نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشیار، گروه علم اطلاعات و دانش‌شناسی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران.
2 استادیار، گروه علوم تربتی، دانشگاه شهید مدنی آذربایجان، تبریز، ایران.
10.30473/t-edu.2025.74471.1272
چکیده
هدف پژوهش حاضر بررسی تاثیر سواد هوش مصنوعی دانشجویان بر مهارت امنیتی دستگاههای هوشمند بود. این پژوهش کاربردی با رویکرد کمی و به روش پیمایشی انجام شد. جامعه آماری پژوهش 1307 دانشجوی کارشناسی و کارشناسی ارشد دانشکده علوم تربیتی و روان‌شناسی (دانشگاه شهید مدنی آذربایجان) بود. نمونه مورد مطالعه 194 نفر و از روش نمونه‌گیری تصادفی استفاده شد. ابزار گردآوری داده، پرسش‌نامه بود که به‌صورت چاپی و حضوری در اردیبهشت و خرداد 1403 بین دانشجویان توزیع شد. تحلیل عاملی تاییدی برای روایی و پایایی پرسش‌نامه با استفاده از نرم‌افزار Smart PLS انجام شد. از نرم‌افزار SPSS برای تجزیه و تحلیل داده‌ها استفاده شد. میانگین سواد هوش مصنوعی 63/4 و مهارت امنیتی دستگاه‌ها 24/4 بود. تفاوتی آماری معنی‌داری در وضعیت سواد هوش مصنوعی دانشجویان بر حسب متغیرهای جمعیت‌شناختی (جنسیت، مقطع، رشته تحصیلی و معدل) مشاهده نشد. بر اساس آزمون تی‌مستقل در سطح 03/0 تفاوت معنی‌داری در میانگین مهارت امنیتی دستگاه‌ها بر حسب جنسیت و مقطع تحصیلی دانشجویان مشاهده شد. نتایج آزمون آنوا تفاوت آماری معنی‌دار در سطح 049/0 در میانگین مهارت امنیتی دستگاه‌ها بر حسب رشته تحصیلی دانشجویان نشان داد. بر اساس آزمون همبستگی پیرسون بیشترین همبستگی بین کاربرد و ارزیابی و کمترین بین کاربرد و اخلاق سواد هوش مصنوعی بود؛ به‌علاوه رابطه مثبت و معناداری بین سواد هوش مصنوعی با مهارت امنیتی دستگاه‌ها وجود داشت. نتایج آزمون رگرسیون نشان داد که ابعاد ارزیابی و کاربرد با ضریب بتا (356/0) و (279/0) قدرت پیش‌بینی‌کننده مثبت داشتند و 2/36 درصد از تغییرات متغیر وابسته را تبیین کرده‌اند.
کلیدواژه‌ها
بکری‌زاده، حکیم؛ پناهی، مریم و جمالوندی، بهزاد. (1402). نقش سواد دیجیتال بر پذیرش فناوری در کتابداران دانشگاه پیام نور. فناوری و دانش پژوهی در تعلیم و تربیت، 3 (2)، 27-38. https://doi.org/10.30473/t-edu.2023.69772.1112
خطیب زنجانی، نازیلا و کریمی، مهسا. (1403). شناسایی ابعاد، مولفه‌ها و شاخص های کارکردهای هوش مصنوعی در آموزش عالی با رویکرد فراترکیب. فناوری و دانش پژوهی در تعلیم و تربیت، انتشار آنلاین، https://doi.org/10.30473/t-edu.2025.73448.1240
زنگانه، امیرحسین؛ حجازی، الهه و صالحی، کیوان. (1404). عوامل موثر بر پذیرش فناوری هوش مصنوعی در بین اعضای هیات علمی دانشگاه تهران. فناوری و دانش پژوهی در تعلیم و تربیت، (5)1، 65-80. https://doi.org/10.30473/t-edu.2025.73017.1228
عزیزی، زهره؛ رحیمی، صالح و احمدی، وکیل. (1403). نقش مهارت‌های دیجیتال در ارتقای سواد حریم خصوصی برخط دانشجویان کارشناسی دانشگاه رازی. علوم و فنون مدیریت اطلاعات، 10 (1)، 7-30. https://doi.org/10.22091/stim.2021.7113.1611
مقدمی، مریم (1401). هوش مصنوعی و سواد اطلاعاتی دانشجویان: ارائه فرصت ها و بررسی تهدیدها. پنجمین سمینار سواد رسانه‌ای و اطلاعاتی: پرورش اعتماد برای سواد رسانه‌ای و اطلاعاتی، تهران، دانشگاه تهران. قابل دسترس در: https://civilica.com/doc/1551584
Alamäki, A. Nyberg, C. Kimberley, A & Salonen, A. O. (2024, March). Artificial intelligence literacy in sustainable development: A learning experiment in higher education. In Frontiers in Education (Vol. 9, p. 1343406). Frontiers Media SA.
