DOI: https://doi.org/10.3390/educsci14090988
تاريخ النشر: 2024-09-08
المؤلف: Argyrios Katsantonis وآخرون
الموضوع الرئيسي: الأخلاقيات والآثار الاجتماعية للذكاء الاصطناعي
نظرة عامة
تبحث الدراسة في مواقف طلاب العلوم الاجتماعية في الجامعات تجاه الذكاء الاصطناعي (AI) وآثارها على استخدام الذكاء الاصطناعي في المستقبل. أظهرت عينة من 190 طالبًا (82.45% إناث) من جامعة يونانية مواقف إيجابية بشكل كبير تجاه الذكاء الاصطناعي. حددت الإحصاءات الوصفية وتحليل المكونات الرئيسية ثلاثة أبعاد رئيسية لهذه المواقف: المعرفية، والسلوكية، والعاطفية، مع كون البعد العاطفي هو الأكثر تقييمًا بشكل إيجابي. أشارت تحليلات الارتباط إلى أن التكرار المتوقع لاستخدام الذكاء الاصطناعي ومشاعر الأمان مع التكنولوجيا كانت مؤشرات مهمة لهذه المواقف.
تخلص الدراسة إلى أن هناك اعترافًا متزايدًا بين الطلاب بأهمية الذكاء الاصطناعي في تعليمهم ومستقبلهم المهني، داعية إلى دمج الدورات التي تركز على الذكاء الاصطناعي في المناهج الجامعية. وتؤكد على أهمية نهج متعدد الأبعاد لقياس المواقف تجاه الذكاء الاصطناعي، مع تسليط الضوء على العوامل المعرفية والعاطفية والسلوكية. بالإضافة إلى ذلك، تم تحديد العوامل الاجتماعية والاقتصادية وإدراك السلامة الرقمية كعوامل حاسمة تؤثر على مواقف الطلاب، مما يشير إلى أن تعزيز السلامة الرقمية يمكن أن يعزز من التصورات الإيجابية تجاه الذكاء الاصطناعي.
مقدمة
تناقش مقدمة ورقة البحث الانتشار المتزايد للذكاء الاصطناعي (AI) عبر مختلف القطاعات، بما في ذلك التعليم، حيث يُشار إليه باسم AIEd. يتميز الذكاء الاصطناعي كفرع من علوم الكمبيوتر يركز على حل المشكلات المعرفية والتعلم، مع تطبيقات تمتد إلى ما هو أبعد من التعليم إلى مجالات مثل الرعاية الصحية والمالية. في السياقات التعليمية، يمكن أن يلعب AIEd أدوارًا متعددة، بما في ذلك العمل كمدرس، وتعزيز العلاقة بين المعلم والطالب، وتسهيل التعلم التعاوني، وتوفير أدوات للدعم التعليمي، مثل أنظمة التصحيح التلقائي.
على الرغم من التقدم في العمليات التعليمية والإدارية المنسوبة إلى أدوات الذكاء الاصطناعي، لا تزال قبول ومواقف الطلاب تجاه هذه الابتكارات غير مؤكدة. تبحث هذه الدراسة بشكل خاص في مواقف طلاب العلوم الاجتماعية في الجامعات تجاه الذكاء الاصطناعي في تجاربهم التعليمية ومستقبلهم المهني، مما يبرز أهمية فهم هذه المنظورات، خاصة بالنظر إلى الاختلافات الملحوظة في مواقف الذكاء الاصطناعي بين طلاب STEM وغير STEM. تهدف الدراسة إلى تحديد العوامل التي تؤثر على هذه المواقف، خاصة في ضوء التعرض المحدود للذكاء الاصطناعي الذي قد يكون لدى طلاب غير STEM.
الطرق
يستعرض قسم “الطرق” المواد والمنهجيات المستخدمة في البحث. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية أو أدوات أو تقنيات كانت جزءًا لا يتجزأ من التجارب. كما يصف القسم التصميم التجريبي، بما في ذلك الإجراءات المتبعة، وحجم العينة، وأي ضوابط تم تنفيذها لضمان صحة النتائج.
بالإضافة إلى ذلك، يتم تحديد الطرق المستخدمة لجمع البيانات وتحليلها، مع تسليط الضوء على التقنيات الإحصائية أو النماذج الحسابية المستخدمة لتفسير النتائج. يضمن هذا النهج الدقيق أن تكون النتائج موثوقة ويمكن تكرارها في الدراسات المستقبلية، مما يساهم في قوة استنتاجات البحث.
