Tailored to Thrive: How Customized Generative Artificial Intelligence Appropriation Shapes Academic Achievement in Higher Education
Gebruikmakend van de sociaal-cognitieve theorie en gegevens van 420 Chinese studenten, onthult deze studie dat de gepersonaliseerde toeëigening van generatieve AI het academische succes bevordert door het academisch zelfeffectiviteit te vergroten, een effect dat verder wordt versterkt door de academische veerkracht van studenten.
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 het landschap van het moderne leren is er een nieuw instrument gearriveerd met de kracht van een vloedgolf: generatieve kunstmatige intelligentie. Deze systemen kunnen essays opstellen, vergelijkingen oplossen en complexe ideeën in enkele seconden uitleggen, wat velen doet afvragen of ze de ultieme afkorting naar succes zullen worden of een kruk die de geest verzwakt. De centrale vraag voor zowel docenten als studenten is niet simpelweg of deze hulpmiddelen worden gebruikt, maar hoe ze worden gebruikt. Als een student een machine om een direct antwoord vraagt, is het resultaat vaak een voltooid product met weinig leerproces verbonden aan het proces. Maar als een student de machine als een partner behandelt, door de vragen vorm te geven en de antwoorden te verfijnen om aan de eigen behoeften te voldoen, verandert de ervaring volledig. Deze verschuiving van passieve consumptie naar actieve vormgeving is de kern van een recent onderzoek naar hoe universiteitsstudenten interageren met kunstmatige intelligentie en wat dat betekent voor hun cijfers en zelfvertrouwen.
Onderzoekers van drie Chinese universiteiten zetten zich in om deze dynamiek te begrijpen door te kijken naar een concept dat zij "gepersonaliseerde toe-eigening" noemen. In gewone taal beschrijft dit de mate waarin een student een generieke technologie neemt en deze buigt naar zijn of haar eigen specifieke doeleinden. Het is het verschil tussen een zoekmachine om een definitie vragen en een student die zijn prompts aanpast, specifieke AI-modellen selecteert voor verschillende taken en de output kritisch bewerkt om aan de unieke leerdoelen te voldoen. Het team wilde weten of deze actieve, op maat gemaakte aanpak leidt tot betere academische resultaten. Ze verkenden ook de rol van twee interne factoren: het geloof van een student in het eigen vermogen om succesvol te zijn, bekend als academisch zelfeffectiviteit, en het vermogen om te herstellen van tegenslagen, bekend als academische veerkracht. De studie suggereert dat de manier waarop een student de technologie gebruikt belangrijker is dan de frequentie van het gebruik.
Om de antwoorden te vinden, volgden de onderzoekers 420 universiteitsstudenten gedurende een bepaalde periode, waarbij ze hen in drie afzonderlijke golven ondervroegen met telkens twee weken tussenpoos. Deze methode stelde hen in staat om te zien hoe de ene factor de andere factor in de loop van de tijd beïnvloedde, in plaats van slechts een enkel momentopname te nemen. In de eerste fase maten ze in hoeverre de studenten hun AI-gebruik aanpasten en hoe veerkrachtig ze waren bij het gezicht staan van academische druk. Twee weken later vroegen ze naar het vertrouwen van de studenten in hun vermogen om moeilijke taken aan te kunnen. Ten slotte beoordeelden ze de academische prestaties, waarbij ze keken naar zowel de zelfgerapporteerde tevredenheid over hun cijfers als naar hun werkelijke gemiddelde cijferlijst. De gegevens onthulden een duidelijk pad: studenten die hun AI-interacties actief aanpasten, rapporteerden hogere niveaus van vertrouwen in hun academische vermogens, en dit vertrouwen was op zijn beurt gekoppeld aan betere academische prestaties.
De studie vond dat de relatie tussen het aanpassen van AI en het gevoel van vertrouwen niet voor iedereen hetzelfde was. Het hing sterk af van de veerkracht van een student. Voor studenten die van nature beter in staat waren om door uitdagingen heen te zetten en hun strategieën aan te passen wanneer zaken misgingen, had de handeling van het aanpassen van AI een sterker positief effect op hun vertrouwen. Deze studenten leken beter uitgerust om de onvermijdelijke frictie van het werken met AI aan te kunnen, zoals het omgaan met imperfecte antwoorden of de noodzaak om prompts meerdere keren te herschrijven. Zij zagen deze hindernissen als onderdeel van het leerproces in plaats van als mislukkingen. In contrast hiermee kregen studenten met een lagere veerkracht minder vertrouwen uit hetzelfde niveau van aanpassing, wat suggereert dat de psychologische kracht om te blijven proberen een sleutelcomponent is om AI in een leermiddel te veranderen.
De onderzoekers concludeerden dat de waarde van kunstmatige intelligentie in het onderwijs niet inherent is aan de software zelf, maar voortkomt uit de menselijke interactie ermee. Wanneer studenten de controle nemen en de technologie aanpassen aan hun specifieke behoeften, bouwen zij een sterker geloof in hun eigen vermogens op. Dit geloof drijft hen vervolgens aan om dieper betrokken te raken bij hun studie en betere resultaten te behalen. De studie merkte echter ook op dat dit proces niet automatisch verloopt; het vereist een bepaald niveau van mentale weerbaarheid om de trial-and-error te navigeren die bij het aanpassen van een hulpmiddel komt kijken. De bevindingen suggereren dat universiteiten verder moeten kijken dan eenvoudige regels over of AI wel of niet is toegestaan, en in plaats daarvan moeten focussen op het onderwijzen van studenten hoe ze hun interacties met deze hulpmiddelen actief kunnen vormgeven. Door studenten te begeleiden bij het aanpassen van prompts, het verifiëren van informatie en het volhouden bij moeilijkheden, kunnen onderwijzers helpen om een krachtige technologie te veranderen in een oprechte partner in het leerproces.
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.