Utafiti huu unachunguza mambo ya kiteknolojia na kiakili yanayohusiana na uwezo wa wanafunzi wa vyuo vikuu kutambua, kutumia, kutathmini kwa kina na kuelewa athari za kimaadili za programu za akili bandia. Mtafiti ameunganisha ufikiaji wa kidijitali, kuzama kiakili na fikra za kiukokotozi katika modeli moja ya milinganyo ya kimuundo. Katika modeli hiyo, umahiri wa akili bandia unawakilishwa na vipimo vinne: ufahamu, matumizi, tathmini na maadili.

Uchanganuzi wa mwisho ulioripotiwa katika utafiti unatokana na dodoso za kujiripoti za wanafunzi 865 wa elimu ya juu. Ufikiaji wa kidijitali ulipimwa kupitia upatikanaji wa rasilimali za kimwili kama vifaa na intaneti, motisha ya kutumia teknolojia, ujuzi wa kidijitali na matumizi ya teknolojia ya kila siku. Fikra za kiukokotozi zinajumuisha ubunifu, fikra za kialgorithimu, ushirikiano, fikra makini na utatuzi wa matatizo. Kuzama kiakili kunajumuisha uzoefu kama udadisi, umakini, kufurahia na mabadiliko ya mtazamo wa muda wakati wa kutumia teknolojia.

Kulingana na modeli ya milinganyo ya kimuundo, ufikiaji bora wa kidijitali ulionyesha uhusiano chanya na kuzama kiakili kwa β = 0,71, na fikra za kiukokotozi kwa β = 0,83, na umahiri wa akili bandia kwa β = 0,55. Mgawo sanifu wa njia kutoka fikra za kiukokotozi hadi umahiri wa akili bandia ulikuwa β = 0,37. Kinyume chake, kuzama kiakili hakukuonyesha athari yenye umuhimu wa p < 0,01 kwa fikra za kiukokotozi au umahiri wa akili bandia.

Modeli iliripoti kueleza asilimia 50 ya utofauti katika kuzama kiakili, asilimia 70 ya utofauti katika fikra za kiukokotozi na asilimia 78 ya utofauti katika umahiri wa akili bandia. Fahirisi za ulinganifu zilitolewa kama χ²/df = 4,62, RMSEA = 0,058, GFI = 0,95, AGFI = 0,94, CFI = 0,98, TLI = 0,97 na NFI = 0,98. Thamani hizi zinaonyesha kwamba modeli iliyopendekezwa inalingana na data ya sampuli kwa kiwango kinachokubalika; hata hivyo, kutokana na muundo wa utafiti wa wakati mmoja na kutegemea kujiripoti, hazithibitishi sababu na matokeo.

Ujumbe mkuu wa matokeo ni kwamba kutumia mifumo ya akili bandia kwa muda mrefu au kwa kufurahia pekee hakujengi umahiri wa akili bandia. Ufikiaji wa zana za kidijitali, ujuzi wa kiufundi wa kutumia zana hizo na uwezo wa kushughulikia matatizo kwa njia ya kialgorithimu, kimantiki na kimfumo unaonekana kuwa na umuhimu mkubwa zaidi. Hata hivyo, katika utafiti huu umahiri wa akili bandia na fikra za kiukokotozi hazikupimwa kwa kazi halisi za utendaji, bali kwa tathmini za washiriki kuhusu uwezo wao wenyewe.

Kwa mtazamo wa Türkiye: Modeli ya utafiti inaweza kubadilishwa ili kuchunguza ukosefu wa usawa wa kidijitali unaoathiri umahiri wa akili bandia miongoni mwa wanafunzi wa vyuo vikuu, wanafunzi wa ualimu, wanafunzi wa vyuo vya ufundi na vikundi vya elimu ya watu wazima nchini Türkiye. Katika uthibitishaji wa Türkiye, tofauti za mijini na vijijini, kiwango cha mapato, umiliki wa vifaa, ubora wa intaneti, uzoefu wa programu, aina ya fani na miundombinu ya kiufundi ya vyuo vikuu zinapaswa kuongezwa kwenye modeli. Vipimo vya kujiripoti vinapaswa kuungwa mkono na tafiti za uhalali katika Kituruki pamoja na kazi halisi za tathmini ya akili bandia, utambuzi wa maudhui yanayopotosha na mazoezi ya kuandika maelekezo salama. Kutokana na utafiti huu haiwezekani kuhitimisha moja kwa moja kiwango cha umahiri wa akili bandia cha wanafunzi nchini Türkiye, ukubwa wa ukosefu wa usawa wa kikanda au kwamba programu fulani ya elimu itafanikiwa.

