🤖 AI

Gender Differences in AI Literacy Workshop Outcomes and Deepfake Engagement

Deze studie naar Australische middelbare scholieren onthult dat hoewel mannelijke leerlingen aanvankelijk een hogere interesse in STEM rapporteerden en vaker deepfakes maakten, een eendaagse workshop over AI-geletterdheid de kennis van alle deelnemers aanzienlijk verbeterde en met name het zelfvertrouwen en de carrièreambities van vrouwelijke leerlingen een boost gaf, waardoor de genderkloof in STEM hiermee gedeeltelijk werd verkleind.

Oorspronkelijke auteurs: Jake Renzella, Christian Bergh, Natasha Banks, Alexandra Vassar

Gepubliceerd 2026-06-16

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Jake Renzella, Christian Bergh, Natasha Banks, Alexandra Vassar

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 een eenmalige "AI Bootcamp" voor voor middelbare scholieren in Australië voor. De organisatoren wilden weten: komen jongens en meisjes met dezelfde vaardigheden deze kamer binnen, en gaan ze weg met dezelfde nieuwe superkrachten?

Hier is het verhaal van wat ze ontdekten, verteld zonder het jargon.

De Startlijn: Wie dacht dat ze de experts waren?

Voordat de workshop begon, maakten de onderzoekers een "snapshot" van de geest van de studenten.

Het Zelfvertrouwen van de Jongens: De jongens voelden zich over het algemeen meer deskundig over hoe AI werkt. Het is als een groep kinderen waarbij de jongens eerder zeggen: "Ik weet hoe ik de motor moet repareren," zelfs als ze de motorkap nog niet eens hebben geopend. Ze waren ook veel geïnteresseerder in het later worden van ingenieur of computerwetenschapper.
De Gewoontes van de Meisjes: De meisjes waren echter degene die de tools daadwerkelijk gebruikten. Zij waren eerder geneigd om AI om hulp te vragen bij huiswerk of om advies te vragen bij een probleem. Als AI een bibliotheek was, waren de jongens degene die opschepten dat ze het decimale classificatiesysteem kenden, terwijl de meisjes degene waren die daadwerkelijk boeken uitleenden om hun essays te schrijven.
Het "Deepfake" Spel: Dit is waar het interessant werd. Een "deepfake" is als een digitale poppenspel waarbij AI een video maakt van iemand die dingen zegt of doet die diegene nooit echt heeft gedaan.
- Jongens waren veel eerder geneigd om deze nepvideo's met vrienden te delen.
- Meisjes waren eerder geneigd om te rapporteren (het aan een volwassene of platform te melden) dat ze een nepvideo hadden gezien.
- De Metafoor: Stel je een schoolplein voor. De jongens waren eerder degene die een grappig maar nep gerucht rondstuurden, terwijl de meisjes eerder hun hand opstaken om de leraar te vertellen: "Hé, dat gerucht klopt niet."

De Workshop: De "Magische Les"

De studenten besteedden één dag aan het leren over AI. Achteraf maakten de onderzoekers opnieuw een snapshot.

Iedereen werd slimmer: Zowel jongens als meisjes leerden veel bij. Hun kennis over AI steeg aanzienlijk, zoals het vullen van een emmer met water. Ze voelden zich ook beide zelfverzekerder.
De "Super-Boost" van de Meisjes: Terwijl iedereen leerde, kregen de meisjes een bredere upgrade.
- Ze leerden niet alleen feiten; ze begrepen de concepten beter (zoals hoe AI wordt getraind of hoe het fouten kan maken).
- De Grote Winst: De interesse van de meisjes om AI- of computerwetenschapsexpert te worden, groeide aanzienlijk. Het was alsoals een vonk die een vuur deed ontbranden.
- De Stagnatie van de Jongens: De interesse van de jongens in deze carrières veranderde niet echt. Ze waren er al geïnteresseerd in, dus de workshop maakte ze niet méér geïnteresseerd.
- Het Resultaat: Omdat de interesse van de meisjes omhoog ging en die van de jongens gelijk bleef, werd de "kloof" tussen hen een beetje kleiner. De workshop hielp om het speelveld gelijk te trekken.

