Ta strona została przetłumaczona automatycznie i dokładność tłumaczenia nie jest gwarantowana. Proszę odnieść się do angielska wersja za tekst źródłowy.

Czynniki powiązane z umiejętnością korzystania z sztucznej inteligencji wśród studentów

20 listopada 2025 zaktualizowane przez: Nagihan Acet

Związek umiejętności korzystania z sztucznej inteligencji z osiągnięciami w nauce, nawykami czytelniczymi, uzależnieniem od smartfonów i uzależnieniem od Internetu wśród studentów uniwersytetów

W niniejszym badaniu zbadano związki między umiejętnością posługiwania się sztuczną inteligencją (AI) a takimi czynnikami, jak osiągnięcia w nauce, nawyki czytelnicze, uzależnienie od smartfonów i uzależnienie od Internetu wśród studentów uniwersytetów. W miarę jak technologie sztucznej inteligencji stają się coraz bardziej zintegrowane z życiem codziennym, umiejętność korzystania z sztucznej inteligencji – niezbędna do zrozumienia i oceny sztucznej inteligencji – staje się umiejętnością krytyczną. Chociaż czynniki takie jak sukcesy w nauce i regularne nawyki czytania mogą zwiększyć umiejętność korzystania z sztucznej inteligencji, zachowania takie jak uzależnienie od smartfonów i Internetu mogą mieć niekorzystny wpływ, promując dostęp do powierzchownych informacji zamiast głębszego krytycznego zaangażowania. To prospektywne, obserwacyjne i przekrojowe badanie oceni umiejętność korzystania z sztucznej inteligencji za pomocą skali umiejętności korzystania ze sztucznej inteligencji i przeanalizuje jej powiązanie z czynnikami akademickimi i behawioralnymi. Badanie zostanie przeprowadzone wśród uczestników w wieku 18-35 lat w Laboratorium Zakładu Fizjoterapii i Rehabilitacji Uniwersytetu Atılım. Dane będą oceniane za pomocą statystyki opisowej, analiz korelacji (Pearsona lub Spearmana, w zależności od rozkładu) i testów istotności. Wyniki mogą uwypuklić wpływ czynników akademickich i behawioralnych na umiejętność korzystania z sztucznej inteligencji, oferując wgląd w strategie edukacyjne mające na celu wspieranie kluczowych kompetencji w zakresie sztucznej inteligencji.

Przegląd badań

Szczegółowy opis

Sztuczna inteligencja (AI), siła transformacyjna w technologii informacyjnej, to poddziedzina informatyki, która obejmuje tworzenie inteligentnych maszyn i oprogramowania, które działają i reagują podobnie do ludzi. Wraz z wprowadzeniem ChatGPT, produktu OpenAI wydanego w listopadzie 2022 r., koncepcja sztucznej inteligencji zyskała dalszą popularność. Historycznie rzecz biorąc, znaczącym kamieniem milowym dla sztucznej inteligencji był Test Turinga, wprowadzony przez Alana Turinga w 1950 r. w celu pomiaru zdolności maszyny do wykazywania zachowań podobnych do ludzkich. Następnie rozwój systemów eksperckich w latach 60. i 70. XX wieku, sieci neuronowych w latach 80., uczenia maszynowego i eksploracji danych w latach 90. oraz głębokiego uczenia się w latach 2000. wyznaczały punkty zwrotne na osi czasu sztucznej inteligencji. W dziedzinie informatyki sztuczną inteligencję często opisuje się jako gatunek „homo sapiens stworzony przez człowieka”. Systemy sztucznej inteligencji posiadają podstawowe umiejętności, takie jak uczenie się, rozumowanie, samodoskonalenie poprzez uczenie się przez doświadczenie, rozumienie języka i rozwiązywanie problemów, i są programowane jako symulacje ludzkiej inteligencji. Sztuczna inteligencja i jej aplikacje są wykorzystywane do rozwiązywania złożonych problemów w różnych dziedzinach, w tym w nauce, opiece zdrowotnej, edukacji, inżynierii, biznesie, obronności, rozrywce i reklamie, za pomocą systemów eksperckich.

Szybka integracja technologii sztucznej inteligencji z życiem codziennym sprawiła, że ​​zdobycie wiedzy i umiejętności związanych z tymi technologiami stało się dla obywateli koniecznością. Znajomość sztucznej inteligencji oznacza zrozumienie i świadomość podstawowych koncepcji sztucznej inteligencji. W tym kontekście umiejętność korzystania z AI to podstawowa kompetencja, która umożliwia jednostkom zrozumienie, wykorzystanie i krytyczną ocenę technologii AI, uznając zarówno ich zalety, jak i ograniczenia. Znajomość sztucznej inteligencji może pomóc poszczególnym osobom w zrozumieniu technologii sztucznej inteligencji i zarządzaniu nimi, oferując możliwość zdobycia większej wiedzy i umiejętności. Dlatego posiadanie i doskonalenie umiejętności w zakresie sztucznej inteligencji stało się dziś niezbędne dla każdego.

