Bu tədqiqat, univərsitet tələbələrinin süni intellekt uygulamalarını tanıma, kullanma, eleştirel olaraq qiymətləndirmə və etika nəticələrinı kavrama becerilərinin hansı texnologiyak və bilişsel etkenlerle ilişkili olduğunu tədqiqatktadır. Tədqiqatcı; rəqəmsal erişim, koqnitiv mənimsəmə və hesablama düşünməsiyi aynı struktur bərabərlik modeli üçünde birleştirmiştir. Modelde süni intellekt savadlılığı; fərqindəlik, istifadə, qiymətləndirmə və etika olmak üzere dört boyutla temsil edilmektedir.

Tədqiqatnın bildirdiği nihai analiz 865 ali təhsil tələbəsinin öz-bildirim anketlerine dayanmaktadır. Rəqəmsal erişim; cihaz və internet gibi fiziki mənbəların bulunması, texnologiya kullanma motivasyonu, dijital becerilər və günlük texnologiya istifadəı üzerinden ölçülmüşdür. Bilgi işləməsel düşünme; yaradıcılıq, alqoritmik düşünmə, əməkdaşlıq, tənqidi düşünmə və problem həlli boyutlarından oluşmaktadır. Bilişsel özümseme isə texnologiya kullanırken merak, odaklanma, keyif alma və zaman algısının değişmesi gibi təcrübəimleri kapsamaktadır.

Yapısal eşitlik modeline göre daha iyi rəqəmsal erişim; koqnitiv mənimsəməyle β = 0,71, hesablama düşünməsiyle β = 0,83 və süni intellekt savadlılığıyla β = 0,55 səviyyəinde pozitif ilişki göstərmişdir. Bilgi işləməsel düşünmenin süni intellekt savadlılığı üzerindeki standartlaşdırılmış yol əmsalı β = 0,37’dir. Buna karşılık koqnitiv mənimsəmənin hesablama düşünməsi və ya süni intellekt savadlılığı üzerinde p < 0,01 səviyyəinde anlamlı bir etkisi bulunmamıştır.

Model; koqnitiv mənimsəmədeki dispersiyaın yüzde 50’sini, hesablama düşünməsideki dispersiyaın yüzde 70’ini və süni intellekt savadlılığındaki dispersiyaın yüzde 78’ini açıqladığını bildirmektedir. Uyum indeksleri χ²/df = 4,62, RMSEA = 0,058, GFI = 0,95, AGFI = 0,94, CFI = 0,98, TLI = 0,97 və NFI = 0,98 olaraq vərilmiştir. Bu dəyərlər önerilən modelin örneklem vərisine kabul ediləbilir səviyyəde uyduğunu göstərir; ancaq kəsitsel və öz-bildirime dayalı tasarım niyəiyle səbəbiyyət kanıtı değildir.

Sonuçların temel mesajı, süni intellekt sistemlerini uzun süre və ya keyif alarak kullanmanın tek başına süni intellekt savadlılığı oluşturmadığıdır. Dijital araçlara erişim, bu araçları kullanabiləcek teknik becerilər və sorunları algoritmik, mantıksal və sistematik biçimde ele alma tutumu daha belirleyici görünmektedir. Bununla belə tədqiqatda süni intellekt savadlılığı və hesablama düşünməsi real performans görevleriyle değil, katılımcıların kendi yetkinliklerine ilişkin qiymətləndirməleriyle ölçülmüşdür.

Türkiyə baxımından: Tədqiqat modeli; Türkiyədə univərsitet tələbələri, öğretmen adayları, meslek yüksəkokulu öğrenciləri və yetişkin təlimi gruplarında süni intellekt savadlılığını etkiləyen rəqəmsal bərabərsizlikleri yoxlamak üçün uyarlanabilir. Türkiyədə strukturlacak validasiyada şəhər-kənd ayrımı, gəlir səviyyəsi, cihaz sahibliyi, internet keyfiyyəti, proqramlaşdırma təcrübəsi, bölüm türü və ünivərsitelerin teknik altstruktursı modele eklenmelidir. Öz bildirim ölçekleri türkcə validlik tədqiqatlarıyla birlikdə real süni intellekt qiymətləndirmə görevleri, yanıldıcı məzmun aşkarlamai və təhlükəsiz prompt yazma uygulamalarıyla desteklenmelidir. Bu tədqiqatdan Türkiyədəki öğrencilərin süni intellekt okurmüəlliflık səviyyəi, regional eşitsizliklerin büyüklüğü və ya belirli bir təlim programının başarı sşəbəkəlayacşəbəkəı birbaşa çıkarılamaz.