De Deepfake Veiligheidsles

De studie vond een duidelijk patroon in hoe studenten met "nep" content omgingen. Omdat de jongens eerder geneigd waren om deepfakes te delen, suggereren de onderzoekers dat toekomstige lessen een speciale "veiligheidsmodule" nodig hebben. Het is als het aanleren van een specifieke verkeersregel aan de bestuurders die het meest geneigd zijn te snel te rijden, in plaats van alleen een algemene lezing aan iedereen te geven.

De Kern van het Verhaal

Deze studie is als een spiegel die in een klaslokaal wordt gehouden. Het laat zien dat:

Jongens vaak meer zelfvertrouwen hebben over AI, maar minder geneigd zijn het voor schoolwerk te gebruiken en eerder geneigd zijn nepcontent te delen.
Meisjes actieve gebruikers zijn van AI voor leren en voorzichtiger zijn met nepcontent.
Eén dag kan uitmaken: Een workshop van één dag leerde niet alleen feiten; het hielp meisjes zich enthousiaster te voelen over toekomstige carrières in de tech, wat hielp om de kloof tussen jongens en meisjes in de techwereld te verkleinen.

Belangrijke Opmerking: De studie keek alleen naar twee scholen in regionaal Australië, dus we kunnen niet zeggen dat dit overal zo is, maar het geeft ons een sterke aanwijzing over hoe we betere AI-lessen voor iedereen kunnen ontwerpen.

Technische Samenvatting: Geslachtsverschillen in de resultaten van AI-geletterdheidsworkshops en betrokkenheid bij deepfakes

Probleemstelling
Naarmate initiatieven voor AI-geletterdheid binnen het K–12 onderwijs groeien, ontstaat er een kritieke kloof in het begrip van hoe geslacht invloed heeft op de basispercepties, het gebruik van tools en de responsiviteit op interventies bij studenten. Hoewel genderverschillen in computeronderwijs goed gedocumenteerd zijn, blijft empirisch bewijs met betrekking tot genderverschillen in AI-geletterdheid onder middelbare scholieren schaars. Bovendien introduceert de snelle opkomst van synthetische media (deepfakes) genderspecifieke veiligheidsrisico's, terwijl de intersectie tussen AI-geletterdheidsonderwijs en deepfake-bewustzijn beperkte empirische aandacht heeft gekregen. Bestaande kaders richten zich vaak op wat studenten zouden moeten weten, maar falen in het analyseren van wie profiteert van deze interventies of of strategieën effectief zijn over diverse demografische groepen heen.

Methodologie
Deze studie evalueerde de impact van een eendaagse AI-geletterdheidsworkshop (onderdeel van het "Day of AI"-programma) op Australische middelbare scholieren van twee co-editionele openbare scholen in New South Wales.

Deelnemers: De studie omvatte studenten uit de jaren 7, 8 en 10 ( $N_{pre} = 199$ , $n_{post} = 136$ ). Scholen met alleen één geslacht en jaar 9 werden uitgesloten om verstorende variabelen te vermijden. Antwoorden van non-binaire personen of personen die hun geslacht niet hebben vrijgegeven, werden uitgesloten vanwege een onvoldoende steekproefomvang ( $n \le 9$ ).
Instrument: Een enquête, aangepast van eerder werk, mat negen constructen: AI-kennis, begrip van AI-training en bias, attitudes, zelfvertrouwen, frequentie van toolgebruik, conceptuele toepassing, motivaties, deepfake-ervaring (multi-select) en interesse in STEM-carrières.
Analyse: Statistische analyses controleerden voor leerjaar en school.
- Ordinale items (Likert-schalen): Geanalyseerd met Ordinary Least Squares (OLS) regressie met gender als dummy-variabele (Man als referentiegroep). Effectgroottes werden berekend met Cohen's $d$ .
- Binaire/Multi-select items: Geanalyseerd met logistische regressie, waarbij Odds Ratio's (OR) voor de gendercoëfficiënt werden gerapporteerd.
- Interventie-effecten: Pre- en post-interventievergelijkingen werden uitgevoerd binnen gendergroepen met een modeluitkomst van $\sim fase + leerjaar + school$ .

