| تعداد نشریات | 49 |
| تعداد شمارهها | 1,341 |
| تعداد مقالات | 11,594 |
| تعداد مشاهده مقاله | 25,499,100 |
| تعداد دریافت فایل اصل مقاله | 16,856,415 |
روانسنجی ابزار سنجش سواد هوش مصنوعی دانشجومعلمان | ||
| فصلنامه علمی پژوهش در یادگیری آموزشگاهی و مجازی | ||
| مقاله 4، دوره 14، شماره 2 - شماره پیاپی 35، شهریور 1405 | ||
| نوع مقاله: پژوهشی | ||
| شناسه دیجیتال (DOI): 10.30473/etl.2026.77790.4609 | ||
| نویسندگان | ||
| فاطمه طالبی1؛ خیرالنساء رمضان زاده* 2؛ محمدعلی رستمی نژاد3 | ||
| 1دانشجوی کارشناسی ارشد برنامه ریزی درسی، گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه بیرجند، بیرجند، ایران | ||
| 2استادیار برنامه ریزی درسی، گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه بیرجند، بیرجند، ایران | ||
| 3دانشیار تکنولوژِی آموزشی، گروه علوم تربیتی، دانشکده علوم تربیتی و روانشناسی، دانشگاه بیرجند، بیرجند، ایران | ||
| چکیده | ||
| پژوهش حاضر به بررسی توسعه و اعتبارسنجی یک مقیاس روانسنجی میپردازد که هدف آن سنجش میزان سواد هوش مصنوعی در میان دانشجویان و معلمان است. مطالعه با رویکرد کمّی و طرح توصیفی- پیمایشی مقطعی انجام شد. جامعه آماری شامل 2563 نفر از دانشجومعلمان دانشگاه فرهنگیان استان خراسان جنوبی در سال تحصیلی 1403–1404 بود. 348 پرسشنامه معتبر به روش نمونهگیری طبقهای متناسب گردآوری شد. ابزار پژوهش، مقیاس 31 گویهای سواد هوش مصنوعی مشتمل بر هشت بعد (انگیزه درونی، خودکارآمدی، اعتمادبهنفس، تعهد رفتاری، همکاری، دانش و فهم، استفاده/ارزیابی/ایجاد و اصول اخلاقی هوش مصنوعی) بود. فرایند ترجمه و انطباق فرهنگی بر اساس دستورالعمل استاندارد انجام و روایی محتوایی آن توسط خبرگان تأیید شد( CVR=0.99؛ CVI=0.83). برای بررسی روایی سازه، تحلیل عاملی تأییدی در چارچوب مدلسازی معادلات ساختاری اجرا شد. نتایج نشان داد تمامی بارهای عاملی (0.49 تا 0.89) در سطح P < 0.001 معنادار بوده و ساختار هشتعاملی ابزار تأیید میشود. شاخصهای پایایی بیانگر همسانی درونی مطلوب بودند (آلفا: 0.71 تا 0.84؛ CR: 0.80 تا 0.89) و پایایی کل مقیاس نیز برای آلفای کرونباخ 0.77 و برای پایایی ترکیبی 0.85 بهدست آمد. روایی همگرا بر اساس AVE (0.41 تا 0.79) و روایی واگرا بر مبنای معیار فورنل–لارکر تأیید شد. در مجموع، یافتهها نشان میدهد ابزار حاضر از کفایت روانسنجی مناسب برای سنجش سواد هوش مصنوعی دانشجومعلمان برخوردار است و میتواند مبنایی روانسنجیشده برای پژوهشهای تجربی، سیاستگذاری آموزشی و طراحی برنامههای درسی مبتنی بر ادغام هوش مصنوعی در نظام تربیت معلم فراهم آورد | ||
| کلیدواژهها | ||
| سواد هوش مصنوعی؛ دانشجو معلمان؛ ابزار سنجش؛ اعتباریابی | ||
| عنوان مقاله [English] | ||
| Psychometric Evaluation of an Artificial Intelligence Literacy Scale Among Student Teachers | ||
| نویسندگان [English] | ||
| fatemeh talebi1؛ khaironnesa Ramazanzade2؛ Mohammadali Rostaminezhad,3 | ||
| 1MS student in Curriculum, Department of Education and Psychology, Faculty of Education and Psychology, University of Birjand, Birjand, Iran | ||
| 2Assistant Professor of Curriculum,Department of Education and Psychology, Faculty of Education and Psychology, University of Birjand, Birjand, Iran | ||
| 3Associate Professor of Educational Technology,rtment of Education and Psychology, Faculty of Education and Psychology, University of Birjand, Birjand, Iran | ||
| چکیده [English] | ||
| TThe study aimed to develop and validate a scale for assessing artificial intelligence (AI) literacy among pre-service teachers. A quantitative, descriptive-survey, cross-sectional design was employed. The population comprised 2,563 pre-service teachers at Farhangian University in South Khorasan Province, Iran, during the 2024–2025 academic year. A total of 348 questionnaires were collected using proportionate stratified sampling. The instrument was a 31-item AI literacy scale comprising eight dimensions: intrinsic motivation, self-efficacy, confidence, behavioral commitment, collaboration, knowledge and understanding, use/evaluation/creation, and AI ethics. Translation and cultural adaptation followed a standardized procedure, and content validity was confirmed by experts (CVR = 0.99; CVI = 0.83). Confirmatory factor analysis (CFA) was conducted within a structural equation modeling framework to examine construct validity. Overall, results showed that all factor loadings ranged from 0.49 to 0.89 and were statistically significant at p < 0.001, supporting the proposed eight-factor structure of the instrument. Reliability indices indicated satisfactory internal consistency, with Cronbach’s alpha coefficients ranging from 0.71 to 0.84 and composite reliability (CR) values ranging from 0.80 to 0.89. For the total scale, Cronbach’s alpha was 0.77 and composite reliability was 0.85. Convergent validity was supported based on average variance extracted (AVE) values ranging from 0.41 to 0.79, while discriminant validity was established using the Fornell–Larcker criterion. Overall, the findings indicate that the instrument demonstrates adequate psychometric properties for assessing AI literacy among pre-service teachers and can provide a psychometrically sound basis for empirical research, educational policy development, and curriculum design aimed at integrating artificial intelligence into teacher education. | ||
| کلیدواژهها [English] | ||
| Artificial Intelligence Literacy, Student Teachers, Measurement Instrument, Validation | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 3 |
||