Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
Dit perspectiefartikel introduceert het "Learning Energy"-raamwerk, een multidimensionaal model dat vijf psychologische theorieën integreert om uit te leggen hoe generatieve AI het hoger onderwijs kan uitputten of juist energie geven aan studenten door middel van hulpbron-appraisal, waardoor een allesomvattende benadering wordt geboden voor het begrijpen en in stand houden van het academisch welzijn in door AI bemiddelde omgevingen.
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
In de moderne universiteit heeft de handeling van het leren stilletjes van textuur veranderd. Decennialang vertrouwde onderwijs op het begrijpen van hoe studenten gemotiveerd blijven, hoe ze zich verdiepen in moeilijk materiaal en hoe ze hun mentale welzijn behouden. Dit zijn bekende concepten: motivatie is de reden waarom een student aan een taak begint, betrokkenheid is de inspanning die zij erin stoppen, en welzijn is het gevoel dat zij gezond functioneren. Toch is er een nieuwe kracht de klas binnengekomen, een kracht die niet alleen in een kast staat, maar actief deelneemt aan het denkproces. Generatieve kunstmatige intelligentie, de technologie die essays kan schrijven, complexe ideeën kan uitleggen en directe feedback kan bieden, is verschoven van de marge naar het centrum van het dagelijkse academische leven. Het biedt snelheid en helderheid, maar brengt ook een paradox met zich mee. Een student kan een opdracht sneller voltooien terwijl hij minder nadenkt, of hij kan dezelfde tool gebruiken om zijn begrip te verdiepen en zijn eigen ideeën te verifiëren. De vraag die voor onderwijzers en onderzoekers staat, is niet langer alleen of deze technologie werkt, maar hoe het de interne brandstof verandert die een lerende op gang houdt.
Een nieuw perspectief van de Universiteit van Phuong Dong stelt een manier voor om deze interne brandstof te meten, die zij "Leerenergie" noemen. Dit concept is niet één enkel gevoel zoals enthousiasme of vermoeidheid, maar een dynamische hulpbron die een persoon in staat stelt om te leren, te volhouden en te reguleren. De auteur, Van Huong Nguyen, suggereert dat deze energie hernieuwbaar en sociaal gedeeld is. Het is niet iets dat een student alleen in zijn hoofd draagt; het wordt gegenereerd en uitgeput door de interactie met de technologie, de medestudenten, de docenten en de regels van de instelling. Het artikel betoogt dat we de impact van kunstmatige intelligentie niet kunnen begrijpen door alleen naar het eindcijfer of de snelheid van het werk te kijken. In plaats daarvan moeten we kijken naar of de technologie een student helpt helder te denken, zich veilig genoeg voelt om risico's te nemen, doorzet bij moeilijkheden, verbinding maakt met anderen en de ware auteur blijft van zijn eigen werk.
Het onderzoek begint met de observatie dat bestaande ideeën over leren te gefragmenteerd zijn om uit te leggen wat er nu gebeurt. We hebben theorieën over motivatie, over hoe mensen hun middelen beheren en over hoe sociale verbindingen ons helpen te handelen, maar deze worden vaak in isolatie bestudeerd. Het artikel weeft deze afzonderlijke draden samen tot één samenhangend kader. Het suggereert dat leerenergie vijf duidelijke maar verbonden dimensies heeft. Ten eerste is er cognitieve energie, de mentale helderheid die nodig is om informatie te verwerken. Ten tweede is er emotionele energie, het gevoel van veiligheid en zelfvertrouwen dat een student in staat stelt om met onzekerheid om te gaan. Derde is motivationele energie, de kracht die een student aan het werk houdt wanneer een taak moeilijk wordt. Ten slotte is er sociaal-relationele energie, de bereidheid om te leren die voortkomt uit het gevoel verbonden te zijn met medestudenten en docenten. En tot slot is er agentiële energie, het vermogen om de beslisser en de verantwoordelijke auteur van het werk te blijven.
