Upendeleo wa Kiotomatiki

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Muhtasari: Upendeleo wa kiotomatiki ni hali ya kushindwa ya kibinadamu inayofanya uamuzi unaosaidiwa na AI kuwa mbaya hata pale mfumo ukiwa sahihi. Watu hukubali pendekezo la kiotomatiki ambalo wangehoji kama wangeifikia hitimisho hilo wenyewe, na huacha kutafuta ushahidi ambao ungekipinga. Katika elimu, maamuzi ya uamuzi tayari yamewekwa kiotomatiki katika maeneo kadhaa — alama, ishara za utayari, maamuzi ya usimamizi wa mitihani, lebo za ukweli wa msingi, vidokezo — kwa hivyo upendeleo huo unashikilia yeyote anayethibitisha matokeo. Hifadhi hii ya maarifa inauchukulia sio kama sifa ya utu bali kama sifa ya mtiririko wa kazi: unaonekana pale uthibitishaji unapokuwa wa hiari, pale matokeo yanapokuwa fasaha, na pale mkaguzi anapolipa gharama kwa kuhoji.

Maswali ya Kutafakari

• Mwalimu anapobatilisha algoriti, ubatilishaji huo kwa kawaida huwa ndio ukaguzi. Nini kinatokea kwa ukaguzi huo wakati mwalimu anaamini algoriti ina taarifa bora kuliko yeye?
• Kushindwa kunaweza kuwa kwa namna mbili: kukubali pendekezo lisilo sahihi, na kukataa pendekezo sahihi. Mchakato wa taasisi yako unakamata kipi, na unalipa thawabu kipi?
• Ikiwa dashibodi inaweka alama kwa mwanafunzi kuwa hatarini, ungehitaji kujua nini ili kutokubaliana nayo — na taarifa hiyo ingetoka wapi?
• Utafiti wa uaminifu unatabiri kwamba watu wanaojiona wenye shaka hutegemea mashine kwa nguvu zaidi. Inamaanisha nini kwamba hifadhi ya maarifa inagundua kinyume chake kwa wanafunzi?
• Uamuzi wa nani unaondolewa pale AI inapoandika maoni, kuweka alama, au kuandaa hatua ya kuingilia — na je, mtu aliye ndani ya mzunguko ana fursa halisi ya kuingilia, au fursa ya kirasmi tu?

Utangulizi

Wanafunzi na walimu tayari wanafanya kazi kando ya mifumo inayozalisha maamuzi: watiaji alama wa insha, dashibodi za ushiriki, vitambuzi vya usimamizi wa mitihani, modeli za ufafanuzi zinazozalisha lebo, vidokezo vya ufundishaji. Kila moja ya matokeo hayo humfikia mtu anayepaswa kuamua kama aiyakubali, na upendeleo wa kiotomatiki unataja kushindwa kutabirika kwa mtu huyo kukagua. Ukurasa huu unashughulikia upande wa kibinadamu wa tatizo. Upendeleo ndani ya modeli — data ya mafunzo iliyopinda, viwango vya makosa visivyolingana kati ya makundi — umeandikwa kwenye Kupunguza Upendeleo. Swali hapa ni kile kinachotokea baada ya modeli kusema.

Dhana hii ni muhimu kwa elimu kwa sababu watu walio ndani ya mzunguko mara chache ni wataalamu. Mwalimu anayeamua kama aamini pendekezo la algoriti kuhusu mwanafunzi ni mtaalamu wa nyanja akiwa na wanafunzi wengine thelathini chumbani na bila kumbukumbu ya ukaguzi. Mkadiriaji anayeonyeshwa alama ya mashine kabla ya kuhukumu insha anaombwa kutokubaliana na namba isiyo na historia inayoonekana. Upendeleo wa kiotomatiki ni kile kinachofanya nafasi hizo kuwa ngumu, na ndiyo sababu "mtu hukagua matokeo" ni kizuizi dhaifu kuliko inavyosikika.

