Ioana Eva Cădariu ORCID iD Department of Psychology, Tibiscus University of Timisoara Romania
Ioana Eva Cădariu
Department of Psychology, Tibiscus University of Timisoara, Romania; Institute of Psychotherapy Psychological Counselling and Clinical Supervision, Timisoara, Romania.
cadariuioanaeva@yahoo.com,
https://orcid.org/0009-0000-3258-9022
Loredana Vîșcu ORCID iD Tibiscus University of Timisoara, Romania Romania
Loredana Vîșcu
Department of Psychology, Tibiscus University of Timisoara, Romania; Institute of Psychotherapy Psychological Counselling and Clinical Supervision, Timisoara, Romania. loredana.viscu@gmail.com, https://orcid.org/0000-0002-8642-9080
Cristian Delcea ORCID iD Iuliu Hatieganu, University of Medicine and Pharmacy Romania
Cristian Delcea*
Department of Forensic Medicine, Iuliu Hatieganu, University of Medicine and Pharmacy, 400000 Cluj, Romania. cristian.delcea.cj@gmail.com,
https://orcid.org/0000-0003-0667-2898
Dana Rad ORCID iD Faculty of Educational Sciences, Psychology and Social Work, Aurel Vlaicu University of Arad Romania
Dana Rad*
Center of Research Development and Innovation in Psychology, Faculty of Educational Sciences, Psychology and Social Work, Aurel Vlaicu University of Arad, Romania. dana@xhouse.ro, https://orcid.org/0000-0001-6754-3585
Ionut Virgil Serban ORCID iD University of Chieti-Pescara Italy
Ionut Virgil Serban*
University of Craiova, A. I. Cuza Str., No. 13, Craiova, 200585, Romania; fellow at the
University of Chieti-Pescara; and the University of International Studies in Rome (Unint), Italy.
ionut.serban@edu.ucv.ro, johnutzserban@yahoo.com,
https://orcid.org/0000-0001-7240-9989
Lidia Ricci ORCID iD Sapienza University of Rome, Rome Italy
Lidia Ricci
Department of Anatomical, Histological, Legal Medicine and Orthopedic Sciences, Sapienza University of Rome, Rome, Italy. lidia.ricci@uniroma1.it.
https://orcid.org/0009-0003-7372-2127
Iacobina Carmen Zau
Institute of Sexology, Cluj-Napoca, Romania Romania
Iacobina Carmen Zau*
Department of Research, Institute of Sexology,
Cluj-Napoca, Romania. cadariacobina@gmail.com
Ioana Eva Cădariu -
Department of Psychology, Tibiscus University of Timisoara (RO),
Loredana Vîșcu -
Tibiscus University of Timisoara, Romania (RO),
Cristian Delcea -
Iuliu Hatieganu, University of Medicine and Pharmacy (RO),
Dana Rad -
Faculty of Educational Sciences, Psychology and Social Work, Aurel Vlaicu University of Arad (RO),
Ionut Virgil Serban -
University of Chieti-Pescara (IT),
Lidia Ricci -
Sapienza University of Rome, Rome (IT),
Iacobina Carmen Zau -
Institute of Sexology, Cluj-Napoca, Romania (RO),
Abstract
الكفاءة التقنية بوصفها أقوى متنبئ بالكفاءة الذاتية في استخدام الذكاء الاصطناعي: تحليل باستخدام شجرة القرار لمحو الأمية المتعلقة بـ ChatGPT لدى المربين الرومانيين
المؤلفون:
إيوانا إيفا كاداريو، لوريدانا فيشكو، كريستيان ديلتشيا، دانا راد، إيونوت فيرجيل شيربان، ليديا ريتشي، ياكوبينا كارمن زاو
الملخص:
يتطلب التوسع المتزايد في دمج الذكاء الاصطناعي التوليدي في التعليم من المربين تطوير كفاءات تشغيلية، إلى جانب الثقة بقدرتهم على استخدام أدوات الذكاء الاصطناعي بفاعلية. بحثت هذه الدراسة العلاقة التنبؤية بين البنية متعددة الأبعاد للإلمام باستخدام ChatGPT والكفاءة الذاتية في استخدام الذكاء الاصطناعي لدى المربين العاملين في المؤسسات التعليمية الرومانية. وأكملت عينة مكونة من 393 مربياً من غرب رومانيا مقياس الإلمام باستخدام ChatGPT والمقياس الفرعي للكفاءة الذاتية في استخدام الذكاء الاصطناعي ضمن مقياس الإلمام بالذكاء الاصطناعي «Meta AI Literacy Scale». وأشارت تحليلات الثبات إلى اتساق داخلي جيد إلى ممتاز في جميع أبعاد الإلمام (α = 0.80–0.95)، وكذلك في الكفاءة الذاتية في استخدام الذكاء الاصطناعي (α = 0.89).
