Detailansicht
KI in der Bildung - die soziale Repräsentation und Akzeptanz von KI-Sprachmodellen
Julia Zacher
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Psychologie
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Psychologie
Betreuer*in
Christiane Spiel
DOI
10.25365/thesis.76671
URN
urn:nbn:at:at-ubw:1-21217.44285.157810-0
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
In der vorliegenden Studie wurde der Zusammenhang zwischen den Kernvariablen des Technologieakzeptanzmodells (TAM) (Davis, 1989), ein etabliertes Modell zur Beschreibung des Einflusses verschiedener Faktoren auf die Akzeptanz von Technologien, und digitaler Kompetenz in Bezug auf KI-Sprachmodellen von Lehrer:innen in Österreich untersucht. Zusätzlich wurden nach der Theorie der Sozialen Repräsentationen (Moscovici & Duveen, 2000), die inhaltlichen Assoziationen zu KI-Sprachmodellen der Stichprobe analysiert und visualisiert. 110 Personen zwischen 26 und 64 Jahren nahmen an der Online-Befragung teil. Die digitale Kompetenz wurde mit dem Instrument der berufsbezogenen digitalen Kompetenzüberzeugungen (Quast et al., 2023) gemessen. Die einzelnen Variablen des TAMs, wahrgenommene Nützlichkeit, wahrgenommene Benutzungsfreundlichkeit und Nutzungsintention von Technologien wurden auf KI-Sprachmodelle abgestimmt und anhand der Items des Technologieakzeptanzmodells (Venkatesh et al., 2003) ermittelt. Anschließend wurden die sozialen Repräsentationen mit der Methode der freien Assoziationen (Kulich et al., 2005) analysiert. Hierfür nannten Teilnehmende Begriffe, die sie mit KI-Sprachmodellen assoziieren und bewerteten diese anschließend auf einer Skala von positiv bis negativ. Die Bewertungen wurden pro Person berechnet und in einem sogenannten Polaritätsindex zusammengefasst. Die Ergebnisse der einfachen und multiplen linearen Regressionen zeigen konsistent zur Literatur, dass digitale Kompetenz, wahrgenommene Nützlichkeit und wahrgenommene Benutzungsfreundlichkeit korrelieren. Außerdem besteht eine positive Beziehung zwischen den drei Variablen und der Polarität von KI-Sprachmodellen. Die Polarität korreliert wiederrum mit der Nutzungsintention. Zur Visualisierung der sozialen Repräsentation von KI-Sprachmodellen wurde eine lexikografische Analyse durchgeführt (Kulich et al., 2005), bei der insbesondere der Begriff ChatGPT herausstach.
Abstract
(Englisch)
The current study investigated the relationship between the variables of the technology acceptance model (TAM) (Davis, 1989) and digital competence alongside teachers. Following the theory of social representations (Moscovici & Duveen, 2000), the associations were analyzed and visualized. 110 teachers in an age range from 26 to 64 years completed the online survey. Digital competence was measured with an inventory for job-related digital competences for teachers (Quast et al., 2023). The TAM variables, perceived use, perceived ease of use and behavioral intention were measured with the original inventory (Venkatesh et al., 2003) and the social representations were analyzed with the method of free associations (Kulich et al., 2005). Participants named associations related to the term AI-language models and rated them on a scale from positive to negative. The emotional evaluations summarized in a polarity index. The results of the single and multiple linear regressions indicated that digital competence, perceived ease of use and perceived use correlate. On top, these 3 variables are related to the polarity of the associations to AI-language models. Additionally, the polarity correlates with behavioral intention. To visualize the results of the associations, a lexicographic analysis was carried (Kulich, et al., 2005), in which the term ChatGPT was dominant.
Schlagwörter
Schlagwörter
(Deutsch)
KI-Sprachmodelle Lehrer:innen digitale Kompetenz Technologieakzeptanzmodel Soziale Repräsentation
Schlagwörter
(Englisch)
AI-language models teachers digital competence technology acceptance model social representation
Autor*innen
Julia Zacher
Haupttitel (Deutsch)
KI in der Bildung - die soziale Repräsentation und Akzeptanz von KI-Sprachmodellen
Paralleltitel (Englisch)
AI in education - the social representation and acceptance of AI-language models
Publikationsjahr
2024
Umfangsangabe
53 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Christiane Spiel
Klassifikationen
77 Psychologie > 77.04 Ausbildung, Beruf, Organisationen ,
77 Psychologie > 77.62 Soziale Wahrnehmung. Attribution
AC Nummer
AC17330410
Utheses ID
72826
Studienkennzahl
UA | 066 | 840 | |