ACISE-IA ni chombo cha upimaji chenye vipimo vinne kinachochunguza mitazamo ya kijamii-kihisia ya walimu na watu wanaopata mafunzo ya ualimu kuhusu Akili Bandia, mitazamo yao chanya kuhusu Akili Bandia katika elimu, umahiri wa kidijitali wa AI unaotambuliwa na mhusika mwenyewe, pamoja na tathmini zao za kiuhakiki/kimaadili, kwa muundo wa Likert wa viwango vitano wenye vipengee 39. Utafiti huu ulitumia muundo wa kiasi, usio wa majaribio, mtambuka na ex post facto uliowahusisha walimu na walimu tarajali 1292 kutoka eneo linalojiendesha la Andalusia nchini Hispania; ukachunguza jinsi sifa kama umri, mafanikio ya kitaaluma, eneo la masomo, hali ya ajira, uzoefu wa ualimu na mwaka wa kitaaluma zinavyohusiana na vipimo vya ACISE-IA.

Sampuli ilijumuisha wanafunzi wa chuo kikuu 1078 (%83,4) waliokuwa wakipata mafunzo ya ualimu na walimu 214 (%16,6) waliokuwa wakifanya kazi au waliokuwa wamekatiza kazi kwa muda. Washiriki %29 walikuwa wanaume, %70,8 wanawake na %0,2 walijitambulisha kama non-binary. Sampuli haikuundwa kwa uteuzi wa nasibu wa uwezekano, bali kwa usampulishaji wa kimakusudi na usio wa uwezekano.

Umri ulionyesha uhusiano hasi na wenye umuhimu wa kitakwimu na kipimo cha mtazamo wa kijamii-kihisia cha ACISE-IA kwa r = −0,209, mtazamo chanya kuhusu AI ya kielimu kwa r = −0,133, umahiri wa kidijitali wa AI unaotambuliwa kwa r = −0,137, na alama ya jumla kwa r = −0,172. Hakukuwa na uhusiano wenye umuhimu kati ya umri na kipimo cha mtazamo wa kiuhakiki na wajibu wa kimaadili. Ingawa mahusiano haya yalikuwa muhimu kitakwimu, ukubwa wake ulikuwa mdogo.

Wastani wa alama ulipatikana kuwa na uhusiano chanya na mtazamo chanya kuhusu AI (r = 0,071), umahiri wa kidijitali unaotambuliwa (r = 0,065), tathmini ya kiuhakiki na kimaadili (r = 0,077), na alama ya jumla ya ACISE-IA (r = 0,069). Hata hivyo, ukubwa wa mahusiano haya ya korelashi ulikuwa mdogo sana. Hakukuwa na uhusiano wenye umuhimu kati ya wastani wa alama na mtazamo wa kijamii-kihisia.

Kulingana na eneo la masomo, wastani wa juu zaidi wa mtazamo wa kijamii-kihisia, umahiri wa kidijitali wa AI na jumla ya ACISE-IA ulionekana katika kundi la Sayansi za Jamii na Sheria. Matokeo haya hayakuendana na nadharia H3 iliyotabiri kuwa Uhandisi na Usanifu Majengo pamoja na Sayansi Asilia zingekuwa na viwango vya juu zaidi, hivyo H3 haikuungwa mkono. Ukubwa wa athari kati ya maeneo kwa ujumla ulikuwa mdogo.

Walimu tarajali walionyesha wastani wa juu kuliko walimu katika mtazamo wa kijamii-kihisia, mtazamo chanya kuhusu AI na alama ya jumla ya ACISE-IA. Kwa upande mwingine, tofauti ya umahiri wa kidijitali wa AI haikuvuka kizingiti cha umuhimu wa utafiti kwa p = 0,053, na pia hakukuwa na tofauti yenye umuhimu kati ya makundi hayo mawili katika wajibu wa kiuhakiki/kimaadili. Kwa hiyo H4 kuhusu hali ya ajira iliungwa mkono kwa sehemu tu.

Katika kundi la walimu, uzoefu zaidi wa ualimu ulionyesha mahusiano hasi madogo na mtazamo chanya kuhusu AI (r = −0,145), umahiri wa kidijitali wa AI (r = −0,195) na alama ya jumla (r = −0,168). Hata hivyo, kwa sababu ya muundo mtambuka na wa korelashi wa utafiti, mahusiano haya hayathibitishi kwamba “umri” au “uzoefu” hupunguza mtazamo kuhusu AI. Tofauti za kizazi, mafunzo ya awali ya teknolojia, kiwango cha kukutana na zana za kidijitali, mazingira ya kazi na mchakato wa usampulishaji vinaweza kushiriki katika mahusiano hayo hayo.

Ujumbe wa jumla wa matokeo ni kwamba mitazamo na umahiri wa walimu na walimu tarajali kuhusu AI ya kielimu si wa aina moja. Kwa hiyo waandishi wanapendekeza kuzingatiwa kwa njia za mafunzo zilizo nyumbufu zaidi katika elimu ya ualimu badala ya programu sanifu zinazofundisha tu matumizi ya kiufundi ya AI; njia hizo zibadilishwe kulingana na uzoefu wa awali, hatua ya kitaaluma na umahiri wa kidijitali unaotambuliwa, na ziunganishe vipengele vya kipedagojia, kijamii-kihisia na kimaadili na mafunzo ya teknolojia.