Tədqiqatın temel problemi nədir?

Yapay zekâ destekli arama motorları, sohbet sistemleri, öneri algoritmaları, otomatik karar araçları və üretken süni intellekt uygulamaları təlimden işe alıma, sşəbəkəlıktan kamu hizmetlerine kadar çok sayıda alanda istifadə olunur. Bu yaygınlaşma, yalnızca araçları çalıştırabilən değil; süni intellektnın ürettiği bilgiyi sorgulayabilən, hatalarını fark edebilən və etika nəticələrinı dəyərlendirebilən kullanıcılara olan ihtiyacı artırmaktadır.

Tədqiqatnın əsas sualı, süni intellekt savadlılığının yalnızca süni intellekt araçlarıyla karşılaşmanın sonucu olup olmadığıdır. Tədqiqatcı üç mümkün açıqlayıcı alanı birlikdə yoxlamaktedir:

• Dijital texnologiyaye erişim və onu anlamlı biçimde kullanabilme
• Teknoloji istifadəı sırasında oluşan yoğun psikolojik katılım
• Problemleri parçalara ayırma, örüntüleri tanıma və algoritmik çözüm geliştirme tutumu

Bu dəyişənlerin tek tek değil, birbirleriyle bşəbəkəlantılı bir struktur üçünde süni intellekt savadlılığını açıqlayıp açıqlamadığı dəyərlendirilmiştir.

14. sayfadaki kavramsal model nə göstərir?

Tədqiqatnın 14. sayfasındaki Şekil 1, dört ana gizil dəyişən və altı hipotezden oluşan başlangıç modelini göstərir. Dijital uçurumdan koqnitiv mənimsəməye, hesablama düşünməsiye və süni intellekt savadlılığına üç birbaşa yol müəyyən edilmişdir. Bilişsel özümsemeden hesablama düşünməsiye və süni intellekt savadlılığına iki yol, hesablama düşünməsiden süni intellekt savadlılığına isə bir yol kurulmuştur.

Modeldeki “Digital Divide” etikaeti yorumlanırken dikkatli olunmalıdır. Ölçek maddeleri eşitsizliğin büyüklüğünü değil, erişim olanaklarının yüksəkliğini ölçür. Bu niyəle pozitif katsayılar “rəqəmsal uçurum büyüdükçe nəticə iyiləşmektedir” anlamına gelmez. Doğru yorum, rəqəmsal erişim güçlendikçe və ya rəqəmsal uçurum azaldıkça ilgili yeterliklerin yükselmesidir.

Yapay zekâ okurmüəlliflığı hansı boyutlardan oluşmaktadır?

Bu dört boyut toplam 12 öz-bildirim maddesiyle ölçülmüşdür. Tədqiqat, süni intellekt savadlılığını yalnızca teknik istifadə yeteneği olaraq değil; eleştirel qiymətləndirmə və etika farkındalığı da içeren çok boyutlu bir yetkinlik olaraq ele almaktadır.

Rəqəmsal erişim və ya rəqəmsal uçurum necə ölçülmüşdür?

Değişken 38 maddəlik və 1 = “hiçbir zaman” ilə 5 = “çok sık” arasında değişen bir ölçekle ölçülmüşdür. Yüksek puan daha fazla eşitsizlik değil, daha güclü erişim və istifadə tutumu göstərir. Tədqiqatnın bazı bölümlerinde “rəqəmsal uçurumun olumlu etkisi” biçimindeki ifade bu niyəle terminolojik olaraq yanıltıcıdır.

Bilgi işləməsel düşünme neyi ifade etmektedir?

Bilgi işləməsel düşünme, bir problemi yalnızca bilgisayar programı müəllifak çözmek anlamına gelmez. Karmaşık bir sorunu daha küçük parçalara ayırma, əhəmiyyətli bilgiyi seçme, örüntüleri tanıma, mantıksal adımlar oluşturma və çözümü başka problemlere ümumiləme biçimidir.

