Profiling Faculty Adoption of Generative AI: A Latent Profile Analysis of Platform Engagement and Inferred Drivers
Deze studie maakt gebruik van Latent Profile Analysis op objectieve platformloggegevens van 358 faculteitsleden om twee onderscheidende profielen van het gebruik van generatieve AI te identificeren — "onderwijsassistentie" en "onderzoeksondersteuning" — om zo de kloof tussen zelfgerapporteerde intenties en feitelijk gedrag te overbruggen om gedifferentieerde institutionele ondersteuningsstrategieën te informeren.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://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 probeert te begrijpen hoe een groep mensen een nieuw, magisch hulpmiddel gebruikt. In de wereld van de wetenschap wordt dit vaak "technologie-adoptie" genoemd. Een lange tijd hebben onderzoekers mensen gevraagd: "Vind je dit hulpmiddel leuk? Hoe vaak gebruik je het?" Maar er is een addertje onder het gras: mensen zijn niet altijd eerlijk. Ze kunnen zeggen dat ze het hulpmiddel elke dag gebruiken omdat dat cool klinkt, of ze kunnen de keren vergeten dat ze het daadwerkelijk hebben gebruikt. Deze kloof tussen wat mensen zeggen te doen en wat ze daadwerkelijk doen, is een groot probleem. Om dit op te lossen, zijn wetenschappers begonnen met het bestuderen van "digitale voetafdrukken" – de onzichtbare sporen die we achterlaten wanneer we klikken, typen en scrollen op computers. Door deze voetafdrukken te bestuderen in plaats van vragen te stellen, kunnen onderzoekers het echte verhaal zien. Dit artikel duikt in die wereld en kijkt naar hoe universiteitscollega's een nieuw soort "magisch brein" genaamd Generatieve AI gebruiken. Het vraagt zich af: gebruiken docenten het alleen om hun huiswerk makkelijker te maken, of gebruiken ze het om nieuwe geheimen van het universum te ontdekken? En maakt het uit of ze goed zijn met computers of dat ze net beginnen?
Deze studie, getiteld "Profiling Faculty Adoption of Generative AI," werpt een frisse blik op hoe 358 universiteitsdocenten in Dalian, China, daadwerkelijk een slim leerplatform gebruikten tussen januari en juni 2025. In plaats van enquêtes te versturen en te hopen op de waarheid, handelden de onderzoekers als digitale detectives. Ze analyseerden de "logs" – de automatische registers van elke klik, elke minuut die werd doorgebracht en elke functie die door de docenten werd gebruikt. Ze wilden zien of er verborgen patronen waren in hoe deze docenten zich gedroegen.
Met behulp van een speciale wiskundige techniek genaamd "Latent Profile Analysis" (denk aan een super slimme manier om mensen in groepen te sorteren op basis van hun gewoonten), ontdekten de onderzoekers dat de docenten van nature in twee zeer verschillende kampen uiteenvielen. Ze gebruikten de AI niet zomaar een beetje of veel; ze gebruikten het om totaal verschillende redenen.
De eerste groep is het "Teaching-Assistance Type" (Onderwijsassistentie-type). Stel je deze docenten voor als de "Klaslokaal Helpers". Ze verschijnen meestal op werkdagen, precies tijdens normale schooluren, net als een gewone werkdag. Ze gebruiken de AI voor zaken die hen helpen bij het lesgeven: het genereren van lesplannen, het nakijken van opdrachten en het maken van studiemateriaal. Deze docenten zijn vaak beginners met de technologie. Ze gebruiken het hulpmiddel om hun dagelijkse onderwijstaak soepeler en sneller te laten verlopen, maar ze duiken meestal niet diep in complexe onderzoeksopdrachten. Het zijn de betrouwbare werkers die het hulpmiddel gebruiken om hun hoofdtaak te volbrengen.
De tweede groep is het "Research-Support Type" (Onderzoeksondersteuning-type). Dit zijn de "Deep Divers" (Diepduikers). Zij zijn veel actiever tijdens de avonden en weekenden, momenten waarop de meeste mensen aan het ontspannen zijn. Ze gebruiken de AI niet alleen voor eenvoudige taken; ze gebruiken het voor zwaar werk zoals het schrijven van academische papers, het beheren van complexe kennis en het analyseren van onderzoeksgegevens. Deze groep bestaat voornal uit experts die zeer comfortabel zijn met technologie. Ze behandelen de AI als een krachtige partner in hun wetenschappelijke ontdekkingen, waarbij ze het voor lange, aanhoudende periodes gebruiken om moeilijke problemen op te lossen.
De studie suggereert dat deze twee groepen quite verschillend zijn. De docenten van de "Teaching-Assistance" groep zijn als forenzen die de trein gebruiken om op tijd op het werk te komen, terwijl de "Research-Support" docenten als ontdekkingsreizigers zijn die de trein gebruiken om 's nachts laat naar onontgonnen landen te reizen. De gegevens lieten zien dat hoewel beide groepen het hulpmiddel gebruiken, hun gewoonten, timing en vaardigheidsniveaus zeer verschillend zijn.
Eén interessant ding dat de studie vond, is dat het goed zijn met computers uitmaakt. De "Deep Divers" (Research-Support) waren veel vaker experts, terwijl de "Classroom Helpers" voornamelijk beginners waren. Dit suggereert dat als je wilt dat docenten AI gebruiken voor diepgaand onderzoek, ze misschien eerst meer training en zelfvertrouwen nodig hebben.
De onderzoekers waarschuwen voorzichtig dat dit gebaseerd is op gegevens van slechts één universiteit, dus we kunnen niet 100% zeker weten of dit voor elke school ter wereld geldt. Echter, de patronen die ze vonden zijn duidelijk en sterk binnen hun gegevens. Ze betogen dat scholen de docenten niet allemaal hetzelfde moeten behandelen. In plaats van iedereen dezelfde saaie training te geven, zouden scholen verschillende soorten hulp moeten bieden: snelle, gemakkelijke tips voor de "Classroom Helpers" die gewoon sneller huiswerk willen nakijken, en geavanceerde, diepgaande workshops voor de "Deep Divers" die de grenzen van de wetenschap willen verleggen.
Door te kijken naar de werkelijke digitale voetafdrukken in plaats van alleen te luisteren naar wat mensen zeggen, opent dit artikel een venster naar de echte wereld van hoe docenten zich aanpassen aan de toekomst. Het laat zien dat hoewel iedereen hetzelfde hulpmiddel gebruikt, ze het op twee zeer verschillende manieren gebruiken om twee zeer verschillende problemen op te lossen.
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.