DOI: https://doi.org/10.1007/s10755-024-09774-w
تاريخ النشر: 2025-01-23
المؤلف: Junghwan Kim وآخرون
الموضوع الرئيسي: الذكاء الاصطناعي في الرعاية الصحية والتعليم
نظرة عامة
يوفر هذا القسم من ورقة البحث نظرة عامة على دراسة أجريت في خريف 2023، والتي استطلعت آراء 982 طالبًا و76 عضو هيئة تدريس في جامعة عامة كبيرة في الولايات المتحدة لتقييم التصورات والمواقف تجاه أدوات الذكاء الاصطناعي التوليدي (GenAI)، مثل ChatGPT، في البيئات التعليمية. ركز الاستطلاع على جوانب مختلفة، بما في ذلك سهولة الاستخدام المدركة، والمخاوف الأخلاقية، وتأثير GenAI على التعلم، بينما تم أيضًا فحص الفروقات بناءً على الدور، والجنس، والتخصص. كشفت النتائج أن الطلاب وأعضاء هيئة التدريس عمومًا يشتركون في مواقف مشابهة تجاه GenAI، مع استثناءات ملحوظة في مجالات مثل سهولة الاستخدام والاهتمام باستكشاف تقنيات جديدة. بالإضافة إلى ذلك، بينما أبلغت المجموعتان عن معدلات استخدام مشابهة لـ GenAI في الأعمال الدراسية والتدريس، إلا أن الاستخدام المنتظم بشكل عام ظل منخفضًا.
تمت ملاحظة اختلافات كبيرة في المواقف بين الطلاب، لا سيما بين الذكور في تخصصات STEM والإناث في تخصصات غير STEM، مما يبرز الحاجة إلى مراعاة التنوع الديموغرافي والتخصصي عند صياغة السياسات لدمج GenAI في التعليم. تؤكد الدراسة على الإمكانية التي يمتلكها GenAI للتأثير على نتائج التعلم بشكل متباين عبر مجموعات الطلاب المختلفة وتساهم في النقاش الأوسع حول كيفية الاستفادة الفعالة من هذه الأدوات في التعليم العالي مع معالجة الفجوات الناشئة.
مقدمة
ت outlines مقدمة ورقة البحث السياق الأساسي وأهمية الدراسة. تبرز الأهداف الرئيسية، والتي تشمل معالجة فجوة معينة في الأدبيات الحالية واقتراح منهجيات أو أطر جديدة. يؤكد المؤلفون على أهمية عملهم في تعزيز الفهم داخل هذا المجال، لا سيما فيما يتعلق بـ [موضوع أو ظاهرة معينة].
بالإضافة إلى ذلك، تقدم المقدمة نظرة عامة موجزة عن النتائج الرئيسية أو الفرضيات التي سيتم استكشافها طوال الورقة. من خلال وضع مبرر واضح للبحث، يهدف المؤلفون إلى جذب القارئ وتسليط الضوء على الآثار المحتملة لنتائجهم على كل من التطبيقات النظرية والعملية.
الطرق
ي outlines قسم المنهجية النهج المنهجي المستخدم في الدراسة للتحقيق في أسئلة البحث. يوضح التصميم التجريبي، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتفسير النتائج. استخدمت الدراسة نهجًا كميًا، حيث تم استخدام أدوات إحصائية لتحليل البيانات التي تم جمعها من الاستطلاعات والتجارب.
تم اختيار المشاركين بناءً على معايير إدراج محددة لضمان عينة تمثيلية. شملت جمع البيانات أدوات موحدة لقياس المتغيرات ذات الاهتمام، مما يضمن الموثوقية والصلاحية. تم إجراء التحليل باستخدام برامج تسهل تطبيق اختبارات إحصائية متنوعة، مما يسمح بفحص قوي للفرضيات المطروحة في البحث. بشكل عام، تم تصميم المنهجية لضمان الدقة وإمكانية التكرار، مما يساهم في مصداقية النتائج.
