مدیریت، آموزش و توسعه در عصر دیجیتال 2 تابستان 1404 1404 05 21 Assessment of Artificial Intelligence Literacy and Conceptual Structure Analysis Among Students of Allameh Tabataba’i University ارزیابی سواد هوش مصنوعی و تحلیل ساختار مفهومی آن در میان دانشجویان دانشگاه علامه طباطبائی 10.61838/medda.192 FA مصطفی امیدی دانشجوی کارشناسی ارشد تکنولوژی آموزشی، دانشکده روان‌شناسی و علوم‌تربیتی، دانشگاه علامه طباطبائی، تهران، ایران زهرا جامه‌بزرگ دانشیار، گروه تکنولوژی آموزشی، دانشکده روان‌شناسی و علوم تربیتی، دانشگاه علامه طباطبائی، تهران، ایران. Journal Article 1403 12 03 <p>Given the increasing role of artificial intelligence (AI) technologies in higher education, assessing students' competencies in understanding and applying AI is essential. Accordingly, the aim of the present study is to evaluate AI literacy and analyze its conceptual structure among students at Allameh Tabataba’i University, with a focus on three components: AI literacy, AI self-efficacy, and AI self-management. This study is applied in its objective and descriptive–analytical in nature. Data were collected through a survey method using a questionnaire. The data were analyzed on two levels: (1) descriptive analysis and one-sample t-test to assess the level of AI literacy; (2) confirmatory factor analysis and structural equation modeling to evaluate the conceptual structure of the questionnaire. The research instrument was the AI Literacy Scale developed by Karolus et al. (2023), which was distributed among a sample of 203 students at Allameh Tabataba’i University during the 2024–2025 academic year. Data analysis was conducted using SPSS 26 and PLS 3 software. The results of the one-sample t-test indicated that the mean scores of students in all three components were significantly higher than the theoretical average. The confirmatory factor analysis revealed that the three-dimensional structure of the instrument had a satisfactory fit. Moreover, Cronbach’s alpha coefficients and composite reliability indices indicated high reliability of the instrument. The students under study demonstrated a relatively favorable level of AI literacy. These findings can contribute to the design of AI-related courses and educational resources in universities, particularly in enhancing students’ self-efficacy and practical skills.</p> <p>با توجه به نقش فزاینده‌ی فناوری‌های هوش مصنوعی در آموزش عالی، ارزیابی شایستگی‌های دانشجویان در درک و کاربرد هوش مصنوعی ضروری است. از این رو، هدف از پژوهش حاضر، ارزیابی سواد هوش مصنوعی و تحلیل ساختار مفهومی آن در میان دانشجویان دانشگاه علامه طباطبائی با تمرکز بر سه مؤلفه‌ی سواد هوش مصنوعی، خودکارآمدی هوش مصنوعی و خودمدیریتی هوش مصنوعی است. پژوهش حاضر از نظر هدف، کاربردی و از نظر ماهیت توصیفی–تحلیلی است. گردآوری داده‌ها به شیوه‌ی زمینه‌یابی و با استفاده از پرسشنامه انجام شد. داده‌ها در دو سطح تحلیل شدند: 1) تحلیل توصیفی و آزمون t تک‌نمونه‌ای برای ارزیابی سطح سواد هوش مصنوعی؛ 2) تحلیل عاملی تأییدی و مدل‌سازی معادلات ساختاری به منظور ارزیابی ساختار مفهومی پرسشنامه. ابزار پژوهش، مقیاس سواد هوش مصنوعی کارولوس و همکاران (2023) بود که بر روی نمونه‌ای 203 نفره از دانشجویان دانشگاه علامه طباطبائی در سال تحصیلی 1404–1403 توزیع شد. داده‌ها با استفاده از نرم‌افزارهای SPSS26 و PLS3 تحلیل شدند. نتایج آزمون t تک‌نمونه‌ای نشان داد که میانگین نمرات دانشجویان در هر سه مؤلفه، به‌طور معناداری بالاتر از سطح متوسط نظری بود. تحلیل عاملی تأییدی نشان داد که ساختار سه‌بعدی ابزار از برازش مطلوبی برخوردار است. همچنین، ضرایب آلفای کرونباخ و شاخص‌های پایایی ترکیبی، نشان‌دهنده‌ی قابلیت اعتماد بالای ابزار بودند. دانشجویان مورد مطالعه از سطح نسبتاً مطلوبی از سواد هوش مصنوعی برخوردارند. این یافته‌ها می‌تواند در طراحی دوره‌ها و منابع آموزشی مرتبط با AI در دانشگاه‌ها مؤثر واقع شود، به‌ویژه در تقویت خودکارآمدی و مهارت‌های کاربردی دانشجویان.</p> https://jmedda.com/jmedda/article/download/192/175