Upendeleo ni nini, na si nini

Fasihi inatenganisha makosa mawili. Kuacha ni kushindwa kutambua kwamba mfumo wa kiotomatiki haukufanya chochote wakati ulipaswa kutenda, au kwamba ulikosa kesi uliyokusudiwa kuikamata.

Kutenda ni kukubali kitendo au uamuzi ambao mfumo ulizalisha kimakosa. Toleo la elimu ni lile linalojulikana: insha iliyopewa alama nzuri bila kusomwa tena, mwanafunzi aliyewekwa alama bila kuhojiwa, kidokezo kilichofuatwa bila ukaguzi.

Dhana tatu zilizo karibu ni rahisi kuchanganya na hii, na hifadhi ya maarifa inazitenganisha:

• Urekebishaji wa uaminifu ni hali ya utegemezi wa mtu ikilinganishwa na uaminifu halisi wa mfumo. Upendeleo wa kiotomatiki ni kosa mahususi ambalo urekebishaji mbaya unaruhusu, na hizo mbili hupimwa kwa njia tofauti.
• Kupakua mzigo wa kiakili ni kukabidhi kazi ya kiakili kwa zana. Kupakua kunaweza kuwa sahihi; upendeleo wa kiotomatiki ni kile kinachotokea pale ukabidhi unapotoka nje ya mapitio.
• Upendeleo wa upande wa modeli ni sifa ya mfumo. Upendeleo wa kiotomatiki ni sifa ya mwingiliano, na unabaki upo hata pale modeli ikiwa sahihi kabisa.

Tofauti inayofanya hili kuwa dhahiri ni kwamba upendeleo wa kiotomatiki hauhitaji kosa lolote kwenye mashine. Mapitio ya sayansi ya ardhi ya AI ya kizalishaji katika kujifunza kwa uwandani yanaunda mbinu tatu juu ya uwekaji nanga, upendeleo wa uthibitisho na upendeleo wa kiotomatiki — uwekaji wa muundo wa kuzingatia, uwekaji nanga wa tafsiri, na uhamishaji wa mamlaka — na yanasema waziwazi kwamba hakuna kati yao inayohitaji matokeo kuwa ya uongo.

Kwa nini maamuzi ya kielimu yako wazi

Maeneo matano yanabeba hatari nyingi, na kila moja lina mtu tofauti anayethibitisha:

1. Upangaji alama na maoni. Watiaji alama wa kiotomatiki na wachanganuzi wa uandishi huzalisha namba au maoni ambayo mtu anaweza kukubali bila kusoma kazi tena.
2. Uchanganuzi na tahadhari ya mapema. Dashibodi za uchanganuzi hukisia ushiriki na hatari kutoka data ya mibofyo na uwasilishaji, kisha kuwasilisha hitsi kama alama. Wapendekezi wanaenda mbali zaidi na kupanga kile mwanafunzi anapaswa kufanya baadaye.
3. Usimamizi wa mitihani na utambuzi wa makosa. Mifumo ya usimamizi wa mbali na zana za utambuzi huibua tuhuma ambayo mtu huamua, mara nyingi chini ya shinikizo la muda.
4. Ukweli wa msingi wenyewe. Modeli zinapofafanua lebo ambazo utafiti baadaye unachukulia kama ukweli, upendeleo unaingia kwenye chombo cha kipimo.
5. Msaada unaomkabili mwanafunzi. Vidokezo, maelezo na rasimu humwalika mwanafunzi kukubali maelezo ya nyenzo badala ya kujenga yake.