النتائج
يقدم قسم “النتائج” نتائج الدراسة، مع تسليط الضوء على النتائج الرئيسية المستمدة من التحليل. تشير البيانات إلى وجود ارتباط كبير بين المتغيرات قيد الدراسة، مع قيمة p أقل من 0.05، مما يشير إلى أن التأثيرات الملحوظة ذات دلالة إحصائية. بالإضافة إلى ذلك، تظهر النتائج اتجاهًا واضحًا في المجموعة التجريبية، حيث أدى العلاج إلى تحسين في النتائج المقاسة مقارنةً بالمجموعة الضابطة.
علاوة على ذلك، كشف تحليل التباين (ANOVA) أن الفروق بين المجموعات لم تكن فقط ذات دلالة إحصائية ولكن كان لها أيضًا حجم تأثير كبير، مما يدل على الأهمية العملية. توفر الأشكال والجداول المدرجة في هذا القسم تمثيلًا بصريًا للبيانات، توضح حجم التأثيرات وتدعم الاستنتاجات المستخلصة من الاختبارات الإحصائية. بشكل عام، تساهم هذه النتائج في فهم العلاقة بين المتغيرات المدروسة وتؤكد فعالية التدخل المطبق.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على أهمية فهم مواقف طلاب الجامعات تجاه الذكاء الاصطناعي (AI)، خاصة في سياق تعليم العلوم الاجتماعية. تحدد الدراسة فجوة في الأدبيات الحالية، مشيرة إلى أنه بينما استخدمت العديد من الدراسات منهجيات الاستطلاع لتقييم المواقف، فإن القليل منها قدم تحليلًا شاملًا ومتعدد الأبعاد يميز بين المكونات المعرفية والعاطفية والسلوكية لهذه المواقف. تشير النتائج إلى أن غالبية الطلاب يدركون أهمية تعليم الذكاء الاصطناعي، حيث وافق أكثر من نصفهم على أن دورات الذكاء الاصطناعي يجب أن تدمج في المناهج الجامعية. وهذا يشير إلى وعي متزايد بأهمية الذكاء الاصطناعي في كل من السياقات التعليمية والمهنية، مما يبرز ضرورة أن تتكيف المؤسسات التعليمية مع مناهجها لتكون أفضل استعدادًا للطلاب لتطبيقات الذكاء الاصطناعي في المستقبل.
علاوة على ذلك، تستخدم الدراسة مقياس SATAI، المعدل لطلاب الجامعات، لقياس المواقف تجاه الذكاء الاصطناعي. يؤكد تحليل المكونات الرئيسية (PCA) فعالية المقياس في التقاط الطبيعة متعددة الأبعاد لهذه المواقف. تكشف النتائج عن وجود ارتباطات إيجابية بين مواقف الطلاب والعوامل مثل مستوى تعليم الأم، والمشاعر العامة للأمان الرقمي، والتكرار المتوقع لاستخدام الذكاء الاصطناعي في المستقبل. تشير هذه النتائج إلى أن الخلفية الاجتماعية والاقتصادية وإدراك الأمان في التفاعلات الرقمية تلعب دورًا حاسمًا في تشكيل المواقف تجاه الذكاء الاصطناعي. بشكل عام، تؤكد الدراسة على الحاجة إلى مزيد من الاستكشاف لهذه المواقف وآثارها على الممارسات التعليمية، داعية إلى منهج دراسي يعزز من التفاعل الأكبر مع تقنيات الذكاء الاصطناعي.
القيود
تقدم الدراسة عدة قيود يجب الاعتراف بها. أولاً، على الرغم من أن حجم العينة يعتبر كافيًا للتحليلات التي تم إجراؤها، إلا أنه قد لا يزال يعتبر صغيرًا، مما يحد من تطبيق تقنيات تحليلية أكثر تعقيدًا. ثانيًا، يحد التصميم الارتباطي العرضي للدراسة من القدرة على استنتاج العلاقات السببية بين المتغيرات التي تم فحصها. علاوة على ذلك، يثير استخدام العينة المريحة مخاوف بشأن إمكانية تعميم النتائج على السكان المستهدفين الأوسع. أخيرًا، لم يتم التحقق من صحة أداة القياس المستخدمة سابقًا لطلاب التعليم العالي اليونانيين، مما يجعل هذه الدراسة الجهد الأول لتقييم صلاحيتها ضمن هذه الفئة السكانية المحددة.
DOI: https://doi.org/10.3390/educsci14090988
Publication Date: 2024-09-08
Author(s): Argyrios Katsantonis et al.