النتائج
توفر نتائج هذه الدراسة رؤى حول المواقف تجاه أدوات الذكاء الاصطناعي التوليدي في التعليم العالي، مع التركيز على أربعة مجالات رئيسية: (1) المواقف تجاه الذكاء الاصطناعي التوليدي في التعلم والتدريس، (2) التأثيرات المدركة على تعلم الطلاب، (3) الاعتبارات الأخلاقية والسياسية، و(4) تكرار الاستخدام. تشير النتائج إلى أن الطلاب عمومًا يشعرون بمتعة وسهولة أكبر في التعلم باستخدام أدوات الذكاء الاصطناعي التوليدي مقارنة بأعضاء هيئة التدريس، الذين يظهرون مزيدًا من الحذر. ومن الجدير بالذكر أنه لم يكن هناك فرق كبير في الاستخدام العام لهذه الأدوات بين الطلاب وأعضاء هيئة التدريس. ومع ذلك، تمت ملاحظة اختلافات كبيرة بين مجموعات الطلاب الفرعية، لا سيما بين تخصصات STEM وغير STEM وعبر الجنسين، حيث أظهر طلاب STEM الذكور أكثر المواقف إيجابية تجاه الذكاء الاصطناعي التوليدي.
على الرغم من الاعتراف بالمزايا المحتملة للذكاء الاصطناعي التوليدي على الأداء الأكاديمي، أعرب كل من الطلاب وأعضاء هيئة التدريس عن مخاوف بشأن تأثيره على كفاءات التعلم والآثار الأخلاقية. كان هناك توافق على ضرورة وجود سياسات أو إرشادات لتنظيم استخدام الذكاء الاصطناعي التوليدي في السياقات التعليمية. قد تنبع الاختلافات الملحوظة في توقع الأداء والابتكار الشخصي بين المجموعات من عوامل سياقية، مثل البيئات الأكاديمية والثقافات التخصصية المميزة السائدة في مجالات STEM مقابل غير STEM. على سبيل المثال، قد يكون لدى طلاب STEM توقعات أداء أعلى بسبب تفاعلاتهم الأكثر تكرارًا مع الذكاء الاصطناعي التوليدي في أعمالهم الدراسية، بينما قد يتم تعزيز الابتكار الشخصي من خلال ثقافة تشجع على التجريب مع التقنيات الجديدة. تسلط هذه الفجوات الضوء على مستويات التعرض المتفاوت للتقنيات الناشئة، والتي تؤثر على تصورات فائدة الذكاء الاصطناعي التوليدي واستعداد الأفراد لتبني مثل هذه الأدوات.
المناقشة
تسلط قسم المناقشة من ورقة البحث الضوء على السياق التاريخي لدمج التكنولوجيا في التعليم العالي، موضحًا نمط المقاومة الأولية تليها القبول. غالبًا ما أثارت إدخال تقنيات متنوعة، من النصوص المكتوبة إلى الآلات الحاسبة والإنترنت، نقاشات حول آثارها على الممارسات التعليمية التقليدية. على سبيل المثال، كانت الآلات الحاسبة تُعتبر في البداية أدوات غش ولكنها أصبحت في النهاية مقبولة كوسائل تعليمية قيمة. يضع هذا المنظور التاريخي الأساس لفهم المواقف الحالية تجاه الذكاء الاصطناعي التوليدي، لا سيما بعد إطلاق ChatGPT في عام 2022. يقدم الذكاء الاصطناعي التوليدي، بقدرته على إنتاج نصوص شبيهة بالنصوص البشرية والمساعدة في مهام أكاديمية متنوعة، فرصًا لتعزيز التعلم وتحديات تتعلق بالنزاهة الأكاديمية وتطوير المهارات النقدية.
تؤكد الورقة على أنه بينما يمكن أن يعزز الذكاء الاصطناعي التوليدي مشاركة الطلاب وإبداعهم، فإنه يثير أيضًا مخاوف بشأن الاعتماد المفرط على التكنولوجيا، مما قد يقوض العمليات المعرفية الأساسية. تكافح المؤسسات مع كيفية دمج الذكاء الاصطناعي التوليدي في المناهج الدراسية، حيث يتبنى البعض إمكانياته للتعلم الشخصي، بينما يفرض آخرون قيودًا لحماية النزاهة الأكاديمية. تهدف الدراسة إلى استكشاف مواقف الطلاب وأعضاء هيئة التدريس تجاه الذكاء الاصطناعي التوليدي، مع التركيز على الاختلافات عبر الديموغرافيات والتخصصات. من خلال استخدام نسخة معدلة من النظرية الموحدة لقبول واستخدام التكنولوجيا (UTAUT)، يسعى البحث إلى تحديد العوامل التي تؤثر على قبول الذكاء الاصطناعي التوليدي في البيئات التعليمية، مما يُعلم في النهاية تطوير السياسات ويعزز الاستخدام المسؤول لهذه التقنيات الناشئة.
