Engagement Intensity as a Learner-Modeling Signal for Adaptive AI Ethics Instruction
Diese Studie zeigt, dass unter den Graduate Trainees die selbstberichtete Häufigkeit der LLM-Nutzung ein konsistenterer und effektiverer Prädiktor für die Wahrnehmung von KI-Ethik vor der Instruktion ist als vorangegangene Kurse oder die selbst eingeschätzte Vertrautheit, was darauf hindeutet, dass einfache Verhaltenssignale effektiv dazu genutzt werden können, eine adaptive KI-Ethik-Ausbildung zu gestalten.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie sind ein Chefkoch, der einen speziellen Kochkurs für eine Gruppe angehender Köche vorbereitet. Sie wissen, dass einige von ihnen noch nie ein Messer in der Hand hatten, während andere schon seit Jahren kochen. Um sie effektiv zu unterrichten, müssen Sie wissen, von wo aus sie starten.
Dieses Papier befasst sich mit der Frage, wie man Studenten am besten fragt: „Wie viel Erfahrung haben Sie mit KI?“, bevor man sie über KI-Ethik unterrichtet. Die Forscher wollten herausfinden: Welche Frage liefert uns das genaueste Bild vom Ausgangspunkt eines Studenten?
Sie testeten drei verschiedene Wege, um nach der Erfahrung zu fragen:
- Die „Lebenslauf“-Frage: „Haben Sie schon einmal einen Kurs oder Workshop zu KI besucht?“
- Die „Selbstvertrauen“-Frage: „Auf einer Skala von 1 bis 5, wie vertraut fühlen Sie sich mit KI?“
- Die „Handlungs“-Frage: „Wie oft nutzen Sie tatsächlich KI-Tools?“
Hier ist, was sie fanden, unter Verwendung einiger einfacher Analogien:
1. Der „Lebenslauf“ war eine schlechte Landkarte
Die Forscher fragten die Studenten, ob sie bereits KI-Kurse oder Workshops besucht hatten. Sie erwarteten, dass dies ein starkes Signal wäre.
- Das Ergebnis: Es war, als würde man einem Reisenden fragen: „Waren Sie schon einmal in Paris?“ und davon ausgehen, dass er, wenn er mit „Ja“ antwortet, auch weiß, wie man sich in den Straßen zurechtfindet. Es stellte sich heraus, dass es bloß, ein „Ticket“ zu haben (einen Kurs besucht zu haben), den Lehrern nicht viel darüber aussagte, wie die Studenten tatsächlich über KI denken oder wie sie sie nutzen wollen. Die Daten zeigten keinen klaren Zusammenhang zwischen dem Besuch eines Kurses und der aktuellen Einstellung der Studenten zu KI.
2. Die „Handlungs“-Frage war der beste Kompass
Die Forscher untersuchten, wie oft die Studenten KI tatsächlich nutzten (von „Nie“ bis „Täglich“).
- Das Ergebnis: Dies war das aussagekräftigste Signal. Es war, als würde man einen Fahrer fragen: „Wie viele Kilometer sind Sie dieses Jahr gefahren?“ Die Antwort sagte ihre Fahrgewohnheiten und ihr Vertrauen perfekt voraus.
- Studenten, die KI täglich nutzten, hatten sehr andere Ansichten als diejenigen, die sie nie nutzten.
- Insbesondere Vielnutzer vertrauten darauf, dass KI allgemeine Fakten korrekt wiedergibt, fühlten sich eher in der Lage, Falschinformationen zu erkennen, und machten sich weniger Sorgen darüber, dass KI ihre kritischen Denkfähigkeiten ruinieren würde.
- Selbst die Studenten, die KI „gelegentlich“ nutzten, zeigten im Vergleich zu denen, die sie nie nutzten, einen deutlichen Sprung beim Selbstvertrauen.
3. Der „Selbstvertrauens“-Check war eine gute Zweitmeinung
Die Frage „Wie vertraut fühlen Sie sich?“ war hilfreich, aber nicht ganz so perfekt wie die Frage „Wie oft nutzen Sie es?“.
- Das Ergebnis: Sie funktionierte gut für einige Dinge (wie das Erkennen von Fake News oder das Vertrauen in KI bei komplexen Aufgaben), war aber für andere Bereiche etwas vage. Es ist, als würde ein Beifahrer sagen: „Ich habe das Gefühl, ich kenne den Weg“, was oft wahr ist, aber die tatsächliche Kilometerleistung des Fahrers (die Nutzungshäufigkeit) eine konsistentere Geschichte erzählt.
Die „Schwellenwert“-Überraschung
Eine interessante Entdeckung war, dass die Veränderung nicht allmählich wie eine Rampe verlief. Stattdessen glich es eher einem Lichtschalter.
- Wenn man KI nie genutzt hatte, war die Einstellung eine bestimmte Weise.
- Sobald man anfing, sie auch nur ein wenig zu nutzen, verschob sich die Sichtweise signifikant.
- Bei bestimmten Ängsten (wie „Wird KI mich faul machen?“) trat die Veränderung jedoch erst bei den täglichen Schwernutzern ein.
Warum ist das wichtig?
Die Forscher schlagen vor, dass man, wenn man einen Kurs zur Lehre von KI-Ethik entwirft, nicht nur in die Zeugnisse eines Studenten schauen sollte, um zu sehen, ob er einen Kurs besucht hat. Stattdessen sollte man ihm eine einfache Frage stellen: „Wie oft nutzen Sie KI?“
- Wenn sie „Nie“ sagen: Sie benötigen wahrscheinlich eine Basiseinführung in das, was KI ist und warum sie wichtig ist.
- Wenn sie „Täglich“ sagen: Sie kennen bereits die Grundlagen. Sie könnten eine andere Art von Lektion benötigen, die sich auf die Gefahren des übermäßigen Vertrauens in die KI oder das Erkennen von Fehlern konzentriert, da sie gegenüber diesen Risiken weniger besorgt scheinen, als sie es sein sollten.
Das Fazum
Kurz gesagt: Was man tut (das Werkzeug nutzen) ist ein viel besserer Prädiktor dafür, was man denkt und fühlt, als was man studiert hat (einen Kurs besucht zu haben) oder wie viel Selbstvertrauen man hat. Für Lehrer, die versuchen, ihre Unterrichtsstunden anzupassen, ist die Frage nach den tatsächlichen Nutzungsgewohnheiten der einfachste und effektivste Weg, um die Studenten vor dem Unterricht in Gruppen einzuteilen.
Hinweis: Das Papier ist eine Momentaufnahme (eine Umfrage) und beweist nicht, dass die Änderung des Lehrstils basierend auf diesen Antworten das Lernen der Studenten definitiv verbessern wird – dazu wäre ein zukünftiges Experiment erforderlich. Es besagt lediglich, dass dies die besten Fragen sind, um die Studenten zum jetzigen Zeitpunkt zu verstehen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.