Belangrijkste Bevindingen

1. Basale Genderverschillen (Pre-workshop)

STEM-ambities: Mannelijke studenten rapporteerden een significant hogere interesse in STEM-carrières over alle drie de domeinen: Engineering ( $d = -0,81$ ), Computerwetenschappen ( $d = -0,68$ ) en AI ( $d = -0,58$ ).
AI-begrip: Mannelijke studenten rapporteerden een significant hoger zelfgepercipieerd begrip van hoe AI-systemen worden getraind ( $d = -0,29$ ).
Toolgebruik: Vrouwelijke studenten waren significant vaker geneigd AI te gebruiken voor schoolwerk (OR = 1,81) en om advies te zoeken bij AI-tools (OR = 2,35). Mannelijke studenten rapporteerden een frequentere het gebruik van Microsoft Copilot.
Deepfake-gedrag: Mannelijke studenten waren significant vaker geneigd om deepfake-content te delen (23,2% vs. 10,0%, OR = 0,34). Vrouwelijke studenten waren significant vaker geneigd om deepfake-content te rapporteren (24,0% vs. 14,1%, OR = 2,14). Trends suggereerden dat mannen vaker deepfakes creëerden of het onderwerp ervan waren, maar deze waren niet statistisch significant na controle voor covariaten.
Geen significante verschillen: Basale verschillen werden niet gevonden in algemene AI-kennis, zelfvertrouwen, privacybewustzijn of begrip van AI-bias.

2. Differentiële Interventie-effecten (Post-workshop)

Algemene winsten: Beide geslachten vertoonden statistisch significante verbeteringen in AI-kennis en zelfvertrouwen (medium effectgroottes voor beide).
Vrouw-specifieke winsten: Vrouwelijke studenten vertoonden een rijker profiel van winsten, inclus\nclusief medium-grote verbeteringen in het begrip van AI-training ( $d = 0,75$ ) en AI-bias ( $d = 0,49$ ). Cruciaal was dat vrouwen significante toenames lieten zien in carrière-interesse voor AI ( $\Delta M = +0,45$ , $d = 0,52$ ) en Computerwetenschappen ( $\Delta M = +0,44$ , $d = 0,47$ ).
Man-specifieke uitkomsten: Mannelijke studenten vertoonden geen significante verandering in carrière-ambities voor AI of Computerwetenschappen.
Platformherkenning: Beide geslachten verbeterden in het identificeren van AI-gebruik in entertainmentplatforms (Netflix, Spotify), waarbij vrouwen ook winsten lieten zien in het identificeren van TikTok.

Belangrijkste Bijdragen en Claims van Significantie
De auteurs claimen de eerste gender-gedisaggregeerde analyse van een AI-geletterdheidsworkshop met Australische middelbare scholieren te bieden. De significantie van de studie ligt in drie primaire gebieden:

Het verkleinen van de Gender-STEM-kloof: De workshop lijkt te helpen de genderkloof in STEM-ambities te verkleinen. Terwijl mannen een hogere interesse hadden, bleef hun interesse na de interventie statisch, terwijl vrouwen significante winsten lieten zien in AI- en CS-carrière-interesse.
Gender-responsieve uitkomsten: De interventie produceerde gender-gedifferentieerde uitkomsten. Hoewel beide geslachten winst boekten in kennis en zelfvertrouwen, behaalden vrouwen bredere conceptuele winsten (training, bias) en verschuivingen in carrièrepaden.
Implicaties voor Deepfake-veiligheid: De bevindingen benadrukken onderscheidende gedragspatronen met betrekking tot synthetische media. Het hogere percentage delen en de potentiële creatie van deepfakes onder mannen suggereert een behoefte aan gerichte veiligheidseducatie gericht op de ethische verspreiding van synthetische media voor mannelijke studenten.

Beperkingen en Aanbevelingen
De auteurs vermelden beperkingen, waaronder de restrictie tot twee regionale scholen (wat de generaliseerbaarheid beperkt), het anonieme enquêteontwerp (dat gepaard-individuele analyses verhindert) en mogelijke self-reporting bias.

Op basis van deze bevindingen stellen de auteurs drie specifieke aanbevelingen voor het ontwerp van AI-geletterdheidsprogramma's voor:

Gebruik workshops specifiek om de vrouwelijke STEM-carrièreinteresse te vergroten.
Neem gender-specifieke deepfake-veiligheidsmodules op, met name gericht op mannelijke studenten.
Zorg ervoor dat evaluaties van workshops expliciet de gelijkheid van impact monitoren op basis van geslacht.

De Startlijn: Wie dacht dat ze de experts waren?

De Workshop: De "Magische Les"

De Deepfake Veiligheidsles

De Kern van het Verhaal

Meer zoals dit