- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT06689319
Faktorer knyttet til AI-kompetanse hos universitetsstudenter
Forholdet mellom kunstig intelligens og akademisk prestasjon, lesevaner, smarttelefonavhengighet og internettavhengighet blant universitetsstudenter
Studieoversikt
Status
Forhold
Intervensjon / Behandling
Detaljert beskrivelse
Artificial Intelligence (AI), en transformativ kraft innen informasjonsteknologi, er et underfelt innen informatikk som involverer å lage intelligente maskiner og programvare som fungerer og reagerer på samme måte som mennesker. Med introduksjonen av ChatGPT, et OpenAI-produkt utgitt i november 2022, har konseptet kunstig intelligens fått ytterligere popularitet. Historisk sett var en betydelig milepæl for AI Turing-testen, introdusert av Alan Turing i 1950 for å måle en maskins evne til å vise menneskelignende atferd. Etter dette markerte utviklingen av ekspertsystemer på 1960-70-tallet, nevrale nettverk på 1980-tallet, maskinlæring og datautvinning på 1990-tallet og dyp læring på 2000-tallet sentrale punkter i AI-tidslinjen. Innenfor databehandling blir AI ofte beskrevet som en "menneskeskapt homo sapiens"-art. AI-systemer har grunnleggende ferdigheter som læring, resonnement, selvforbedring gjennom erfaringslæring, språkforståelse og problemløsning, og er programmert som simuleringer av menneskelig intelligens. AI og dets applikasjoner brukes til å løse komplekse problemer på tvers av forskjellige felt, inkludert vitenskap, helsevesen, utdanning, ingeniørfag, næringsliv, forsvar, underholdning og reklame - ved hjelp av ekspertsystemer.
Den raske integreringen av AI-teknologier i dagliglivet har gjort det viktig for enkeltpersoner å tilegne seg kunnskap og ferdigheter knyttet til disse teknologiene. AI-kompetanse representerer en forståelse og bevissthet om kjernekonsepter innen kunstig intelligens. I denne sammenhengen er AI-kompetanse en grunnleggende kompetanse som gjør det mulig for enkeltpersoner å forstå, bruke og kritisk vurdere AI-teknologier, og erkjenne både fordelene og begrensningene deres. Å ha AI-kompetanse kan hjelpe enkeltpersoner å forstå og administrere AI-teknologier, og tilby en mulighet til å bli mer informerte og dyktige individer. Derfor har det blitt viktig for alle i dag å ha og forbedre sin AI-kunnskap.
Faktorer som lesevaner og nivåer av akademiske prestasjoner kan positivt påvirke utviklingen av AI-kompetanse. Personer som har vanlige lesevaner utvikler vanligvis kritisk tenkning og dybdeanalyseferdigheter, som letter forståelse og kritisk evaluering av AI-teknologier. På samme måte har personer med høy akademisk ytelse ofte erfaring med å få tilgang til og anvende kunnskap, noe som gjør dem mer tilpasningsdyktige til de grunnleggende ferdighetene som kreves for å oppnå AI-kompetanse.
Imidlertid kan atferd som internettavhengighet og smarttelefonavhengighet, samtidig som det letter tilgang til AI-teknologier, ha en negativ effekt på AI-kompetanse. Internettavhengighet forsterker en vane med å få tilgang til informasjon raskt og overfladisk, noe som kan redusere kritisk tenkning og fokus. På samme måte kan smarttelefonavhengighet, på grunn av dens konstante og overfladiske tilgang til informasjon, redusere interessen for de dype tenkeprosessene som kreves for AI-kompetanse. Derfor kan internett- og smarttelefonavhengighet fungere som barrierer i prosessene som krever dyp tankegang, analyse og akkumulering av kunnskap som er avgjørende for AI-kompetanse.
Så vidt vi vet, er det ingen omfattende studie som undersøker AI-kompetanse blant universitetsstudenter i forhold til akademiske prestasjoner, lesevaner, smarttelefonavhengighet og internettavhengighet fra et mangefasettert perspektiv.
