Deze pagina is automatisch vertaald en de nauwkeurigheid van de vertaling kan niet worden gegarandeerd. Raadpleeg de Engelse versie voor een brontekst.

Factoren die verband houden met AI-geletterdheid bij universiteitsstudenten

20 november 2025 bijgewerkt door: Nagihan Acet

De relatie tussen geletterdheid op het gebied van kunstmatige intelligentie en academische prestaties, leesgewoonten, smartphoneverslaving en internetverslaving onder universiteitsstudenten

Deze studie onderzoekt de relaties tussen geletterdheid op het gebied van kunstmatige intelligentie (AI) en factoren zoals academische prestaties, leesgewoonten, smartphoneverslaving en internetverslaving onder universiteitsstudenten. Nu AI-technologieën steeds meer in het dagelijks leven worden geïntegreerd, wordt AI-geletterdheid – noodzakelijk voor het begrijpen en evalueren van AI – een cruciale vaardigheid. Hoewel factoren als academisch succes en regelmatige leesgewoonten de AI-geletterdheid kunnen vergroten, kunnen gedragingen zoals smartphone- en internetverslaving een negatief effect hebben door oppervlakkige toegang tot informatie te bevorderen in plaats van diepere kritische betrokkenheid. Deze prospectieve, observationele en cross-sectionele studie zal de AI-geletterdheid beoordelen met behulp van de Artificial Intelligence Literacy Scale en de associatie ervan met academische en gedragsfactoren analyseren. Het onderzoek zal worden uitgevoerd onder deelnemers van 18 tot 35 jaar in het laboratorium voor fysiotherapie en revalidatie van de Atılım Universiteit. De gegevens zullen worden geëvalueerd met behulp van beschrijvende statistieken, correlatieanalyses (Pearson of Spearman, afhankelijk van de distributie) en significantietests. De resultaten kunnen de impact benadrukken van academische en gedragsmatige factoren op AI-geletterdheid, en bieden inzichten voor onderwijsstrategieën gericht op het bevorderen van kritische AI-competenties.

Studie Overzicht

Gedetailleerde beschrijving

Kunstmatige intelligentie (AI), een transformerende kracht binnen de informatietechnologie, is een deelgebied van de computerwetenschap dat zich bezighoudt met het creëren van intelligente machines en software die op dezelfde manier handelen en reageren als mensen. Met de introductie van ChatGPT, een OpenAI-product dat in november 2022 werd uitgebracht, is het concept van kunstmatige intelligentie verder aan populariteit gewonnen. Historisch gezien was een belangrijke mijlpaal voor AI de Turing-test, geïntroduceerd door Alan Turing in 1950 om het vermogen van een machine om mensachtig gedrag te vertonen te meten. Hierna markeerden de ontwikkeling van expertsystemen in de jaren zestig en zeventig, neurale netwerken in de jaren tachtig, machine learning en datamining in de jaren negentig en deep learning in de jaren 2000 elk cruciale punten in de AI-tijdlijn. Binnen de computerwereld wordt AI vaak omschreven als een ‘door de mens gemaakte homo sapiens’-soort. AI-systemen beschikken over fundamentele vaardigheden zoals leren, redeneren, zelfverbetering door middel van ervaringsleren, taalbegrip en probleemoplossing, en zijn geprogrammeerd als simulaties van menselijke intelligentie. AI en zijn toepassingen worden gebruikt om complexe problemen op diverse gebieden aan te pakken, waaronder wetenschap, gezondheidszorg, onderwijs, techniek, zakenleven, defensie, entertainment en reclame, door middel van expertsystemen.

De snelle integratie van AI-technologieën in het dagelijks leven heeft het voor individuen van essentieel belang gemaakt om kennis en vaardigheden met betrekking tot deze technologieën te verwerven. AI-geletterdheid vertegenwoordigt een begrip en bewustzijn van de belangrijkste concepten van kunstmatige intelligentie. In deze context is AI-geletterdheid een fundamentele competentie die individuen in staat stelt AI-technologieën te begrijpen, te gebruiken en kritisch te evalueren, waarbij zowel de voordelen als de beperkingen ervan worden erkend. Het hebben van AI-geletterdheid kan individuen helpen AI-technologieën te begrijpen en te beheren, wat de kans biedt om beter geïnformeerde en capabele individuen te worden. Daarom is het tegenwoordig voor iedereen essentieel geworden om over AI-geletterdheid te beschikken en deze te verbeteren.

