DOI: https://doi.org/10.3389/feduc.2024.1293437
تاريخ النشر: 2024-03-08
المؤلف: Wilter C. Morales-García وآخرون
الموضوع الرئيسي: الدافع والصورة الذاتية في الرياضة
نظرة عامة
يتناول قسم ورقة البحث تكيف وتحقق صحة نسخة مختصرة من مقياس الكفاءة الذاتية العامة (GSE-6) خصيصًا لتقييم الكفاءة الذاتية في استخدام الذكاء الاصطناعي (AI) بين طلاب الجامعات، والذي يُطلق عليه GSE-6AI. معترفًا بالدور الحاسم للاعتقادات الفردية في السياقات الأكاديمية والمهنية، يبرز البحث ضرورة قياس الكفاءة الذاتية في مواجهة التقدم التكنولوجي السريع. شارك عينة من 469 طالبًا في الطب تتراوح أعمارهم بين 18 و29 عامًا في الدراسة، حيث تم تعديل GSE-6 ثقافيًا وتم تحليل هيكله العاملي من خلال التحليل العاملي التأكيدي (CFA).
أشارت النتائج إلى أن GSE-6AI يمتلك هيكلًا أحادي البعد مع مؤشرات ملاءمة قوية، حيث تجاوزت جميع أحمال العناصر العتبات الموصى بها. أظهر المقياس موثوقية عالية، حيث وصل ألفا كرونباخ (α) وأوميغا مك دونالد (ω) إلى 0.91. علاوة على ذلك، حافظ المقياس على ثبات عاملي عبر الجنسين، مما يؤكد قابليته للتطبيق على كل من الطلاب الذكور والإناث. تختتم الدراسة بأن GSE-6AI هو أداة قيمة لفهم الكفاءة الذاتية في استخدام الذكاء الاصطناعي ضمن السياق التعليمي في بيرو، مشددة على أهمية تعزيز الكفاءة الذاتية التكنولوجية لتعزيز دمج الذكاء الاصطناعي في التعليم وفوائده المرتبطة. يجب أن تركز الأبحاث المستقبلية على آثار تصورات الكفاءة الذاتية على النتائج الأكاديمية والمهنية، فضلاً عن إمكانية الدراسات الطولية لتقييم تأثير التدخلات التي تهدف إلى تحسين الاستعداد التكنولوجي.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور التحويلي للذكاء الاصطناعي (AI) في مختلف القطاعات، وخاصة في التعليم، حيث يعد بتحسين أساليب التدريس والتعلم. تتأثر قبول ودمج تقنيات الذكاء الاصطناعي بشكل فعال، مثل ChatGPT، بتصورات الأفراد لكفاءتهم التكنولوجية، وهو أمر حاسم لتعزيز التعلم الشخصي وتحسين النتائج التعليمية. يتم التأكيد على مفهوم الكفاءة الذاتية، الذي يُعرف بأنه ثقة الفرد في قدرته على إدارة المهام والتحديات، كعامل مهم في كل من السياقات التعليمية واعتماد التقنيات الجديدة. هذه الكفاءة الذاتية ذات صلة خاصة في سياق الذكاء الاصطناعي التوليدي، الذي يمكن أن يعزز الانخراط المعرفي والأداء الأكاديمي.
تناقش الورقة أيضًا التحديات الأخلاقية والعملية المرتبطة بدمج الذكاء الاصطناعي، مشددة على أهمية تطوير الكفاءات الرقمية بين المعلمين. تم تطوير مقاييس مختلفة لتقييم المواقف والاستعداد تجاه الذكاء الاصطناعي، بما في ذلك مقياس المواقف العامة تجاه الذكاء الاصطناعي (GAAIS) ومقياس الكفاءة الذاتية في الذكاء الاصطناعي (AISES)، الذي يقيس بشكل خاص الكفاءة الذاتية في استخدام تقنيات الذكاء الاصطناعي. تهدف الدراسة إلى تعديل والتحقق من صحة مقياس الكفاءة الذاتية للذكاء الاصطناعي بين الطلاب البيروفيين، مما يساهم في فهم أفضل لكيفية تأثير الكفاءة الذاتية على قبول واستخدام الذكاء الاصطناعي بشكل فعال في البيئات التعليمية.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مسلطًا الضوء على النتائج الرئيسية المستمدة من الأساليب التجريبية أو التحليلية المستخدمة. تشير البيانات إلى وجود علاقة كبيرة بين المتغيرات قيد التحقيق، حيث تؤكد التحليلات الإحصائية قوة هذه العلاقات. يتم الإبلاغ عن مقاييس محددة، مثل قيم p وفترات الثقة، لدعم صحة النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم تمثيلات بيانية للبيانات، توضح الاتجاهات والأنماط التي تعزز الاستنتاجات المستخلصة. تسهم النتائج في مجموعة المعرفة الحالية من خلال تقديم رؤى جديدة حول الموضوع، مما يقترح آثارًا محتملة للبحث المستقبلي أو التطبيقات العملية. بشكل عام، تؤكد النتائج على أهمية فرضيات الدراسة وفعالية المنهجيات المستخدمة.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على تكيف والتحقق من صحة مقياس الكفاءة الذاتية العامة للذكاء الاصطناعي (GSE-6AI) بين طلاب الطب في بيرو. استخدمت الدراسة تصميمًا مقطعيًا مع عينة من 469 طالبًا، مع التركيز على أولئك الذين شاركوا بنشاط مع الذكاء الاصطناعي في تدريبهم الأكاديمي. تم اشتقاق GSE-6AI من مقياس الكفاءة الذاتية العامة الأصلي وخضع لعمليات ترجمة وتكيف ثقافي صارمة، مما يضمن صلاحيته ووضوحه في سياق استخدام الذكاء الاصطناعي. أظهرت التقييمات النفسية موثوقية قوية، حيث تجاوزت معاملات ألفا كرونبا وأوميغا مك دونالد 0.90، مما يشير إلى اتساق داخلي عالي. أكد التحليل العاملي التأكيدي (CFA) أحادية البعد للمقياس ومؤشرات الملاءمة الممتازة، مما يحقق صحة هيكله عبر الجنسين.