ولنمذجة العلاقات غير الخطية والهرمية بين المتغيرات المتنبئة، استُخدم انحدار شجرة القرار بواسطة برنامج JASP. وأُدرجت الأبعاد الخمسة للإلمام باستخدام ChatGPT، وهي الكفاءة التقنية، والتقييم النقدي، والكفاءة في التواصل، والكفاءة الأخلاقية، والتطبيق الإبداعي، بوصفها متغيرات متنبئة بالكفاءة الذاتية في استخدام الذكاء الاصطناعي. وفسّر النموذج 53.2% من التباين في الكفاءة الذاتية في استخدام الذكاء الاصطناعي (R² = 0.532)، وأظهر أداءً تنبؤياً متوسطاً (MSE = 0.517؛ RMSE = 0.719).
وكشف تحليل أهمية الخصائص أن الكفاءة التقنية كانت أقوى المتنبئات (40.07%)، تلتها الكفاءة الأخلاقية (18.12%)، ثم التقييم النقدي (14.99%)، والكفاءة في التواصل (14.01%)، والتطبيق الإبداعي (12.80%). وقد حدث أول انقسام في شجرة القرار، وهو الأكثر إفادة، وفقاً للكفاءة التقنية، مما يبرز أهميتها في تشكيل تصور المربين لقدرتهم على استخدام الذكاء الاصطناعي.
وتشير هذه النتائج إلى أن الكفاءة التقنية برزت بوصفها أقوى متنبئ بالكفاءة الذاتية في استخدام الذكاء الاصطناعي لدى المربين. وتحمل النتائج دلالات لبرامج التطوير المهني التي تركز على الذكاء الاصطناعي، مع التأكيد على أهمية التدريب التقني المنظم إلى جانب تنمية الكفاءات الأخلاقية والنقدية.
