Learners’ Engagement with Artificial Intelligence: Validation of the Cognitive-Affective AI Engagement Model
Questo studio convalida il Cognitive-Affective AI Engagement Model (CAAIEM) come un framework affidabile e quadrimensionale per misurare l'engagement degli studenti universitari con gli strumenti di IA basati su LLM, dimostrando forti proprietà psicometriche attraverso l'analisi fattoriale confermativa di dati provenienti da 1.249 studenti ungheresi al primo anno, pur rilevando la necessità di un'ulteriore validazione transculturale.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nella moderna aula scolastica, una rivoluzione silenziosa è in corso, guidata non da nuovi libri di testo o lavagne, ma da programmi informatici intelligenti capaci di scrivere saggi, risolvere problemi e sostenere conversazioni. Questi strumenti, noti come modelli linguistici di grandi dimensioni, sono passati dal regno della fantascienza alla vita quotidiana degli studenti. Per educatori e ricercatori, è emersa una domanda pressante: come si connettono realmente gli apprendenti con queste tecnologie? Il loro rapporto con l'intelligenza artificiale è solo una questione di spuntare una casella per utilità, o implica sentimenti, abitudini e speranze future più profondi? Per comprendere questo, gli scienziati osservano l'engagement, un concetto che descrive quanto una persona sia coinvolta in un'attività. Tradizionalmente, questo è stato visto attraverso la lente dell'utilità o della facilità d'uso di uno strumento. Tuttavia, poiché l'intelligenza artificiale sta diventando più conversazionale e personale, i ricercatori sospettano che il quadro sia più complesso. Probabilmente coinvolge quanto spesso uno studente interagisce con lo strumento, quanto apprezza l'esperienza, quanta fiducia prova nella propria capacità di usarlo efficacemente e se ha intenzione di continuare a imparare con esso negli anni a venire. Comprendere questi livelli è fondamentale perché, se le scuole e gli sviluppatori si concentrano solo sul fatto che uno strumento funzioni, potrebbero perdere di vista i driver emotivi e comportamentali che spingono gli studenti a tornare per imparare.
Un team di ricercatori dell'Università di Szeged, in Ungheria, si è posto l'obiettivo di mappare questo territorio inesplorato. Hanno proposto un nuovo modo di guardare a come gli studenti interagiscono con l'intelligenza artificiale, suggerendo che non si tratti di un singolo sentimento, ma di una combinazione di quattro parti distinte. Lo hanno chiamato Modello di Engagement Cognitivo-Affettivo per l'IA. La prima parte è l'intensità dell'interazione, che misura semplicemente quanto spesso e quanto profondamente uno studente utilizza questi strumenti nella sua vita quotidiana e nei suoi studi. La seconda è l'efficacia strumentale, che cattura la convinzione dello studente che la tecnologia aiuti effettivamente a svolgere il proprio lavoro in modo più veloce e migliore. La terza è l'engagement affettivo, un termine che si riferisce al lato emotivo dell'esperienza: gli studenti provano divertimento, comfort e un sincero apprezzamento quando usano l'IA? L'ultimo pezzo è l'intento di apprendimento continuo, che guarda al futuro, misurando se lo studente ha intenzione di continuare a imparare e utilizzare queste tecnologie man mano che evolvono.
Per testare se questo modello in quattro parti riflettesse accuratamente la realtà, i ricercatori hanno raccolto un vasto gruppo di studenti universitari al primo anno. Hanno invitato 1.249 studenti provenienti da varie facoltà dell'università a partecipare a uno studio. I partecipanti, che erano per lo più tra i 18 e i 22 anni, hanno compilato un questionario progettato per misurare ciascuna di queste quattro aree. Le domande chiedevano loro di riferire quanto frequentemente utilizzassero le applicazioni di IA, quanto concordassero sul fatto che l'IA migliorasse le loro prestazioni, quanto godessero dell'uso di essa e se avessero intenzione di continuare a imparare su di essa in futuro. I ricercatori hanno poi utilizzato sofisticati metodi statistici per vedere se le risposte degli studenti si raggruppassero naturalmente nelle quattro categorie previste dal modello, o se i dati suggerissero una struttura differente.
I risultati sono stati chiari e a supporto del nuovo modello. Quando i ricercatori hanno analizzato i dati, hanno scoperto che le quattro categorie proposte erano effettivamente il modo migliore per descrivere come questi studenti interagivano con l'intelligenza artificiale. I dati non si adattavano a un modello più semplice in cui tutte le risposte puntavano a un unico sentimento generale, né a un modello con solo tre categorie. Al contrario, le quattro dimensioni distinte emergevano come parti separate ma connesse dell'esperienza complessiva. Le risposte degli studenti mostravano costantemente che il loro comportamento, le loro convinzioni sull'utilità, le loro emozioni e i loro piani futuri erano tutti aspetti misurabili e distinti del loro engagement. Lo studio ha confermato che queste quattro parti lavorano insieme per formare un quadro completo di come un apprendente si relazoni con l'IA.
I ricercatori hanno anche verificato che le domande poste fossero affidabili e che misurassero effettivamente ciò che intendevano misurare. Hanno scoperto che le domande per ciascuna delle quattro aree erano coerenti; ad esempio, le domande sul divertimento erano tutte strettamente correlate tra loro, così come le domande sui piani futuri. Ciò ha dato loro la certezza che il modello fosse uno strumento solido per comprendere il comportamento degli studenti. Inoltre, hanno verificato che queste quattro aree fossero sufficientemente diverse tra loro da poter essere trattate come concetti separati, pur essendo correlati. Ad esempio, uno studente che trovava l'IA utile tendeva anche a godere del suo utilizzo, ma lo studio ha dimostrato che l'utilità e il piacere non sono la stessa cosa. Allo stesso modo, uno studente che utilizzava l'IA frequentemente aveva motivazioni diverse rispetto a uno che semplicemente pianificava di usarla in futuro.
Questo studio rappresenta un passo significativo nel comprendere il lato umano dell'intelligenza artificiale nell'istruzione. Scomponendo l'engagement in questi quattro componenti specifici, i ricercatori hanno fornito un quadro che educatori e sviluppatori possono utilizzare per guardare oltre le semplici statistiche di utilizzo. Suggerisce che, affinché gli studenti traggano davvero beneficio dall'IA, la tecnologia non debba solo essere efficace, ma anche emotivamente risonante e allineata con i loro obiettivi di apprendimento a lungo termine. I risultati indicano che l'integrazione di successo di questi strumenti richiede attenzione a come gli studenti si sentono rispetto alla tecnologia e a come la immaginano nel proprio futuro, non solo al fatto che li aiuti a completare un compito oggi. Sebbene lo studio si sia concentrato su un gruppo specifico di studenti in Ungheria, il modello da loro validato offre un nuovo linguaggio per descrivere la complessa relazione tra gli apprendenti e le macchine intelligenti che stanno plasmando sempre più la loro istruzione.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.