Het kader legt uit dat kunstmatige intelligentie deze energie kan opbouwen of juist kan uitputten, afhankelijk van hoe het wordt gebruikt en hoe de student het ervaart. Wanneer een student de technologie gebruikt om een verwarrend idee te verduidelijken, een snel voorbeeld te krijgen of een moeilijk concept te oefenen zonder angst voor oordeel, fungeert het hulpmiddel als een generator. Het verlaagt de drempel om aan een taak te beginnen en kan de student het gevoel geven dat hij meer in staat is. Echter, dezelfde tool kan een uitputtend element worden als dit leidt tot overmatige afhankelijkheid. Als een student simpelweg de output kopieert zonder na te denken, of als de technologie de noodzaak vervangt om feiten te verifiëren, verdwijnt de mentale inspanning die nodig is om te leren, en daarmee ook het gevoel van eigenaarschap. Het artikel merkt op dat dit kan leiden tot een staat van "efficiënte isolatie", waarbij een student werk snel produceert maar zich losgekoppeld voelt van zijn medestudenten en onzeker is over zijn eigen vermogens.
Om deze verschillende uitkomsten inzichtelijk te maken, schetst de auteur vier mogelijke profielen van hoe studenten deze omgeving ervaren. Eén groep, die zowel een gebrek heeft aan sterke menselijke steun als aan effectief gebruik van de technologie, kan zich uitgeput en angstig voelen. Een andere groep, die zwaar wordt ondersteund door docenten en medestudenten maar minder afhankelijk is van de technologie, kan veerkracht tonen. Een derde groep, die een hoog niveau van kunstmatige intelligentie gebruikt maar een gebrek aan menselijke verbinding heeft, kan zichzelf in een staat van efficiënte isolatie bevinden, waarbij snelheid ten koste gaat van diepgaand leren en sociale verbondenheid. Het ideale profiel, beschreven als "geënergiseerde co-agency", treedt op wanneer hoogwaardige kunstmatige intelligentie wordt gecombineerd met sterke menselijke ondersteuning. In dit scenario helpt de technologie bij het genereren van ideeën, maar de student, geleid door docenten en medestudenten, verifieert, bekritiseert en verfijnt die ideeën. Het resultaat is een leerproces waarbij de student zich helder, zelfverzekerd, verbonden en volledig in controle voelt.
Het artikel benadrukt dat deze energie geen vaststaand kenmerk is, maar een cyclus die stijgt en daalt. Een student kan aan een taak beginnen met een hoge energie, waarbij de technologie wordt gebruikt voor een snelle start. Naarmate het werk vordert, als de eisen voor verificatie en kritisch denken toenemen zonder ondersteuning, kan die energie uitgeput raken. Echter, als de student pauzeert om te reflecteren, het werk bespreekt met een medestudent of duidelijke begeleiding krijgt van een docent, kan de energie worden geregenereerd. Het kader suggereert dat duurzaam leren afhangt van dit vermogen tot herstel. Het is niet voldoende om simpelweg toegang te hebben tot krachtige instrumenten; de onderwijsomgeving moet de voorwaarden bieden voor de student om zijn mentale en emotionele middelen te herstellen. Dit omvat duidelijke beleidsregels die angst over regels verminderen, beoordelingsmethoden die de denkproces belangrijker vinden dan het eindproduct, en een cultuur waarin studenten worden aangemoedigd om te bevragen en te verifiëren wat de technologie hen vertelt.
De auteur stelt dat deze nieuwe manier van naar leren kijken een oplossing biedt voor de verwarring rondom kunstmatige intelligentie in het onderwijs. Het verplaatst het gesprek voorbij de simpele vragen of de technologie goed of slecht is. In plaats daarvan vraagt het of de specifieke manier waarop een student het hulpmiddel gebruikt, hem helpt om te denken, te voelen en te handelen als een verantwoordelijke lerende. Het onderzoek suggereert dat wanneer kunstmatige intelligentie de behoefte van een student aan autonomie, competentie en verbinding ondersteunt, het hun leren aanwakkert. Wanneer het hun keuzes vervangt of hen isoleert, put het hen uit. Het artikel beweert niet het probleem te hebben opgelost van hoe te doceren met kunstmatige intelligentie, maar het biedt een vocabulaire en een kaart om de verborgen kosten en voordelen van de technologie te begrijpen. Het nodigt onderwijzers uit om leerervaringen te ontwerpen die niet alleen snellere resultaten produceren, maar die het menselijk vermogen om te leren, te denken en te floreren in een wereld die steeds meer door machines wordt gevormd, bewaren en vernieuwen.
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.