Hifadhi ya maarifa inaonyesha nini

Walimu wanaotegemea alama na mapendekezo

Maelezo ya wazi zaidi ya utaratibu huo yako katika kazi inayomkabili mwalimu. Hoppe na wenzake (2026) wanaeleza mifumo ya uchunguzi inayoona utendaji na muda wa kukamilisha huku motisha, historia ya kujifunza na mienendo ya darasa zikiwa zisizoonekana kwao, na wanaonya kwamba upendeleo wa kiotomatiki unaweza kuwasukuma walimu kutegemea mapendekezo yaliyojengwa juu ya kipande hicho chembamba. Tiba yao sio alama bora bali msimamo tofauti: pale maelezo yalipo dhaifu, walimu wanapaswa kuegemea zaidi uchunguzi wao wenyewe wa jinsi wanafunzi wanavyotenda wanapotumia AI.

Pengo kali zaidi liko kwenye hatua ya uamuzi. Utafiti wa upangaji alama wa tathmini ya kitaifa (2026) unawaweka wakadiriaji kukagua alama za mashine, na waandishi wake wanataja mbinu isiyojaribiwa moja kwa moja: kama wakadiriaji wanaoonyeshwa alama za AI kabla ya kuhukumu wanawekwa nanga nazo au wanazitegemea hakupimwa, na wanapendekeza majaribio ya wakadiriaji wasiofahamu dhidi ya wanaofahamu kama hatua inayofuata. Dai la mtu-ndani-ya-mzunguko katika ubuni huo kwa hivyo ni dhana, sio ugunduzi — na ni toleo zuri la ubuni huo.

Dashibodi za uchanganuzi na dai la mtu-ndani-ya-mzunguko

Mapitio ya sayansi ya kujifunza ya AI ya kielimu iliyo ndani ya mzunguko (2026) yanaipa muundo huo umbo lake la jumla: dashibodi hukisia ushiriki kutoka mibofyo, maoni ya uandishi ya kiotomatiki yanapa kipaumbele sifa za uso juu ya hoja, na taa za tahadhari ya mapema hutangulia kutafsiri mienendo. Upendeleo wa kiotomatiki unaongeza kila moja yao, na mapitio hayo yanachukulia uaminifu kama matokeo ya kijamii na kiufundi yanayoundwa na uwazi, umahiri unaoonekana na haki yenye maana ya kubatilisha, badala ya mtazamo thabiti.

Miundo miwili katika hifadhi ya maarifa inachukulia hilo kwa uzito. FACTRIA (2026) inamweka mtu ndani ya mzunguko kwa kukataa kupendekeza: katika utafiti wa kufikiri kwa sauti na washikadau kumi na moja wakisoma kesi nne halisi za uchanganuzi, zilizosimbwa kwa k ya Cohen ya 0.76, chatbot ilisaidia tafsiri na ilikataa waziwazi kufanya maamuzi, na waandishi wake wanabainisha upendeleo wa kiotomatiki na kukubali bila kuchambua kama hatari zilizobaki. LUDIA (2026) inapitisha kila matokeo kwa mwalimu, kisha inakiri kwamba kizuizi hicho ni dhaifu kuliko kinavyoonekana, kwa sababu mwalimu anayeweza zaidi kukubali pendekezo baya ni yule anayeamini LUDIA inaelewa ubuni wa jumla kwa ajili ya kujifunza.

Hoja ya kidadisi inayounganisha hivi inatoka kwa maelezo ya unyumbufu wa uunganishaji wa akili zilizopanuliwa (2026): fursa ya kirasmi tu ya kukubali au kukataa haimweki mtu ndani ya uzalishaji wa uamuzi ikiwa upendeleo wa kiotomatiki unaishinda. Usimamizi unahitaji fursa thabiti ya kuingilia, na kitufe cha kukataa ambacho hakuna anayebonyeza sio usimamizi.