Tatizo kuu la utafiti ni nini?

Injini za utafutaji zinazosaidiwa na akili bandia, mifumo ya mazungumzo, algorithimu za mapendekezo, zana za maamuzi ya kiotomatiki na programu za akili bandia zalishi zinatumika katika maeneo mengi, kuanzia elimu hadi ajira na kutoka afya hadi huduma za umma. Kuenea huku kunaongeza hitaji la watumiaji ambao si tu wanaoweza kuendesha zana, bali pia wanaoweza kuhoji taarifa zinazozalishwa na akili bandia, kutambua makosa yake na kutathmini athari zake za kimaadili.

Swali kuu la utafiti ni kama umahiri wa akili bandia ni matokeo tu ya kukutana na zana za akili bandia. Mtafiti anachunguza kwa pamoja maeneo matatu yanayoweza kutoa maelezo:

• Ufikiaji wa teknolojia ya kidijitali na uwezo wa kuitumia kwa maana
• Ushiriki mkubwa wa kisaikolojia unaotokea wakati wa kutumia teknolojia
• Uwezo wa kugawanya matatizo katika sehemu, kutambua mifumo na kuunda suluhisho za kialgorithimu

Ilitathminiwa kama vigezo hivi vinaweza kueleza umahiri wa akili bandia si kila kimoja peke yake, bali ndani ya muundo unaohusiana.

Modeli ya dhana kwenye ukurasa wa 14 inaonyesha nini?

Kwenye ukurasa wa 14 wa utafiti, Kielelezo 1 kinaonyesha modeli ya awali yenye vigezo vinne vikuu fiche na nadharia tete sita. Njia tatu za moja kwa moja zimefafanuliwa kutoka pengo la kidijitali hadi kuzama kiakili, fikra za kiukokotozi na umahiri wa akili bandia. Njia mbili zimewekwa kutoka kuzama kiakili hadi fikra za kiukokotozi na umahiri wa akili bandia, na njia moja kutoka fikra za kiukokotozi hadi umahiri wa akili bandia.

Lebo ya “Digital Divide” katika modeli inapaswa kufasiriwa kwa uangalifu. Vipengele vya kipimo havipimi ukubwa wa ukosefu wa usawa, bali kiwango cha fursa za ufikiaji. Kwa hiyo, migawo chanya haimaanishi kwamba “pengo la kidijitali linapoongezeka, matokeo yanakuwa bora.” Tafsiri sahihi ni kwamba uwezo husika huongezeka kadiri ufikiaji wa kidijitali unavyoimarika au pengo la kidijitali linavyopungua.

Umahiri wa akili bandia unajumuisha vipimo gani?

Vipimo hivi vinne vilipimwa kwa jumla ya vipengele 12 vya kujiripoti. Utafiti unachukulia umahiri wa akili bandia si kama uwezo wa matumizi ya kiufundi pekee, bali kama umahiri wa vipengele vingi unaojumuisha pia tathmini makini na ufahamu wa kimaadili.

Ufikiaji wa kidijitali au pengo la kidijitali ulipimwaje?

Kigezo kilipimwa kwa kipimo chenye vipengele 38, kuanzia 1 = “kamwe” hadi 5 = “mara nyingi sana”. Alama ya juu haionyeshi ukosefu mkubwa zaidi wa usawa, bali ufikiaji na uwezo mkubwa zaidi wa matumizi. Kwa hiyo, usemi wa “athari chanya ya pengo la kidijitali” katika baadhi ya sehemu za utafiti unapotosha kimsamiati.

Fikra za kiukokotozi zinamaanisha nini?

Fikra za kiukokotozi hazimaanishi kutatua tatizo kwa kuandika programu ya kompyuta pekee. Ni namna ya kugawanya tatizo changamano katika sehemu ndogo, kuchagua taarifa muhimu, kutambua mifumo, kuunda hatua za kimantiki na kuhamisha suluhisho kwa matatizo mengine.

Katika utafiti, muundo huu uliwakilishwa na vipengele 29 na vipimo vitano:

• Ubunifu
• Fikra za kialgorithimu
• Ushirikiano
• Fikra makini
• Utatuzi wa matatizo

Kipimo kinapima mtazamo wa washiriki kuhusu ujuzi wao wenyewe badala ya utendaji halisi wa kuunda algorithimu au kutatua matatizo. Kwa hiyo, matokeo yanapaswa kusomwa kama “umahiri wa fikra za kiukokotozi unaojitambuliwa” badala ya “mafanikio ya objektivu katika fikra za kiukokotozi”.