Czynniki takie jak nawyki czytelnicze i poziom osiągnięć w nauce mogą pozytywnie wpływać na rozwój umiejętności korzystania z sztucznej inteligencji. Osoby, które regularnie czytają, zazwyczaj rozwijają umiejętności krytycznego myślenia i dogłębnej analizy, co ułatwia zrozumienie i krytyczną ocenę technologii AI. Podobnie osoby osiągające dobre wyniki w nauce często mają doświadczenie w dostępie do wiedzy i jej stosowaniu, dzięki czemu łatwiej przystosowują się do podstawowych umiejętności wymaganych do zdobycia umiejętności korzystania z sztucznej inteligencji.

Jednak zachowania takie jak uzależnienie od Internetu i smartfona, ułatwiając dostęp do technologii AI, mogą mieć niekorzystny wpływ na umiejętność korzystania z AI. Uzależnienie od Internetu wzmacnia nawyk szybkiego i powierzchownego dostępu do informacji, co może ograniczać krytyczne myślenie i koncentrację. Podobnie uzależnienie od smartfonów, ze względu na zapewnienie stałego i powierzchownego dostępu do informacji, może zmniejszyć zainteresowanie procesami głębokiego myślenia wymaganymi do umiejętności korzystania z sztucznej inteligencji. Dlatego uzależnienie od Internetu i smartfonów może działać jako bariery w procesach wymagających głębokiego przemyślenia, analizy i gromadzenia wiedzy niezbędnej do umiejętności korzystania z sztucznej inteligencji.

Według naszej wiedzy nie ma kompleksowego badania sprawdzającego umiejętność korzystania z sztucznej inteligencji wśród studentów uniwersytetów w odniesieniu do osiągnięć w nauce, nawyków czytelniczych, uzależnienia od smartfonów i uzależnienia od Internetu z wieloaspektowej perspektywy.

Celem tego badania jest ujawnienie związków między umiejętnością korzystania z sztucznej inteligencji przez studentów uniwersytetów a ich poziomem osiągnięć w nauce, nawykami czytelniczymi, uzależnieniem od Internetu i uzależnieniem od smartfonów.

Typ studiów

Obserwacyjny

Zapisy (Rzeczywisty)

184

Kontakty i lokalizacje

Ta sekcja zawiera dane kontaktowe osób prowadzących badanie oraz informacje o tym, gdzie badanie jest przeprowadzane.

Lokalizacje studiów

Kryteria uczestnictwa

Badacze szukają osób, które pasują do określonego opisu, zwanego kryteriami kwalifikacyjnymi. Niektóre przykłady tych kryteriów to ogólny stan zdrowia danej osoby lub wcześniejsze leczenie.

Kryteria kwalifikacji

Wiek uprawniający do nauki

  • Dorosły

Akceptuje zdrowych ochotników

Nie

Metoda próbkowania

Próbka bez prawdopodobieństwa

Badana populacja

Badanie to obejmie wybraną populację studentów uniwersytetów w wieku 18–35 lat, rekrutowanych z Uniwersytetu Atılım. Uczestnicy, zarówno mężczyźni, jak i kobiety, zostaną poddani badaniu przesiewowemu w oparciu o określone kryteria włączenia i wykluczenia, takie jak umiejętność czytania i pisania, chęć uczestnictwa i zdolność do współpracy. Próba obejmuje osoby o różnym wykształceniu akademickim istotnym dla celów badania.

Opis

Kryteria włączenia:

  • Będąc w wieku 18-35 lat.
  • Chęć udziału w badaniu po otrzymaniu szczegółowej informacji o celu i metodologii badania.

Kryteria wykluczenia:

  • Brakujące odpowiedzi w kwestionariuszach.
  • Analfabetyzm.
  • Niemożność współpracy.

Plan studiów

Ta sekcja zawiera szczegółowe informacje na temat planu badania, w tym sposób zaprojektowania badania i jego pomiary.

Jak projektuje się badanie?

Szczegóły projektu

Kohorty i interwencje

Grupa / Kohorta
Interwencja / Leczenie
Grupa podlegająca ocenie pod kątem umiejętności korzystania z AI
Do określenia poziomu umiejętności korzystania z AI zostanie wykorzystana Skala umiejętności korzystania z sztucznej inteligencji. Skala jest 12-elementowym narzędziem służącym do pomiaru wiedzy i umiejętności poszczególnych osób w zakresie świadomości, wykorzystania, oceny i oceny sztucznej inteligencji oraz kwestii etycznych. Pozycje są oceniane w skali Likerta od 1 do 7 (1: zdecydowanie się nie zgadzam, 7: zdecydowanie się zgadzam), przy czym niektóre pozycje są kodowane odwrotnie (pozycje 2, 5 i 11). Minimalny możliwy wynik na skali to 12, a maksymalny wynik to 84; wyższy wynik wskazuje na wyższy poziom umiejętności korzystania z sztucznej inteligencji. W badaniu wykorzystana zostanie turecka wersja skali.

Co mierzy badanie?