La maîtrise technique comme principal prédicteur du sentiment d’efficacité personnelle en intelligence artificielle : une analyse par arbre de décision de la maîtrise de ChatGPT chez les enseignants roumains
Ioana Eva Cădariu, Loredana Vîșcu, Cristian Delcea, Dana Rad, Ionut Virgil Serban, Lidia Ricci, Iacobina Carmen Zau
L’intégration croissante de l’intelligence artificielle (IA) générative dans l’éducation exige des enseignants qu’ils développent non seulement des compétences opérationnelles, mais aussi la confiance nécessaire pour utiliser efficacement les outils d’IA. La présente étude a examiné la relation prédictive entre le construit multidimensionnel de la maîtrise de ChatGPT et le sentiment d’efficacité personnelle en matière d’IA chez des enseignants exerçant dans le système éducatif roumain. Un échantillon de 393 enseignants de l’ouest de la Roumanie a rempli l’échelle de maîtrise de ChatGPT (ChatGPT Literacy Scale) ainsi que la sous-échelle d’efficacité personnelle en IA de la Meta AI Literacy Scale. Les analyses de fidélité ont révélé une cohérence interne bonne à excellente pour toutes les dimensions de la maîtrise de ChatGPT (α = 0,80–0,95) et pour l’efficacité personnelle en IA (α = 0,89). Afin de modéliser les relations non linéaires et hiérarchiques entre les prédicteurs, une approche de régression par arbre de décision a été mise en œuvre dans JASP. Les cinq dimensions de la maîtrise de ChatGPT — maîtrise technique, évaluation critique, compétences en communication, compétence éthique et application créative — ont été introduites comme prédicteurs de l’efficacité personnelle en IA. Le modèle expliquait 53,2 % de la variance de l’efficacité personnelle en IA (R² = 0,532), avec une performance prédictive modérée (MSE = 0,517 ; RMSE = 0,719). L’analyse de l’importance des variables a révélé que la maîtrise technique était le prédicteur le plus important (40,07 %), suivie de la compétence éthique (18,12 %), de l’évaluation critique (14,99 %), des compétences en communication (14,01 %) et de l’application créative (12,80 %). La première partition, qui était également la plus informative, reposait sur la maîtrise technique, soulignant son importance dans la perception qu’ont les enseignants de leurs capacités en matière d’IA. Ces résultats indiquent que la maîtrise technique constitue le principal prédicteur du sentiment d’efficacité personnelle en IA chez les enseignants. Ils ont des implications pour les programmes de développement professionnel axés sur l’IA, en mettant l’accent sur l’importance d’une formation technique structurée, parallèlement au développement des compétences éthiques et critiques.
Biegłość techniczna jako najsilniejszy predyktor poczucia własnej skuteczności w korzystaniu ze sztucznej inteligencji: analiza umiejętności korzystania z ChatGPT wśród rumuńskich nauczycieli z wykorzystaniem drzew decyzyjnych
Autorzy: Ioana Eva Cădariu, Loredana Vîșcu, Cristian Delcea, Dana Rad, Ionut Virgil Serban, Lidia Ricci, Iacobina Carmen Zau
Streszczenie:
Coraz szersza integracja generatywnej sztucznej inteligencji (AI) w edukacji wymaga od nauczycieli rozwijania nie tylko kompetencji operacyjnych, lecz także pewności siebie w skutecznym korzystaniu z narzędzi AI. W niniejszym badaniu przeanalizowano zależność predykcyjną między wielowymiarowym konstruktem kompetencji w zakresie korzystania z ChatGPT a poczuciem własnej skuteczności w korzystaniu z AI wśród nauczycieli pracujących w rumuńskim systemie edukacji. Próba obejmowała 393 nauczycieli z zachodniej Rumunii, którzy wypełnili Skalę Kompetencji w Zakresie Korzystania z ChatGPT (ChatGPT Literacy Scale) oraz podskalę Poczucia Własnej Skuteczności w Korzystaniu z AI ze Skali Meta AI Literacy Scale. Analizy rzetelności wykazały dobrą lub doskonałą spójność wewnętrzną wszystkich wymiarów kompetencji (α = 0,80–0,95) oraz poczucia własnej skuteczności w korzystaniu z AI (α = 0,89). Aby modelować nieliniowe i hierarchiczne zależności między predyktorami, zastosowano regresję z wykorzystaniem drzew decyzyjnych w programie JASP. Pięć wymiarów kompetencji w zakresie korzystania z ChatGPT — biegłość techniczną, krytyczną ocenę, sprawność komunikacyjną, kompetencje etyczne oraz twórcze zastosowanie — uwzględniono jako predyktory poczucia własnej skuteczności w korzystaniu z AI. Model wyjaśniał 53,2% wariancji poczucia własnej skuteczności w korzystaniu z AI (R² = 0,532), wykazując umiarkowaną skuteczność predykcyjną (MSE = 0,517; RMSE = 0,719). Analiza ważności cech wykazała, że najsilniejszym predyktorem była biegłość techniczna (40,07%), a następnie kompetencje etyczne (18,12%), krytyczna ocena (14,99%), sprawność komunikacyjna (14,01%) i twórcze zastosowanie (12,80%). Pierwszy i najbardziej informacyjny podział drzewa decyzyjnego opierał się na biegłości technicznej, co podkreśla jej znaczenie w kształtowaniu postrzeganych przez nauczycieli własnych zdolności do korzystania z AI. Wyniki wskazują, że biegłość techniczna okazała się najsilniejszym predyktorem poczucia własnej skuteczności w korzystaniu z AI wśród nauczycieli. Ustalenia te mają znaczenie dla programów doskonalenia zawodowego poświęconych AI i podkreślają wagę ustrukturyzowanego szkolenia technicznego, uzupełnionego rozwijaniem kompetencji etycznych i krytycznych.
