دانشگاه خوارزمی تعامل انسان و اطلاعات 2423-7418 12 4 2025 12 22 Assessing Artificial Intelligence Literacy Among Students at Kharazmi University Based on Meta AI Literacy Scale ارزیابی سواد هوش مصنوعی دانشجویان دانشگاه خوارزمی بر اساس مقیاس سواد هوش مصنوعی متا 1 21 11694 FA آتنا لطیفی کارشناسی ارشد علم اطلاعات و دانش‌شناسی، دانشگاه خوارزمی، تهران، ایران 0009-0004-8183-0969 محمد زره‌ساز عضو هیأت علمی گروه علم اطلاعات و دانش‌شناسی، دانشگاه خوارزمی، تهران، ایران 0000-0002-3421-1709 علی عظیمی دانشگاه خوارزمی 0000-0003-1991-9706 Journal Article 2025 09 20 Purpose: This study aimed to assess artificial intelligence (AI) literacy among students at Kharazmi University and to examine differences across components, dimensions, educational levels, and fields of study. The study conceptualized AI literacy as a multidimensional competency encompassing not only knowledge and tool use but also self-efficacy, self-management, ethical awareness, and the ability to engage critically with AI systems. Method: The study employed an applied descriptive survey design. The final sample consisted of 335 undergraduates, master’s, and doctoral students selected through proportional stratified sampling with accessibility considerations. Data were collected using the Meta AI Literacy Scale (MAILS). Because the Persian version had been validated in previous Iranian studies, only qualitative face validity was examined in the present study through feedback on item clarity and comprehensibility. Reliability was assessed using Cronbach’s alpha. Data were analyzed in SPSS 27 using descriptive statistics, one-sample t-test, Friedman test, one-way ANOVA, Tukey post hoc test, and Kruskal–Wallis test. Findings: The mean overall AI literacy score was 5.83 out of 10 and was significantly above the theoretical midpoint (t = 11.02, p < .001). Seventy-three percent of students were classified at a desirable level. Use and application had the highest mean, whereas creation had the lowest. Significant differences were found among components and dimensions. No significant differences were observed across educational levels; however, AI literacy differed significantly across fields of study, and computer science and engineering students reported the highest scores. Conclusion: Although students’ perceived AI literacy was generally desirable, the gap between using ready-made tools and creating, evaluating, and solving problems with AI indicates a need for systematic, discipline-sensitive, and ethically grounded education. Future research should combine self-report measures with performance-based, longitudinal, and experimental assessments. هدف: پژوهش حاضر با هدف ارزیابی سواد هوش مصنوعی دانشجویان دانشگاه خوارزمی و تحلیل تفاوت آن بر حسب مؤلفه‌ها، ابعاد، مقطع تحصیلی و گروه رشته تحصیلی انجام شد. تمرکز پژوهش بر این بود که دانشجویان تا چه اندازه از دانش، مهارت، خودکارآمدی و خودمدیریتی لازم برای مواجهه آگاهانه، انتقادی و مسئولانه با ابزارهای هوش مصنوعی برخوردارند. روش: پژوهش از نظر هدف کاربردی و از نظر شیوه گردآوری داده‌ها، توصیفی ـ پیمایشی بود. جامعه آماری شامل دانشجویان دانشگاه خوارزمی در مقاطع کارشناسی، کارشناسی ارشد و دکتری بود. نمونه نهایی پژوهش ۳۳۵ نفر بود که با نمونه‌گیری طبقه‌ای نسبی و با ملاحظه اصل دسترسی انتخاب شدند. داده‌ها با استفاده از مقیاس استاندارد سواد هوش مصنوعی متا گردآوری و با نرم‌افزار SPSS‏ نسخه ۲۷ تحلیل شد. با توجه به اعتبارسنجی نسخه فارسی مقیاس در پژوهش‌های پیشین، در پژوهش حاضر صرفاً روایی صوری کیفی آن از نظر وضوح و فهم‌پذیری گویه‌ها بررسی شد و پایایی با آلفای کرونباخ سنجیده شد. یافته‌ها: میانگین سواد کلی هوش مصنوعی دانشجویان ۵٫۸۳ از ۱۰ بود و آزمون t‏ تک‌نمونه‌ای نشان داد که این میانگین به‌طور معناداری بالاتر از حد متوسط نظری است (t = 11.02, p <.001)‏. ۷۳ درصد دانشجویان در سطح مطلوب قرار گرفتند. بیشترین میانگین مربوط به بُعد استفاده و کاربرد هوش مصنوعی و کمترین میانگین مربوط به بُعد ایجاد ابزارهای جدید بود. آزمون فریدمن نشان داد میان مؤلفه‌ها و ابعاد مختلف تفاوت معنادار وجود دارد. تفاوت معناداری میان مقاطع تحصیلی مشاهده نشد، اما تفاوت بر حسب رشته تحصیلی معنادار بود و دانشجویان علوم و مهندسی کامپیوتر بالاترین میانگین را کسب کردند. نتیجه‌گیری: اگرچه کلیت سواد ادراک‌شده هوش مصنوعی دانشجویان مطلوب ارزیابی شد، بااین‌حال شکاف میان استفاده از ابزارهای آماده و توانایی خلق، ارزیابی انتقادی و حل مسئله با هوش مصنوعی نشان می‌دهد که آموزش دانشگاهی نباید به مهارت مصرف ابزار محدود شود. طراحی برنامه‌های آموزشی میان‌رشته‌ای، تقویت اخلاق، راستی‌آزمایی و ارزیابی انتقادی، و توجه به تفاوت‌های رشته‌ای برای توسعه سواد هوش مصنوعی مسئولانه ضروری است. سنجش‌های آینده باید انتقال یادگیری پس از حذف حمایت هوش مصنوعی، توان راستی‌آزمایی، مالکیت شناختی بر محصول، توان توضیح مسیر استدلال و قابلیت امتناع از استفاده نامناسب را ارزیابی کنند. همچنین، سواد داده و حریم خصوصی باید بخشی صریح از آموزش دانشگاهی باشد تا دانشجویان بتوانند منشأ، گردآوری، اشتراک‌گذاری و بهره‌برداری از داده‌های شخصی و پژوهشی را ارزیابی و از محرمانگی اطلاعات حفاظت کنند.

https://hii.khu.ac.ir/article_11694_9377fe00f10ec83e025ae6a77878ae62.pdf