Podstawowe miary wyniku

Miara wyniku
Opis środka
Ramy czasowe
Ocena nawyków czytelniczych
Ramy czasowe: Dzień 1
Ocena nawyków czytelniczych Do oceny nawyków czytelniczych zostanie wykorzystany Samoopisowy Wskaźnik Nawyków. Kwestionariusz nawyków czytelniczych to 12-elementowe narzędzie zaprojektowane do oceny nawyków czytelniczych poszczególnych osób, obejmujące takie wymiary, jak częstotliwość czytania, czas trwania, preferowane materiały (książki, czasopisma, treści online itp.), cel czytania i środowisko czytania. Kwestionariusz umożliwia respondentom udzielenie odpowiedzi na 5-stopniowej skali Likerta (1: Nigdy, 5: Zawsze). Całkowity uzyskany wynik służy do interpretacji nawyków czytelniczych danej osoby: niskie wyniki wskazują na rzadkie czytanie, umiarkowane wyniki oznaczają regularne, ale nie intensywne nawyki czytelnicze, a wysokie wyniki odzwierciedlają częste czytanie różnorodnych materiałów. Ocena ta pomaga określić poziom nawyków czytelniczych danej osoby i zidentyfikować obszary potencjalnej poprawy.
Dzień 1
Ocena uzależnienia od smartfona
Ramy czasowe: Dzień 1
Uzależnienie od smartfona będzie oceniane za pomocą Skróconej Skali Uzależnienia od Smartfona. Jest to 10-elementowa skala używana do oceny zwyczajów korzystania ze smartfonów przez poszczególne osoby. Każdy element jest oceniany w skali od 1 (zdecydowanie się nie zgadzam) do 6 (zdecydowanie się zgadzam), przy czym minimalny łączny wynik wynosi 10, a maksymalnie 60. Wyższe wyniki wskazują na większe ryzyko uzależnienia i umożliwiają szybką ocenę.
Dzień 1
Ocena uzależnienia od Internetu
Ramy czasowe: Dzień 1
Uzależnienie od Internetu będzie oceniane za pomocą Skali Uzależnienia od Internetu – skróconej formy, instrumentu zaprojektowanego do oceny nawyków korzystania z Internetu przez jednostki. Skala, pierwotnie opracowana przez Younga (1998), została zaadaptowana jako krótka forma składająca się z 6 pozycji, służąca do szybkiej oceny uzależnienia od Internetu [14]. Wykorzystana zostanie wersja turecka [15]. Każdy element jest oceniany w skali od 1 (nigdy) do 5 (zawsze), a łączny wynik wynosi od 6 do 30. Wyższe wyniki wskazują na zwiększone ryzyko uzależnienia od Internetu.
Dzień 1
Ocena osiągnięć akademickich
Ramy czasowe: Dzień 1
Poziom osiągnięć w nauce będzie oceniany na podstawie skumulowanej średniej ocen (GPA) z poprzedniego semestru. Miara ta zapewnia obiektywny wskaźnik ogólnych wyników w nauce uczniów, rejestrując ich ciągłe wysiłki i intelektualne zaangażowanie w zajęcia.
Dzień 1

Współpracownicy i badacze

Tutaj znajdziesz osoby i organizacje zaangażowane w to badanie.

Sponsor

Publikacje i pomocne linki

Osoba odpowiedzialna za wprowadzenie informacji o badaniu dobrowolnie udostępnia te publikacje. Mogą one dotyczyć wszystkiego, co jest związane z badaniem.

Publikacje ogólne

  • 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.

Daty zapisu na studia

Daty te śledzą postęp w przesyłaniu rekordów badań i podsumowań wyników do ClinicalTrials.gov. Zapisy badań i zgłoszone wyniki są przeglądane przez National Library of Medicine (NLM), aby upewnić się, że spełniają określone standardy kontroli jakości, zanim zostaną opublikowane na publicznej stronie internetowej.

Główne daty studiów

Rozpoczęcie studiów (Rzeczywisty)

15 listopada 2024

Zakończenie podstawowe (Rzeczywisty)

15 marca 2025

Ukończenie studiów (Rzeczywisty)

15 kwietnia 2025

Daty rejestracji na studia

Pierwszy przesłany

13 listopada 2024

Pierwszy przesłany, który spełnia kryteria kontroli jakości

13 listopada 2024

Pierwszy wysłany (Rzeczywisty)

14 listopada 2024

Aktualizacje rekordów badań

Ostatnia wysłana aktualizacja (Rzeczywisty)

25 listopada 2025

Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości

20 listopada 2025

Ostatnia weryfikacja

1 listopada 2025

Więcej informacji

Terminy związane z tym badaniem

Plan dla danych uczestnika indywidualnego (IPD)

Planujesz udostępniać dane poszczególnych uczestników (IPD)?

NIEZDECYDOWANY

Informacje o lekach i urządzeniach, dokumenty badawcze

Bada produkt leczniczy regulowany przez amerykańską FDA

Nie

Bada produkt urządzenia regulowany przez amerykańską FDA

Nie

produkt wyprodukowany i wyeksportowany z USA

Nie

Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .

Subskrybuj