Tədqiqatda bu struktur 29 madde və beş boyutla temsil edilmiştir:

• Yaratıcılık
• Algoritmik düşünme
• İş birliği
• Eleştirel düşünme
• Problem çözme

Ölçek real bir algoritma geliştirme və ya problem həlli performansı yerine, katılımcıların kendi becerilərine ilişkin algılarını ölçür. Bu niyəle nəticələr “nesnel hesablama düşünməsi başarısı” yerine “algılanan hesablama düşünməsi yeterliği” olaraq okunmalıdır.

Bilişsel özümseme nədir?

Bilişsel özümseme, kullanıcının texnologiyayle qarşılıqlı təsir sırasında dikkatini yoğun biçimde sisteme vərmesi və təcrübəime psikolojik olaraq dalmasıdır. Tədqiqatdaki 17 maddəlik ölçek şu dört boyutu kapsamaktadır:

• Merak və keşfetme isteği
• Odaklanmış dikkat
• Kullanımdan alınan keyif
• Zamanın geçtiğini fark etmeme və ya zamansal kopma

Maddeler 1 = “kesinlikle katılmıyorum” ilə 10 = “kesinlikle katılıyorum” arasında puanlanmıştır. Ölçeğin mədəni olaraq uyarlanmış bir sürümünün kullanıldığı söylenmektedir; ancaq hedef kültür, çeviri üsulu, uzman qiymətləndirməsi və pilot uygulama süreci açıqlanmamışdır.

Tədqiqatnın hipotezleri nelerdir?

H4 və H5 üçün kesin katsayı, standart hata, etibar intervalı və ya p dəyəri vərilməmişdir. Bu niyəle ilişkilərin sıfıra ne kadar yakın olduğu və ya negatif yönde olup olmadığı tədqiqatdan belirlerütubətemektedir.

Örneklem necə oluşturulmuştur?

Tədqiqatcı, büyük bir metropolde bulunan iki ünivərsiteden kolayda nümunələmə üsuluyle öğrenci seçildiğini bildirmektedir. Ünivərsite A’dan 700, Ünivərsite B’den 500 olmak üzere toplam 1.200 öğrenci davət edilmiştir.

Metinde daha sonra 800 öğrencinin gönüllü olaraq anketi tamamladığı belirtilmektedir. Eksik anketler və kənar dəyərler çıkarıldıktan sonra nihai vəri kümesinin 865 kişiden oluştuğu yazılmıştır.

Örneklem akışındaki bu çelişki basit bir yazım hatası ola bilər; ancaq hansı sayının doğru olduğu bilinmediği üçün analizlerin real örneklem büyüklüğü bşəbəkəımsız olaraq doğrulanamamaktadır. Örneklem sayısı uyğunluq indekslərini, standart hataları və istatistiksel anlamlılığı birbaşa etkilədiğinden bu sorun yayımdan önce düzeltilmelidir.

Katılımcıların 18–31 yaşlarında olduğu və lisans, lisansüstü və doktora səviyyəlerinden geldiği qeyd edilmişdir. Yaş ortası, standart yayınma, öğrenim səviyyəi dşəbəkəılımı, akademik alanlar və günlük internet istifadəı kategorilərinin sayıları vərilməmişdir.

Anket ne kadar kapsamlıdır?

Katılımcılar demoqrafik sorular dışında toplam 96 ölçek maddesine yanıt vərmiştir. Uzun anketlerde yorgunluk, sürətli işaretleme və aynı seçenekleri tekrar etme gibi vəri kalitesi riskleri oluşabilir. Tədqiqatda anket tamamlama süresi, dikkat kontrolü, aşırı sürətli yanıt və ya düz çizgi yanıt analizi bildirilmemiştir.

Yapısal eşitlik modellemesi necə uygulanmıştır?

Analiz iki mərhələda yürütülmüştür:

1. Ölçüm modelinde gizil dəyişənlerin göstəriciləri, iç tutarlılıkları və yakınsak validlikleri dəyərlendirilmiştir.
2. Yapısal modelde dəyişənler arasındaki H1–H6 yolları maksimum ehtimal üsuluyle tahmin edilmiştir.

Analizler IBM SPSS Amos yazılımıyla strukturlmış və istatistiksel anlamlılık sınırı p < 0,01 olaraq belirlenmiştir. Standartlaştırılmış yol katsayıları β ilə raporlanmıştır.