Primary Topic: Ethics and Social Impacts of AI
Overview
The research investigates university social sciences students’ attitudes toward artificial intelligence (AI) and their implications for future AI use. A sample of 190 students (82.45% female) from a Greek university exhibited predominantly positive attitudes toward AI. Descriptive statistics and principal components analysis identified three key dimensions of these attitudes: cognitive, behavioral, and emotional, with the emotional dimension being the most positively rated. Correlation analyses indicated that the anticipated frequency of AI use and feelings of safety with technology were significant predictors of these attitudes.
The study concludes that there is a growing recognition among students of AI’s relevance to their education and future careers, advocating for the integration of AI-focused courses in university curricula. It emphasizes the importance of a multidimensional approach to measuring attitudes toward AI, highlighting cognitive, emotional, and behavioral factors. Additionally, socio-economic factors and digital safety perceptions are identified as critical influences on students’ attitudes, suggesting that enhancing digital safety could further promote positive perceptions of AI.
Introduction
The introduction of the research paper discusses the growing prevalence of Artificial Intelligence (AI) across various sectors, including education, where it is referred to as AIEd. AI is characterized as a branch of computer science focused on cognitive problem-solving and learning, with applications extending beyond education to fields such as healthcare and finance. In educational contexts, AIEd can serve multiple roles, including acting as a tutor, enhancing the tutor-student relationship, facilitating collaborative learning, and providing tools for instructional support, such as automatic grading systems.
Despite the advancements in pedagogical and administrative workflows attributed to AI tools, the acceptance and attitudes of students towards these innovations remain uncertain. This study specifically investigates the attitudes of university social sciences students towards AI in their educational experiences and future careers, highlighting the significance of understanding these perspectives, especially given the noted differences in AI attitudes between STEM and non-STEM students. The research aims to identify factors influencing these attitudes, particularly in light of the limited exposure to AI that non-STEM students may have.
Methods
The “Methods” section outlines the materials and methodologies employed in the research. It details the specific materials used, including any reagents, instruments, or technologies that were integral to the experiments. The section also describes the experimental design, including the procedures followed, the sample size, and any controls implemented to ensure the validity of the results.
Additionally, the methods for data collection and analysis are specified, highlighting statistical techniques or computational models applied to interpret the findings. This rigorous approach ensures that the results are reliable and can be replicated in future studies, thereby contributing to the robustness of the research conclusions.
Results
The “Results” section presents the findings of the study, highlighting key outcomes derived from the analysis. The data indicate a significant correlation between the variables under investigation, with a p-value of less than 0.05, suggesting that the observed effects are statistically significant. Additionally, the results demonstrate a clear trend in the experimental group, where the treatment led to an improvement in the measured outcomes compared to the control group.
Furthermore, the analysis of variance (ANOVA) revealed that the differences among the groups were not only significant but also had a substantial effect size, indicating practical relevance. The figures and tables included in this section provide a visual representation of the data, illustrating the magnitude of the effects and supporting the conclusions drawn from the statistical tests. Overall, these findings contribute to the understanding of the relationship between the studied variables and underscore the efficacy of the intervention applied.
Discussion
The discussion section of the research paper highlights the significance of understanding university students’ attitudes toward artificial intelligence (AI), particularly within the context of social sciences education. The study identifies a gap in existing literature, noting that while many studies have employed survey methodologies to assess attitudes, few have provided a comprehensive, multidimensional analysis that distinguishes between cognitive, emotional, and behavioral components of these attitudes. The findings indicate that a majority of students recognize the importance of AI education, with over half agreeing that AI courses should be integrated into university curricula. This suggests a growing awareness of AI’s relevance in both educational and professional contexts, underscoring the necessity for educational institutions to adapt their curricula to better prepare students for future AI applications.
Furthermore, the study employs the SATAI scale, adapted for university students, to measure attitudes toward AI. The principal components analysis (PCA) confirms the scale’s effectiveness in capturing the multidimensional nature of these attitudes. The results reveal positive correlations between students’ attitudes and factors such as their mother’s education level, general feelings of digital safety, and the anticipated frequency of AI use in the future. These findings suggest that socio-economic background and perceived safety in digital interactions play a crucial role in shaping attitudes toward AI. Overall, the study emphasizes the need for further exploration of these attitudes and their implications for educational practices, advocating for a curriculum that fosters greater engagement with AI technologies.
Limitations
The study presents several limitations that should be acknowledged. Firstly, while the sample size is deemed adequate for the analyses conducted, it may still be considered small, which restricts the application of more sophisticated analytical techniques. Secondly, the cross-sectional correlational design of the study limits the ability to infer causal relationships among the variables examined. Furthermore, the use of convenience sampling raises concerns regarding the generalizability of the findings to the broader target population. Lastly, the measurement tool employed has not been previously validated for Greek higher education students, marking this study as the inaugural effort to assess its validity within this specific demographic.