La competencia técnica como el predictor más sólido de la autoeficacia en inteligencia artificial: un análisis mediante árboles de decisión de la alfabetización en ChatGPT entre educadores rumanos
Autores:
Ioana Eva Cădariu - Department of Psychology, Tibiscus University of Timisoara (RO)
Loredana Vîșcu - Tibiscus University of Timisoara, Romania (RO)
Cristian Delcea - Iuliu Hatieganu, University of Medicine and Pharmacy (RO)
Dana Rad - Faculty of Educational Sciences, Psychology and Social Work, Aurel Vlaicu University of Arad (RO)
Ionut Virgil Serban - University of Chieti-Pescara (IT)
Lidia Ricci - Sapienza University of Rome, Rome (IT)
Iacobina Carmen Zau - Institute of Sexology, Cluj-Napoca, Romania (RO)
Resumen
La creciente integración de la inteligencia artificial generativa (IA) en la educación exige que los docentes desarrollen no solo competencias operativas, sino también confianza en su capacidad para utilizar eficazmente las herramientas de IA.
El presente estudio examinó la relación predictiva entre el constructo multidimensional de alfabetización en ChatGPT y la autoeficacia en IA entre docentes que trabajan en contextos educativos rumanos.
Una muestra de 393 docentes del oeste de Rumanía completó la ChatGPT Literacy Scale y la subescala de autoeficacia en IA de la Meta AI Literacy Scale.
Los análisis de fiabilidad indicaron una consistencia interna de buena a excelente en todas las dimensiones de alfabetización (α = 0,80–0,95) y en la autoeficacia en IA (α = 0,89).
Para modelar relaciones no lineales y jerárquicas entre los predictores, se aplicó un enfoque de regresión mediante árboles de decisión en JASP.
Las cinco dimensiones de la alfabetización en ChatGPT —competencia técnica, evaluación crítica, competencia comunicativa, competencia ética y aplicación creativa— se introdujeron como predictores de la autoeficacia en IA.
El modelo explicó el 53,2 % de la varianza de la autoeficacia en IA (R² = 0,532), mostrando un rendimiento predictivo moderado (MSE = 0,517; RMSE = 0,719).
El análisis de importancia de las características reveló que la competencia técnica fue el predictor más fuerte (40,07 %), seguida de la competencia ética (18,12 %), la evaluación crítica (14,99 %), la competencia comunicativa (14,01 %) y la aplicación creativa (12,80 %).
La primera y más informativa división del árbol se produjo en función de la competencia técnica, lo que subraya su importancia en la configuración de la percepción de los docentes sobre su propia capacidad para utilizar la IA.
Estos hallazgos indican que la competencia técnica emergió como el predictor más fuerte de la autoeficacia en IA entre los docentes.
Los resultados tienen implicaciones para los programas de desarrollo profesional centrados en IA, destacando la importancia de una formación técnica estructurada junto con el desarrollo de competencias éticas y críticas.
