Methodological Variation in Studying Staff and Student Perceptions of AI
تُظهر هذه الورقة أن الخيارات المنهجية في تحليل البيانات النوعية —مثل استخدام تحليل المشاعر مقابل التحليل الموضوعي— يمكن أن تؤدي إلى رؤى مختلفة بشكل كبير حول تصورات الموظفين والطلاب تجاه الذكاء الاصطناعي، مما يسلط الضوء على أهمية مراعاة التباين التحليلي عند تفسير النتائج في السياقات المؤسسية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك تحاول فهم كيف يغير أداة سحرية جديدة (الذكاء الاصطناوي التوليدي) مدرسة ما. تريد أن تعرف: هل يحبها المعلمون والطلاب؟ هل هم خائفون منها؟ أم أنهم فقط مرتبكون؟
هذه الورقة البحثية تشبه قصة بوليسية، حيث لم يكتفِ الباحثون بطرح سؤال واحد؛ بل حاولوا استخدام أربع طرق مختلفة للسؤال ليروا ما إذا كانوا سيحصلون على نفس الإجابة. وقد اكتشفوا أن طريقة طرح السؤال تغير الإجابة التي تحصل عليها.
إليك التفاصيل باستخدام تشبيهات بسيطة:
1. الإعداد: "الأداة السحرية" في الفصل الدراسي
منذ عام 2022، انفجرت أدوات الذكاء الاصطناعي (مثل ChatGPT) في الجامعات. يمكن لهذه الأدوات كتابة المقالات، وحل المسائل الرياضية، وتنظيم الجداول الزمنية.
- الطلاب يرونها عموماً كـ قوة خارقة: "إنها تساعدني في إنهاء الواجبات المنزلية بشكل أسرع وتشرح المفاهيم الصعبة!"
- المعلمون غالباً ما يرونها كـ سلاح ذي حدين: "إنها رائعة لتصحيح الاختبارات، لكني قلق من أن الطلاب يغشون أو يفقدون قدرتهم على التفكير بأنفسهم."
2. التجربة: أربعة "كشافات ضوئية" مختلفة
أراد الباحثون معرفة ما إذا كان بإمكانهم رصد الاختلافات بين الطلاب والمعلمين. وللقيام بذلك، سلطوا أربعة "كشافات ضوئية" (طرق) على نفس المجموعة في جامعة ألستر:
الكشاف الأول: مقياس المشاعر (خاتم تغيير اللون)
- كيف يعمل: استخدموا برنامج كمبيوتر لفحص التعليقات المكتوبة وتصنيفها ببساً كـ إيجابي (+)، أو سلبي (-)، أو محايد (0).
- النتيجة: قال المقياس: "الجميع متساوون تقريباً". أظهر مزيجاً من المشاعر الجيدة والسيئة، ولكن دون وجود فرق كبير بين المعلمين والطلاب. كان الأمر أشبه بنشرة جوية تقول: "الجو غائم جزئياً في كل مكان".
- المشكلة: هذا بسيط للغاية. إنه يفتقر إلى الدقة. فقول المعلم "الذكاء الاصطناعي خطير" وقول الطالب "الذكاء الاصطناعي خطير" قد يحصلان على نفس الدرجة، رغم أن معناهما مختلف تماماً.
الكشاف الثاني: سحابة الكلمات (خريطة الكلمات الرائجة)
- كيف يعمل: أخذوا جميع الكلمات التي استخدمها الناس وصنعوا سحابة تظهر فيها الكلمات الأكبر حجماً بشكل أكثر تكراراً.
- النتيعة: استخدم كلا المجموعتين كلمات مثل "أداة" و"عمل". ولكن عند النظر عن كثب، وجدنا أن الطلاب تحدثوا عن "الواجبات الدراسية" (تكليفاتهم)، بينما تحدث المعلمون عن "التدريب" (كيفية استخدام التقنية).
- التشبيه: الأمر يشبه النظر إلى حشد من خلال نافذة ضبابية. ترى نفس الأشكال، ولكن إذا أمعنت النظر، ستدرك أن الطلاب يحملون حقائب ظهر بينما يحمل المعلمون لوحات كتابة.