Tədqiqat maksimum ehtimal tahmini kullanmasına rşəbəkəmen çok dəyişənli normallik, çarpıklık, basıklık və ya sşəbəkəlam tahmin üsulu bilgisi vərmemektedir. Ölçeklerin fərqli yanıt aralıklarına sahip olması da vəri dşəbəkəılımı açısından açıqlama gerektirmektedir.

Ölçüm modeli hansı nəticələri vərmiştir?

Tədqiqatcı bütün yüklerin kabul ediləbilir eşikleri aştığını, kompozit etibarlılıq və orta açıqlanan varians dəyərlərinin yakınsak geçerliliği desteklediğini belirtmektedir.

Bununla belə cədvəlda gösterilən ikinci səviyyə faktör yükleri kullanılarak standart \(\operatorname{AVE}=\sum\lambda_i^2/k\) formülüyle strukturlan basit yeniden hesaplama, raporlanan AVE dəyərlərini tam olaraq üretmemektedir. Aynı durum bazı kompozit etibarlılıq dəyərləri üçün de geçerlidir. Bu fark, hesaplamaların cədvəlda gösterilmeyen madde səviyyəindeki yüklerden strukturlmış olmasından mənbəlanabilir; ancaq tədqiqat hesaplama səviyyəini və formülleri açıqlamamaktadır.

Bundan əlavə ayrışma geçerliliği üçün Fornell–Larcker matrisi, HTMT nisbətı və ya strukturlar arası korelasyon cədvəlsu vərilməmişdir. Dijital beceri, hesablama düşünməsi və süni intellekt savadlılığı kavramlarının birbirine yakın olması niyəiyle bu eksiklik əhəmiyyətlidir.

Model uyumu necədır?

25. sayfadaki Şekil 2, anlamlı yolları düz, anlamsız yolları kesikli çizgiyle göstərir. Bilişsel özümsemeden hesablama düşünməsiye və süni intellekt savadlılığına giden yollar kesikli çizgidir.

Model ilk olaraq bütün yollarla kurulmuş, ardından anlamsız yollar çıkarılarak son model elde edilmiştir. Aynı vəri üzerinde modelin değiştirilmesi və tekrar dəyərlendirilmesi nümunələmə özgü uyumu artırabilir. Değiştirilən model bşəbəkəımsız bir validasiya örnekleminde test edilmemiştir.

En güclü ilişki hansısidir?

En yüksək yol katsayısı, rəqəmsal erişimden hesablama düşünməsiye giden β = 0,83 yoludur. Bu katsayı, dijital mənbəlara, beceriləre və istifadə fırsatlarına sahip öğrencilərin algılanan hesablama düşünməsi yeterliklerinin daha yüksək olduğunu göstərir.

Ancaq iki dəyişən de aynı katılımcıların aynı anketteki öz qiymətləndirməlerinden elde edilmiştir. Dijital becerilərini yüksək dəyərlendiren bir öğrencinin problem həlli və alqoritmik düşünmə becerilərini de yüksək qiymətləndirməsi ortak üsul etkisi oluşturabilir.

Rəqəmsal erişim süni intellekt savadlılığını birbaşa mı etkiləmektedir?

Modelde rəqəmsal erişimden süni intellekt savadlılığına β = 0,55 səviyyəinde birbaşa yol bulunmaktadır. Rəqəmsal erişim aynı zamanda hesablama düşünməsiyle güclü biçimde ilişkilidir; hesablama düşünməsi de süni intellekt savadlılığına β = 0,37 katsayısıyla bşəbəkəlanmaktadır.

Bu struktur, rəqəmsal erişimin hesablama düşünməsi üzerinden dolaylı bir bşəbəkəlantısı bulunabiləceğini düşündürmektedir. Ancaq tədqiqat dolaylı etki büyüklüğünü, bootstrap etibar intervalını və ya vasitəçilik testini raporlamamıştır. Bu niyəle vasitəçilik mekanizması kanıtlanmış kabul ediləmez.

Bilişsel özümseme niyə anlamlı bulunmamış ola bilər?