Kuzama kiakili ni nini?

Kuzama kiakili ni hali ambapo mtumiaji huuelekeza umakini wake kwa kina kwenye mfumo wakati wa kuingiliana na teknolojia na kuzama kisaikolojia katika uzoefu huo. Kipimo cha vipengele 17 katika utafiti kinajumuisha vipimo vinne vifuatavyo:

• Udadisi na hamu ya kuchunguza
• Umakini uliolengwa
• Furaha inayopatikana kutokana na matumizi
• Kutotambua kupita kwa muda au kujitenga na hisia ya muda

Vipengele vilipimwa kutoka 1 = “sikubaliani kabisa” hadi 10 = “nakubaliana kabisa”. Inaelezwa kuwa toleo la kipimo lililobadilishwa kiutamaduni lilitumika; hata hivyo, utamaduni lengwa, mbinu ya tafsiri, tathmini ya wataalamu na mchakato wa majaribio ya awali haujaelezwa.

Nadharia tete za utafiti ni zipi?

Kwa H4 na H5, mgawo mahususi, kosa sanifu, kipindi cha kujiamini au thamani ya p haikutolewa. Kwa hiyo, haiwezekani kuamua kutokana na utafiti jinsi mahusiano hayo yalivyo karibu na sifuri au kama yana mwelekeo hasi.

Sampuli iliundwaje?

Mtafiti anaripoti kwamba wanafunzi walichaguliwa kwa njia ya sampuli rahisi kutoka vyuo vikuu viwili vilivyo katika jiji kubwa. Wanafunzi 700 kutoka Chuo Kikuu A na 500 kutoka Chuo Kikuu B walialikwa, kwa jumla ya wanafunzi 1.200.

Baadaye maandishi yanaeleza kwamba wanafunzi 800 walijitolea kukamilisha dodoso. Baada ya kuondoa dodoso zisizo kamili na thamani potofu, imeandikwa kwamba seti ya mwisho ya data ilikuwa na watu 865.

Mgongano huu katika mtiririko wa sampuli unaweza kuwa kosa rahisi la uandishi; hata hivyo, kwa kuwa haijulikani ni namba ipi sahihi, ukubwa halisi wa sampuli ya uchanganuzi hauwezi kuthibitishwa kwa kujitegemea. Kwa sababu idadi ya sampuli huathiri moja kwa moja fahirisi za ulinganifu, makosa sanifu na umuhimu wa kitakwimu, tatizo hili linapaswa kurekebishwa kabla ya kuchapishwa.

Imeelezwa kuwa washiriki walikuwa na umri wa 18–31 na walitoka ngazi za shahada ya kwanza, uzamili na uzamivu. Wastani wa umri, mkengeuko sanifu, mgawanyo wa viwango vya elimu, maeneo ya kitaaluma na idadi katika makundi ya matumizi ya intaneti ya kila siku haikutolewa.

Dodoso lina upeo gani?

Washiriki walijibu jumla ya vipengele 96 vya vipimo, bila kuhesabu maswali ya demografia. Dodoso ndefu zinaweza kuleta hatari za ubora wa data kama uchovu, kujibu kwa haraka na kurudia chaguo lilelile. Utafiti haujaripoti muda wa kukamilisha dodoso, ukaguzi wa umakini, majibu ya kasi kupita kiasi au uchanganuzi wa majibu ya mstari mmoja.

Modeli ya milinganyo ya kimuundo ilitumikwaje?

Uchanganuzi ulifanywa kwa hatua mbili:

1. Katika modeli ya kipimo, viashiria vya vigezo fiche, uthabiti wa ndani na uhalali wa muunganiko vilitathminiwa.
2. Katika modeli ya kimuundo, njia H1–H6 kati ya vigezo zilikadiriwa kwa mbinu ya uwezekano wa juu.

Uchanganuzi ulifanywa kwa programu ya IBM SPSS Amos na kiwango cha umuhimu wa kitakwimu kikawekwa kuwa p < 0,01. Migawo sanifu ya njia iliripotiwa kwa β.

Ingawa utafiti ulitumia makadirio ya uwezekano wa juu, hautoi taarifa kuhusu kawaida ya vigezo vingi, upotovu, kurtosis au mbinu ya makadirio thabiti. Ukweli kwamba vipimo vina safu tofauti za majibu pia unahitaji maelezo kuhusu mgawanyo wa data.