Tatizo kuu la utafiti

Utayari wa Akili Bandia katika elimu hauishii tu katika uwezo wa mwalimu kufungua na kutumia zana ya AI kwa njia ya kiufundi. Utafiti chanzo unazingatia kwa pamoja jinsi mwalimu anavyoikaribia AI, jinsi anavyotathmini athari zake za kijamii-kihisia kwa wanafunzi na michakato ya ufundishaji, jinsi anavyoutambua umahiri wake mwenyewe wa AI, na jinsi anavyotathmini masuala ya kimaadili kama faragha, haki, upendeleo, udhibiti wa binadamu na uwajibikaji.

Pengo la fasihi lililobainishwa na watafiti ni kwamba tafiti za awali mara nyingi zimechunguza mtazamo, umahiri wa kidijitali au wasiwasi wa kimaadili kila mmoja kivyake. Tafiti zinazochunguza kwa pamoja vipengele kama umri, mafanikio ya kitaaluma, eneo la taaluma, hali ya ajira, uzoefu wa ualimu na mwaka wa kitaaluma ndani ya mfumo uleule wenye vipimo vinne ni chache zaidi.

Mfumo wa kinadharia: DigCompEdu na UNESCO AI CFT

Utafiti unatumia mifumo miwili mikuu ya dhana. DigCompEdu ni mfumo mpana wa umahiri wa kidijitali wa waelimishaji unaouchunguza umahiri wa kidijitali wa waelimishaji kupitia maeneo yanayohusiana kama ushiriki wa kitaaluma, rasilimali za kidijitali, kufundisha na kujifunza, tathmini, kuwawezesha wanafunzi na kukuza umahiri wa kidijitali wa wanafunzi.

UNESCO AI Competency Framework for Teachers (AI CFT) nao unaweka dhana ya umahiri wa walimu katika Akili Bandia kupitia vipimo vitano vinavyohusiana: mtazamo unaomweka binadamu katikati, maadili ya AI, misingi na matumizi ya AI, ufundishaji unaohusisha AI, na AI kwa ajili ya ujifunzaji wa kitaaluma. Umahiri huu hufikiriwa katika viwango vitatu vya maendeleo vinavyoitwa Acquire, Deepen na Create.

Maneno ya chanzo yanaweka tofauti muhimu sana: kipimo cha ACISE-IA hakijatokana na UNESCO AI CFT au DigCompEdu, na vipimo vya ACISE-IA havipaswi kuchukuliwa kuwa sawa moja kwa moja na maeneo ya umahiri ya mifumo hiyo. AI CFT na DigCompEdu ni marejeo ya dhana yanayotumiwa kutafsiri matokeo ya utafiti.

Swali la utafiti

Swali kuu la utafiti ni jinsi sifa za kibinafsi, kitaaluma na kikazi zinavyohusiana na vipimo mbalimbali vya mitazamo ya walimu na walimu tarajali kuhusu Akili Bandia ya kielimu.

Nadharia sita

Kipimo cha ACISE-IA Hupima Nini?

ACISE-IA ni kipimo cha Likert cha viwango vitano chenye vipengee 39 kinachotumiwa kupima katika vipimo vidogo vinne mitazamo ya walimu, mtazamo wao wa maarifa/umahiri, hisia na tathmini za kimaadili kuhusu matumizi ya Akili Bandia katika utendaji wa kitaaluma; katika utafiti huu vipimo vinne vilivyofupishwa kama PSEA, APIA, CD na PCRE vilichambuliwa kila kimoja na pia kupitia alama ya jumla ya kipimo.

Kila kipengee kilitathminiwa kati ya 1 na 5. Katika chanzo, 1 inawakilisha kiwango cha “Strongly disagree” na 5 kiwango cha “Strongly agree”.

Mifano ya vipengee vya kipimo

Kwa PSEA, kipengee cha mfano kinachotolewa kinaeleza kwamba AI inaweza kukuza akili ya kihisia ya wanafunzi. Kwa APIA, mfano ni kwamba teknolojia za AI zinaweza kufanya kujifunza kuvutie zaidi; kwa CD, mtu anaripoti kwamba anafahamu teknolojia mbalimbali za AI; kwa PCRE, kauli kwamba matumizi ya AI yanaweza kutumiwa vibaya imetolewa kama mfano.

Viwango vya uaminifu vya kipimo

Chanzo hakitoi thamani hizi kama matokeo mapya yaliyotokana na sampuli ya sasa, bali kinazinukuu kutoka katika utafiti wa awali wa uthibitishaji wa ACISE-IA:

Cronbach alfa (α) na McDonald omega (ω) ni viashiria vya uthabiti wa ndani vinavyotathmini kwa kiwango gani vipengee vya kipimo vinavyotarajiwa kupima muundo uleule vinafanya kazi kwa uthabiti. Chanzo kinawasilisha thamani hizi kama ushahidi wa uthabiti wa ndani unaotathminiwa kuwa wa kutosha hadi mzuri sana.

Kwa modeli yenye vipengele vinne ya utafiti wa uthibitishaji, thamani za CFI = 0,929, GFI = 0,900, TLI = 0,922 na RMSEA = 0,046 pia ziliripotiwa na ulinganifu wa modeli ukaelezwa kuwa wa kutosha. CFI, GFI na TLI ni viashiria vya ulinganifu vinavyotathmini kwa mitazamo tofauti jinsi modeli inavyowakilisha muundo wa data uliotazamwa; RMSEA ni kiashiria cha hitilafu kinachotathmini kutolingana kwa makadirio kati ya modeli na data.