Tədqiqatcının yorumuna göre texnologiya kullanırken yoğun biçimde odaklanmak və ya keyif almak, kullanıcının sistemin arkasındaki teknik prosesleri anlamasını garanti etmemektedir. Bir kişi sohbet uygulaması, sosyal medya, video öneri sistemi və ya üretken süni intellekt aracıyla uzun süre etkiləşebilir; ancaq algoritmanın necə çalıştığını, çıktının necə doğrulanacşəbəkəını və ya hansı etika risklerin bulunduğunu öğrenmeyebilir.

Bu nəticə, istifadə süresinden çok istifadəın niteliğinin əhəmiyyətli olabiləceğini göstərir. Amaçlı yoxlama, geri bildirim, hata analizi və yansıtıcı öğrenme olmadan yoğun qarşılıqlı təsir yalnızca alışkanlık və ya eğlence üretebilir.

Bununla belə anlamsızlık sonucu ölçmə və modelleme tercihlerinden de etkilənmiş ola bilər. Bilişsel özümseme ilə rəqəmsal erişim arasındaki yüksək ilişki, ortak açıqlanan dispersiya və ya strukturlar arası örtüşme niyəiyle birbaşa yolların küçülmesine yol açabilir. Yapılar arası korelasyon matrisi vərilmediğinden bu mümkünlık dəyərlendiriləmemektedir.

Yapay zekâ okurmüəlliflığının yüzde 78’inin açıqlanması nə məna daşıyır?

Tədqiqatnın modelinde süni intellekt savadlılığı üçün \(R^2=0,78\) bildirilmişdir. Bu dəyər, örneklemdeki öz-bildirim süni intellekt savadlılığı puanlarındaki dispersiyaın yüzde 78’inin model dəyişənleriyle istatistiksel olaraq ilişkili olduğunu ifade etmektedir.

Bu nisbət oldukça yüksəktir. Yüksek açıqlama gücü güclü bir model göstəricisi ola bilər; ancaq birbirine yakın kavramların aynı ankette aynı üsulle ölçülmesi ortak üsul dispersiyaını yükseltebilir. Nesnel performans testi və ya ikinci bir vəri kaynşəbəkəı kullanılmadığı üçün yüzde 78 nisbətı real süni intellekt davranışının açıqlanan kısmı olaraq yorumlanmamalıdır.

Eğitim açısından hansı nəticələr çıkarılabilir?

• Yalnızca süni intellekt araçlarına erişim sşəbəkəlamak yeterli değildir; dijital istifadə becerisi de geliştirilmelidir.
• Yapay zekâ təlimi, alqoritmik düşünmə və problem həlli etkinlikleriyle birleştiriləbilir.
• Öğrencilərin süni intellekt çıktısını kontrol etmesi, hata araması və mənbə validasiyası teşvik edilmelidir.
• Yoğun və ya eğlenceli istifadə, öğrenme sonucu gibi kabul edilmemelidir.
• Etik fərqindəlik, teknik istifadədan ayrı və açıq öğrenme hedefleriyle ele alınmalıdır.
• Dijital altstruktur eşitsizliği, süni intellekt savadlılığı politikalarının bir parçası olaraq dəyərlendirilmelidir.

Türkiyədə necə bir validasiya tasarlanabilir?

Türkiyədə strukturlacak bir tədqiqat, ünivərsiteleri yalnızca iki qurumla sınırlamamalı; fərqli bölgelerden devlet və vakıf ünivərsitelerini, meslek yüksəkokullarını və fərqli akademik alanları kapsamalıdır. Örneklem tabakalı biçimde oluşturularak sosyoekonomik durum, əvəzləmət yeri, internet keyfiyyəti, kişisəl bilgisayar sahipliği və proqramlaşdırma təcrübəsi dmaneəenebilir.

Öz bildirim ölçeklerine ek olaraq katılımcılardan:

• Yapay zekâ tarafından üretilən hatalı bir metni qiymətləndirməleri
• Kaynak uydurma və ya önyargı örneklerini belirlemeleri
• Basit bir problemi algoritmik adımlara ayırmaları
• Farklı süni intellekt araçlarının uygunluğunu müqayisəları
• Mahremiyet və etika senaryolarında gerekçeli karar vərmeleri

istenebilir. Böylece algılanan beceri ilə real performans arasındaki fark ölçülebilir.

Tədqiqatnın güclü yönleri nelerdir?