Ukweli wa msingi na ufafanuzi wa LLM

Dhana hii inafikia mtiririko wa utafiti kupitia ufafanuzi. Uchambuzi wa uaminifu wa ukweli wa msingi (2026) unaorodhesha hatari za kutumia LLM kama wafafanuzi: kutumainia matokeo kupita kiasi bila uthibitishaji, uthibitishaji wa mzunguko ambapo modeli hutathmini matokeo yake yenyewe, na kuzorota kwa kimya ambapo lebo hubaki zikilingana kwa udanganyifu huku zikipinda kimakosa. Upendeleo wa kiotomatiki hapa unachafulia kiwango cha marejeleo ambacho kila kipimo cha baadaye kinapimwa dhidi yake.

Wanafunzi na mamlaka ya kielimu

Kwa wanafunzi, utaratibu huo unahusu nani anapewa sifa ya kufikiri. Uchambuzi wa CSCL wa kazi zilizong'arishwa (2026) unaweka msingi wake wa kijamii na kiakili katika upendeleo wa kiotomatiki — kuhusisha AI umahiri mkubwa wa kielimu kuliko hali inavyostahili — na kuunganisha na uzi wa pili ambapo bidhaa za nje zilizong'arishwa huleta kufungwa. Mzunguko wa ushirikiano wa kiakili (2026) unaorodhesha upendeleo wa kiotomatiki kati ya mbinu nne za kushindwa zinazoruhusu kurudia kuchukua nafasi ya kufikiri, pamoja na kupakua mzigo, udanganyifu wa kuelewa na ukuzaji wa makosa kwa mzunguko. Aina za mwingiliano (2026) unauchukulia kama hali moja kati ya nane: kumuuliza modeli kile fasihi inasema ni hatua ya Oracle ambayo hatari yake ya kawaida ni kukubali jibu.

Karatasi mbili zinasema kizuizi ni mwelekeo badala ya kanuni. Mfumo wa Drive (2025) unapendekeza wakala wa kibinadamu makini kama kizuizi cha kiakili dhidi ya upendeleo wa kiotomatiki na kudhoofika kwa ujuzi kunakofuata kupakua mzigo. Mapitio ya uuguzi (2026), yakisoma masomo 489 katika nchi 47 kupitia upatikanaji wa ujuzi wa Benner, nadharia ya mzigo wa kiakili, upendeleo wa kiotomatiki na uundaji wa utambulisho wa Wenger, yanahitimisha kwamba zana hiyo hiyo husaidia au hudhuru kutegemea kama inaondoa kazi isiyohusiana na umahiri au kazi inayounda umahiri.

Pale upendeleo unatajwa kama hatari badala ya kupimwa

Sehemu kubwa ya hifadhi ya maarifa inaorodhesha upendeleo wa kiotomatiki katika modeli ya vitisho bila kuujaribu, na tofauti hiyo ni muhimu kwa kiasi cha uzito dhana hii inaweza kubeba. Mapitio ya OER za maingiliano (2026) unaijumuisha kati ya hatari zinazorudia zinazodhoofisha wakala wa mwanafunzi na mwalimu, zikitajwa badala ya kupimwa. Utafiti wa sayansi ya afya (2026) unasoma wasiwasi wa kimaadili wa wanafunzi 310 kama hoja ya mafunzo ya kitaaluma yanayoshughulikia upendeleo wa kiotomatiki waziwazi. Utafiti wa tafsiri ya kisheria (2026) unaomba uhariri wa baada na uthibitishaji vifundishwe kama stadi zinazopimwa, ukikitaja shinikizo la upendeleo wa kiotomatiki na udanganyifu wa ubora yanayofanya tafsiri mbovu kuwa rahisi kukosa. Mapitio ya sayansi ya uchunguzi (2026) unagundua upendeleo wa kiotomatiki umeandikwa katika masomo yaliyojumuishwa na unapendekeza mazoezi ya kesi yaliyojengwa kutoka kushindwa kulikoripotiwa. Utafiti wa kufikiri kwa ubuni (2025) unaubadilisha kuwa hitaji la ubuni: viunzi vinavyoweka uamuzi wa kibinadamu katikati, vikipinga kupakua mzigo na upendeleo wa kiotomatiki.

