How Physics Professors Use and Frame Generative AI Tools

Dit onderzoek, gebaseerd op interviews met twaalf natuurkundehoogleraren in Scandinavië, toont aan dat generatieve AI wordt geframed als zowel een waardevol hulpmiddel voor taken als coderen als een existentiële bedreiging voor eerlijkheid en leren, wat fundamenteel ingrijpt op de identiteit van de natuurkundige.

De kern

Stel je voor dat de wereld van de natuurkunde, een vakgebied dat al eeuwenlang draait om zware berekeningen en complexe theorieën, plotseling een nieuwe superkracht heeft gekregen. Die superkracht heet Generatieve AI (zoals ChatGPT). Het is alsof je een onzichtbare, extreem slimme assistent in je hoofd hebt die alles kan doen: van code schrijven en teksten samenvatten tot het oplossen van wiskundige problemen.

In dit artikel hebben twee onderzoekers, Vidar en Tor, twaalf natuurkunde-professoren in Noorwegen geïnterviewd om te zien hoe ze met deze nieuwe "magische assistent" omgaan. Ze ontdekten dat de professoren een heel gemengd gevoel hebben: ze zien de AI zowel als een wonderlijk gereedschap als een gevaarlijke spook.

Hier is wat ze hebben gevonden, vertaald naar begrijpelijke taal met een paar leuke vergelijkingen:

1. De zes bruggen (De "Frames")

De professoren kijken naar AI door zes verschillende "brillen" of "bruggen". Elke brug laat ze iets anders zien:

• De Gevaarlijke brug (De grootste zorg):
  Dit is de donkerste wolk in de lucht. De professoren zijn bang dat studenten de AI gebruiken om te "cheaten", net als iemand die een racefiets gebruikt in een wandelwedstrijd. Als studenten de AI laten denken in plaats van zelf, leren ze niets. Het is alsof je een huis bouwt met een machine die alle bakstenen legt, maar jij hebt dan niet geleerd hoe je metselt. Ze zijn bang dat ze niet meer kunnen zien of een student echt iets heeft geleerd.

  • Hoe reageren ze? Ze gaan terug naar mondelinge examens (waar je moet praten en uitleggen) en vragen studenten om eerlijk te zeggen of ze AI hebben gebruikt.

• De Bibliotheek-brug (Bron van kennis):
  Hier zien ze AI als een super-snelle bibliothecaris die alles weet. Als je een vraag stelt, geeft hij direct een antwoord. Maar, net als bij een slechte bibliothecaris, kan hij soms ook flauwekul vertellen. De professoren gebruiken hem om snel een idee te krijgen over een nieuw onderwerp, maar ze controleren het antwoord altijd eerst.

  • Vergelijking: Het is als een GPS die je de route geeft, maar jij moet zelf nog steeds opletten of je niet in een sloot rijdt.

• De Gespreksmaat-brug (Discussiepartner):
  Sommige professoren zien AI als een sparringpartner. Je kunt er met praten over een idee, net als met een collega. Het helpt om je gedachten te ordenen of om een onderzoeksvraag scherper te stellen.

  • Het probleem: De professoren hoopten dat studenten hier diep met de AI zouden discussiëren, maar de studenten gebruiken het vaak alleen maar voor simpele antwoorden. Het is alsof je een gesprekspartner hebt die alleen "ja" en "nee" zegt, terwijl je eigenlijk een diep gesprek wilt voeren.

• De Code-molen (Coding-tool):
  Natuurkundigen moeten vaak programmeren. AI is hier een topper in. Het kan snel stukken code schrijven of fouten oplossen. Voor veel professoren is dit geen doel op zich, maar een middel om sneller aan het echte werk te komen.

  • Vergelijking: Het is alsof je een robotarm hebt die de saaie, zware stenen tilft, zodat jij de tijd hebt om het ontwerp van het huis te maken.

• De Tekst-schuurmachine (Text-processing tool):
  AI is geweldig in het verbeteren van taal. Het kan je tekst strakker maken, vertalen of samenvatten. De professoren vinden dit prima, zolang het maar gaat om de "schuurwerk" (grammatica, stijl) en niet om het "ontwerpen" van het idee.

  • Vergelijking: Je mag AI gebruiken om je kleding te strijken, maar je moet zelf het ontwerp van het pak hebben bedacht.

• De Tijdbespaarder (Labor-saving device):
  Niemand houdt van saaie administratieve taken. AI kan e-mails schrijven, verslagen opmaken of zelfs tentamens nakijken (in de toekomst). Dit geeft professoren meer tijd voor het leuke werk: onderzoek en contact met studenten.

