Multi-Level Barriers to Generative AI Adoption Across Disciplines and Professional Roles in Higher Education
Deze studie toont aan dat de barrières voor de adoptie van generatieve AI in het hoger onderwijs structureel en discipline-afhankelijk zijn, waarbij niet-NAT-wetenschappers vooral ethische bezwaren hebben terwijl STEM-medewerkers en ondersteunend personeel vaker te maken krijgen met institutionele en infrastructuurbeperkingen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat een universiteit een enorme, levende stad is. In deze stad wonen twee heel verschillende soorten bewoners: de Denkers (de docenten en onderzoekers) en de Bouwers (het personeel dat zorgt voor administratie, wetten en de infrastructuur).
Onlangs is er een nieuwe, magische tool de stad binnengekomen: Generatieve AI. Dit is een slimme robot die teksten kan schrijven, ideeën kan bedenken en taken kan versnellen. Iedereen is het erover eens dat deze robot de stad kan veranderen, maar... niemand weet precies hoe ze hem moeten gebruiken. Sommigen vinden het geweldig, anderen zijn bang.
Deze studie is als een grote enquête die de onderzoekers hebben gedaan om te begrijpen: Waarom vinden sommige mensen deze robot moeilijk, en waarom vinden anderen het juist makkelijk?
Hier is wat ze hebben ontdekt, vertaald in simpele taal:
1. Het probleem is niet alleen "niet kunnen", maar "waar je woont"
Vroeger dachten mensen: "Mensen gebruiken AI niet omdat ze het niet snappen of bang zijn."
Deze studie zegt: Nee, dat is niet het hele verhaal.
Het hangt er vooral van af wie je bent en waar je werkt in die universiteitsstad.
- De Denkers (Docenten): Zij kijken naar de robot en denken: "Oh nee, als studenten dit gebruiken, leren ze niet meer zelf na te denken. Is het eerlijk? Is het hun eigen werk?" Voor hen is het grootste probleem ethiek en vertrouwen. Het is alsof ze bang zijn dat de robot de ziel uit hun lessen haalt.
- De Bouwers (Administratief personeel): Zij kijken naar de robot en denken: "Waar is de handleiding? Mag ik deze software überhaupt installeren? Heeft de stad een licentie? Wat zegt de wet?" Voor hen is het grootste probleem regels en gebouwen. Het is alsof ze vastzitten in een kantoor met gesloten deuren en onduidelijke borden.
2. De twee verschillende soorten "muren"
De onderzoekers zagen dat er twee soorten muren zijn die mensen tegenhouden, en deze muren staan op verschillende plekken in de stad.
De Muur van de "Gedachte" (voor niet-wetenschappelijke vakken):
Denk aan een schrijver of filosoof. Voor hen is AI als een nep-schrijver die hun eigen stem nabootst. Ze zijn bang dat het de kwaliteit van het werk verlaagt. Hun barrière is een moreel dilemma.- Analogie: Het is alsof je een schilderij wilt maken, maar je bent bang dat de robot het schilderij voor je doet, en dat niemand dan meer weet wie de echte kunstenaar is.
De Muur van de "Regel" (voor wetenschappers en administratie):
Denk aan een ingenieur of een beleidsmedewerker. Voor hen is AI een machine die ze moeten laten werken. Maar ze kunnen de machine niet aanzetten omdat de stekker niet in het stopcontact past, of omdat de verzekering het niet toestaat. Hun barrière is organisatorisch.- Analogie: Je hebt een super-auto, maar de stad heeft geen wegen aangelegd waar je hem op mag rijden, en je mag hem niet tanken omdat de regels nog niet zijn vastgesteld.
3. De oplossing: Geen "één groot recept"
De universiteit probeerde vroeger iedereen hetzelfde te leren: "Hier is een cursus AI, iedereen moet dit doen."
Deze studie zegt: Dat werkt niet.
Het is alsof je probeert een groep vissers en een groep bakkers hetzelfde recept te geven. De vissers hebben een andere visserstas nodig, de bakkers een andere oven.
- Docenten hebben hulp nodig bij ethische vragen: "Hoe gebruik ik dit eerlijk in mijn lessen?"
- Administratief personeel heeft hulp nodig bij regels en tools: "Welke software mogen we kopen en hoe regelen we de beveiliging?"
Conclusie in één zin
Generatieve AI is als een nieuwe, krachtige motor die in de universiteitsstad is geplaatst. De studie laat zien dat de reden waarom de motor niet start, niet ligt aan de bestuurder (de mens), maar aan het type auto (het vakgebied) en de weg (de regels) waar hij op rijdt.
Om AI succesvol te maken, moet de universiteit stoppen met het geven van één groot advies aan iedereen. In plaats daarvan moeten ze specifieke wegen aanleggen voor de Denkers en specifieke garages bouwen voor de Bouwers. Alleen dan kan de stad echt vooruitgaan.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.