Pale ushahidi ni mwembamba, mchanganyiko, au kinyume

Utabiri ulioshindwa. Fasihi ya upendeleo wa kiotomatiki inatabiri kwamba watu wanaoshuku uamuzi wao wenyewe hutegemea mashine kwa nguvu zaidi, kwa hivyo kujiamini cha chini kinapaswa kuzalisha utegemezi mkubwa. Utafiti wa utegemezi kupita kiasi (2026) uligundua ishara kinyume: wanafunzi wenye kujiamini walikubali AI ya kizalishaji mapema, wakakusanya uzoefu mzuri, na kuamini zana zaidi. Ubuni huo ni wa kipimo cha wakati mmoja na hauwezi kuthibitisha mfuatano wowote, jambo ambalo waandishi wanasema zaidi ya mara moja, kwa hivyo ugunduzi hauondoi utaratibu huo — lakini unaonyesha kwamba toleo la darasani huenda halikimbii upande ambao toleo la maabara linatabiri.

Jaribio la uamuzi halipo. Hakuna mtu katika hifadhi ya maarifa aliyefanya ulinganisho wa ukadiriaji usiofahamu dhidi ya ule unaofahamu ambao ungetenga uwekaji nanga kwa alama za mashine, kwa hivyo kizuizi cha mtu-ndani-ya-mzunguko katika upangaji alama kinategemea uwezekano. Vilevile kwa dashibodi: masomo yanaeleza kile walimu wanaonyeshwa, mara chache kile wanachofanya tofauti kwa sababu yake.

Madai ya kidadisi yanazidi vipimo. Modeli ya HAIML (2026) inajenga mfumo wake juu ya utafiti wa upendeleo wa kiotomatiki na inatoa mfumo wa kufundisha badala ya jaribio lake. Mzunguko wa ushirikiano wa kiakili unatoa mapendekezo sita na ajenda ya utafiti. Zote mbili zinafaa kwa ubuni na hakuna inayo ushahidi wa ukubwa wa jambo hili katika elimu.

Hoja ya hatari ni sehemu yenye nguvu zaidi. Insha zinaunganisha utaratibu huo na matokeo ya kitaasisi: Muñiz na Castro Samayoa (2026) wanataja upendeleo wa kiotomatiki kama moja ya mbinu tatu zinazodhoofisha mazoea ya uraia wa kihakiki, na uchambuzi wa usimamizi wa kitaasisi wa matumizi ya AI (2026) unaunganisha na kazi ya kihisia ya kutekeleza sera ya AI. Uchambuzi wa kosa la LLM unatoa tofauti iliyo karibu zaidi na safi: upendeleo wa kiotomatiki unahusu utegemezi kupita kiasi kwa mfumo wakati wa uamuzi, ilhali mada yake ni mtazamo wa mtumiaji kwamba matokeo yalikuwa umahiri wake mwenyewe.

Athari kwa utendaji

• Fanya ukaguzi uwe rahisi na usiofahamu. Rekodi uamuzi wa kibinadamu kabla ya kuonyesha ule wa mashine, au zuia alama hadi ukadiriaji uingizwe. Kufanya bila kufahamu ni hatua ambayo hifadhi ya maarifa inaendelea kuipendekeza na haijaijaribu.
• Tangaza kile mfumo uliweza kuona. Pendekezo lililojengwa juu ya muda wa kukamilisha pekee linapaswa kusema hivyo; walimu wanaweza kupuuza pembejeo chembamba ikiwa wanajua ni chembamba.
• Usihesabu kitufe cha kukataa kama usimamizi. Uliza ni nini kingepaswa kuwa kweli ili mtu akibonyeze, na mchakato unalipa thawabu gani.
• Fundisha uthibitishaji kama stadi inayopimwa. Uhariri wa baada, kuhesabu upya na ukaguzi wa vyanzo vinapaswa kuwa katika mtaala, sio katika aya ya sera.
• Linda kazi inayounda. Ushahidi wa uuguzi unapendekeza mpaka unaostahili kulindwa sio "kazi zisizo na AI" bali kazi ambazo umahiri hujengwa kuzipitia.