القيود
تسلط القيود في الدراسة الحالية الضوء على عدة مجالات للبحث المستقبلي بشأن التصورات ودمج الذكاء الاصطناعي التوليدي في البيئات التعليمية. أولاً، كدراسة مقطعية، لا تأخذ في الاعتبار المواقف المتطورة للطلاب وأعضاء هيئة التدريس تجاه الذكاء الاصطناعي التوليدي بمرور الوقت. يُوصى بإجراء دراسات طولية لتقييم كيف يؤثر التعرض المستمر لهذه الأدوات على استراتيجيات التعلم وممارسات التدريس مع تزايد دمج الذكاء الاصطناعي التوليدي في الموارد التعليمية.
ثانيًا، يتطلب حجم عينة أعضاء هيئة التدريس المحدود في الدراسة إجراء أبحاث مستقبلية تشمل عددًا أكبر وأكثر تنوعًا من أعضاء هيئة التدريس، مما يمكّن من مقارنات دقيقة عبر مختلف الأقسام الأكاديمية والأدوار، مثل الأساتذة الدائمين مقابل أعضاء هيئة التدريس المساعدين. بالإضافة إلى ذلك، قد يكشف فحص الفروقات بين المتبنين الأوائل وأعضاء هيئة التدريس المترددين بشأن دمج الذكاء الاصطناعي التوليدي عن عوامل حاسمة تؤثر على أنماط التبني. من الضروري أيضًا توسيع النطاق الجغرافي والمؤسسي للبحث؛ حيث يقتصر تركيز الدراسة الحالية على مؤسسة واحدة كبيرة مخصصة للأراضي، مما يحد من تعميم النتائج. يجب أن تشمل التحقيقات المستقبلية بيئات تعليمية متنوعة، مثل الجامعات الخاصة وكليات المجتمع، لفهم كيف تؤثر الثقافة المؤسسية والسياسات على تبني الذكاء الاصطناعي التوليدي. أخيرًا، هناك حاجة إلى تحليلات على مستوى الدورة لاستكشاف كيف يختلف استخدام الذكاء الاصطناعي التوليدي عبر التخصصات وأنواع الدورات، مع تحديد السياقات التي تستفيد أكثر من دمجه وكيف يمكن تخصيصه لتلبية أهداف التعلم المحددة.
DOI: https://doi.org/10.1007/s10755-024-09774-w
Publication Date: 2025-01-23
Author(s): Junghwan Kim et al.
Primary Topic: Artificial Intelligence in Healthcare and Education
Overview
This research paper section provides an overview of a study conducted in Fall 2023, which surveyed 982 students and 76 faculty members at a large public university in the United States to assess perceptions and attitudes toward generative artificial intelligence (GenAI) tools, such as ChatGPT, in educational settings. The survey focused on various aspects, including perceived ease of use, ethical concerns, and the impact of GenAI on learning, while also examining differences based on role, gender, and discipline. The findings revealed that both students and faculty generally shared similar attitudes toward GenAI, with notable exceptions in areas such as ease of use and interest in exploring new technologies. Additionally, while both groups reported similar rates of GenAI usage for coursework and teaching, overall regular use remained low.
Significant differences in attitudes were observed among students, particularly between males in STEM majors and females in non-STEM majors, highlighting the need to consider demographic and disciplinary diversity when formulating policies for integrating GenAI in education. The study emphasizes the potential for GenAI to influence learning outcomes variably across different student groups and contributes to the broader discourse on effectively leveraging these tools in higher education while addressing emerging inequalities.
Introduction
The introduction of the research paper outlines the foundational context and significance of the study. It highlights the key objectives, which include addressing a specific gap in the existing literature and proposing novel methodologies or frameworks. The authors emphasize the relevance of their work in advancing understanding within the field, particularly in relation to [specific topic or phenomenon].
Additionally, the introduction presents a brief overview of the main findings or hypotheses that will be explored throughout the paper. By establishing a clear rationale for the research, the authors aim to engage the reader and underscore the potential implications of their findings for both theoretical and practical applications.