Modeli ya kipimo ilitoa matokeo gani?

Mtafiti anaeleza kwamba mizigo yote ilizidi viwango vinavyokubalika, na kwamba thamani za uaminifu changamani na wastani wa tofauti iliyotolewa zinaunga mkono uhalali wa muunganiko.

Hata hivyo, ukokotoaji rahisi wa upya kwa kutumia mizigo ya vigezo vya kiwango cha pili iliyoonyeshwa katika jedwali na fomula sanifu ya \(\operatorname{AVE}=\sum\lambda_i^2/k\) hauzalishi kikamilifu thamani za AVE zilizoripotiwa. Hali hiyo hiyo inatumika kwa baadhi ya thamani za uaminifu changamani. Tofauti hii inaweza kutokana na hesabu kufanywa kwa mizigo ya kiwango cha kipengele ambayo haijaonyeshwa katika jedwali; hata hivyo, utafiti hauelezi kiwango cha hesabu wala fomula zilizotumika.

Zaidi ya hayo, hakuna matriksi ya Fornell–Larcker, uwiano wa HTMT au jedwali la uhusiano kati ya miundo lililotolewa kwa ajili ya uhalali wa utofautishaji. Kwa sababu dhana za ujuzi wa kidijitali, fikra za kiukokotozi na umahiri wa akili bandia ziko karibu, upungufu huu ni muhimu.

Ulinganifu wa modeli ukoje?

Kwenye ukurasa wa 25, Kielelezo 2 kinaonyesha njia zenye umuhimu kwa mstari mfululizo na njia zisizo na umuhimu kwa mstari wa kukatika. Njia kutoka kuzama kiakili hadi fikra za kiukokotozi na umahiri wa akili bandia zimeonyeshwa kwa mstari wa kukatika.

Modeli iliundwa kwanza ikiwa na njia zote, kisha njia zisizo na umuhimu zikaondolewa ili kupata modeli ya mwisho. Kubadilisha na kutathmini tena modeli kwa data ileile kunaweza kuongeza ulinganifu maalumu kwa sampuli. Modeli iliyobadilishwa haikujaribiwa katika sampuli huru ya uthibitishaji.

Uhusiano wenye nguvu zaidi ni upi?

Mgawo mkubwa zaidi wa njia ni β = 0,83 kutoka ufikiaji wa kidijitali hadi fikra za kiukokotozi. Mgawo huu unaonyesha kwamba wanafunzi wenye rasilimali za kidijitali, ujuzi na fursa za matumizi wana umahiri wa fikra za kiukokotozi unaojitambuliwa wa juu zaidi.

Hata hivyo, vigezo vyote viwili vilipatikana kutokana na kujitathmini kwa washiriki wale wale katika dodoso lilelile. Mwanafunzi anayejitathmini kuwa na ujuzi wa juu wa kidijitali anaweza pia kujitathmini kuwa na uwezo mkubwa wa kutatua matatizo na kufikiri kialgorithimu, jambo linaloweza kuunda athari ya mbinu ya pamoja.

Je, ufikiaji wa kidijitali unaathiri moja kwa moja umahiri wa akili bandia?

Katika modeli kuna njia ya moja kwa moja kutoka ufikiaji wa kidijitali hadi umahiri wa akili bandia katika kiwango cha β = 0,55. Ufikiaji wa kidijitali pia unahusiana kwa nguvu na fikra za kiukokotozi; fikra za kiukokotozi nazo zinaunganishwa na umahiri wa akili bandia kwa mgawo wa β = 0,37.

Muundo huu unapendekeza kwamba ufikiaji wa kidijitali unaweza kuwa na uhusiano usio wa moja kwa moja kupitia fikra za kiukokotozi. Hata hivyo, utafiti haujaripoti ukubwa wa athari isiyo ya moja kwa moja, kipindi cha kujiamini cha bootstrap au jaribio la upatanishi. Kwa hiyo, utaratibu wa upatanishi hauwezi kuchukuliwa kuwa umethibitishwa.

Kwa nini kuzama kiakili huenda hakukuonekana kuwa na umuhimu?

Kulingana na tafsiri ya mtafiti, kulenga sana au kufurahia wakati wa kutumia teknolojia hakuhakikishi kwamba mtumiaji anaelewa michakato ya kiufundi iliyo nyuma ya mfumo. Mtu anaweza kutumia muda mrefu akiingiliana na programu ya mazungumzo, mitandao ya kijamii, mfumo wa mapendekezo ya video au zana ya akili bandia zalishi, lakini asiwe amejifunza jinsi algorithimu inavyofanya kazi, jinsi ya kuthibitisha matokeo au hatari gani za kimaadili zilizopo.