الكشاف الثالث: تحليل الموقف (منصة النقاش)
- كيف يعمل: استمعوا إلى محادثات مجموعات التركيز (مثل مناقشة حول طاولة مستديرة) وصنفوا كل جملة كـ دعم، أو معارضة، أو حياد.
- النتيجة: هنا تصاعدت الأحداث. في المحادثة، كان المعلمون أكثر انتقاداً وتشككاً من الطلاب. كان الطلاب أكثر عرضة لقول "هذا رائع!" بينما كان المعلمون يقولون "انتظر، هل هذا أخلاقي؟".
- التشبيه: كان مقياس المشاعر مثل غرفة صامتة حيث يومئ الجميع برؤوسهم. أما تحليل الموقف فكان مثل نقاش صاخب حيث يمكنك سماع المعلمين وهم يجادلون أكثر من الطلاب.
** الكشاف الرابع: التحليل الموضوعي (الحكواتي)**
- كيف يعمل: قرأوا المحادثات بعمق للعثور على القصص أو المواضيع الرئيسية.
- النتيجة:
- ركز الطلاب على الكفاءة: "يساعدني في البدء بالكتابة"، "يساعدني في حالات تشتت الانتباه (ADHD)"، "إنه معلم خصوصي لي".
- ركز المعلمون على النزاهة والمستقبل: "الطلاب أصبحوا كسالى"، "كيف نصحح هذا بشكل عادل؟"، "هل سيؤدي هذا إلى تدمير تفكيرهم النقدي؟".
- التشبيه: إذا كان الطلاب هم السائقون الذين يستمتعون بسرعة سيارة جديدة، فإن المعلمين هم الميكانيكيون الذين يخشون من انفجار المحرك أو ما إذا كان السائق يعرف كيف يوجه السيارة.
3. الكشف الكبير: "فخ المنهجية"
أهم نتيجة لهذه الورقة هي: إذا استخدمت كشافاً واحداً فقط، فقد تحصل على صورة خاطئة.
- إذا نظرت فقط إلى مقياس المشاعر، ستظن أن الجميع سعداء ومحايدون.
- إذا نظرت فقط إلى سحابة الكلمات، ستظن أن الجميع يتحدثون عن نفس الأشياء.
- ولكن إذا قمت بتشغيل كشاف التحليل الموضوعي (الاستماع إلى القصص العميقة)، فستدرك أن الطلاب والمعلمين ينظرون في الواقع إلى نفس الأداة من خلال عدسات مختلفة تماماً.
الاستعارة:
تخيل تقديم روبوت جديد في مدرسة.
- الطالب يرى روبوتاً يساعده في حمل الكتب الثقية.
- المعلم يرى روبوتاً قد يسرق وظيفته أو يسمح للطلاب بالغش.
- إذا سألت فقط "هل تحب الروبوت؟" وعددت أصوات "نعم" و"لا"، فقد تغفل عن حقيقة أنهم يحبونه لأسباب مختلفة تماماً ويخافون منه لأسباب مختلفة تماماً.
4. لماذا يهم هذا؟
يقول المؤلفون إن الجامعات تضع قواعد كبيرة بشأن الذكاء الاصطناعي بناءً على الاستطلاعات. ولكن إذا كانت هذه الاستطلاعات تستخدم فقط أسئلة "نعم/لا" بسيطة، فقد تكون القواعد خاطئة.
- بالنسبة للمدارس: لا يمكنك فقط القول "الذكاء الاصطناعي جيد" أو "الذكاء الاصطناعي سيء". أنت بحاجة إلى فهم من يقول ذلك ولماذا.
- بالنسبة للمستقبل: لجعل السياسات جيدة، نحتاج إلى دمج أساليبنا. نحن بحاجة إلى أرقام الاستطلاع السريعة بالإضافة إلى المحادثات الحقيقية العميقة والفوضوية.
باخت-القول: تخبرنا هذه الورقة أن دراسة كيفية شعور الناس تجاه التكنولوجيا تشبه محاولة وصف لوحة فنية. إذا قمت فقط بعدّ عدد البكسلات الزرقاء (المشاعر)، فستفقد حقيقة أن اللون الأزرق يمثل سماءً عاصفة للمعلم وبحراً هادئاً للطالب. أنت بحاجة إلى التراجع خطوة للخلف والنظر إلى الصورة الكاملة لفهم الفن.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.