  • Vergelijking: Het is alsof je een robot hebt die de afwas doet, zodat jij meer tijd hebt om met je gezin te praten.

2. Het grote conflict: Hulpmiddel vs. Hindernis

Het meest interessante aan dit onderzoek is dat deze zes bruggen vaak door elkaar lopen.
De Gevaar-brug (dat AI slecht is voor het leren) kleurt eigenlijk alles. Zelfs als een professor AI gebruikt als een handige code-molen, denkt hij of zij: "Maar wacht even, leren ze hierdoor nog wel zelf te coderen?"

Het is alsof je een nieuwe, superkrachtige auto hebt gekocht. Je bent blij dat je niet meer hoeft te fietsen (tijdbesparing), maar je maakt je zorgen dat je spieren (je brein) verzwakken als je hem te veel gebruikt.

3. Wat betekent dit voor de toekomst?

De professoren zijn niet bang om de AI weg te gooien; ze zijn slim genoeg om te weten dat het hier blijft. Ze passen zich aan:

• Ze veranderen hun examens (meer mondeling, minder schriftelijk).
• Ze leren studenten hoe ze AI verstandig moeten gebruiken (niet als een cheat, maar als een hulpmiddel).
• Ze kijken of ze AI kunnen gebruiken om de saaie taken over te nemen, zodat ze meer tijd hebben voor het echte "natuurkunde-denken".

Kortom:
De natuurkunde-professoren staan op een kruispunt. Ze hebben een nieuwe, krachtige machine in handen. Ze weten dat ze er veel mee kunnen bereiken (tijdbesparing, sneller werken), maar ze zijn ook heel voorzichtig dat ze niet vergeten hoe ze zelf moeten denken. Ze proberen een balans te vinden tussen het gebruik van de machine en het behouden van de menselijke geest.

Zoals de onderzoekers zeggen: AI is niet de eindbestemming, maar het is wel een nieuw, heel krachtig gereedschap in de gereedschapskist van de natuurkundige. De kunst is nu om te leren hoe je dat gereedschap gebruikt zonder je eigen handen te verliezen.

Technische samenvatting

Probleemstelling

Generatieve Kunstmatige Intelligentie (GenAI), met name grote taalmodellen (LLM's), verandert de manier waarop natuurkundigen lesgeven, leren en onderzoek doen. Hoewel deze technologie snel evolueert, is er weinig bekend over hoe natuurkundeprofessoren reageren op deze veranderingen en hoe ze deze tools integreren in hun dagelijkse praktijk.

De kern van het probleem ligt in de spanning tussen het potentieel van GenAI als krachtig hulpmiddel en de risico's voor academische integriteit en cognitieve ontwikkeling. In de natuurkunde, een vakgebied dat sterk empirisch en computationeel is, kan GenAI taken overnemen zoals coderen, literatuuroverzichten schrijven en wiskundige analyses uitvoeren. Dit roept kritische vragen op:

• Hoe beïnvloedt GenAI de authentieke leerprocessen van studenten?
• Hoe verandert dit de rol van de natuurkundige en de definitie van "auteur"?
• Op welke manier worden deze tools geframed (geframed) door experts in het veld?

Methodologie

De auteurs voerden een kwalitatief onderzoek uit aan een grote Scandinavische onderzoekuniversiteit (Universiteit van Oslo).

• Datacollectie: Er werden diepte-interviews gehouden met 12 natuurkundeprofessoren in de periode van lente tot vroege herfst 2024.
• Interviewprotocol: De vragen richtten zich op het gebruik van GenAI in zowel onderwijs als onderzoek, ervaringen, feedback van studenten en toekomstvisies.
• Analyse: De geanonimiseerde transcripties werden onderzocht met behulp van thematische analyse (inductief) en het theoretische kader van epistemisch framing.
  • Epistemisch framing verwijst naar de manier waarop individuen een situatie of hulpmiddel interpreteren (bijv. "Wat gebeurt hier?").
  • De auteurs identificeerden eerst 19 specifieke praktijken (handelingen) en groepeerden deze vervolgens in 6 overlappende epistemische kaders.
  • De analyse omvatte het coderen van "warrants" (onderbouwingen) die de professoren gebruikten om hun perspectief te rechtvaardigen.

Belangrijkste Bijdragen

Het artikel biedt een van de eerste systematische inzichten in hoe academici in de exacte wetenschappen GenAI daadwerkelijk gebruiken en interpreteren. De belangrijkste bijdragen zijn:

1. Identificatie van 19 Praktijken: Een gedetailleerde lijst van concrete toepassingen, variërend van het coderen en het doen van literatuuronderzoek tot assessment en feedback.
2. Het Framing-Kader: De ontwikkeling van een model met zes overlappende epistemische kaders die laten zien hoe professoren betekenis geven aan GenAI.
3. Nuance in Integriteit: Het inzicht dat de angst voor academische oneerlijkheid niet alleen een barrière is, maar een overheersend kader dat de perceptie van alle andere (positieve) toepassingen kleurt.

