Technische Samenvatting: Kunstmatige Intelligentie in de Sport – Inzichten uit een Kwantitatief Onderzoek onder Sportstudenten in Duitsland

Probleemstelling

Ondanks de snelle proliferatie van Generatieve Kunstmatige Intelligentie (GAI)-tools (bijv. ChatGPT, Copilot, Gemini) in academisch onderzoek en onderwijs, is er een aanzienlijke empirische kloof met betrekking tot hoe studenten deze technologieën waarnemen, gebruiken en de impact ervan voorzien. Terwijl de bestaande literatuur zich vaak richt op engineering en natuurwetenschappen, blijft het multidisciplinaire en lichaamsgerichte veld van de sportwetenschap ondervertegenwoordigd in AI-onderzoek. Bovendien ontbreken in de huidige discussies uitgebreide gegevens over het gebruik gedrag van studenten, motivationele drijfveren, specifieke zorgen (zoals plagiaat en kritisch denken) en de waargenomen gereedheid van academische instellingen om AI te integreren. Deze studie adresseert de behoefte aan empirisch bewijs over de rol van AI in het hoger onderwijs vanuit het specifieke perspectief van sportstudenten in Duitsland.

Methodologie

De studie maakte gebruik van een kwantitatief cross-sectioneel ontwerp met behulp van een online vragenlijst die werd afgenomen tussen augustus en november 2023.

• Deelnemers: De steekproef bestond uit 262 sportstudenten uit verschillende semesters van Duitse universiteiten. Het demografische profiel omvatte een gemiddelde leeftijd van 24,16 jaar, met een genderverdeling van ongeveer 45% vrouw, 38,5% man, en een klein percentage dat zich als divers identificeerde of geen geslacht vermeldde. De meerderheid waren Duitse staatsburgers.
• Instrument: Een gestructureerde 18-pagina tellende online vragenlijst werd ontwikkeld op basis van een review van bestaande internationale schalen en literatuur. Het instrument bestond uit 58 items, georganiseerd in zes primaire dimensies:
  1. Gebruiksgedrag
  2. Motivatie en Waarden
  3. Outputkwaliteit
  4. Competenties
  5. Toekomstige Ambities en Verwachtingen
  6. Algemeen Bewustzijn
     Daarnaast incorporeerde de studie de gevalideerde schaal van Jänsch en Bosse (2018) om het sociale klimaat en de studie-eisen binnen sportprogramma's te meten.
• Gegevensverzameling: Onderzoekers namen contact op met sportfaculteiten aan Duitse universiteiten en relevante professionele verenigingen (bijv. de Duitse Vereniging voor Sportwetenschap) om de link naar de enquête te verspreiden.
• Analyse: De gegevens werden geanalyseerd met behulp van descriptieve statistiek, Mann–Whitney U-testen voor subgroupvergelijkingen (bijv. gender, academische voortgang), en contingentieanalyse om relaties tussen studievoortgang en cursusbezoek te onderzoeken. Interne consistentie werd beoordeeld via Cronbach's alfa voor multi-item schalen.

Belangrijkste Bijdragen

Dit artikel biedt een van de eerste empirische onderzoeken die specifiek gericht zijn op sportstudenten in Duitsland met betrekking tot hun interactie met GAI. De primaire bijdragen zijn:

• Domeinspecifieke Inzichten: Het vult een gat in de literatuur door zich te richten op de sportwetenschap, een veld dat voorheen ondervertegenwoordigd was in AI-adoptiestudies vergeleken met engineering of natuurwetenschappen.
• Gedetailleerde Gebruiksgegevens: Het detailsert specifieke toepassingsgebieden (bijv. ideeontwikkeling, schrijven, vertaling) en de frequentie van gebruik, waarbij onderscheid wordt gemaakt tussen algemeen AI-bewustzijn en actief gebruik van tools.
• Mapping van Ambivalentie: De studie legt de dubbelzinnige aard van de houding van studenten vast, waarbij zowel de hoge motivatie om AI te gebruiken voor efficiëntie en leren, als de gelijktijdige zorgen over academische integriteit en vaardigheidsdegradatie, worden gekwantificeerd.
• Identificatie van Curriculumkloven: Het belicht de discrepantie tussen de interesse van studenten in AI en het huidige gebrek aan formele universitaire cursussen over dit onderwerp.