Hata hivyo, utafiti husika wa uthibitishaji wa ACISE-IA katika orodha ya marejeo umeorodheshwa kama “Sensors 2026, under review”. Kwa hiyo Verianla hauainishi upya utafiti huu wa uthibitishaji kana kwamba ni makala huru ya kitaaluma iliyokamilika na iliyochapishwa baada ya kupitia mapitio ya rika.

Muundo wa sampuli

Usampulishaji wa kimakusudi usio wa uwezekano unamaanisha nini?

Washiriki hawakuchaguliwa kwa nasibu kutoka kwa walimu na walimu tarajali wote katika jamii. Watafiti waliwafikia watu waliotimiza masharti ya kushiriki katika utafiti na kukusanya ushiriki wa hiari. Njia hii hurahisisha utekelezaji wa utafiti, lakini inazuia kudhani kwamba sampuli inawakilisha kikamilifu idadi pana zaidi ya watu.

Vigezo vya kujumuisha na kuondoa

Walimu waliokuwa kazini walitakiwa kuwa wanafundisha katika ngazi rasmi ya elimu katika mwaka wa masomo 2024–2025. Walimu ambao hawakuwa wakifanya kazi wakati huo walitakiwa kuwa wamewahi kufundisha katika ngazi rasmi ya elimu. Katika kundi la walimu tarajali, sharti lilikuwa kusajiliwa katika programu ya chuo kikuu inayohusiana na Sayansi za Elimu au kuwa katika mchakato wa kuingia katika taaluma ya ualimu. Dodoso ambazo hazikukamilishwa kwa njia inayofaa zilitolewa katika uchambuzi.

Kwa Nini Matokeo ya Korelashi ya Utafiti Mtambuka Hayawezi Kutafsiriwa Kama Sababu?

Katika utafiti huu, umri, mafanikio ya kitaaluma au uzoefu wa ualimu havikubadilishwa kwa majaribio na mtafiti, na watu wale wale hawakufuatiliwa kwa muda; kwa hiyo mahusiano yaliyoonekana yanaonyesha jinsi vigezo vinavyobadilika pamoja, si kwamba kigezo kimoja husababisha kingine. Kwa mfano, korelashi hasi kati ya miaka ya uzoefu na umahiri wa kidijitali wa AI haithibitishi kwamba uzoefu wa ualimu hupunguza umahiri wa AI.

Umri, uzoefu wa ualimu, kipindi cha mafunzo ya awali, teknolojia zilizotumiwa awali, majukumu ya kikazi na athari za kizazi zinaweza kuingiliana. Utafiti pia ulilinganisha vikundi tofauti vya wanafunzi kutoka miaka tofauti ya kitaaluma kwa wakati mmoja; haukufuatilia maendeleo ya wanafunzi wale wale kutoka mwaka wa kwanza hadi wa nne.

Kwa hiyo, kwa mfano, wanafunzi wa mwaka wa nne kuonyesha wastani wa juu kuliko wanafunzi wa mwaka wa kwanza katika baadhi ya vipimo si ushahidi kwamba miaka minne ya mafunzo ya ualimu pekee ilisababisha tofauti hiyo.

Mpaka kati ya mfumo wa kinadharia wa utafiti na chombo cha upimaji

Viwango vya maendeleo vya Acquire, Deepen na Create katika UNESCO AI CFT vinawezesha umahiri wa AI wa walimu kufikiriwa kwa mtazamo wa maendeleo. Hata hivyo, tofauti za kimtazamo kati ya miaka ya masomo zilizopatikana katika utafiti hazitafsiriwi kama ushahidi wa kimajaribio kwamba wanafunzi wanaendelea kupitia viwango hivyo vitatu vya AI CFT.

Mbinu na Matokeo ya Utafiti

Muundo wa utafiti

Utafiti uliundwa kuwa wa kiasi, usio wa majaribio, wa kimaelezo na kiuchunguzi; pia ulikuwa wa mtambuka na ex post facto. Katika njia ya ex post facto, mtafiti hatoi kwa majaribio sifa zilizopo tayari kama umri, uzoefu au eneo la masomo; badala yake huchunguza mahusiano na tofauti kati ya vikundi vilivyopo.

Ukusanyaji wa data

Watafiti waliwasiliana na taasisi za elimu, vyuo vikuu na programu za mafunzo ya ualimu; kiungo cha dodoso kilisambazwa kwa wanafunzi na walimu kupitia wahadhiri wa vyuo vikuu na uongozi wa taasisi.

Ushiriki uliwekewa watu wazima pekee, ulikuwa wa hiari na usiotambulisha majina. Washiriki walielezwa madhumuni ya utafiti, matumizi yake ya kitaaluma, usiri wa data na kwamba data ingetumiwa kwa madhumuni ya utafiti pekee, kisha ridhaa iliyoelezwa ilipatikana kabla ya dodoso.

Chanzo kinaripoti kwamba dodoso lilitekelezwa katika robo ya kwanza ya 2025 kupitia fomu ya mtandaoni iliyojazwa na mshiriki mwenyewe.

Uchambuzi wa kitakwimu

Uchambuzi ulifanywa kwa kutumia IBM SPSS 28.0.1.0. Kwanza, masafa na wastani vilikokotolewa. Dhana ya usambazaji wa kawaida ilikaguliwa kupitia thamani za skewness na kurtosis za vipengee, na thamani katika masafa ya −2 hadi +2 zilichukuliwa kuwa zinazokubalika.

Katika kulinganisha vikundi viwili, Student t-testi ya sampuli huru ilitumiwa; katika kulinganisha zaidi ya vikundi viwili, ANOVA ya njia moja ilitumiwa; na baada ya ANOVA, pale ilipohitajika, ulinganisho wa post-hoc wenye marekebisho ya Bonferroni ulitumiwa kuchunguza ni vikundi gani vilitofautiana.