Methods
The methodology section outlines the systematic approach employed in the study to investigate the research questions. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods used to interpret the results. The study utilized a quantitative approach, employing statistical tools to analyze the data gathered from surveys and experiments.
Participants were selected based on specific inclusion criteria to ensure a representative sample. Data collection involved standardized instruments to measure the variables of interest, ensuring reliability and validity. The analysis was conducted using software that facilitated the application of various statistical tests, allowing for a robust examination of the hypotheses posed in the research. Overall, the methodology was designed to ensure rigor and reproducibility, contributing to the credibility of the findings.
Results
The results of this study provide insights into attitudes towards generative AI tools in higher education, focusing on four key areas: (1) attitudes towards generative AI in learning and teaching, (2) perceived impacts on student learning, (3) ethical and policy considerations, and (4) usage frequency. The findings indicate that students generally experience greater enjoyment and ease of learning with generative AI tools compared to faculty, who exhibit more caution. Notably, there was no significant difference in the overall usage of these tools between students and faculty. However, significant variations were observed among student sub-groups, particularly between STEM and non-STEM majors and across genders, with male STEM students demonstrating the most favorable attitudes towards generative AI.
Despite acknowledging the potential advantages of generative AI for academic performance, both students and faculty expressed concerns regarding its impact on learning competencies and ethical implications. There was a consensus on the necessity for policies or guidelines to govern the use of generative AI in educational contexts. The observed differences in performance expectancy and personal innovativeness among groups may stem from contextual factors, such as the distinct academic environments and disciplinary cultures prevalent in STEM versus non-STEM fields. For instance, STEM students may have higher performance expectancy due to more frequent interactions with generative AI in their coursework, while personal innovativeness may be fostered by a culture that encourages experimentation with new technologies. These disparities highlight the varying levels of exposure to emerging technologies, which influence perceptions of generative AI’s utility and the willingness to adopt such tools.
Discussion
The discussion section of the research paper highlights the historical context of technology integration in higher education, illustrating a pattern of initial resistance followed by acceptance. The introduction of various technologies, from written texts to calculators and the internet, has often sparked debates about their implications for traditional educational practices. For instance, calculators were initially viewed as cheating tools but eventually became accepted as valuable educational aids. This historical perspective sets the stage for understanding current attitudes toward generative AI, particularly following the launch of ChatGPT in 2022. Generative AI, with its ability to produce human-like text and assist in various academic tasks, presents both opportunities for enhancing learning and challenges related to academic integrity and the development of critical skills.
The paper emphasizes that while generative AI can foster student engagement and creativity, it also raises concerns about over-reliance on technology, which may undermine essential cognitive processes. Institutions are grappling with how to incorporate generative AI into curricula, with some embracing its potential for personalized learning, while others impose restrictions to safeguard academic integrity. The study aims to explore the attitudes of students and faculty toward generative AI, focusing on differences across demographics and disciplines. By employing a modified version of the Unified Theory of Acceptance and Use of Technology (UTAUT), the research seeks to identify factors influencing the acceptance of generative AI in educational settings, ultimately informing policy development and promoting responsible use of these emerging technologies.
Limitations
The limitations of the current study highlight several areas for future research regarding the perceptions and integration of generative AI in educational settings. Firstly, as a cross-sectional study, it does not account for the evolving attitudes of students and faculty towards generative AI over time. Longitudinal studies are recommended to assess how ongoing exposure to these tools influences learning strategies and teaching practices as generative AI becomes increasingly embedded in educational resources.
Secondly, the study’s limited faculty sample size necessitates future research to encompass a larger and more diverse faculty population, enabling nuanced comparisons across various academic departments and roles, such as tenured professors versus adjunct faculty. Additionally, examining the differences between early adopters and hesitant faculty regarding generative AI integration could reveal critical factors influencing adoption patterns. Expanding the geographic and institutional scope of research is also essential; the current study’s focus on a single large land-grant institution restricts the generalizability of findings. Future investigations should include diverse educational settings, such as private universities and community colleges, to better understand how institutional culture and policies affect generative AI adoption. Finally, course-level analyses are needed to explore how generative AI use varies across disciplines and course types, identifying which contexts benefit most from its integration and how it can be tailored to meet specific learning objectives.