Matokeo haya yanaonyesha kwamba ubora wa matumizi unaweza kuwa muhimu zaidi kuliko muda wa matumizi. Bila uchunguzi wenye lengo, mrejesho, uchanganuzi wa makosa na ujifunzaji wa kutafakari, mwingiliano mkubwa unaweza kuzalisha mazoea au burudani pekee.

Hata hivyo, matokeo ya kutokuwa na umuhimu yanaweza pia kuwa yameathiriwa na chaguo za upimaji na uundaji wa modeli. Uhusiano mkubwa kati ya kuzama kiakili na ufikiaji wa kidijitali unaweza kupunguza njia za moja kwa moja kwa sababu ya utofauti unaoelezwa kwa pamoja au kuingiliana kwa miundo. Kwa kuwa matriksi ya uhusiano kati ya miundo haikutolewa, uwezekano huu hauwezi kutathminiwa.

Kueleza asilimia 78 ya umahiri wa akili bandia kunamaanisha nini?

Katika modeli ya utafiti, \(R^2=0,78\) iliripotiwa kwa umahiri wa akili bandia. Thamani hii ina maana kwamba asilimia 78 ya utofauti katika alama za umahiri wa akili bandia za kujiripoti katika sampuli unahusishwa kitakwimu na vigezo vya modeli.

Uwiano huu ni mkubwa sana. Nguvu kubwa ya kueleza inaweza kuwa kiashiria cha modeli yenye nguvu; hata hivyo, kupima dhana zinazokaribiana katika dodoso lilelile kwa mbinu ileile kunaweza kuongeza utofauti wa mbinu ya pamoja. Kwa kuwa hakuna jaribio la objektivu la utendaji au chanzo cha pili cha data kilichotumika, asilimia 78 haipaswi kufasiriwa kama sehemu ya tabia halisi ya akili bandia iliyoelezwa.

Ni hitimisho gani yanaweza kutolewa kwa upande wa elimu?

• Kutoa ufikiaji wa zana za akili bandia pekee hakutoshi; ujuzi wa matumizi ya kidijitali pia unapaswa kuendelezwa.
• Elimu ya akili bandia inaweza kuunganishwa na shughuli za fikra za kialgorithimu na utatuzi wa matatizo.
• Wanafunzi wanapaswa kuhimizwa kukagua matokeo ya akili bandia, kutafuta makosa na kuthibitisha vyanzo.
• Matumizi makubwa au ya kufurahisha hayapaswi kuchukuliwa kama matokeo ya ujifunzaji.
• Ufahamu wa kimaadili unapaswa kushughulikiwa tofauti na matumizi ya kiufundi na kwa malengo ya wazi ya ujifunzaji.
• Ukosefu wa usawa wa miundombinu ya kidijitali unapaswa kutathminiwa kama sehemu ya sera za umahiri wa akili bandia.

Uthibitishaji wa aina gani unaweza kubuniwa nchini Türkiye?

Utafiti utakaofanywa Türkiye haupaswi kuvihusisha vyuo vikuu viwili pekee; unapaswa kujumuisha vyuo vikuu vya umma na vya wakfu kutoka maeneo tofauti, vyuo vya ufundi na maeneo mbalimbali ya kitaaluma. Sampuli inaweza kupangwa kwa matabaka ili kusawazisha hali ya kijamii na kiuchumi, mahali pa kuishi, ubora wa intaneti, umiliki wa kompyuta binafsi na uzoefu wa programu.

Mbali na vipimo vya kujiripoti, washiriki wanaweza kuombwa:

• Kutathmini maandishi yenye makosa yaliyotolewa na akili bandia
• Kutambua mifano ya vyanzo vilivyobuniwa au upendeleo
• Kugawanya tatizo rahisi katika hatua za kialgorithimu
• Kulinganisha ufaafu wa zana tofauti za akili bandia
• Kufanya maamuzi yenye hoja katika hali za faragha na maadili

Kwa njia hii, tofauti kati ya ujuzi unaojitambuliwa na utendaji halisi inaweza kupimwa.

Ni nguvu zipi za utafiti?