Mahusiano ya mstari kati ya vigezo yalichunguzwa kwa kigawo cha korelashi jozi cha Pearson. Imeelezwa kwamba Cronbach α na McDonald ω zilikokotolewa kwa uthabiti wa ndani wa vipimo. Katika majaribio yote ya kitakwimu, kiwango cha uaminifu cha %95 kilitumiwa.

Katika Utafiti Huu r, p-Thamani, Cohen's d na Eta-Mraba Sehemu Vinamaanisha Nini?

Pearson r inaonyesha mwelekeo na ukubwa wa uhusiano wa mstari kati ya vigezo viwili endelevu; p-thamani inaonyesha kwa kiasi gani matokeo yaliyoonekana hayakutarajiwa chini ya nadharia sifuri iliyotumiwa katika utafiti; Cohen's d inaonyesha ukubwa uliosanifishwa wa tofauti kati ya wastani wa vikundi viwili; na eta-mraba sehemu (ηp²) inaonyesha ukubwa wa athari uliosanifishwa wa utofauti unaohusiana na kigezo cha kundi katika ANOVA. Ingawa matokeo mengi katika utafiti huu yalikuwa muhimu kitakwimu, kwa kuwa thamani nyingi za r, d na ηp² zilikuwa ndogo, umuhimu wa kitakwimu haupaswi kuchukuliwa kuwa sawa na athari kubwa au yenye nguvu ya kiutendaji.

Pearson r husomwaje?

Ishara ya thamani ya r huonyesha mwelekeo wa uhusiano. Thamani hasi inaonyesha kwamba kigezo kimoja kinapoongezeka, kingine kina mwelekeo wa kuwa cha chini kwa wastani; thamani chanya inaonyesha kwamba vigezo viwili vina mwelekeo wa kubadilika katika mwelekeo mmoja. Kadiri thamani inavyokaribia sifuri, ndivyo ukubwa wa uhusiano wa mstari unavyopungua.

Kwa mfano, uhusiano kati ya umri na PSEA wa r = −0,209 una mwelekeo hasi. Hata hivyo, chanzo kinatathmini ukubwa wa korelashi hii kuwa mdogo.

Kwa nini p-thamani si ukubwa wa athari?

p-thamani husaidia tu kutathmini kama tofauti au uhusiano ni muhimu katika uamuzi wa kitakwimu. p-thamani ndogo sana haimaanishi lazima kwamba uhusiano ni mkubwa au wenye nguvu kielimu. Korelashi za wastani wa alama katika utafiti huu ni mfano wazi: baadhi ya mahusiano ni muhimu kitakwimu, lakini thamani za r ziko takriban katika kiwango cha 0,065–0,077 na ni ndogo sana kwa ukubwa wa kiutendaji.

Matokeo ya umri na mafanikio ya kitaaluma

H1 iliungwa mkono. Umri ulihusiana kwa hasi na mtazamo chanya, umahiri wa kidijitali na alama ya jumla kama ilivyotabiriwa katika nadharia. Utafiti pia ulipata uhusiano hasi kati ya umri na PSEA. Hakukuwa na uhusiano wenye umuhimu kati ya PCRE na umri.

H2 pia iliungwa mkono. Wastani wa alama ulipatikana kuwa na uhusiano chanya na APIA, CD, PCRE na alama ya jumla. Hata hivyo, chanzo kinasisitiza wazi kwamba mahusiano haya ni madogo sana.

Matokeo kulingana na eneo la masomo

Ulinganisho wa Bonferroni ulionyesha kwamba alama ya PSEA ya Sayansi za Jamii na Sheria ilikuwa juu kwa kiwango chenye umuhimu kuliko Sanaa na Binadamu, Sayansi Asilia na Sayansi za Afya. Kwa CD, tofauti yenye umuhimu ilipatikana kati ya Sayansi za Jamii na Sheria na Sayansi Asilia; tofauti yenye umuhimu pia ilibainishwa kati ya makundi haya mawili kwa alama ya jumla.

H3 haikuungwa mkono. Chanzo kilipata baadhi ya tofauti za maeneo, lakini tofauti na ilivyotarajiwa katika nadharia, makundi ya Uhandisi na Usanifu Majengo au Sayansi Asilia hayakuonyesha kwa ujumla alama za juu zaidi.

Kulinganisha walimu tarajali na walimu

Tofauti kubwa zaidi ya kikundi ilionekana katika PSEA (d = 0,480). Tofauti za APIA na alama ya jumla zilikuwa ndogo; tofauti za CD na PCRE zilitathminiwa kuwa ndogo sana au zisizo na umuhimu wa kivitendo.

H4 iliungwa mkono kwa sehemu. Kama ilivyotarajiwa, walimu tarajali wana viwango vya juu katika PSEA, APIA na alama ya jumla, na hakuna tofauti yenye umuhimu kwa PCRE. Hata hivyo, kinyume na nadharia, tofauti ya CD haikufikia kizingiti cha umuhimu wa kitakwimu.

Uzoefu wa ualimu

H5 iliungwa mkono. Hata hivyo, waandishi wanasisitiza kwamba mahusiano yenye umuhimu yana ukubwa mdogo na uzoefu wa ualimu unaeleza sehemu ndogo tu ya utofauti katika vipimo hivyo.