Resultaten

De analyse leverde 19 praktijken op die zijn georganiseerd in 6 epistemische kaders:

1. GenAI als bedreiging voor echt leren en assessment (Overkoepelend kader)

Dit is het meest voorkomende kader. Professoren maken zich zorgen dat studenten GenAI gebruiken om denken en schrijven te omzeilen, wat de beoordeling van echte leerprestaties onmogelijk maakt.

• Praktijken: Veranderen van assessmentvormen (bijv. mondelinge examens), verplichten van AI-declaraties, discussiëren met studenten over AI-gebruik, en het toewijzen van reflectieopdrachten over AI-gebruik.
• Inzicht: Dit kader kleurt alle andere frames; zelfs wanneer AI als nuttig wordt gezien, blijft de zorg voor integriteit aanwezig.

2. GenAI als bron van kennis

AI wordt gezien als een informatiebron of "collega" die kennis kan leveren.

• Praktijken: Vragen stellen over onderwerpen, het verkrijgen van hints, en het verkennen van nieuwe topics.
• Nuance: Professoren benadrukken dat AI-output kritisch moet worden geëvalueerd omdat het onjuiste feiten kan bevatten ("hallucinaties"). Sommigen gebruiken AI-output zelfs als examenopdracht om studenten te laten fouten vinden.

3. GenAI als discussiepartner

AI wordt gebruikt als een "sparringpartner" om ideeën te brainstormen en te verfijnen.

• Praktijken: Brainstormen over onderzoeksquestions, formative feedback vragen op teksten, en het verfijnen van taal.
• Beperking: Professoren merkten op dat studenten vaak niet in een "Socratische dialoog" stappen, maar AI vooral gebruiken voor laagwaardige technische taken.

4. GenAI als coderingshulpmiddel

Gezien de integratie van coderen in de natuurkunde, wordt AI gezien als een pragmatisch hulpmiddel om code te schrijven, te debuggen en visualisaties te maken.

• Praktijken: Uitbesteden van simpele code, het genereren van plots, en het debuggen van foutmeldingen.
• Verschil: Professoren die coderen zien als essentieel voor hun identiteit, zijn sceptischer over het volledig uitbesteden van code, terwijl anderen het zien als een middel om tijd te winnen voor "echte fysica".

5. GenAI als tekstverwerkingshulpmiddel

De focus ligt op het genereren, verfijnen en samenvatten van tekst.

• Praktijken: Het opstellen van concepten, het verbeteren van grammatica/stijl, vertalen en het samenvatten van literatuur.
• Hiërarchie: Er is een onderscheid tussen acceptabel gebruik (taalverbetering, vertaling) en problematisch gebruik (het laten schrijven van de inhoudelijke kern van een paper).

6. GenAI als arbeidsbesparend apparaat

AI wordt gezien als een middel om tijd te besparen op saaie, administratieve taken.

• Praktijken: Het automatiseren van administratief werk (e-mails, uitnodigingen), het verkennen van automatisch nakijken, en het versnellen van literatuuroverzichten (hoewel dit laatste vaak meer tijd kost door controle).

Significantie en Conclusie

De studie concludeert dat GenAI begint te transformeren wat het betekent om natuurkundige te zijn, maar dat deze transformatie momenteel nog beperkt is tot "kleine verstoringen" (efficiëntieverbeteringen) in plaats van fundamentele veranderingen in de rol van de professor.

• Dualisme: Professoren hebben een dubbelzinnige houding: ze zien GenAI als een waardevol instrument in hun toolbox (voor coderen, tekst, administratie), maar tegelijkertijd als een existentiële bedreiging voor de kern van het onderwijs (authenticiteit en leerproces).
• Toekomstperspectief: De auteurs waarschuwen dat als GenAI verder evolueert, het de rol van de professor kan verschuiven van "beoordelaar" naar "ontwerper van leeromgevingen".
• Aanbeveling: Er is een dringende behoefte aan training in AI-geletterdheid voor zowel professoren als studenten, zodat het veld de technologie kritisch en constructief kan integreren zonder de fundamentele leerdoelen te verliezen.

Het artikel dient als een "existence proof" van hoe het veld reageert en vormt een basis voor toekomstig onderzoek naar de evolutie van deze kaders en praktijken.