تؤكد النتائج على الدور الحاسم للكفاءة الذاتية في اعتماد تقنيات الذكاء الاصطناعي في البيئات التعليمية. لا يعمل GSE-6AI فقط كأداة قياس موثوقة، بل يبرز أيضًا أهمية تعزيز الكفاءة الذاتية لزيادة ثقة الطلاب وكفاءتهم في استخدام الذكاء الاصطناعي. تقترح الدراسة أن المؤسسات التعليمية يجب أن تدمج تدريب الذكاء الاصطناعي في مناهجها لمعالجة الفجوة التكنولوجية وتعزيز الوصول العادل إلى موارد الذكاء الاصطناعي. يتم تشجيع الأبحاث المستقبلية لاستكشاف العلاقة بين الكفاءة الذاتية في الذكاء الاصطناعي ومختلف النتائج الأكاديمية، فضلاً عن تقييم قابلية تطبيق المقياس في سياقات مختلفة، بما في ذلك البيئات المهنية. بشكل عام، يمثل GSE-6AI تقدمًا كبيرًا في فهم وقياس الكفاءة الذاتية في مجال الذكاء الاصطناعي.
القيود
يسلط قسم القيود الضوء على عدة اعتبارات حاسمة في تطوير والتحقق من صحة مقياس الكفاءة الذاتية العامة للذكاء الاصطناعي (GSE-6AI). بينما تم التحقق من صحة الأداة ضمن سياق محدد، لا تزال قابليتها للتطبيق عبر بيئات ثقافية وتعليمية متنوعة غير مؤكدة، مما يستلزم جهود تحقق مستمرة لتعزيز قابليتها للتعميم. يحد تصميم الدراسة المقطعي من القدرة على استخلاص استنتاجات سببية بشأن العلاقات بين المتغيرات التي تم فحصها، مما يقترح أن الأبحاث المستقبلية يجب أن تتضمن منهجيات طولية لفهم ديناميكيات معتقدات الكفاءة الذاتية المتعلقة بالذكاء الاصطناعي بمرور الوقت.
بالإضافة إلى ذلك، فإن الاعتماد على البيانات المبلغ عنها ذاتيًا يقدم تحيزات محتملة، مثل الرغبة الاجتماعية، والتي قد تؤثر على دقة النتائج. للتخفيف من ذلك، يُوصى بدمج مقاييس موضوعية، مثل تقييمات الأداء أو المقابلات، لتقييم أكثر شمولاً للكفاءة الذاتية المتعلقة بالذكاء الاصطناعي. أخيرًا، بينما أكد التحليل على ثبات الجنس، سيكون من المفيد استكشاف الثبات عبر عوامل ديموغرافية مختلفة—مثل العمر، والخلفية التعليمية، والسياق الثقافي. نظرًا للأهمية العالمية للذكاء الاصطناعي، فإن فهم تصورات الكفاءة الذاتية عبر مجموعات سكانية مختلفة أمر حيوي لتعزيز الممارسات الشاملة في تطبيقه.
DOI: https://doi.org/10.3389/feduc.2024.1293437
Publication Date: 2024-03-08
Author(s): Wilter C. Morales-García et al.
Primary Topic: Motivation and Self-Concept in Sports
Overview
The research paper section discusses the adaptation and validation of a short version of the General Self-Efficacy Scale (GSE-6) specifically for assessing self-efficacy in the use of Artificial Intelligence (AI) among university students, termed GSE-6AI. Recognizing the critical role of individual beliefs in academic and professional contexts, the study highlights the necessity of measuring self-efficacy in the face of rapid technological advancements. A sample of 469 medical students aged 18 to 29 participated in the study, where the GSE-6 was culturally adapted and its factorial structure analyzed through confirmatory factorial analysis (CFA).