• Umeshughulikia umahiri wa akili bandia kwa vipimo vya matumizi ya kiufundi, tathmini makini na maadili.
• Haujaweka ukosefu wa usawa wa kidijitali kuwa suala la umiliki wa kifaa pekee.
• Umeongeza fikra za kiukokotozi kwenye modeli kama kigezo cha moja kwa moja cha kueleza.
• Umeunda nadharia tete sita zilizo wazi na kuzitathmini pamoja kwa modeli ya milinganyo ya kimuundo.
• Umeripoti fahirisi nyingi za ulinganifu.
• Haukuficha matokeo wakati mahusiano yaliyotarajiwa kwa kuzama kiakili hayakuungwa mkono.
• Umejadili tofauti kati ya mwingiliano mkubwa na teknolojia na ujifunzaji wenye maana.
• Umeunganisha kisera ujumuishwaji wa kidijitali na elimu ya akili bandia.

Ni vikwazo gani vikuu vya utafiti?

• Utafiti ni preprint ambayo haijapitia mapitio ya rika.
• Kuna mgongano usiotatuliwa kati ya majibu 800 na washiriki 865 wa mwisho katika mtiririko wa sampuli.
• Idadi za jinsia hazijakamilisha sampuli ya mwisho.
• Vyuo vikuu, jiji na nchi havijaelezwa.
• Sampuli rahisi ilitumika.
• Tarehe za ukusanyaji wa data hazikutolewa.
• Utaratibu wa bodi ya maadili na ridhaa yenye taarifa haujaripotiwa.
• Utafiti ni wa wakati mmoja; hauonyeshi maendeleo ya vigezo kwa muda.
• Vigezo vyote vikuu vilipimwa kwa kujiripoti.
• Hakuna jaribio la objektivu la akili bandia au fikra za kiukokotozi.
• Vipengele kamili vya vipimo havijashirikiwa.
• Safu za majibu za vipimo viwili hazijaelezwa wazi.
• Mchakato wa urekebishaji wa kitamaduni na tafsiri haujaelezwa.
• Jaribio la upendeleo wa mbinu ya pamoja halikufanywa.
• Uhalali wa utofautishaji haujaripotiwa.
• Dhana za usambazaji wa kawaida na uwezekano wa juu hazijatathminiwa.
• Uchanganuzi wa nguvu kwa ukubwa wa sampuli haukutolewa.
• Idadi ya data pungufu na thamani potofu haikutolewa.
• Modeli haina vigezo vya udhibiti.
• Athari za umri, kiwango cha elimu na matumizi ya intaneti kwa matokeo hazijatathminiwa.
• Migawo mahususi na thamani za p za njia zisizo na umuhimu hazikutolewa.
• Athari zisizo za moja kwa moja na vipindi vya kujiamini vya upatanishi hazijaripotiwa.
• Modeli ilibadilishwa na kuthibitishwa kwa data ileile.
• Sampuli huru ya uthibitishaji haikutumika.
• Haijaelezwa jinsi hesabu za CR na AVE zilivyotolewa kutoka mizigo iliyoonyeshwa katika jedwali.
• Data ghafi, faili ya uchanganuzi na modeli ya Amos havijashirikiwa.
• Marejeo yana kumbukumbu zisizohusiana na mada na zilizoharibika kimuundo.

Utafiti unaunga mkono nini?

• Unaunga mkono uwepo wa uhusiano kati ya ufikiaji bora wa kidijitali na umahiri wa akili bandia wa kujiripoti ulio juu zaidi katika sampuli ya wanafunzi iliyochunguzwa.
• Unaonyesha kuwa kuna uhusiano mkubwa kati ya ufikiaji wa kidijitali na fikra za kiukokotozi zinazojitambuliwa.
• Unaonyesha kwamba fikra za kiukokotozi zinahusiana chanya na umahiri wa akili bandia.
• Unaonyesha kwamba kuzama sana wakati wa kutumia teknolojia pekee hakukuonyesha uhusiano wenye umuhimu na umahiri wa akili bandia.
• Unaunga mkono kwamba elimu ya akili bandia inapaswa kushughulikiwa pamoja na ujumuishwaji wa kidijitali na ujuzi wa utatuzi wa matatizo kwa mfumo.

Utafiti hauthibitishi nini?