Factoren zoals leesgewoonten en academische prestaties kunnen een positieve invloed hebben op de ontwikkeling van AI-geletterdheid. Individuen met regelmatige leesgewoonten ontwikkelen doorgaans vaardigheden op het gebied van kritisch denken en diepgaande analyse, die het begrip en de kritische evaluatie van AI-technologieën vergemakkelijken. Op dezelfde manier hebben individuen met hoge academische prestaties vaak ervaring met het verkrijgen van toegang tot en het toepassen van kennis, waardoor ze zich beter kunnen aanpassen aan de fundamentele vaardigheden die nodig zijn om AI-geletterdheid te verwerven.

Gedrag zoals internetverslaving en smartphoneverslaving kunnen echter, hoewel ze de toegang tot AI-technologieën vergemakkelijken, een negatief effect hebben op de AI-geletterdheid. Internetverslaving versterkt de gewoonte om snel en oppervlakkig toegang te krijgen tot informatie, wat het kritisch denken en de focus kan verminderen. Op dezelfde manier kan smartphoneverslaving, vanwege de constante en oppervlakkige toegang tot informatie, de belangstelling verminderen voor de diepgaande denkprocessen die nodig zijn voor AI-geletterdheid. Daarom zouden internet- en smartphoneverslaving kunnen fungeren als barrières in de processen die diep nadenken, analyseren en accumuleren van kennis vereisen die essentieel zijn voor AI-geletterdheid.

Voor zover wij weten is er geen alomvattend onderzoek dat AI-geletterdheid onder universiteitsstudenten onderzoekt in relatie tot academische prestaties, leesgewoonten, smartphoneverslaving en internetverslaving vanuit een veelzijdig perspectief.

Het doel van deze studie is om de relaties bloot te leggen tussen de AI-geletterdheid van universiteitsstudenten en hun niveau van academische prestaties, leesgewoonten, internetverslaving en smartphoneverslaving.

Studietype

Observationeel

Inschrijving (Werkelijk)

184

Contacten en locaties

In dit gedeelte vindt u de contactgegevens van degenen die het onderzoek uitvoeren en informatie over waar dit onderzoek wordt uitgevoerd.

Studie Locaties

Deelname Criteria

Onderzoekers zoeken naar mensen die aan een bepaalde beschrijving voldoen, de zogenaamde geschiktheidscriteria. Enkele voorbeelden van deze criteria zijn iemands algemene gezondheidstoestand of eerdere behandelingen.

Geschiktheidscriteria

Leeftijden die in aanmerking komen voor studie

  • Volwassen

Accepteert gezonde vrijwilligers

Nee

Bemonsteringsmethode

Niet-waarschijnlijkheidssteekproef

Studie Bevolking

Bij dit onderzoek zal een geselecteerde populatie universiteitsstudenten tussen 18 en 35 jaar betrokken zijn, gerekruteerd aan de Atılım Universiteit. De deelnemers, zowel mannen als vrouwen, worden gescreend op basis van specifieke in- en exclusiecriteria, zoals geletterdheid, bereidheid om deel te nemen en vermogen om samen te werken. De steekproef omvat personen met uiteenlopende academische achtergronden die relevant zijn voor de studiedoelstellingen.

Beschrijving

Inclusiecriteria:

  • Tussen de 18 en 35 jaar oud zijn.
  • Bereidheid om deel te nemen na het ontvangen van gedetailleerde informatie over het doel en de methodologie van het onderzoek.

Uitsluitingscriteria:

  • Ontbrekende antwoorden in vragenlijsten.
  • Analfabetisme.
  • Onvermogen om samen te werken.

Studie plan

Dit gedeelte bevat details van het studieplan, inclusief hoe de studie is opgezet en wat de studie meet.

Hoe is de studie opgezet?

Ontwerpdetails

Cohorten en interventies

Groep / Cohort
Interventie / Behandeling
De groep die moet worden geëvalueerd in termen van AI-geletterdheid
De Artificial Intelligence Literacy Scale zal worden gebruikt om het niveau van AI-geletterdheid te bepalen. De schaal is een instrument met twaalf items dat is ontworpen om de kennis en vaardigheden van individuen op het gebied van AI-bewustzijn, gebruik, evaluatie en ethische overwegingen te meten. De items worden beoordeeld op een Likert-schaal van 1 tot en met 7 (1: helemaal mee oneens, 7: helemaal mee eens), waarbij sommige items omgekeerd gecodeerd zijn (items 2, 5 en 11). De minimaal mogelijke score op de schaal is 12 en de maximale score is 84; een hogere score duidt op een hoger niveau van AI-geletterdheid. In dit onderzoek zal de Turkse versie van de schaal worden gebruikt.

Wat meet het onderzoek?

