Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
Deze studie analyseert AI-beleid binnen Amerikaanse instellingen voor hoger onderwijs en stelt een significante discrepantie vast waarbij richtlijnen op universiteitsniveau prioriteit geven aan risicobeheersing, terwijl beleid op faculteitsniveau zich richt op pedagogiek, een kloof die bijzonder uitgesproken is in business schools en de integratie van discipline-specifieke leerdoelen belemmert.
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 de wereld van het hoger onderwijs voor als een enorme, bruisende stad. Al decennia lang moet deze stad beslissen hoe ze met nieuwe hulpmiddelen omgaat: eerst kwam de rekenmachine, toen het spreadsheet, en nu het krachtigste hulpmiddel tot nu toe: Kunstmatige Intelligentie (AI). Denk aan AI als een superintelligente, alwetende assistent die essays kan schrijven, complexe wiskundige problemen kan oplossen en gegevens in seconden kan analyseren. Maar net als bij een nieuwe superkracht, komt er een addertje onder het gras bij kijken. Scholen proberen de verkeersregels uit te vogelen: Moet het studenten toegestaan zijn om deze assistent te gebruiken? Zo ja, hoe? En wie bepaalt de regels? Dit is de grote vraag die dit artikel behandelt. Het kijkt naar hoe universiteiten (de stadsregering) en specifieke scholen binnen hen, zoals business schools (gespecialiseerde wijken), hun eigen regelboeken schrijven voor AI. Het doel is om te zien of iedereen uit hetzelfde liedje zingt of dat de stad en de wijken ruzie maken over de tekst.
De auteurs, Lydia Manikonda en Dominique Outlaw, besloten een detective te spelen. Ze gokten niet zomaar; ze gebruikten een computerprogramma (een soort digitale vergrootglas) om 130 verschillende AI-beleidsregels van universiteiten in 34 Amerikaanse staten te lezen en te analyseren. Ze wilden zien of de algemene regels van de universiteit overeenkwamen met de specifieke regels die door business schools waren opgesteld. Ze behandelden de tekst van deze beleidsregels als een puzzel, waarbij ze wiskunde gebruikten om te meten hoe "blij" of "bang" de regels klonken (sentiment), hoe duidelijk ze waren en hoe vergelijkbaar de verschillende regelboeken met elkaar waren.
Dit is wat zij vonden, en het is een beetje alsof je ontdekt dat de stadsregering en de lokale buurtwacht twee verschillende talen spreken.
Eerst keken ze naar het grote plaatje: de beleidsregels van de gehele universiteit. Deze bleken erg voorzichtig te zijn, als een ouder die tegen een kind zegt: "Pas op met dat nieuwe speeltje." De taal was overwegend neutraal en zacht, met woorden als "kan" of "mag" in plaats van strikte bevelen zoals "moet" of "verboden". De nadruk van deze grote beleidsregels lag vooral op veiligheid en risico. Ze maakten zich zorgen over gegevensbeveiliging (geheimen veilig houden) en over het feit dat niemand de technologie zou kunnen misbruiken. Ze zeiden in feite: "Breek niets kapot en upload geen privé-informatie naar het internet."
Toen zoomden de auteurs in op de business schools. Ze ontdekten dat slechts acht van de 130 universiteiten een apart, specifiek beleid hadden voor alleen hun business school. Maar hier is de wending: toen ze deze acht beleidsregels van de business schools vergeleken met de regels van hun moederuniversiteit, kwamen ze niet goed overeen. Het was alsoast de stad zei: "Raak de draden niet aan," maar de business school zei: "Hier is hoe je de draden gebruikt om een coole robot te bouwen."
De beleidsregels van de business schools waren veel meer gericht op hoe je AI gebruikt voor het leren. Ze spraken over specifieke tools, hoe je opdrachten schrijft waarbij AI wordt gebruikt, en hoe je studenten leert om goed met deze tools om te gaan. Ze waren minder bezorgd over de "niet doen"-zaken en meer bezorgd over de "hoe"-zaken. De universiteitsregels gingen over het bewaken van het kasteel (risicobeheer), terwijl de beleidsregels van de business schools gingen over het leren van de ridders hoe ze moeten vechten (pedagogiek en vaardigheden).
Het artikel suggereert dat deze mismatch een probleem is. Als de universiteit zegt: "Wees voorzichtig," maar de business school zegt: "Gebruik dit hulpmiddel om een baan te krijgen," raken studenten en docenten in de war. Ze weten niet of ze bang moeten zijn voor AI of enthousiast moeten zijn over AI. De auteurs stellen dat we deze kloof moeten dichten. Ze stellen een nieuwe manier van denken voor waarbij de universiteit de veiligheidshekjes instelt (zoals "upload geen geheimen"), maar de business schools vrij zijn om de leerpaden binnen die hekjes te bouwen.
De auteurs benadrukken dat dit geen opgelost probleem is. Ze suggereren dat het op dit moment een beetje rommelig en gefragmenteerd is. Ze ontdekten dat de meeste universiteiten zich nog in de "uitzoekfase" bevinden en zachte taal gebruiken omdat de technologie zo snel verandert. Ze raden aan dat scholen samenwerken om ervoor te zorgen dat de grote regels en de kleine regels met elkaar communiceren, zodat studenten klaar zijn voor de echte wereld, waar AI al een normaal onderdeel van het werk is.
Kortom, het artikel laat zien dat terwijl universiteiten proberen iedereen veilig te houden voor AI, business schools proberen studenten te leren hoe ze het kunnen gebruiken. De uitdaging is om ervoor te zorgen dat deze twee doelen elkaar niet in de weg zitten, maar juist samenwerken om een toekomst te creëren waarin studenten zowel veilig als vaardig zijn.
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.