Matokeo haya hayapaswi kusomwa kuwa “miaka mingi ya kufundisha hupunguza umahiri wa AI”. Umri, kipindi ambacho mafunzo ya awali ya ualimu yalifanyika, majukumu ya kikazi, uzoefu wa awali wa teknolojia na athari za uteuzi vinaweza kubadilika pamoja na mahusiano hayo.

Matokeo kulingana na mwaka wa kitaaluma

Katika vipimo vyote, tofauti zenye umuhimu wa kitakwimu zilionekana kati ya miaka ya kitaaluma; hata hivyo, muundo haukuwa wa mwelekeo mmoja. Katika kiwango cha shahada ya kwanza, PSEA iliongezeka kutoka wastani wa 2,71 katika mwaka wa kwanza hadi 3,08 katika mwaka wa nne, lakini ikashuka hadi 2,34 katika kundi la shahada ya uzamili.

Kwa APIA, mwaka wa kwanza ulikuwa na wastani wa chini zaidi wa 3,20, huku wastani ukiongezeka hadi 3,45, 3,72 na 3,75 kwa mwaka wa pili, wa tatu na wa nne kwa mtiririko huo, na kufikia 3,78 katika kundi la shahada ya uzamili.

CD ilikuwa 2,72 katika mwaka wa kwanza, ikaongezeka hadi 3,05 katika mwaka wa pili na kubaki takriban 3,06 katika mwaka wa tatu/nne. Wastani wa CD wa kundi la shahada ya uzamili ulikuwa 2,63.

Kwa PCRE, wastani wa juu zaidi ulikuwa 3,93 katika kundi la shahada ya uzamili na wastani wa chini zaidi ulikuwa 3,24 katika mwaka wa kwanza.

Alama ya jumla ya ACISE-IA ilikuwa 116,08 katika mwaka wa kwanza na ikafikia 133,04 katika mwaka wa nne; katika kundi la shahada ya uzamili ilihesabiwa kuwa 124,31. Kwa hiyo haiwezi kusemwa kwamba kuna ongezeko rahisi na la mstari katika vipimo vyote kati ya mwaka wa kitaaluma na mtazamo kuhusu AI.

Kwa hiyo H6 iliungwa mkono kwa sehemu tu.

Hali ya mwisho ya nadharia

Maana ya kipedagojia ya matokeo

Kulingana na chanzo, haitoshi kueleza uhusiano na AI kwa mtazamo wa mwelekeo mmoja wa “anakubali / hakubali”. Mtu anaweza kuwa na mtazamo chanya kuhusu matumizi ya AI lakini akaona umahiri wake wa teknolojia kuwa mdogo, au akafikiri ana uwezo katika matumizi ya teknolojia huku akichunguza kwa kina masuala ya kimaadili.

Kwa hiyo, mafunzo ya ualimu hayapaswi kupunguzwa kuwa kufundisha tu jinsi ya kutumia zana fulani ya AI. Umahiri wa teknolojia unapaswa kuzingatiwa pamoja na tathmini ya kipedagojia, uelewa wa matokeo ya kijamii-kihisia, tathmini ya kiuhakiki ya matokeo ya AI na wajibu wa kimaadili.

Kwa nini walimu tarajali wanaweza kuwa wameonyesha alama za juu zaidi?

Katika sehemu ya majadiliano ya chanzo, mojawapo ya maelezo yanayowezekana ni kwamba walimu tarajali hukutana mara nyingi zaidi na mazingira ya sasa ya kidijitali na hutumia AI kwa upana zaidi katika kazi za kitaaluma, kutafuta taarifa, kupanga kazi na kutatua matatizo.

Hata hivyo, tafsiri hii si utaratibu uliothibitishwa wa tofauti iliyoonekana. Walimu tarajali na walimu si makundi yenye sifa sawa kwa umri, uzoefu, mzigo wa kazi, matarajio ya taasisi na kiwango cha kukutana na teknolojia.

Matokeo ya Sayansi za Jamii na Sheria yalitafsiriwaje?

Kundi la Sayansi za Jamii na Sheria kuonyesha thamani za juu katika PSEA, CD na alama ya jumla kulipingana na matarajio ya awali ya H3. Waandishi wanajadili kwamba hali hii inaweza kuhusiana na uzoefu wa kielimu kama uchambuzi wa taarifa, uundaji wa maudhui na tafsiri.

Hata hivyo, kwa kuwa ukubwa wa athari ni mdogo, utafiti haudai kwamba eneo hili lina ubora mkubwa au wa kiulimwengu wa kitaaluma kuhusu AI.

Matokeo ya mafanikio ya kitaaluma yanapaswa kutafsiriwaje?

Wastani wa juu wa alama ulipatikana kuwa na uhusiano chanya na mtazamo chanya zaidi kuhusu AI, umahiri unaotambuliwa kuwa wa juu zaidi na tathmini ya kiuhakiki/kimaadili iliyo juu zaidi. Hata hivyo, ukubwa wa korelashi uko tu katika masafa ya 0,065–0,077.

Kwa hiyo matokeo haya hayawezi kupanuliwa kuwa “wanafunzi wenye mafanikio ni bora zaidi kwa kiasi kikubwa kuhusu AI”. Kauli inayoungwa mkono na chanzo ni kwamba kuna mahusiano yenye umuhimu wa kitakwimu lakini yenye ukubwa mdogo sana wa kiutendaji kati ya wastani wa alama na baadhi ya vipimo vya ACISE-IA.

