Structural Modelling of Generative AI Cognitive Integration, Algorithmic Literacy, and Academic Dependency in Peruvian Higher Education

In het snel veranderende landschap van het moderne onderwijs is er een nieuw soort leermiddel gearriveerd met de kracht van een vloedgolf: generatieve kunstmatige intelligentie. Dit zijn computerprogramma's die in staat zijn om essays te schrijven, complexe problemen op te lossen en ideeën te genereren die ooit een menselijke geest vereisten. Voor studenten in Peru, zoals in veel andere plaatsen, zijn deze hulpmiddelen nu met één klik beschikbaar. Toch is het bezitten van een krachtig instrument niet hetzelfde als weten hoe je het moet hanteren. De centrale vraag waar onderwijzers en onderzoekers vandaag de dag voor staan, is niet of studenten deze machines kunnen gebruiken, maar hoe het gebruik ervan de manier waarop hun hersenen werken verandert. Helpt het begrijpen van hoe de machine denkt een student om beter te leren, of zorgt het simpelweg vertrouwen op de machine ervoor dat ze vergeten hoe ze zelf moeten denken? Deze spanning vormt de kern van een nieuwe studie die werd uitgevoerd in drie belangrijke regio's van Peru, waarbij geprobeerd werd de onzichtbare paden in kaart te brengen tussen het weten hoe technologie werkt, hoe studenten het in hun denken integreren, en of ze erdoor afhankelijk worden.

De onderzoekers begonnen met het verzamelen van een grote groep van 642 universiteitsstudenten uit Lima, Arequipa en Cusco, die een mix vormden van publieke en private instellingen en diverse vakgebieden, van techniek tot gezondheidswetenschappen. Zij vroegen deze studenten om na te denken over hun eigen gewoonten en vaardigheden, waarbij de focus specifiek lag op vier kerngebieden. Ten eerste maten zij "algoritmische geletterdheid", wat simpelweg het vermogen is om te begrijpen hoe een kunstmatige intelligentie haar antwoorden genereert, fouten te herkennen en te zien wanneer deze bevooroordeeld kan zijn. Ten tweede keken zij naar "cognitieve integratie", oftewel de mate waarin een student de AI gebruikt om het eigen begrip te verdiepen, complexe ideeën te verbinden en argumenten te verbeteren. Ten derde onderzochten zij "academische afhankelijkheid", een toestand waarin een student het gevoel heeft een taak niet te kunnen voltooien zonder de machine, of zich angstig voelt wanneer hij er geen toegang toe heeft. Ten slotte beoordeelden zij "waargenomen academische prestaties", wat de manier is waarop studenten over hun eigen cijfers en productiviteit denken. De studie hield ook rekening met "digitale ethiek", het persoonlijke morele kompas dat een student hanteert met betrekking tot het verantwoordelijke gebruik van technologie.

Het onderzoek onthulde een duidelijk en krachtig verhaal over hoe deze factoren met elkaar interageren. De gegevens toonden aan dat studenten die een sterk begrip hadden van hoe kunstmatige intelligentie werkt, aanzienlijk vaker de neiging hadden om het als een instrument te gebruiken om hun eigen denken te stimuleren. In plaats van de machine het werk voor hen te laten doen, gebruikten deze studenten het om hun argumenten te verfijnen en moeilijke concepten te verbinden. Met andere woorden: weten hoe de technologie functioneert, fungeerde als een sleutel die een meer geavanceerde manier van leren ontsloot. Omgekeerd fungeerde ditzelfde begrip als een schild tegen afhankelijkheid. Studenten die geletterd waren in de mechanica van AI, waren veel minder geneigd om het gevoel te hebben dat ze de machine nodig hadden om te overleven tijdens hun studieonderdelen of om zich angstig te voelen zonder deze. De studie vond dat wanneer studenten de "black box" van het algoritme begrepen, ze minder vatbaar waren voor de valstrik om hun mentale inspanning volledig uit te besteden.

De relatie tussen het gebruik van AI en het goed presteren op school was echter geen rechte lijn; dit hing volledig af van de manier waarop het hulpmiddel werd gebruikt. Het onderzoek bevestigde dat wanneer studenten erin slaagden AI succesvol in hun eigen denkproces te integreren, zij zich productiever voelden en zagen dat hun cijfers verbeterden. Maar wanneer studenten in het patroon van afhankelijkheid vervielen, waarbij ze de machine het zware werk lieten doen zonder kritische beoordeling, leden hun waargenomen academische prestaties eronder. De machine werd in dat geval een kruk die hun eigen metacognitieve vaardigheden verzwakte. Een cruciale bevinding kwam naar voren met betrekking tot de rol van ethiek: studenten die sterke ethische principes hanteerden over het verantwoordelijke gebruik van technologie, waren beter beschermd. Voor deze studenten leidde het begrijpen van de technologie zelfs tot een nog sterkere vermindering van afhankelijkheid, wat suggereert dat moreel bewustzijn de voordelen van technische kennis versterkt.

De studie adresseerde ook een veelvoorkomende zorg in educatief onderzoek: of de resultaten simpelweg een reflectie waren van andere verborgen factoren, zoals de rijkdom van een student of de toegang tot internet. Door geavanceerde statistische methoden te gebruiken om voor deze variabelen te controleren, bevestigden de onderzoekers dat de gevonden relaties robuust en direct waren. Het model dat zij bouwden, verklaarde meer dan de helft van de variatie in hoe studenten hun eigen academisch succes waarnamen, een niveau van helderheid dat zeldzaam is in de sociale wetenschappen. De gegevens weerlegden het idee dat deze effecten willekeurig waren of werden veroorzaakt door externe omstandigheden, en wezen in plaats daarvan op een specifieke causale keten: het begrijpen van de technologie leidt tot betere integratie en minder afhankelijkheid, wat op zijn beurt leidt tot betere academische resultaten.

Deze bevindingen dragen een belangrijke boodschap over voor de toekomst van het onderwijs in Peru en daarbuiten. Het bewijs suggereert dat de oplossing voor de uitdagingen die kunstmatige intelligentie met zich meebrengt, niet ligt in het verbieden of negeren ervan, maar in het leren aan studenten hoe ze het moeten begrijpen. De studie geeft aan dat beleid dat uitsluitend gericht is op verbod onvoldoende is. In plaats daarvan zouden universiteiten zich moeten richten op het ontwikkelen van "kritisch computationeel denken", waarbij studenten helpen de logica achter de algoritmen die zij gebruiken te ontcijferen. Door een diep begrip van de technologie te bevorderen en dit te koppelen aan sterke ethische richtlijnen, kunnen onderwijzers studenten helpen deze hulpmiddelen te transformeren van bronnen van afhankelijkheid naar instrumenten van intellectuele groei. Het onderzoek concludeert dat de weg vooruit ligt in het empoweren van studenten om de meesters van de technologie te zijn, zodat de machine de geest dient in plaats van deze te vervangen.