Målet med denne studien er å avsløre sammenhengen mellom universitetsstudenters AI-kompetanse og deres nivåer av akademiske prestasjoner, lesevaner, internettavhengighet og smarttelefonavhengighet.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Ankara, Tyrkia (Türkiye)
- Atılım University
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
- Voksen
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inkluderingskriterier:
- Å være mellom 18-35 år.
- Vilje til å delta etter å ha mottatt detaljert informasjon om studiens formål og metodikk.
Ekskluderingskriterier:
- Manglende svar i spørreskjemaer.
- Analfabetisme.
- Manglende evne til å samarbeide.
Studieplan
Hvordan er studiet utformet?
Designdetaljer
Kohorter og intervensjoner
Gruppe / Kohort |
Intervensjon / Behandling |
|---|---|
|
Gruppen som skal evalueres med tanke på AI-kompetanse
|
Artificial Intelligence Literacy Scale vil bli brukt til å bestemme nivået av AI-kompetanse.
Skalaen er et 12-elements instrument designet for å måle individers kunnskap og ferdigheter i AI-bevissthet, bruk, evaluering og etiske hensyn.
Elementer er vurdert på en Likert-skala fra 1 til 7 (1: Helt uenig, 7: Helt enig), med noen elementer omvendt (element 2, 5 og 11).
Minste mulige poengsum på skalaen er 12, og maksimal poengsum er 84; en høyere poengsum indikerer et høyere nivå av AI-kompetanse.
Den tyrkiske versjonen av skalaen vil bli brukt i denne studien.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Vurdering av lesevaner
Tidsramme: Dag 1
|
Vurdering av lesevaner Self-Report Habit Index vil bli brukt til å vurdere lesevaner.
Lesevaner-spørreskjemaet er et 12-elements instrument utviklet for å vurdere enkeltpersoners lesevaner, og dekker dimensjoner som lesefrekvens, varighet, foretrukket materiale (bøker, magasiner, nettinnhold osv.), leseformål og lesemiljø.
Spørreskjemaet lar deltakerne svare på en 5-punkts Likert-skala (1: Aldri, 5: Alltid).
Den oppnådde totale poengsummen brukes til å tolke et individs lesevaner: lave skårer indikerer sjelden lesing, moderate skårer representerer vanlige, men ikke intensive lesevaner, og høye skårer gjenspeiler hyppig lesing av forskjellige materialer.
Denne vurderingen hjelper til med å bestemme nivået på en persons lesevaner og identifisere områder for potensielle forbedringer.
|
Dag 1
|
|
Vurdering av smarttelefonavhengighet
Tidsramme: Dag 1
|
Smarttelefonavhengighet vil bli vurdert ved hjelp av Smartphone Addiction Scale - Short Form.
Dette er en 10-elements skala som brukes til å evaluere enkeltpersoners bruksvaner for smarttelefoner. Hvert element gis poeng fra 1 (helt uenig) til 6 (helt enig), med minimum totalscore på 10 og maksimum 60.
Høyere skår indikerer større risiko for avhengighet og gir en rask vurdering.
|
Dag 1
|
|
Vurdering av internettavhengighet
Tidsramme: Dag 1
|
Internettavhengighet vil bli vurdert ved hjelp av Internet Addiction Scale - Short Form, et instrument utviklet for å evaluere enkeltpersoners internettbruksvaner.
Skalaen ble opprinnelig utviklet av Young (1998), og har blitt tilpasset som en kortform bestående av 6 elementer for en rask vurdering av internettavhengighet [14].
Den tyrkiske versjonen vil bli brukt [15].
Hvert element er rangert fra 1 (Aldri) til 5 (Alltid), med en total poengsum fra 6 til 30.
Høyere score indikerer økt risiko for internettavhengighet.
|
Dag 1
|
|
Vurdering av faglige prestasjoner
Tidsramme: Dag 1
|
Nivået på akademisk prestasjon vil bli vurdert basert på det kumulative karaktergjennomsnittet (GPA) fra forrige semester.
Dette tiltaket gir en objektiv indikator på studentenes samlede akademiske prestasjoner, og viser deres vedvarende innsats og intellektuelle engasjement i kursene.
|
Dag 1
|
Samarbeidspartnere og etterforskere
Sponsor
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- Atılım University_5
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .