Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
Diese Studie analysiert KI-Richtlinien an US-amerikanischen Hochschuleinrichtungen und stellt eine signifikante Diskrepanz fest, bei der Richtlinien auf Universitätsebene die Risikominimierung priorisieren, während Richtlinien auf Fakultätsebene den Fokus auf die Pädagogik legen, eine Lücke, die in Business Schools besonders ausgeprägt ist und die Integration fachspezifischer Lernziele behindert.
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 die Welt der Hochschulbildung als eine riesige, geschäftige Stadt vor. Seit Jahrzehnten muss diese Stadt entscheiden, wie sie mit neuen Werkzeugen umgeht: Zuerst kam der Taschenrechner, dann die Tabellenkalkulation und nun das mächtigste Werkzeug von allen: Künstliche Intelligenz (KI). Betrachten Sie KI als einen superintelligenten, allwissenden Assistenten, der Aufsätze schreiben, komplexe mathematische Probleme lösen und Daten in Sekundenschnelle analysieren kann. Aber genau wie eine neue Superkraft bringt sie einen Haken mit sich. Schulen versuchen herauszufinden, wie die Verkehrsregeln aussehen sollen: Sollten Studenten diesen Assistenten benutzen dürfen? Wenn ja, wie? Und wer darf die Regeln festlegen? Das ist die große Frage, die das Papier behandelt. Es untersucht, wie Universitäten (die Stadtverwaltung) und spezifische Schulen innerhalb dieser Universitäten, wie etwa Business Schools (spezialisierte Stadtviertel), ihre eigenen Regelwerke für KI erstellen. Das Ziel ist es zu sehen, ob alle nach derselben Partitur singen oder ob die Stadt und die Stadtviertel über den Text streiten.
Die Autoren, Lydia Manikonda und Dominique Outlaw, beschlossen, Detektiv zu spielen. Sie haben nicht nur geraten; sie nutzten ein Computerprogramm (eine Art digitales Vergrößerungsglas), um 130 verschiedene KI-Richtlinien von Universitäten aus 34 US-Bundesstaaten zu lesen und zu analysieren. Sie wollten sehen, ob die Regeln der großen Universitäten mit den spezifischen Regeln der Business Schools übereinstimmten. Sie behandelten den Text dieser Richtlinien wie ein Puzzle und nutzten Mathematik, um zu messen, wie „glücklich“ oder „ängstlich“ die Regeln klangen (Sentiment), wie klar sie waren und wie ähnlich sich die verschiedenen Regelwerke untereinander waren.
Hier ist, was sie fanden, und es ist ein bisschen so, als würde man entdecken, dass die Stadtverwaltung und die lokale Nachbarschaftswacht zwei verschiedene Sprachen sprechen.
Zuerst betrachteten sie das große Ganze: die universitätsweiten Richtlinien. Diese erwiesen sich als sehr vorsichtig, wie ein Elternteil, der zu einem Kind sagt: „Pass auf mit diesem neuen Spielzeug.“ Die Sprache war überwiegend neutral und sanft und verwendete Wörter wie „können“ oder „dürfen“ anstatt strenger Befehle wie „müssen“ oder „verboten“. Der Schwerpunkt der großen Richtlinien lag auf Sicherheit und Risiko. Sie waren besorgt um die Datensicherheit (um Geheimnisse zu bewahren) und darum, sicherzustellen, dass niemand die Technologie missbraucht. Sie sagten im Wesentlichen: „Kaputt mache nichts und lade keine privaten Informationen ins Internet hoch.“
Dann zoomten die Autoren auf die Business Schools. Sie fanden heraus, dass nur acht von 130 Universitäten eine separate, spezifische Richtlinie nur für ihre Business School hatten. Aber hier liegt der Clou: Als sie diese acht Business-School-Richtlinien mit den Regeln ihrer Mutteruniversität verglichen, passten sie nicht besonders gut zusammen. Es war, als würde die Stadt sagen: „Berühre die Kabel nicht“, aber die Business School sagt: „Hier erfährst du, wie du die Kabel nutzt, um einen coolen Roboter zu bauen.“
Die Richtlinien der Business Schools konzentrierten sich viel stärker darauf, wie man KI für das Lernen nutzt. Sie sprachen über spezifische Werkzeuge, wie man Aufgaben schreibt, die KI nutzen, und wie man Studenten lehrt, geschickt im Umgang mit diesen Werkzeugen zu sein. Sie waren weniger besorgt über das „Nicht dürfen“ und mehr darüber, wie das „Machen“ funktioniert. Die Universitätsrichtlinien handelten davon, die Burg zu bewachen (Risikomanagement), während die Business-School-Richtlinien davon handelten, den Rittern beizubringen, wie man kämpft (Pädagogik und Fähigkeiten).
Das Papier legt nahe, dass diese Diskrepanz ein Problem darstellt. Wenn die Universität sagt: „Sei vorsichtig“, aber die Business School sagt: „Nutze dieses Werkzeug, um einen Job zu bekommen“, werden Studenten und Lehrer verwirrt. Sie wissen nicht, ob sie vor KI Angst haben oder sich über sie freuen sollen. Die Autoren argumentieren, dass wir diese Lücke schließen müssen. Sie schlagen einen neuen Denkansatz vor, bei dem die Universität die Sicherheitsleitplanken setzt (wie „lade keine Geheimnisse hoch“), aber die Business Schools frei sind, die Lernpfade innerhalb dieser Leitplanken zu bauen.
Die Autoren sind vorsichtig damit, nicht zu sagen, dass dies ein gelöstes Problem sei. Sie deuten an, dass die Dinge im Moment etwas chaotisch und fragmentiert sind. Sie fanden heraus, dass die meisten Universitäten sich noch in der „Ausgestaltungsphase“ befinden und eine weiche Sprache verwenden, weil sich die Technologie so schnell verändert. Sie empfehlen, dass Schulen zusammenarbeiten sollten, um sicherzustellen, dass die großen Regeln und die kleinen Regeln miteinander kommunizieren, damit Studenten bereit für die reale Welt aufbrechen, in der KI bereits ein normaler Teil des Berufslebens ist.
Kurz gesagt zeigt das Papier, dass während Universitäten versuchen, alle vor der KI zu schützen, Business Schools versuchen, Studenten den Umgang damit beizubringen. Die Herausforderung besteht darin, sicherzustellen, dass sich diese beiden Ziele nicht gegenseitig behindern, sondern stattdessen zusammenarbeiten, um eine Zukunft zu schaffen, in der Studenten sowohl sicher als auch kompetent sind.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.