Alimi, A. E. Buraimoh, O. F. Aladesusi, G. A., & Babalola, E. O. (2021). University students’ awareness of, access to, and use of artificial intelligence for learning in Kwara State. Indonesian Journal of Teaching in Science, 1(2), 91-104.
Anderson, J. C & Gerbing, D. W. (1988). Structural equation modeling in practice: A review and recommended two-step approach. Psychological Bulletin, 103, 411–423.
Bland, J. M & Altman, D. G. (1997). Cronbach’s alpha. BMJ British Medical Journal, 314(7080), 572.
Buckingham, D. (2004). Children talking television: The making of television literacy. Routledge.
Byrne, B. M. (2010). Structural equation modeling with AMOS: Basic concepts, applications, and programming. New York: Routledge.
Campos, J. D. S & Campos, J. R. (2023). Structural Equation Model Evaluating Katz's Triplet Managerial Skills and Its Relationship to Human Capital. Journal of Social Entrepreneurship Theory and Practice, 2(2), 63-75.
Celebi, C. Yılmaz, F. Demir, U & Karakuş, F. (2023). Artificial intelligence literacy: An adaptation study. Instructional Technology and Lifelong Learning, 4(2), 291-306.
Cerný, M. (2024). University students’ conceptualisation of AI literacy: Theory and empirical evidence. Social Sciences, 13(3), 129.
Cohen, L. Manion, L & Morrison, K. (2018). Research methods in education. routledge.
Copeland, B. (2024, May 15). Artificial intelligence. Encyclopedia Britannica. Retrieved online at: https://www.britannica.com/technology/artificial-intelligence
Coşkun, S. Kayıkcı, Y & Gençay, E. (2019). Adapting engineering education to industry 4.0 vision. Technologies, 7(1), 10.
Davenport, T. H & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard business review, 96(1), 108-116.
Dunn, S. C. Seaker, R. F & Waller, M. A. (1994). Latent variables in business logistics research: Scale development and validation. Journal of Business Logistics, 15, 145–172.
Floridi, L. (2019). What the Near Future of Artificial Intelligence Could Be. Philosophy & Technology, 32(1), 1–15.
Fornell, C & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18, 39–50.
Hair, J. F. Hult. M, G. T. Ringle, C. M & Sarstedt, M. (2014). A Primer On Partial Least Squares Structural Equation Modelling (PLS_SEM) (p. 293). SAGE Publication Inc.
Hair, J. Black, W. C. Babin, B. J & Anderson, R. E. (2010) Multivariate data analysis (7th ed.). Upper Saddle River, New Jersey: Pearson Educational International.
Hair, Joe F. Ringle, C. M & Sarstedt, M. (2011). PLS-SEM: Indeed a Silver Bullet. The Journal of Marketing Theory and Practice, 19(2), 139–152. doi.org/10.2753/MTP1069-6679190202
Jobin, A. Ienca, M & Vayena, E. (2019). The Global Landscape of AI Ethics Guidelines. Nature Machine Intelligence, 1(9), 389–399.
Keles, P. U & Aydin, S. (2021). University Students' Perceptions about Artificial Intelligence. Shanlax International Journal of Education, 9, 212-220.
Kong, S. C. Cheung, W. M. Y & Zhang, G. (2021). Evaluation of an artificial intelligence literacy course for university students with diverse study backgrounds. Computers and Education: Artificial Intelligence, 2, 100026. doi.org/10.1016/j.caeai.2021.100026
Krejcie, R. V & Morgan, D. W. (1970). Determining sample size for research activities. Education and Psychological Measurement, 30, 607-610.
Laupichler, M. C. Aster, A. Schirch, J & Raupach, T. (2022). Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 3, 100101.