• Yapay zekâ okurmüəlliflığını teknik istifadə, eleştirel qiymətləndirmə və etika boyutlarıyla ele almıştır.
• Dijital eşitsizliği yalnızca cihaz sahibliyine indirgememiştir.
• Bilgi işləməsel düşünmeyi birbaşa açıqlayıcı dəyişən olaraq modele eklemiştir.
• Altı açıq hipotez kurmuş və struktur bərabərlik modeliyle birlikdə dəyərlendirmiştir.
• Birden fazla uyum indeksi raporlamıştır.
• Bilişsel özümseme üçün beklenen ilişkilər desteklenmediğinde sonucu gizləməmiştir.
• Teknolojiyle yoğun qarşılıqlı təsir ilə anlamlı öğrenme arasındaki farkı tartışmıştır.
• Dijital kapsayıcılık ilə süni intellekt təlimi arasında politika bşəbəkəlantısı kurmuştur.

Tədqiqatnın temel məhdudiyyətləri nelerdir?

• Tədqiqat hakem qiymətləndirməsinden geçmemiş bir preprinttir.
• Örneklem akışında 800 yanıt ilə 865 nihai katılımcı arasında çözülemeyen çelişki vardır.
• Cinsiyet sayıları nihai örneklemi tamamlamamaktadır.
• Ünivərsiteler, kent və ölkə açıqlanmamışdır.
• Kolayda nümunələmə istifadə edilmişdir.
• Veri toplama tarihleri vərilməmişdir.
• Etik kurul və məlumatlandırılmış razılıq prosedürü raporlanmamıştır.
• Tədqiqat kəsitseldir; dəyişənlerin zaman üçündeki gelişimini göstermez.
• Bütün ana dəyişənler öz-bildirimle ölçülmüşdür.
• Nesnel süni intellekt və ya hesablama düşünməsi testi yoxdur.
• Ölçeklerin tam maddeleri paylaşılmamıştır.
• İki ölçeğin yanıt aralığı açıqça belirtilmemiştir.
• Kültürel uyarlama və çeviri süreci açıqlanmamışdır.
• Ortak üsul yanlılığı testi strukturlmamıştır.
• Ayrışma geçerliliği raporlanmamıştır.
• Normal dşəbəkəılım və maksimum ehtimal varsayımları dəyərlendirilmemiştir.
• Örneklem büyüklüğü üçün güç analizi təqdim edilməmişdir.
• Eksik vəri və kənar dəyərlerin sayısı vərilməmişdir.
• Model kontrol dəyişənleri içermemektedir.
• Yaş, təlim səviyyəi və internet istifadəının nəticələra etkisi dəyərlendirilmemiştir.
• Anlamsız yolların kesin katsayıları və p dəyərləri vərilməmişdir.
• Dolaylı etkilər və vasitəçilik güvən aralıkları raporlanmamıştır.
• Model aynı vəride değiştirilmiş və doğrulanmıştır.
• Bşəbəkəımsız validasiya örneklemi kullanılmamıştır.
• CR və AVE hesaplarının cədvəlda gösterilən yüklerden necə üretildiği açıqlanmamışdır.
• Ham vəri, analiz dosyası və Amos modeli paylaşılmamıştır.
• Kaynakçada konu dışı və biçimsel olaraq bozuk qeydlar bulunmaktadır.

Tədqiqat neyi dəstəkləyir?

• İncelenen öğrenci örnekleminde daha iyi rəqəmsal erişim ilə daha yüksək öz-bildirim süni intellekt savadlılığı arasında ilişki bulunduğunu dəstəkləyir.
• Rəqəmsal erişim ilə algılanan hesablama düşünməsi arasında güclü bir ilişki bulunduğunu göstərir.
• Bilgi işləməsel düşünmenin süni intellekt savadlılığıyla pozitif ilişkili olduğunu göstərir.
• Teknoloji kullanırken yoğun biçimde dalmanın tek başına süni intellekt savadlılığıyla anlamlı ilişki göstermediğini ortaya koymaktadır.
• Yapay zekâ təliminin dijital kapsayıcılık və sistematik problem həlli beceriləriyle birlikdə ele alınması gerektiğini dəstəkləyir.

Tədqiqat neyi sübut etmir?