Tafsiri zinazoungwa mkono na utafiti

• Mtazamo kuhusu AI ya kielimu hutofautiana kwa kiwango fulani kulingana na sifa za kibinafsi, kitaaluma na kikazi.
• Umri na uzoefu wa ualimu huonyesha mahusiano hasi madogo na baadhi ya viashiria vya mtazamo chanya na umahiri wa kidijitali unaotambuliwa.
• Mafanikio ya kitaaluma huonyesha mahusiano chanya madogo sana na baadhi ya vipimo vya mtazamo kuhusu AI.
• Kuna baadhi ya tofauti za kitakwimu kulingana na eneo la masomo, hali ya ajira na mwaka wa kitaaluma.
• Mahusiano haya hayajitokezi kwa namna ileile katika vipimo vinne vya ACISE-IA.
• Kuzingatia kwa pamoja vipengele vya teknolojia, kipedagojia, kijamii-kihisia na kimaadili katika elimu ya ualimu kunaweza kuwa na manufaa.

Tafsiri ambazo utafiti hauungi mkono

• Haijathibitishwa kwamba kuongezeka kwa umri husababisha mtazamo kuhusu AI kupungua.
• Haijathibitishwa kwamba uzoefu mrefu wa ualimu hupunguza umahiri wa AI.
• Haijaonyeshwa kwamba mtazamo kuhusu AI huimarika kiotomatiki kwa watu wale wale kadiri wanavyopanda mwaka chuoni.
• Utendaji halisi wa AI wa walimu tarajali haujapimwa kuwa juu kuliko wa walimu.
• Kipimo cha CD cha ACISE-IA si mtihani halisi wa ujuzi wa kutumia AI; kinapima umahiri wa kidijitali unaotambuliwa.
• Haijathibitishwa kwamba wanafunzi wa Sayansi za Jamii na Sheria kwa ujumla “wana umahiri zaidi katika AI” kuliko maeneo mengine yote.
• Haijaonyeshwa kwamba matokeo kutoka eneo la Andalusia nchini Hispania yanaweza kujumlishwa moja kwa moja kwa nchi zote au idadi yote ya walimu.
• Umuhimu wa kitakwimu haumaanishi athari kubwa au umuhimu mkubwa wa kiutendaji.

Nguvu za utafiti

Katika sampuli kubwa kiasi ya watu 1292, utafiti haupunguzi mtazamo kuhusu AI ya kielimu kuwa kigezo kimoja cha mtazamo, bali huchunguza kwa pamoja vipimo vya kijamii-kihisia, kimtazamo, mtazamo wa umahiri na kimaadili-kiuhakiki. Katika utafiti huo huo, sifa nyingi kama umri, mafanikio ya kitaaluma, taaluma, hali ya ajira, uzoefu na mwaka wa kitaaluma zinalinganishwa.

Chanzo pia hakikutosheka kutoa umuhimu wa kitakwimu tu; kiliripoti ukubwa wa athari katika uchambuzi wa eneo, hali ya ajira na mwaka wa kitaaluma, na kilikubali wazi katika majadiliano kwamba matokeo mengi muhimu yalikuwa na ukubwa mdogo.

Vikwazo vikuu

Uwiano wa sampuli: Washiriki %83,4 walikuwa wanafunzi wanaopata mafunzo ya ualimu; walimu walikuwa kundi la %16,6 pekee. Hali hii inapunguza uwezo wa kujumlisha ulinganisho wa mwanafunzi–mwalimu.

Mgawanyo wa jinsia: Sampuli ilikuwa na wanawake %70,8. Waandishi wanaeleza kwamba ukosefu huu wa usawa unapaswa kuzingatiwa wakati wa kutathmini uwezo wa kujumlisha matokeo.

Usampulishaji usio wa uwezekano: Usampulishaji wa kimakusudi wa non-probabilistic unaongeza uwezekano kwamba washiriki wa utafiti wanaweza kutofautiana na idadi ya watu kwa ujumla katika kuvutiwa na AI au kuifahamu.

Muundo mtambuka: Makundi tofauti ya umri, uzoefu na mwaka wa kitaaluma yalilinganishwa kwa wakati mmoja. Watu wale wale hawakufuatiliwa kwa muda.

Sababisho: Korelashi na tofauti za makundi haziwezi kutafsiriwa kama uhusiano wa sababu na matokeo.

Athari ya kundi la kizazi: Tofauti inayoonekana kulingana na umri inaweza kuhusiana si tu na umri wa kibaolojia au wa kalenda, bali pia na vizazi tofauti kukulia katika mazingira tofauti ya elimu na teknolojia.

Ripoti binafsi: Kipimo cha CD kinapima mtazamo wa washiriki kuhusu umahiri wao wa AI; si jaribio la utendaji halisi.

Tafiti zijazo

Waandishi wanapendekeza matumizi ya miundo ya sampuli inayowakilisha zaidi, ambamo walimu na walimu tarajali wanawakilishwa kwa uwiano bora zaidi. Pia inapendekezwa kwamba nafasi inayowezekana ya jinsia katika mitazamo kuhusu AI ya kielimu ichunguzwe kando kwa muundo wa sampuli wenye usawa zaidi.

Ili kutenganisha athari za umri, kizazi na elimu, miundo ya muda mrefu inayofuatilia watu wale wale kwa muda ni ya thamani hasa. Kurudia utafiti katika ngazi tofauti za elimu, aina za taasisi na mazingira mbalimbali pia ni muhimu ili kutathmini uwezo wa kujumlisha matokeo.