Lee, Y.-J. Oh, J & Hong, C. (2024). Exploratory research on understanding university students’ artificial intelligence literacy in a Korean university. Online Journal of Communication and Media Technologies, 14(3), e202440. doi.org/10.30935/ojcmt/14711
Lérias, E. Guerra, C & Ferreira, P. (2024). Literacy in artificial intelligence as a challenge for teaching in higher education: A case study at portalegre polytechnic university. Information, 15(4), 205. doi.org/10.3390/info15040205
Long, D & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. CHI '20: Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems. 1-16. doi.org/10.1145/3313831.3376727
Long, D. Blunt, T & Magerko, B. (2021). Co-designing AI literacy exhibits for informal learning spaces. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW2), 1-35.
Memon, A. H & Rahman, I. A. (2013). Analysis of cost overrun factors for small scale construction projects in Malaysia using PLS-SEM method. Modern applied science, 7(8), 78-88. DOI:10.5539/mas.v7n8p78
Miao, F. Holmes, W. Huang, R & Zhang, H. (2021). AI and education: A guidance for policymakers. Unesco Publishing. Available at: https://unesdoc.unesco.org/ark:/48223/pf0000376709/PDF/376709eng.pdf.multi
Miot, H. A. (2018). Correlation analysis in clinical and experimental studies. Jornal vascular brasileiro, 17, 275-279.
Netemeyer, R. G. (2003). Scaling procedures: Issues and applications. Sage Publications.
Ng, D. T. K. Leung, J. K. L. Chu, K. W. S & Qiao, M. S. (2021a). AI literacy: Definition, teaching, evaluation and ethical issues. Proceedings of the Association for Information Science and Technology, 58(1), 504-509.
Ng, D. T. K. Leung, J. K. L. Chu, S. K. W & Qiao, M. S. (2021b). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2, 100041.
Norman, D. (2013). The Design of Everyday Things. Revised and Expanded Edition. New York.
Nunnally, J & Berstein, I. (1994). Psychometric theory. New York: McGraw Hill.
Pepito, M. J. T & Acledan, M. Y. (2022). Influence of digital literacy and self-directed learning in the online learning success of STEM college students. International Journal of Humanities Social Sciences and Education, 9(1), 88-100.
Ringle, C. M. Wende, S & Becker, J. (2024). SmartPLS 4. Bönningstedt: SmartPLS. Retrieved from https://www.smartpls.com
Rodríguez-de-Dios, I. Igartua, J. J & González-Vázquez, A. (2016, November). Development and validation of a digital literacy scale for teenagers. In Proceedings of the fourth international conference on technological ecosystems for enhancing multiculturality (pp. 1067-1072).
Shiri, A. (2024). Artificial intelligence literacy: a proposed faceted taxonomy. Digital Library Perspectives, 40(4), 681-699.
Stevens, J. P. (2002). Applied multivariate statistics for the social sciences (4th ed.). Erlbaum.
Stryker, C & Eda Kavlakoglu, E. (2024). What is artificial intelligence (AI)? Retrieved on November 29, 2024 from: https://www.ibm.com/topics/artificial-intelligence
Touretzky, D. Gardner-McCune, C. Martin, F & Seehorn, D. (2019, July). Envisioning AI for K-12: What should every child know about AI?. In Proceedings of the AAAI conference on artificial intelligence (Vol. 33, No. 01, pp. 9795-9799).
Van Deursen, A. J & Van Dijk, J. A. (2019). The first-level digital divide shifts from inequalities in physical access to inequalities in material access. New media & society, 21(2), 354-375.
Venkatesh, V. Thong, J. Y & Xu, X. (2012). Consumer acceptance and use of information technology: extending the unified theory of acceptance and use of technology. MIS quarterly, 157-178.
Wang, B. Rau, P. L. P & Yuan, T. (2023). Measuring user competence in using artificial intelligence: validity and reliability of artificial intelligence literacy scale. Behaviour & information technology, 42(9), 1324-1337. https://doi.org/10.1080/0144929X.2022.2072768
Yahşi, H. Filizci, A. E. A. Yilmaz, I. Oztaş, D & Eraslan, E. (2024). The potential of artificial intelligence applications in health surveillance. In Gulcin Bilgici Cengiz (Ed.),Current Research in Science and Mathematics (1st ed., pp. 45-68). Liver de lyon. Doi: 10.528/zenodo.14558812
Yi, Y. (2021). Establishing the concept of AI literacy: Focusing on competence and purpose. JAHR-–European Journal of Bioethics, 12 (2), 353–368.
)