Технічна компетентність як найсильніший предиктор самоефективності у використанні штучного інтелекту: аналіз грамотності щодо ChatGPT серед румунських педагогів за допомогою дерева рішень
Автори:
Ioana Eva Cădariu, Loredana Vîșcu, Cristian Delcea, Dana Rad, Ionut Virgil Serban, Lidia Ricci, Iacobina Carmen Zau
Анотація:
Дедалі ширша інтеграція генеративного штучного інтелекту (ШІ) в освіту вимагає від педагогів розвитку не лише практичних навичок, а й упевненості у здатності ефективно використовувати інструменти ШІ. У цьому дослідженні вивчено прогностичний зв’язок між багатовимірним конструктом грамотності щодо ChatGPT та самоефективністю у використанні ШІ серед педагогів, які працюють у закладах освіти Румунії. Вибірка складалася з 393 педагогів із Західної Румунії, які заповнили шкалу грамотності щодо ChatGPT (ChatGPT Literacy Scale) та підшкалу самоефективності у використанні ШІ зі шкали Meta AI Literacy Scale. Аналіз надійності засвідчив добру або відмінну внутрішню узгодженість усіх вимірів грамотності (α = 0,80–0,95) та самоефективності у використанні ШІ (α = 0,89). Для моделювання нелінійних та ієрархічних зв’язків між предикторами в програмі JASP застосовано регресію на основі дерева рішень. Як предиктори самоефективності у використанні ШІ було включено п’ять вимірів грамотності щодо ChatGPT: технічну компетентність, критичне оцінювання, комунікативну компетентність, етичну компетентність і творче застосування. Модель пояснювала 53,2% дисперсії самоефективності у використанні ШІ (R² = 0,532), демонструючи помірну прогностичну здатність (MSE = 0,517; RMSE = 0,719). Аналіз важливості ознак показав, що найсильнішим предиктором була технічна компетентність (40,07%), за якою йшли етична компетентність (18,12%), критичне оцінювання (14,99%), комунікативна компетентність (14,01%) і творче застосування (12,80%). Перший і найбільш інформативний поділ дерева рішень відбувся за показником технічної компетентності, що підкреслює її значення у формуванні сприйняття педагогами власних можливостей щодо використання ШІ. Отримані результати свідчать, що технічна компетентність виявилася найсильнішим предиктором самоефективності у використанні ШІ серед педагогів. Ці висновки мають значення для програм професійного розвитку, орієнтованих на ШІ, та наголошують на важливості структурованої технічної підготовки поряд із розвитком етичних і критичних компетентностей.
The growing integration of generative artificial intelligence (AI) in education requires educators to develop not only operational competencies but also confidence in using AI tools effectively. The present study examined the predictive relationship between the multidimensional construct of ChatGPT literacy and AI self-efficacy among educators working in Romanian educational settings. A sample of 393 educators from Western Romania completed the ChatGPT Literacy Scale (and the AI Self-Efficacy subscale of the Meta AI Literacy Scale. Reliability analyses indicated good to excellent internal consistency across all literacy dimensions (α = .80–.95) and AI self-efficacy (α = .89). To model nonlinear and hierarchical relationships among predictors, a Decision Tree Regression approach was implemented in JASP. The five ChatGPT literacy dimensions, technical proficiency, critical evaluation, communication proficiency, ethical competence, and creative application, were entered as predictors of AI self-efficacy. The model explained 53.2% of the variance in AI self-efficacy (R² = .532), demonstrating moderate predictive performance (MSE = 0.517; RMSE = 0.719). Feature importance analysis revealed that technical proficiency was the strongest predictor (40.07%), followed by ethical competence (18.12%), critical evaluation (14.99%), communication proficiency (14.01%), and creative application (12.80%). The first and most informative split occurred on technical proficiency, highlighting its importance in shaping educators’ perceived AI capability. These findings indicate that technical proficiency emerged as the strongest predictor of AI self-efficacy among educators. The results have implications for AI-focused professional development programmes, emphasising the importance of structured technical training alongside ethical and critical competencies.
Academic discipline and sub-disciplines:
Education