• Hauthibitishi kwamba ufikiaji wa kidijitali husababisha umahiri wa akili bandia kwa njia ya kisababishi.
• Hauonyeshi kwamba elimu ya fikra za kiukokotozi itaongeza kwa uhakika umahiri wa akili bandia.
• Hauthibitishi kwamba kuzama kiakili hakina umuhimu katika makundi yote ya wanafunzi.
• Haupimi utendaji halisi wa washiriki katika kutumia akili bandia.
• Hauonyeshi kwamba washiriki wanaweza kutambua makosa ya akili bandia au taarifa potofu katika kazi halisi.
• Hauthibitishi kwamba matokeo ya vyuo vikuu viwili yanaweza kujumlishwa kwa nchi, umri na makundi mengine ya elimu.
• Asilimia 78 ya utofauti ulioelezwa haimaanishi kwamba asilimia 78 ya tabia halisi imeelezwa.
• Hauonyeshi kwamba uwekezaji wa miundombinu pekee utahakikisha matumizi ya akili bandia yenye maadili na ya kina.

Mbinu na Matokeo ya Utafiti

Aina ya utafiti

Utafiti ni wa uhusiano, wa kiasi na wa wakati mmoja, unaotegemea ukusanyaji wa data za dodoso kwa wakati mmoja kutoka kwa wanafunzi wa elimu ya juu waliochaguliwa kwa sampuli rahisi. Hakuna jaribio la kisababishi, uingiliaji wa kielimu au ufuatiliaji wa muda mrefu.

Sampuli iliyoripotiwa

Zana za upimaji

Mbinu ya uchanganuzi

• Tathmini ya modeli ya kipimo
• Mizigo sanifu ya vigezo
• Cronbach alfa
• Uaminifu changamani
• Wastani wa utofauti uliotolewa
• Modeli ya milinganyo ya kimuundo kwa uwezekano wa juu
• Kiwango cha umuhimu p < 0,01
• Programu ya IBM SPSS Amos

Matokeo makuu ya modeli ya kimuundo

Utofauti ulioelezwa

Tathmini ya kitakwimu

Fahirisi za ulinganifu zinaonyesha kwamba modeli kwa ujumla inalingana na data. Hata hivyo, ulinganifu hauthibitishi kwamba modeli ni maelezo sahihi ya kisababishi. Kunaweza kuwa na modeli mbadala zinazolingana kwa njia sawa na muundo uleule wa kovariansi.

Bila kutatua mgongano wa idadi ya sampuli, haijulikani makosa sanifu na fahirisi za ulinganifu zilikokotolewa kwa idadi gani ya washiriki. Aidha, kwa kuwa uhalali wa utofautishaji na upendeleo wa mbinu ya pamoja haukutathminiwa, sehemu ya migawo mikubwa ya njia inaweza kutokana na kufanana kwa mbinu ya upimaji.

Kinachohitajika kwa uthibitishaji wa kuaminika

• Kurekebisha mtiririko wa washiriki na idadi ya mwisho ya sampuli
• Kueleza chuo kikuu, nchi, tarehe ya ukusanyaji wa data na mfumo wa sampuli
• Kutoa taarifa za bodi ya maadili na ridhaa yenye taarifa
• Kushiriki vipengele kamili vya vipimo pamoja na vyanzo vyake
• Kueleza utaratibu wa tafsiri na urekebishaji wa kitamaduni
• Kuongeza majaribio ya objektivu ya umahiri wa akili bandia na fikra za kiukokotozi
• Uchanganuzi wa upendeleo wa mbinu ya pamoja
• Tathmini ya uhalali wa utofautishaji ya Fornell–Larcker na HTMT
• Ripoti ya kawaida ya mgawanyo na thamani potofu
• Vipindi vya kujiamini vya bootstrap kwa athari zisizo za moja kwa moja
• Kujaribu tena modeli katika sampuli huru ya uthibitishaji
• Uingiliaji wa kielimu wa muda mrefu au unaodhibitiwa
• Kushiriki data ghafi, msimbo na faili ya modeli ya Amos

Maelezo ya Chanzo na Mbinu

Jina asilia la utafiti: From Digital Access to AI Competence: An Integrated Model of Artificial Intelligence Literacy Development Through Digital Divide and Computational Thinking

Mwandishi: Yifan Chen.

Mpangilio wa waandishi: Utafiti una mwandishi mmoja.

Cheo cha kitaaluma: Mwandishi anaonyeshwa katika maandishi kama “Prof. Yifan Chen”. Cheo hakijathibitishwa kupitia chanzo huru cha kitaasisi.

Taarifa ya mchango sawa: Kwa kuwa utafiti una mwandishi mmoja, hakuna taarifa ya mchango sawa.

Mwandishi anayewajibika: Yifan Chen.