Primaire uitkomstmaten

Uitkomstmaat
Maatregel Beschrijving
Tijdsspanne
Beoordeling van leesgewoonten
Tijdsspanne: Dag 1
Beoordeling van leesgewoonten De Self-Report Habit Index zal worden gebruikt om leesgewoonten te beoordelen. De Reading Habits Questionnaire is een instrument met twaalf items dat is ontworpen om de leesgewoonten van individuen te beoordelen, waarbij dimensies worden behandeld zoals leesfrequentie, duur, voorkeursmaterialen (boeken, tijdschriften, online-inhoud, enz.), leesdoel en leesomgeving. Met de vragenlijst kunnen deelnemers reageren op een 5-punts Likert-schaal (1: nooit, 5: altijd). De totaal behaalde score wordt gebruikt om de leesgewoonten van een individu te interpreteren: lage scores duiden op weinig lezen, gemiddelde scores duiden op regelmatige maar niet intensieve leesgewoonten, en hoge scores weerspiegelen het veelvuldig lezen van diverse materialen. Deze beoordeling helpt bij het bepalen van het niveau van de leesgewoonten van een individu en het identificeren van gebieden voor mogelijke verbetering.
Dag 1
Beoordeling van smartphoneverslaving
Tijdsspanne: Dag 1
Smartphone-verslaving zal worden beoordeeld met behulp van de Smartphone Addiction Scale - Short Form. Dit is een schaal met 10 items die wordt gebruikt om de smartphonegebruiksgewoonten van individuen te evalueren. Elk item wordt gescoord van 1 (zeer mee oneens) tot 6 (zeer mee eens), met een minimale totaalscore van 10 en een maximum van 60. Hogere scores duiden op een groter risico op verslaving en zorgen voor een snelle inschatting.
Dag 1
Beoordeling van internetverslaving
Tijdsspanne: Dag 1
Internetverslaving zal worden beoordeeld met behulp van de Internet Addiction Scale - Short Form, een instrument dat is ontworpen om de internetgebruiksgewoonten van individuen te evalueren. Oorspronkelijk ontwikkeld door Young (1998), is de schaal aangepast als een korte vorm bestaande uit 6 items voor een snelle beoordeling van internetverslaving [14]. Er zal gebruik worden gemaakt van de Turkse versie [15]. Elk item wordt beoordeeld van 1 (nooit) tot 5 (altijd), met een totaalscore van 6 tot 30. Hogere scores duiden op een verhoogd risico op internetverslaving.
Dag 1
Beoordeling van academische prestaties
Tijdsspanne: Dag 1
Het niveau van academische prestaties wordt beoordeeld op basis van het cumulatieve Grade Point Average (GPA) van het voorgaande semester. Deze maatstaf biedt een objectieve indicator van de algehele academische prestaties van studenten, waarbij hun aanhoudende inspanningen en intellectuele betrokkenheid bij cursussen worden vastgelegd.
Dag 1

Medewerkers en onderzoekers

Hier vindt u mensen en organisaties die betrokken zijn bij dit onderzoek.

Sponsor

Publicaties en nuttige links

De persoon die verantwoordelijk is voor het invoeren van informatie over het onderzoek stelt deze publicaties vrijwillig ter beschikking. Dit kan gaan over alles wat met het onderzoek te maken heeft.

Algemene publicaties

  • 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.

Studie record data

Deze datums volgen de voortgang van het onderzoeksdossier en de samenvatting van de ingediende resultaten bij ClinicalTrials.gov. Studieverslagen en gerapporteerde resultaten worden beoordeeld door de National Library of Medicine (NLM) om er zeker van te zijn dat ze voldoen aan specifieke kwaliteitscontrolenormen voordat ze op de openbare website worden geplaatst.

Bestudeer belangrijke data

Studie start (Werkelijk)

15 november 2024

Primaire voltooiing (Werkelijk)

15 maart 2025

Studie voltooiing (Werkelijk)

15 april 2025

Studieregistratiedata

Eerst ingediend

13 november 2024

Eerst ingediend dat voldeed aan de QC-criteria

13 november 2024

Eerst geplaatst (Werkelijk)

14 november 2024

Updates van studierecords

Laatste update geplaatst (Werkelijk)

25 november 2025

Laatste update ingediend die voldeed aan QC-criteria

20 november 2025

Laatst geverifieerd

1 november 2025

Meer informatie

Termen gerelateerd aan deze studie

Plan Individuele Deelnemersgegevens (IPD)

Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?

ONBESLIST

Informatie over medicijnen en apparaten, studiedocumenten

Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel

Nee

Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct

Nee

product vervaardigd in en geëxporteerd uit de V.S.

Nee

Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .

Abonneren