Maana za kiutendaji

Utafiti unaunga mkono njia za elimu ya ualimu zinazoweza kubadilishwa kulingana na wasifu tofauti wa kuanzia badala ya programu moja ya mafunzo ya AI. Mahitaji ya walimu wenye uzoefu zaidi yanaweza kutofautiana na mahitaji ya wanafunzi katika miaka ya mwanzo ya mafunzo ya ualimu.

Kulingana na chanzo, ujumuishaji endelevu wa AI katika elimu unahitaji maendeleo endelevu ya kitaaluma na msaada wa kitaasisi zaidi kuliko utambulisho wa teknolojia wa mara moja. Mafunzo hayapaswi kuzingatia tu matumizi ya zana, bali pia maana ya kipedagojia ya teknolojia, mahusiano na wanafunzi, hatari za kimaadili na tathmini ya kiuhakiki.

Je, kuna fomula ya kihesabu katika chanzo?

Hapana. Makala hutumia mbinu na viashiria vya kitakwimu kama korelashi ya Pearson, Student t-testi, ANOVA, Cronbach α, McDonald ω, Cohen's d na eta-mraba sehemu; hata hivyo, milinganyo yake ya kihesabu haijatolewa katika maandishi ya chanzo. Kwa hiyo Verianla haiongezi fomula ambazo hazipo katika chanzo kana kwamba ni fomula za utafiti wenyewe.

Dokezo la chanzo kuhusu mpangilio wa muda wa idhini ya maadili

Katika sehemu ya mbinu, chanzo kinaripoti kwamba dodoso lilitekelezwa katika robo ya kwanza ya 2025. Katika sehemu ya Institutional Review Board Statement ya makala, tarehe ya idhini ya University of Jaén Ethics Committee imetolewa kama 25 Julai 2025, na msimbo kama 20250508/MAY.LIN. PDF haitoi maelezo ya ziada kuhusu uhusiano wa kimuda kati ya tarehe hizo mbili. Verianla haisahihishi hali hii kwa kuitafsiri au kubadilisha tarehe.

Dokezo la chanzo kuhusu uripoti wa uaminifu wa ACISE-IA

Katika sehemu ya mbinu imeelezwa kwamba uthabiti wa ndani wa vipimo ulitambuliwa kwa Cronbach α na McDonald ω. Hata hivyo, katika sehemu ya matokeo ya makala, thamani tofauti za α na ω za sampuli ya sasa ya watu 1292 haziripotiwi wazi; thamani za α/ω zilizoonyeshwa wazi zinahusishwa na utafiti wa awali wa uthibitishaji wa ACISE-IA.

Maelezo ya Chanzo na Mbinu

Kichwa asilia: Personal and Academic Factors in Teachers’ Perceptions of Educational Artificial Intelligence

Kichwa cha uchapishaji kwa Kituruki: Sababu za Kibinafsi na Kitaaluma katika Mitazamo ya Walimu kuhusu Akili Bandia ya Kielimu

Waandishi: Inmaculada Serrano-García, Ramón Chacón-Cuberos, Amador Jesús Lara-Sánchez.

Mpangilio wa waandishi: Umehifadhiwa kama ulivyotolewa katika chanzo.

Mchango sawa: Hakuna alama ya uandishi mwenza wa kwanza au mchango sawa katika chanzo.

Mwandishi wa mawasiliano: Amador Jesús Lara-Sánchez.

Ushirika 1: Department of Mathematics, IES Villanueva del Mar, La Herradura, Spain.

Ushirika 2: Department of Research Methods and Diagnosis in Education, University of Granada, Granada, Spain.

Ushirika 3: Department of Didactics of Musical, Visual, and Corporal Expression, University of Jaén, Jaén, Spain.

Jarida: Sustainability.

Mchapishaji: MDPI.

Juzuu / toleo / nambari ya makala: 18 / 20 / 10377.

DOI: 10.3390/su182010377.

Academic Editor: Jun (Justin) Li.

Tarehe ya kuwasilishwa: 20 Agosti 2026.

Tarehe ya marekebisho: 29 Septemba 2026.

Tarehe ya kukubaliwa: 3 Oktoba 2026.

Tarehe ya kuchapishwa: 13 Oktoba 2026.

Aina ya chanzo: Article; utafiti wa kiasi, usio wa majaribio, wa kimaelezo/kiuchunguzi, mtambuka na ex post facto.

Hali ya mapitio ya rika: Ni makala ya jarida iliyopitia mapitio ya rika na kuchapishwa katika Sustainability.

Leseni: Creative Commons Attribution 4.0 International (CC BY).

Eneo la utafiti: Eneo Linalojiendesha la Andalusia, Hispania.

Kipindi cha ukusanyaji wa data: Kulingana na chanzo, robo ya kwanza ya 2025.

Sampuli: Watu 1292; wanafunzi 1078 wa chuo kikuu waliokuwa wakipata mafunzo ya ualimu na walimu 214 waliokuwa kazini/wasio kazini waliounganishwa chini ya kundi moja la walimu katika uchambuzi.

Usampulishaji: Usampulishaji wa kimakusudi na usio wa uwezekano.

Chombo cha upimaji: ACISE-IA — Scale of Attitudes, Knowledge, Emotions, and Ethics in Teachers toward the Use of Artificial Intelligence in Professional Performance.

Idadi ya vipengee: 39.

Muundo wa majibu: Kipimo cha Likert cha viwango vitano kati ya 1–5.

Vipimo: PSEA, APIA, CD na PCRE.

Mfumo wa kinadharia wa tafsiri: UNESCO AI Competency Framework for Teachers (AI CFT), ukikamilishwa na DigCompEdu. ACISE-IA haikutengenezwa kutokana na mifumo hii na vipimo vyake si sawa moja kwa moja na maeneo ya AI CFT/DigCompEdu.