Dhana potofu za kawaida

• "Ni muhimu tu pale AI ikiwa mbaya." Inafanya kazi kwa usafi zaidi pale AI ikiwa sahihi na mtu akiacha kukagua; mbinu za uwandani hazihitaji matokeo ya uongo.
• "Ni kitu kimoja na uaminifu mdogo au mkubwa." Urekebishaji ni hali; upendeleo wa kiotomatiki ni kosa ambalo mtiririko wa kazi usiorekebishwa unaruhusu. Kutokuamini kunazalisha kushindwa kwake — kukataa mapendekezo mazuri.
• "Mtu aliye ndani ya mzunguko anaurekebisha." Mzunguko ni bora kadiri fursa ya kuingilia ilivyo, na masomo ya upangaji alama hayakupima uwekaji nanga.
• "Ni tatizo la wanafunzi." Walimu, wakadiriaji, wafafanuzi na watendaji ni wathibitishaji katika kila ubuni unaoelezwa na hifadhi ya maarifa.
• "Ni kasoro ya tabia ambayo mafunzo bora huiondoa." Mafunzo husaidia, lakini mtu huyo huyo hutenda tofauti kutegemea kama uthibitishaji ni rahisi, kama matokeo ni fasaha, na kama kutokubaliana kuna gharama.

Dhana zinazohusiana

• Urekebishaji wa Uaminifu — hali ya utegemezi ambayo kushindwa kwake upendeleo wa kiotomatiki unaitaja
• Kupunguza Upendeleo — mwenzake wa upande wa mfumo: upendeleo ndani ya modeli
• Kupunguza Mzigo wa Kiakili — ukabidhaji wa kazi ya kiakili, ambao kukubali bila ukaguzi ni matokeo yake moja
• Binadamu Katika Mzunguko — kizuizi ambacho nguvu yake kushindwa huku kunaiamua
• AI Inayoelezekana — hatua ya uwazi ambayo hifadhi ya maarifa inaipendekeza na mara chache kuijaribu
• Takwimu za Kujifunza — dashibodi na tahadhari za mapema, ambapo makosa ya kuacha yanajikita
• Mifumo ya Kupendekeza na Njia za Kujifunza — kupanga kile cha kufanya baadaye, ambacho mwanafunzi anaweza kufuata tu
• Tathmini ya Kiotomatiki — alama ambayo mtu anaweza kukubali bila kusoma tena
• Ngazi za Msaada — ukaguzi unaobaki rahisi kuliko kukubali
• Uwezo Binafsi — sifa ambayo utabiri wa kawaida unategemea
• Kugundua Maudhui ya AI — utambuzi unaohukumiwa na watu chini ya shinikizo la muda
• Usimamizi wa Mitihani wa Nje ya Awamu ya Mwili — tuhuma inayobuliwa na modeli na kuamuliwa na mtu
• Ujuzi wa AI — mahali uthibitishaji kama stadi inayopimwa ungekaa

