다. 이 연구에서는 터키어 버전의 척도가 사용됩니다.

연구는 무엇을 측정합니까?

주요 결과 측정

결과 측정
측정값 설명
기간
독서 습관 평가
기간: 1일차
독서 습관 평가 자가 보고 습관 지수(Self-Report Habit Index)는 독서 습관을 평가하는 데 사용됩니다. 독서 습관 설문지는 독서 빈도, 지속 시간, 선호하는 자료(도서, 잡지, 온라인 콘텐츠 등), 독서 목적, 독서 환경 등의 차원을 포함하여 개인의 독서 습관을 평가하기 위해 고안된 12개 항목 도구입니다. 설문지를 통해 참가자는 5점 Likert 척도(1: 전혀 없음, 5: 항상)로 응답할 수 있습니다. 획득한 총점은 개인의 독서 습관을 해석하는 데 사용됩니다. 낮은 점수는 자주 읽지 않는 독서 습관을 나타내고, 중간 점수는 정기적이지만 집중적이지 않은 독서 습관을 나타내고, 높은 점수는 다양한 자료를 자주 읽는 것을 나타냅니다. 이 평가는 개인의 독서 습관 수준을 결정하고 잠재적인 개선이 필요한 영역을 식별하는 데 도움이 됩니다.
1일차
스마트폰 중독 평가
기간: 1일차
스마트폰 중독은 스마트폰 중독 척도 - 약식을 사용하여 평가됩니다. 개인의 스마트폰 사용 습관을 평가하는 10문항 척도이다. 각 문항은 1점(매우 동의하지 않음)부터 6점(매우 동의함)까지 점수가 매겨져 있으며, 최소 점수는 10점, 최대 60점이다. 점수가 높을수록 중독 위험이 높음을 나타내며 빠른 평가를 제공합니다.
1일차
인터넷 중독 평가
기간: 1일차
인터넷 중독은 개인의 인터넷 사용 습관을 평가하기 위해 고안된 도구인 인터넷 중독 척도 - 약식을 사용하여 평가됩니다. 원래 Young(1998)이 개발한 척도는 인터넷 중독에 대한 빠른 평가를 위해 6개 항목으로 구성된 짧은 형식으로 채택되었습니다[14]. 터키어 버전이 사용됩니다[15]. 각 항목은 1(항상)부터 5(항상)까지 평가되며 총점은 6~30점입니다. 점수가 높을수록 인터넷 중독 위험이 높다는 것을 의미합니다.
1일차
학업 성취도 평가
기간: 1일차
학업 성취도는 직전 학기의 누적 평점 평균(GPA)을 기준으로 평가됩니다. 이 측정값은 학생의 전반적인 학업 성취도에 대한 객관적인 지표를 제공하여 교과 과정에 대한 학생의 지속적인 노력과 지적 참여를 포착합니다.
1일차

공동 작업자 및 조사자

여기에서 이 연구와 관련된 사람과 조직을 찾을 수 있습니다.

스폰서

간행물 및 유용한 링크

연구에 대한 정보 입력을 담당하는 사람이 자발적으로 이러한 간행물을 제공합니다. 이것은 연구와 관련된 모든 것에 관한 것일 수 있습니다.

일반 간행물

  • 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.

연구 기록 날짜

이 날짜는 ClinicalTrials.gov에 대한 연구 기록 및 요약 결과 제출의 진행 상황을 추적합니다. 연구 기록 및 보고된 결과는 공개 웹사이트에 게시되기 전에 특정 품질 관리 기준을 충족하는지 확인하기 위해 국립 의학 도서관(NLM)에서 검토합니다.

연구 주요 날짜

연구 시작 (실제)

2024년 11월 15일

기본 완료 (실제)

2025년 3월 15일

연구 완료 (실제)

2025년 4월 15일

연구 등록 날짜

최초 제출

2024년 11월 13일

QC 기준을 충족하는 최초 제출

2024년 11월 13일

처음 게시됨 (실제)

2024년 11월 14일

연구 기록 업데이트

마지막 업데이트 게시됨 (실제)

2025년 11월 25일

QC 기준을 충족하는 마지막 업데이트 제출

2025년 11월 20일

마지막으로 확인됨

2025년 11월 1일

추가 정보

이 연구와 관련된 용어

개별 참가자 데이터(IPD) 계획

개별 참가자 데이터(IPD)를 공유할 계획입니까?

미정

약물 및 장치 정보, 연구 문서

미국 FDA 규제 의약품 연구

아니

미국 FDA 규제 기기 제품 연구

아니

미국에서 제조되어 미국에서 수출되는 제품

아니

이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .

구독하다