Empirische Resultaten

Gebruik en Bekendheid

• Adoptiegraad: Ongeveer 67,5% van de respondenten gaf aan AI-tools te hebben gebruikt tijdens hun studie. Het gebruik was iets hoger onder mannelijke studenten (71,3%) dan onder vrouwelijke studenten (62,7%).
• Tool Awareness: ChatGPT is de dominante tool, waarbij 98% van de respondenten er bekend mee is. Andere tools zoals Bing Chat en Google Bard hebben een aanzienlijk lagere bekendheid (respectievelijk 15,7% en 14,5%).
• Frequentie: Het gebruik is matig; 14,9% gebruikt AI enkele keren per week, terwijl 33,3% het minder dan één tot drie keer per maand gebruikt. Dagelijks gebruik is zeldzaam (0,6%).
• Primaire Toepassingen: De meest voorkomende use cases zijn het ontwikkelen van ideeën voor onderzoeksprojecten (61,3%), het schrijven van academische papers (47,4%), onderzoek/literatuuronderzoek (44,5%) en het leren/begrijpen van concepten (40,9%).

Motivaties en Percepties

• Drijvers: De sterkste motivaties voor het gebruik van AI zijn het besparen van tijd (M=4,02) en het gebruiken ervan als een aanvullende leerbron (M=4,03). Studenten waarderen AI ook voor het verbeteren van onderzoek en het begrijpen van complexe theoretische concepten.
• Competenties: Studenten uiten een sterke overtuiging dat zowel zijzelf (M=4,13) als hun docenten (M=4,16) training in AI zouden moeten krijgen. Echter, zij nemen de huidige AI-competentie van hun docenten als laag waar (M=1,96).
• Outputkwaliteit: Studenten zijn sceptisch over de betrouwbaarheid van AI (M=3,10) maar zijn het er sterk mee eens dat AI misinformatie kan genereren (M=4,59) en dat verificatie van door AI gegenereerde inhoud noodzakelijk is (M=4,48).

Onzekerheden en Zorgen

• Academische Risico's: Plagiaat is de meest significante zorg (M=3,93). Studenten zijn echter over het algemeen het er niet mee eens dat AI het kritisch denken (M=2,33), creativiteit (M=2,50) of teamwork (M=2,00) zal hinderen.
• Toekomstverwachting: Studenten voorzien een onstuitbare toename van de invloed van AI (M=4,19) en de groeiende rol ervan in de sportstudies (M=3,94). Hoewel ze potentieel zien voor AI om de wereld te verbeteren, is er minder consensus over het vermogen om maatschappelijke crises op te lossen (M=2,74).
• Institutionele Ondersteuning: Slechts 11,1% van de studenten is zich ervan bewust dat hun universiteit cursussen over AI aanbiedt, en slechts 3,8% heeft dergelijke een cursus gevolgd. De meerderheid (64,9%) is er niet zeker van of dergelijke cursussen bestaan.

Sociaal Klimaat

De studie beoordeelde ook het algemene studie klimaat met behulp van de Jänsch en Bosse (2018) schaal. Studenten ervaren de studie-eisen over het algemeen als beheersbaar (M=3,43). "Het omgaan met het sociale klimaat" werd beoordeeld als het gemakkelijkste aspect (M=4,02), terwijl "het organiseren van teamwork" en "het omgaan met aangeboden cursussen" als moeilijker werden beoordeeld.

Betekenis en Claims

De auteurs positioneren deze studie als een initiële empirische bijdrage aan een snel evoluerend veld, waarbij zij expliciet stellen dat de bevindingen "exploratief" en "hypothese-genererend" zijn in plaats van bevestigend, vanwege de zelfgeselecteerde convenience sample.

Het artikel claimt dat de bevindingen een "ambivalente situatie" onthullen waarbij studenten enthousiast zijn om AI in te zetten voor efficiëntie en leren, maar zich tegelijkertijd zorgen maken over academische integriteit en de voorbereiding van docenten. Bijgevolg beargumenteren de auteurs dat universiteiten deze kloof moeten adresseren door:

1. Studenten op te leiden in het genereren van betrouwbare informatie en het vermijden van misinformatie.
2. Zowel praktische als kritische kennis te bieden met betrekking tot de implicaties van AI.
3. AI-gerelateerde onderwerpen en onderwijsmethoden in het curriculum te integreren om studenten voor te bereiden op een technologie die zich snel verspreidt in de academie.

De studie concludeert dat het begrijpen van de impact en beperkingen van AI praktische betrokkenheid vereist, en dat de huidige onderwijstructuren in de sportwetenschap nog niet volledig zijn afgestemd op de realiteit van de adoptie van GAI.