Makala zinazohusiana

• Rethinking teachers’ diagnostic skills in AI-supported formative assessment: from diagnosis to meta-diagnosis — walimu wanaonywa dhidi ya kutegemea mapendekezo yaliyojengwa juu ya data chembamba
• A Human-in-the-Loop Framework for AI-Assisted Scoring in Large-Scale Writing Assessment — inataja uwekaji nanga wa wakadiriaji kwa alama za AI kama hatari isiyojaribiwa na inapendekeza kufanya bila kufahamu
• Rethinking "In-The-Loop" Approaches in Educational AI: A Learning Sciences Perspective — dashibodi, maoni ya sifa za uso na taa za tahadhari kama muundo wa jumla
• Responsible Institutional Analytics: Interpreting Bias with AI Support — washikadau kumi na moja, kesi nne, chatbot inayokataa kupendekeza
• LUDIA: A Design and Evidence Statement — kizuizi cha mwalimu kilichodhoofishwa na kutumainia maarifa ya nyanja ya zana
• From Extended Minds to Coupling Flexibility: Cognitive Eco-Sourcing and Generative AI in Education — haki ya kirasmi ya kukataa sio usimamizi ikiwa upendeleo wa kiotomatiki unaishinda
• Modernizing Ground Truth: Four Shifts Toward Improving Reliability and Validity in AI in Education — ufafanuzi wa LLM, uthibitishaji wa mzunguko na kuteleza kwa kimya kwa lebo
• Polished Artifacts, Fragile Engagement? Tackling the Challenge of Reduced Epistemic Effort in Human-AI Knowledge Construction — upendeleo wa kiotomatiki kama uzi wa kijamii na kiakili wa juhudi ndogo za kielimu
• From Answer Generation to Cognitive Partnership: A Conceptual Framework for Human–AI Learning — moja ya mbinu nne za kushindwa katika kazi ya kurudia ya binadamu na AI
• The eight-mode AI engagement typology: Differential cognitive signatures and a self-report–behavior gap — hali ya Oracle na hatari yake ya kawaida
• Assessing students' DRIVE: A framework to evaluate learning through interactions with generative AI — wakala makini wa kibinadamu kama kizuizi dhidi ya upendeleo wa kiotomatiki
• When the algorithm enters the classroom: A critical integrative review of large language models, nursing education structural gaps, and the reconstitution of professional identity — masomo 489 kuhusu kama AI inaondoa kazi isiyohusiana au inayounda
• Reconceptualizing outdoor geoscience learning for the generative AI era: a human-centered instructional model — uwekaji nanga, uthibitisho na upendeleo wa kiotomatiki katika kazi ya uwandani inayofungamana na ushahidi
• Advancing open learning through interactive open educational resources — upendeleo wa kiotomatiki ukitajwa kati ya hatari zinazodhoofisha wakala wa mwanafunzi na mwalimu
• Bridging technology and pedagogy: a cross-sectional analysis of AI use, self-reported academic effects, and ethical concerns among students across diverse health science curricula — wasiwasi wa kimaadili wa wanafunzi 310 unasomwa kama hoja ya mafunzo ya wazi
• AI Literacy for Legal Translation: Developing Digital Resilience — uhariri wa baada ukifundishwa kama stadi inayopimwa dhidi ya shinikizo la udanganyifu wa ubora
• Artificial intelligence applications in forensic science and their implications for education and training — upendeleo wa kiotomatiki umeandikwa katika masomo ya AI ya uchunguzi yaliyopitiwa
• Generative AI in design thinking pedagogy: Enhancing creativity, critical thinking, and ethical reasoning in higher education — viunzi vinavyoweka uamuzi wa kibinadamu katikati
• Trusting AI too much? Psychological correlates of overtrust and the role of AI literacy — utabiri uliopinduliwa: wanafunzi wenye kujiamini waliamini zana zaidi
• HAIML: A human-centered AI metacognitive learning model — A framework for human agency and reflective learning in the age of artificial intelligence — mfumo uliojengwa juu ya utafiti wa upendeleo wa kiotomatiki, sio jaribio wake
• Generative AI in Education and the Erosion of Critical Democratic Citizenship — moja ya mbinu tatu zinazodhoofisha uraia wa kihakiki
• Academic erasure: The disappearance of complexity under AI-supported writing — upendeleo wa kiotomatiki ndani ya kazi ya kihisia ya kusimamia matumizi ya AI
• The LLM Fallacy: Misattribution in AI-Assisted Cognitive Workflows — tofauti iliyo karibu zaidi: utegemezi kupita kiasi kwa mfumo dhidi ya mtazamo wa umahiri binafsi