The results indicated that the GSE-6AI possesses a unidimensional structure with strong fit indices, with all item factorial loads exceeding the recommended thresholds. The scale demonstrated high reliability, with Cronbach’s Alpha (α) and McDonald’s Omega (ω) both reaching 0.91. Furthermore, the scale maintained factorial invariance across genders, confirming its applicability to both male and female students. The study concludes that the GSE-6AI is a valuable tool for understanding self-efficacy in AI usage within the Peruvian educational context, emphasizing the importance of fostering technological self-efficacy to enhance the integration of AI in education and its associated benefits. Future research should focus on the implications of self-efficacy perceptions on academic and professional outcomes, as well as the potential for longitudinal studies to assess the impact of interventions aimed at improving technological readiness.
Introduction
The introduction of the research paper highlights the transformative role of Artificial Intelligence (AI) in various sectors, particularly in education, where it promises to enhance teaching and learning methodologies. The acceptance and effective integration of AI technologies, such as ChatGPT, are influenced by individuals’ perceptions of their technological competence, which is critical for fostering personalized learning and improving educational outcomes. The concept of self-efficacy, defined as one’s confidence in their ability to manage tasks and challenges, is emphasized as a significant factor in both educational contexts and the adoption of new technologies. This self-efficacy is particularly relevant in the context of Generative AI, which can enhance cognitive engagement and academic performance.
The paper also discusses the ethical and practical challenges associated with AI integration, stressing the importance of developing digital competencies among educators. Various scales have been developed to assess attitudes and readiness towards AI, including the General Attitudes Towards Artificial Intelligence Scale (GAAIS) and the Artificial Intelligence Self-Efficacy Scale (AISES), which specifically measures self-efficacy in using AI technologies. The study aims to adapt and validate a self-efficacy scale for AI among Peruvian students, contributing to a better understanding of how self-efficacy influences the acceptance and effective use of AI in educational settings.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the experimental or analytical methods employed. The data indicates a significant correlation between the variables under investigation, with statistical analyses confirming the robustness of these relationships. Specific metrics, such as p-values and confidence intervals, are reported to support the validity of the results.
Additionally, the section may include graphical representations of the data, illustrating trends and patterns that reinforce the conclusions drawn. The findings contribute to the existing body of knowledge by providing new insights into the subject matter, suggesting potential implications for future research or practical applications. Overall, the results underscore the importance of the study’s hypotheses and the effectiveness of the methodologies used.
Discussion
The discussion section of the research paper highlights the adaptation and validation of the General Self-Efficacy Scale for Artificial Intelligence (GSE-6AI) among medical students in Peru. The study utilized a cross-sectional design with a sample of 469 students, focusing on those who actively engaged with AI in their academic training. The GSE-6AI was derived from the original General Self-Efficacy Scale and underwent rigorous translation and cultural adaptation processes, ensuring its relevance and clarity in the context of AI use. The psychometric evaluation demonstrated strong reliability, with Cronbach’s alpha and McDonald’s omega coefficients both exceeding 0.90, indicating high internal consistency. Confirmatory Factor Analysis (CFA) confirmed the scale’s unidimensionality and excellent fit indices, validating its structure across genders.
The findings emphasize the critical role of self-efficacy in adopting AI technologies in educational settings. The GSE-6AI not only serves as a reliable measurement tool but also highlights the importance of fostering self-efficacy to enhance students’ confidence and competence in using AI. The study suggests that educational institutions should integrate AI training into their curricula to address the technological gap and promote equitable access to AI resources. Future research is encouraged to explore the relationship between AI self-efficacy and various academic outcomes, as well as to assess the scale’s applicability in different contexts, including professional environments. Overall, the GSE-6AI represents a significant advancement in understanding and measuring self-efficacy in the realm of artificial intelligence.
Limitations
The section on limitations highlights several critical considerations in the development and validation of the Generalized Self-Efficacy Scale for Artificial Intelligence (GSE-6AI). While the instrument has been validated within a specific context, its applicability across diverse cultural and educational settings remains uncertain, necessitating ongoing validation efforts to enhance its generalizability. The study’s cross-sectional design restricts the ability to draw causal inferences regarding the relationships among the examined variables, suggesting that future research should incorporate longitudinal methodologies to better understand the dynamics of self-efficacy beliefs related to AI over time.
Additionally, the reliance on self-reported data introduces potential biases, such as social desirability, which could affect the accuracy of the findings. To mitigate this, the integration of objective measures, such as performance assessments or interviews, is recommended for a more comprehensive evaluation of AI-related self-efficacy. Lastly, while the analysis confirmed gender invariance, further exploration of invariance across various demographic factors—such as age, educational background, and cultural context—would be beneficial. Given AI’s global relevance, understanding self-efficacy perceptions across different populations is crucial for fostering inclusive practices in its implementation.