Barua pepe: yifan.chen.research@gmail.com

Taasisi iliyotajwa katika hati: School of Computer Science and Engineering, Shanghai Jiao Tong University, Shanghai, China; Postal Code 200240.

Maelezo ya uthibitishaji wa taasisi: Muonekano wa rekodi ya SSRN hautoi uhusiano wa kitaasisi wa mwandishi. Kwa hiyo, taarifa ya taasisi iliyo juu imewasilishwa kama tamko la mwandishi kwenye ukurasa wa kichwa cha utafiti.

DOI:10.2139/ssrn.7212624

Jukwaa rasmi la uchapishaji: SSRN.

Kiungo rasmi cha utafiti:Ukurasa wa utafiti wa SSRN

Mwaka wa uchapishaji: 2026.

Jarida: Hakuna jina la jarida lililopitiwa na rika au uamuzi wa kukubaliwa kwa toleo hili.

Aina ya chanzo: Preprint ya utafiti wa elimu na teknolojia wa kiasi na wa wakati mmoja unaoripoti kukusanya data kutoka kwa wanafunzi wa elimu ya juu kwa dodoso la kujiripoti na kutumia modeli ya milinganyo ya kimuundo.

Hali ya mapitio ya rika: Utafiti haujapitia mapitio ya rika. Kila ukurasa una onyo la “Preprint not peer reviewed”.

Bodi ya maadili: Utafiti hautoi jina la bodi ya maadili, namba ya uamuzi au tarehe ya idhini.

Ridhaa yenye taarifa: Imeelezwa kwamba wanafunzi walishiriki kwa hiari, lakini maandishi ya ridhaa na utaratibu wa utekelezaji haujaelezwa.

Ufadhili: Hakuna tamko la ufadhili.

Mgongano wa maslahi: Hakuna tamko la mgongano wa maslahi.

Ufikiaji wa data na msimbo: Hakuna kiungo cha ufikiaji wazi kilichotolewa kwa data ghafi ya dodoso, kamusi ya data, modeli ya Amos, sintaksia ya uchanganuzi au faili za uzalishaji upya.

Ufikiaji wa vipimo: Jumla ya idadi ya vipengele na vipimo imeelezwa, lakini vipengele kamili, ulinganifu wazi na marejeo ya asili ya vipimo na nyaraka za urekebishaji havijatolewa.

Maelezo ya marejeo: Orodha ya marejeo ina tafiti za fedha za kidijitali, nishati jadidifu, kilimo, uvuvi na usafiri ambazo uhusiano wake wa moja kwa moja na umahiri wa akili bandia hauko wazi. Baadhi ya kumbukumbu zinaonekana kutokamilika, kuunganishwa au kuharibika kimuundo. Hali hii inafanya iwe vigumu kufuatilia kwa kujitegemea misingi ya madai ya kinadharia.

Mgongano mkuu wa data: Utafiti unaripoti kwamba wanafunzi 800 walikamilisha dodoso na kwamba baada ya kuondoa rekodi zisizo kamili na thamani potofu, wanafunzi 865 walichanganuliwa. Aidha, jumla ya washiriki wanaume 319 na wanawake 416 ni 735. Bila kurekebisha migongano hii miwili, utambulisho wa sampuli ya mwisho na idadi halisi ya washiriki wa uchanganuzi haiwezi kubainishwa kwa uhakika.

Maelezo haya ya Kituruki yameandaliwa kwa kupitia sehemu za kinadharia za utafiti uliopakiwa, nadharia tete sita, modeli ya awali kwenye ukurasa wa 14, maelezo ya washiriki na vipimo, jedwali la modeli ya kipimo, fahirisi za ulinganifu wa kimuundo, modeli ya mwisho ya njia kwenye ukurasa wa 25, mjadala, matokeo na vikwazo. Hakuna nchi, taasisi, sampuli au matokeo ya kisababishi ambayo hayapo katika utafiti yaliyoongezwa.

Data za utafiti zinaunga mkono kwamba ufikiaji bora wa kidijitali na fikra za kiukokotozi zinazojitambuliwa zilizo na nguvu zaidi zinaweza kuhusishwa na umahiri wa akili bandia wa kujiripoti ulio juu zaidi. Hata hivyo, kutokana na migongano katika idadi za sampuli, vigezo vyote kutoka katika dodoso lilelile la kujiripoti, kutokuwepo kwa taarifa za maadili na ushiriki wa data, na kutofanywa kwa uthibitishaji huru, matokeo hayapaswi kutathminiwa kama ushahidi wa sera ya elimu au uingiliaji wa kisababishi.