A longitudinal constructionist case study of five student positions on AI as a creative collaborator in open source AI art pedagogy
Deze longitudinale constructionistische casestudy van vijf studenten van de Kyoto Seika Universiteit volgt hun evoluerende mentale modellen en onderscheidende posities ten opzichte van AI als een creatieve collaborator gedurende 25 maanden, waarbij een vijfdelig spectrum van standpunten wordt onthuld en specifieke mechanismen worden geïdentificeerd waar AI-scaffolding faalt in het ondersteunen van realisatie.
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 een tweejarige kunstworkshop voor waarbij een docent en een groep studenten een nieuw, krachtig instrument verkennen: Kunstmatige Intelligentie (AI). Maar dit is geen standaardles waarbij iedereen dezelfde stappen leert om hetzelfde resultaat te behalen. In plaats daarvan richtte de docent een "speeltuin" in met lage drempels (makkelijk om te beginnen), brede muren (veel verschillende paden om te verkennen) en hoge plafonds (ruimte om zo diep in te gaan als je wilt).
Het doel was niet om iedereen hetzelfde type kunstenaar te maken. Het doel was om te zien wat er gebeurt wanneer vijf verschillende studenten gedurende twee jaar door diezelfde speeltuin lopen.
Dit is wat de studie vond, eenvoudig uitgelegd:
1. Dezelfde tool, vijf verschillende relaties
Hoewel alle vijf de studenten dezelfde AI-software gebruikten (beginnend met een complex, open-source hulpmiddel genaamd ComfyUI en later andere AI-tools toevoegend), kwamen ze uit op vijf totaal verschillende manieren van denken over waar de AI voor dient. Het is alsof je vijf verschillende chefs dezelfde hightech oven geeft; de één wordt een meester in de mechanica van de oven, de ander gebruikt hem alleen om brood te bakken, en een derde weigert hem voor het hoofdgerecht te gebruiken omdat zij geloven dat de "ziel" van het eten uit de eigen handen moet komen.
De paper noemt deze vijf "posities":
- De Systeemarchitect: Eén student behandelde de AI als een co-piloot. Zij bouwde een complexe machine waarin zij en de AI nauw samenwerkten om een voltooide kunstinstallatie te creëren. Voor haar is de AI een partner in het ontwerp.
- De Handleiding: Een andere student zag de AI als een handig instructieboek. De AI weet hoe de software werkt en kan het zware werk doen, maar de mens blijft de baas die de creatieve richting bepaalt.
- De Conceptuele Versterker: Een derde student gebruikte de AI alleen voor het brainstormen van ideeën en het schrijven van tekst. Wanneer het tijd kwam om de kunst daadwerkelijk te bous, legde zij de AI weg en deed zij zelf het technische werk.
- De Ethische Pragmaticus: Een vierde student voelde een morele aarzeling. Hij maakte zich zorgen dat als hij AI zou gebruiken om de kunst te maken, hij de ideeën van de AI zou "stelen". Hij vond ook de door AI geschreven code slordig en inefficiënt, dus beperkte hij het gebruik ervan om deze problemen te vermijden.
- De Filosofisch Begrensde: De vijfde student geloofde dat echte creativiteit een menselijk lichaam en echte levenservaring vereist. Voor hem zijn AI-outputs als "dromen"—interessant, maar een mens is nodig om ze de werkelijkheid in te brengen. Hij gebruikte AI voor het brainstormen, maar hield de uiteindelijke creatie strikt door mensenhanden gemaakt.
2. De "Brede Muren" werkten
De theorie van de docent was dat een flexibele omgeving verschillende resultaten zou opleveren. De studie bewees dit. De studenten maakten niet alleen verschillende beelden; ze ontwikkelden verschillende filosofieën over de technologie. De "brede muren" lieten niet alleen verschillende projecten toe; ze maakten ruimte voor verschillende manieren van denken over wie de leiding heeft: de mens of de machine.
3. De "Kloof" tussen Idee en Realiteit
De studie ontdekte ook een lastig probleem. Soms is AI geweldig in het helpen bij het bedenken van een briljant idee (de conceptuele laag), maar faalt het in het helpen bij het daadwerkelijk bouwen ervan (de realisatie-laag).
Denk er zo over na: AI kan je helpen bij het schrijven van een perfect recept voor een taart, maar als je niet weet hoe je het beslag moet mengen of de oven moet gebruiken, kan de taart alsnog mislukken. De studie vond vier specifieke redenen waarom dit gebeurt:
- De Tool Mismatch: Soms weet de AI niet hoe het moet helpen met zeer specifieke, visuele tools.
- De Keuze van de Student: Soms hoort een student een geweldige suggestie van de docent, maar kiest hij voor een simpelere versie omdat hij er nog niet klaar voor is om de complexe versie te doen.
- De Limiet van het Medium: Soms kiest een student een tool (zoals een game engine) die perfect bij zijn visie past, zelfs als dat minder "indrukwekkend" oogt dan een groot projectiescherm.
- De Stilte: Soms vertelt een student de docent niet over een probleem waar hij tegenaan loopt, waardoor de docent geen oplossing kan bieden.
4. Hoe de studenten leerden (De "Mentorschap Mix")
De docent gaf niet alleen colleges. De studie vond dat de studenten leerden door een "mix" van verschillende soorten hulp, vaak tegelijkertijd.
- Sommige studenten werkten met de docent samen om tools te bouwen.
- Sommige studenten namen de grote ideeën van de docent en verkleinden deze om ze aan te laten sluiten bij hun eigen vaardigheden.
- Sommige studenten gebruikten het advies van de docent om specifieke vocabulaire of manieren van denken over kunst te leren.
- Sommige studenten gebruikten de begeleiding van de docent om het "grote plaatje" te begrijpen, terwijl ze AI of online templates gebruikten om de kleine technische details af te handelen.
5. Het "Voor en Na" Bewijs
Om te controleren of deze ideeën echt waren, keken de onderzoekers naar twee momentopnames in de tijd:
- Het Begin (2024): Ze vroegen de studenten hoe zij over de AI-tools dachten.
- Het Einde (2026): Ze vroegen dezelfde studenten opnieuw nadat ze waren afgestudeerd en werkten aan hun eindprojecten.
Ze ontdekten dat het denken van de studenten evolueerde in vijf duidelijke patronen. Zo begon één student met een vaag idee dat AI als "koken" was en eindigde met een zeer gedeteld, gelaagd begrip ervan. Een andere student begon zonder duidelijk idee en ontwikkelde door het proces een sterke, unieke filosofie.
De Kern
Dit paper laat zien dat wanneer je studenten een flexibele, open omgeving geeft om met AI te spelen, ze niet allemaal hetzelfde worden. In plaats daarvan sorteren ze zichzelf van nature in verschillende rollen. Sommigen worden meesters van de machine, anderen zijn de critici ervan, en anderen gebruiken het slechts als een opstapje. De "magie" van de onderwijsmethode zat niet in het dwingen van iedereen om de tool op dezelfde manier te gebruiken, maar in het creëren van een ruimte waar deze vijf verschillende, geldige manieren van werken allemaal konden bestaan en groeien.
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.