Programu ya uchambuzi: IBM SPSS 28.0.1.0.

Ukaguzi wa kawaida: Viashiria vya skewness na kurtosis; masafa ya −2 hadi +2 yalichukuliwa kuwa yanakubalika.

Ulinganisho wa vikundi viwili: Student t-testi ya sampuli huru.

Zaidi ya vikundi viwili: ANOVA ya njia moja.

Uchambuzi wa post-hoc: Marekebisho ya Bonferroni.

Uhusiano kati ya vigezo: Korelashi jozi ya Pearson.

Mbinu za uthabiti wa ndani: Cronbach α na McDonald ω.

Kiwango cha uaminifu: %95.

Ukubwa wa athari: Cohen's d katika ulinganisho wa vikundi viwili; eta-mraba sehemu (ηp²) katika uchambuzi wa ANOVA.

Mlinganyo wa kihesabu: Fomula dhahiri za kihesabu za mbinu za kitakwimu hazijatolewa katika chanzo.

Majedwali: Kuna majedwali matano makuu ya matokeo: korelashi za umri/wastani wa alama; eneo la masomo; hali ya ajira; uzoefu wa ualimu; mwaka wa kitaaluma.

Kielelezo cha kisayansi kilichopewa nambari: Hakuna kielelezo cha data chenye nambari katika makala chanzo.

H1: Iliungwa mkono.

H2: Iliungwa mkono.

H3: Haikuungwa mkono.

H4: Iliungwa mkono kwa sehemu.

H5: Iliungwa mkono.

H6: Iliungwa mkono kwa sehemu.

Kamati ya maadili: University of Jaén Ethics Committee, msimbo 20250508/MAY.LIN.

Tarehe ya idhini ya maadili iliyoripotiwa katika chanzo: 25 Julai 2025.

Dokezo la mpangilio wa muda wa maadili: Chanzo kinaripoti kwamba dodoso lilitekelezwa katika robo ya kwanza ya 2025, huku taarifa ya kamati ya maadili ikitoa tarehe ya idhini kuwa 25 Julai 2025. Makala haitoi maelezo kuhusu tofauti hii ya mpangilio wa muda; tarehe zimehifadhiwa bila kubadilishwa.

Ridhaa iliyoelezwa: Ilipatikana kutoka kwa washiriki wote wa utafiti.

Upatikanaji wa data: Data hazipatikani kwa umma kwa sababu ya vikwazo vya usiri na maadili vinavyohusiana na ulinzi wa taarifa binafsi za washiriki. Kwa kutegemea idhini ya masharti husika ya kimaadili, upatikanaji unaweza kuwezekana kwa ombi linalofaa kutoka kwa corresponding author.

Ufadhili: Utafiti haukupokea ufadhili wa nje.

Mgongano wa maslahi: Waandishi walitangaza kwamba hakuna mgongano wa maslahi.

Michango ya waandishi: Uundaji wa dhana: Inmaculada Serrano-García, Ramón Chacón-Cuberos, Amador Jesús Lara-Sánchez; metodolojia: waandishi wote watatu; programu: Inmaculada Serrano-García na Ramón Chacón-Cuberos; uthibitishaji: Ramón Chacón-Cuberos na Amador Jesús Lara-Sánchez; uchambuzi rasmi, uchunguzi, rasilimali na usimamizi wa data: Inmaculada Serrano-García; rasimu ya awali: Inmaculada Serrano-García; mapitio/uhariri na uwasilishaji wa picha: waandishi wote watatu; usimamizi: Ramón Chacón-Cuberos na Amador Jesús Lara-Sánchez; usimamizi wa mradi: waandishi wote watatu; upatikanaji wa ufadhili: Ramón Chacón-Cuberos na Amador Jesús Lara-Sánchez.

Dokezo la hali ya bibliografia ya ACISE-IA: Makala ya sasa inaeleza ACISE-IA kama kipimo kilichothibitishwa na inanukuu matokeo ya uthabiti wa ndani na ulinganifu wa modeli ya utafiti wa awali wa uthibitishaji; hata hivyo, orodha ya marejeo inaonyesha utafiti husika wa “Design and Validation...” kama “Sensors 2026, under review”. Verianla haijabadilisha hali ya uchapishaji ya utafiti huu wa chanzo.

Uripoti wa uthabiti wa ndani kwa sampuli ya sasa: Ingawa sehemu ya mbinu inasema Cronbach α na McDonald ω zilikokotolewa, majedwali yanayoonekana ya matokeo ya makala hayaripoti koeffisienti tofauti za α/ω kwa sampuli ya sasa.

Vikwazo vikuu vya kimetodolojia: Kutawala kwa wanafunzi katika sampuli, uwiano mkubwa wa washiriki wanawake, usampulishaji wa kimakusudi usio wa uwezekano, upimaji wa umahiri kwa ripoti binafsi na muundo wa utafiti mtambuka/korelashi.

Mpaka mkuu wa tafsiri: Mahusiano kati ya umri, uzoefu, mwaka wa kitaaluma au sifa nyingine na alama za ACISE-IA hayawezi kutafsiriwa kama athari za kisababishi.

Hitaji la uthibitishaji wa baadaye: Sampuli zenye usawa na uwakilishi zaidi, miundo inayotathmini jinsia kando, ufuatiliaji wa muda mrefu, na tafiti za kurudiwa katika ngazi tofauti za elimu na mazingira tofauti ya taasisi/kijiografia.