• Rəqəmsal erişimin süni intellekt savadlılığına niyəsel olaraq yol açtığını sübut etmir.
• Bilgi işləməsel düşünme təliminin süni intellekt savadlılığını kesin olaraq artıracşəbəkəını göstermemektedir.
• Bilişsel özümsemenin bütün öğrenci gruplarında örütubətsiz olduğunu sübut etmir.
• Katılımcıların real süni intellekt istifadə performansını ölçmemektedir.
• Katılımcıların süni intellekt hatalarını və ya yanlış bilgiyi real görevlerde belirleyebildiğini göstermemektedir.
• İki ünivərsitedeki nəticələrin başka ölkə, yaş və təlim gruplarına ümumilənebiləceğini sübut etmir.
• Yüzde 78 açıqlanan dispersiyaın real davranışların yüzde 78’ini açıqladığı anlamına gelmemektedir.
• Altstruktur invəstisiyaının tek başına etika və eleştirel süni intellekt istifadəını sşəbəkəlayacşəbəkəını göstermemektedir.

Tədqiqatnın Yöntemi və Bulguları

Tədqiqat türü

Tədqiqat, kolayda nümunələmə yoluyla seçilən yüksəköğretim öğrencilərinden tek bir zaman noktasında anket vərisi toplanmasına dayanan kəsitsel və nicel bir ilişkisəl tədqiqatdır. Nedensel təcrübə, təlim müdahalesi və ya uzunlamasına takip yoxdur.

Bildirilən örneklem

Ölçüm araçları

Analiz üsulu

• Ölçüm modeli qiymətləndirməsi
• Standartlaştırılmış faktör yükleri
• Cronbach alfa
• Biləşik güvənilirlik
• Ortalama açıqlanan dispersiya
• Maksimum ola bilərlikle struktursal eşitlik modellemesi
• p < 0,01 anlamlılık eşiği
• IBM SPSS Amos yazılımı

Yapısal modelin ana nəticələri

Açıklanan dispersiya

İstatistiksel qiymətləndirmə

Uyum indeksleri modelin vəriyle ümumi olaraq uyumlu olduğunu göstərir. Bununla belə uyum, modelin doğru niyəsel açıqlama olduğunu sübut etmir. Aynı kodispersiya struktursına benzer biçimde uyan alternatif modeller bulunabilir.

Örneklem sayısındaki çelişki giderilmeden standart hataların və uyğunluq indekslərinin hansı katılımcı sayısıyla hesaplandığı bilinmemektedir. Bundan əlavə ayrışma geçerliliği və ümumi metod yanlılığı dəyərlendirilmediği üçün yüksək yol katsayılarının bir bölümü ölçmə üsulundeki ortaklıktan mənbəlanabilir.

Güvənilir validasiya üçün gerekenler

• Katılımcı akışının və nihai örneklem sayısının düzeltilmesi
• Ünivərsite, ölkə, vəri toplama tarihi və nümunələmə çerçevəsinin açıqlanması
• Etik kurul və məlumatlandırılmış razılıq bilgilərinin sunulması
• Ölçeklerin tam maddeleri ilə mənbəlarının paylaşılması
• Çeviri və mədəni uyarlama prosedürünün açıqlanması
• Nesnel süni intellekt savadlılığı və hesablama düşünməsi testlerinin eklenmesi
• Ortak üsul yanlılığı analizi
• Fornell–Larcker və HTMT ayrışma geçerliliği qiymətləndirməsi
• Normallik və kənar dəyər raporu
• Dolaylı etkilər üçün bootstrap güvən aralıkları
• Modelin müstəqil validasiya örnekleminde yeniden sınanması
• Uzunlamasına və ya kontrollü təlim müdahalesi
• Ham vəri, kod və Amos model dosyasının paylaşılması

Kaynak və Yöntem Notu

Tədqiqatnın özgün adı: From Digital Access to AI Competence: An Integrated Model of Artificial Intelligence Literacy Devəlopment Through Digital Divide and Computational Thinking

Yazar: Yivəntilyator Chen.

Yazar sıralaması: Tədqiqat tek müəlliflıdır.

Akademik unvan: Yazar metinde “Prof. Yivəntilyator Chen” olaraq gösterilmiştir. Unvan bşəbəkəımsız korporativ bir mənbətan doğrulanamamıştır.

Eş katkı bilgisi: Tek müəlliflı olduğu üçün eş katkı beyanı yoxdur.

Sorumlu müəllif: Yivəntilyator Chen.

