Engagement Intensity as a Learner-Modeling Signal for Adaptive AI Ethics Instruction
Deze studie toont aan dat onder trainees in de postdoctorale fase de zelfgerapporteerde frequentie van LLM-gebruik een consistenter en effectiever voorspeller is van de percepties over AI-ethiek voorafgaand aan de instructie dan eerder gevolgde cursussen of zelf ingeschatte bekendheid, wat suggereert dat eenvoudige gedragssignalen effectief kunnen dienen om adaptieve AI-ethiekeducatie te informeren.
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 je een chef bent die een speciale kookles voorbereidt voor een groep aspirant-chefs. Je weet dat sommigen nog nooit een mes hebben aangeraakt, terwijl anderen al jaren koken. Om hen effectief te onderwijzen, moet je weten waar ze beginnen.
Dit artikel gaat over het uitzoeken van de beste manier om studenten te vragen: "Hoeveel ervaring heb je met AI?", voordat je hen lesgeeft over AI-ethiek. De onderzoekers wilden weten: Welke vraag geeft ons het meest nauwkeurige beeld van het startpunt van een student?
Ze testten drie verschillende manieren om naar ervaring te vragen:
- De "CV"-vraag: "Heb je eerder een cursus of workshop over AI gevolgd?"
- De "Zelfvertrouwen"-vraag: "Op een schaal van 1 tot 5, hoe bekend voel je je met AI?"
- De "Actie"-vraag: "Hoe vaak gebruik je daadwerkelijk AI-tools?"
Dit is wat ze vonden, met behulp van enkele eenvoudige analogieën:
1. Het "CV" was een slechte kaart
De onderzoekers vroegen studenten of ze een AI-cursus of workshop hadden bijgewoond. Ze verwachtten dat dit een sterk signaal zou zijn.
- Het resultaat: Het was alsof je een reiziger vraagt: "Ben je ooit in Parijs geweest?" en er vervolgens van uitgaat dat als ze "ja" zeggen, ze ook weten hoe ze door de straten moeten navigeren. Het bleek dat alleen het hebben van een "ticket" (een cursus volgen) de docenten niet veel vertelde over hoe de studenten daadwerkelijk over AI dachten of hoe ze het van plan waren te gebruiken. De data toonden geen duidelijk verband tussen het volgen van een cursus en de huidige opvattingen van de studenten over AI.
2. De "Actie"-vraag was het beste kompas
De onderzoekers keken naar hoe vaak studenten daadwerkelijk AI gebruikten (van "Nooit" tot "Dagelijks").
- Het resultaat: Dit was het krachtigste signaal. Het was alsof je een bestuurder vraagt: "Hoeveel mijlen heb je dit jaar gereden?" Het antwoord voorspelde hun rijgewoonten en zelfvertrouwen perfect.
- Studenten die AI dagelijks gebruikten, hadden heel andere opvattingen dan zij die het nooit gebruikten.
- Specifiek waren zware gebruikers meer bereid om AI te vertrouwen voor algemene feiten, voelden zij zich beter in staat om nepinformatie te herkennen, en maakten zij zich minder zorgen dat AI hun kritisch denkvermogen zou ondermijnen.
- Zelfs de studenten die AI "af en toe" gebruikten, vertoonden een duidelijke sprong in zelfvertrouwen vergeleken met degenen die het nooit gebruikten.
3. De "Zelfvertrouwen"-check was een goed tweede oordeel
De vraag "Hoe bekend voel je je met AI?" was nuttig, maar niet zo perfect als de "Hoe vaak gebruik je het?"-vraag.
- Het resultaat: Het werkte goed voor sommige zaken (zoals het herkennen van nepnieuws of het vertrouwen in AI bij complexe taken), maar was voor andere zaken wat vaag. Het is als een passagier die zegt: "Ik heb het gevoel dat ik de weg ken," wat vaak waar is, maar de werkelijke kilometerstand van de bestuurder (gebruiksfrequentie) een consistenter verhaal vertelt.
De "Drempel"-verrassing
Eén interessante ontdekking was dat de verandering niet geleidelijk verliep als een helling. In plaats daarvan leek het meer op een lichtschakelaar.
- Als je AI nooit had gebruikt, waren je opvattingen op een bepaalde manier.
- Zodra je het ook maar een beetje begon te gebruiken, veranderden je opvattingen aanzienlijk.
- Echter, voor specifieke angsten (zoals "Word ik lui door AI?") vond de verandering pas plaats bij de dagelijkse zware gebruikers.
Waarom is dit belangrijk?
De onderzoekers suggereren dat als je een cursus ontwerpt om AI-ethiek te onderwijzen, je niet alleen naar het cijferlijst van een student moet kijken om te zien of hij een cursus heeft gevolgd. Kijk in plaats daarvan naar een simpele vraag: "Hoe vaak gebruik je AI?"
- Als ze "Nooit" zeggen: Hebben ze waarschijnlijk een basisintroductie nodig over wat AI is en waarom het belangrijk is.
- Als ze "Dagelijks" zeggen: Kennen ze de basis al. Ze hebben misschien een ander soort les nodig die gericht is op de gevaren van overmatig vertrouwen in AI of het herkennen van wanneer AI faalt, omdat ze minder bezorgd lijken over die risico's dan ze zouden moeten zijn.
De essentie
Kortom, wat je doet (het hulpmiddel gebruiken) is een veel betere voorspeller van wat je denkt en voelt dan wat je hebt bestudeerd (een cursus volgen) of hoe zelfverzekerd je je voelt. Voor docenten die hun lessen willen aanpassen, is het stellen van een vraag over werkelijke gebruiksgewoonten de eenvoudigste en meest effectieve manier om studenten vóór de les te groeperen.
Noot: Het paper is een momentopname (een enquête) en bewijst niet dat het aanpassen van de onderwijsstijl op basis van deze antwoorden de studenten gegarandeerd beter zal laten leren — daarvoor is een toekomstig experiment nodig. Het zegt simpelweg dat dit de beste vragen zijn om de studenten op dit moment te begrijpen.
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.