E-posta: yivəntilyator.chen.research@gmail.com

Belgede beyan edilən qurum: School of Computer Science and Engineering, Shanghai Jiao Tong Univərsity, Shanghai, China; Postal Code 200240.

Kurumsal validasiya notu: SSRN qeyd görünümünde müəllifın korporativ bşəbəkəlantısı vərilmemektedir. Bu niyəle yukarıdaki qurum bilgisi tədqiqatın başlık sayfasındaki müəllif beyanı olaraq aktarılmıştır.

DOI:10.2139/ssrn.7212624

Resmî nəşr platforması: SSRN.

Resmî tədqiqat bşəbəkəlantısı:SSRN tədqiqat sayfası

Yayın yılı: 2026.

Dergi: Bu sürüm üçün hakemli bir dergi adı və ya kabul kararı yoxdur.

Kaynak türü: Yükseköğretim öğrencilərinden öz-bildirim anketiyle vəri topladığını və struktursal eşitlik modellemesi kullandığını bildiren kəsitsel nicel təlim və texnologiya tədqiqatsı niteliğinde preprint.

Hakemlik durumu: Tədqiqat resenziyadan keçməmişdir. Her sayfada “Preprint not peer reviewed” uyarısı bulunmaktadır.

Etik kurul: Tədqiqatda etika komitə adı, karar numarası və ya razılıq tarihi yer almır.

Bilgiləndirilmiş onam: Öğrencilərin gönüllü katıldığı belirtilmiş, ancaq onam metni və uygulama prosedürü açıqlanmamışdır.

Finansman: Finansman beyanı yer almır.

Çıkar çatışması: Çıkar çatışması beyanı yer almır.

Veri və kod çıxışı: Ham anket vərisi, vəri sözlüğü, Amos modeli, analiz sözdizimi və ya yeniden üretim dosyaları üçün açıq erişim bşəbəkəlantısı vərilməmişdir.

Ölçek erişimi: Ölçeklerin toplam madde sayıları və boyutları açıqlanmış, ancaq tam maddeler, özgün ölçek künyeleriyle açıq eşleştirme və uyarlama belgeleri təqdim edilməmişdir.

Kaynakça notu: Kaynakçada süni intellekt savadlılığıyla birbaşa ilişkisi açıq olmayan dijital finans, yenilənebilir enerji, tarım, balıkçılık və nəqliyyat tədqiqatlarına yer vərilmiştir. Bazı qeydlar eksik, birleştirilmiş və ya biçimsel olaraq bozuk görünmektedir. Bu durum kuramsal iddiaların dayanaklarının bşəbəkəımsız biçimde izlenmesini zorlaştırmaktadır.

Temel vəri tutarsızlığı: Tədqiqat 800 öğrencinin anketi tamamladığını, eksik və aykırı qeydlar çıkarıldıktan sonra 865 öğrencinin analiz edildiğini bildirmektedir. Bundan əlavə 319 erkek və 416 kadın katılımcının toplamı 735’tir. Bu iki tutarsızlık düzeltilmeden nihai örneklemin kimliyi və analizlerin real katılımcı sayısı kesin olaraq belirlerütubətemektedir.

Bu türkcə açıqlama; yüklenen tədqiqatın kuramsal bölümleri, altı hipotezi, 14. sayfadaki başlangıç modeli, katılımcı və ölçek açıqlamaları, ölçmə modeli cədvəlsu, struktursal uyğunluq indeksləri, 25. sayfadaki nihai yol modeli, tartışması, nəticələri və məhdudiyyətləri incelenerek hazırlanmıştır. Tədqiqatda bulunmayan ölkə, qurum, örneklem və ya niyəsel nəticələr eklenmemiştir.

Tədqiqatnın vəriləri, daha iyi rəqəmsal erişim və daha güclü algılanan hesablama düşünməsinin daha yüksək öz-bildirim süni intellekt savadlılığıyla ilişkili olabiləceğini dəstəkləyir. Buna karşılık örneklem sayılarındaki çelişkilər, bütün dəyişənlerin aynı öz-bildirim anketinden gelmesi, etika və vəri paylaşımı bilgilərinin bulunmaması və müstəqil validasiya strukturlmaması niyəiyle nəticələr təlim politikası və ya niyəsel müdahale kanıtı olaraq dəyərlendirilmemelidir.