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

What Is the Evidence on AI Literacy Interventions in Higher Education?

Ushahidi kuhusu uingiliaji wa ujuzi wa AI katika elimu ya juu unatia matumaini, lakini bado haijakomaa kwa kimetodolojia. Katika hifadhi hii ya maarifa, ugunduzi unaojirudia wenye nguvu zaidi ni kwamba ujuzi wa AI hukua vizuri zaidi kupitia mazoezi ya shughuli, yaliyowekwa katika muktadha na AI — hasa uhakiki, kulinganisha, kutafakari, na ushirikiano — kuliko kupitia maonyesho ya zana au hotuba peke. Wakati huo huo, masudio machache yanapima uwezo wa kudumu, ulioonyeshwa kwa njia huru; mengi yanategemea ripoti binafsi, uingiliaji wa muda mfupi, kulinganisha kwa uchunguzi, au utafiti unaotegemea ubunifu.

Fasihi ya uingiliaji inakubaliana juu ya kanuni kadhaa za kubuni.

Picha ya jumla ya kidadisi

Meta-analysis ya ngazi tatu ya masudio 59 ya kiushahidi (vipimo 172 vya athari, washiriki 7,211) inatoa kipimo cha kiidadisi chenye uwazi zaidi cha uwanja: uingiliaji wa ujuzi wa AI unaonyesha athari kubwa ya jumla (g = 0.837, p < .001) — lakini kwa kipindi cha juu cha utabiri cha 95% [−0.292, 1.966], hivyo ufanisi hubadilika kwa kiasi kikubwa katika miktadha tofauti na huenda hausambazwi sawa. Wadhibiti wawili walikuwa na umuhimu: uingiliaji katika Asia ya Mashariki na Ulaya ulifanya vizuri zaidi kuliko ule katika Amerika ya Kaskazini, na uingiliaji unaozingatia maarifa ulifanya vizuri zaidi kuliko ule unaolenga ujuzi, mitazamo, au maadili. Athari kubwa (ingawa zisizo na umuhimu wa kimahesabu) zilitokea kwa mbinu za kufundisha za mchanganyiko au za kutafakari, zana zinazoungwa na GenAI, na matokeo ya kazi za utendaji. Waandishi wanadai kuwa elimu ya ujuzi wa AI kwa hivyo inapaswa kuenda zaidi ya maarifa hadi ujuzi, mazoezi, maadili, na mitazamo, kupitia mbinu za kufundisha zilizounganishwa na za kutafakari na zana zinazoungwa na GenAI — na kwamba uingiliaji unaolingana na kitamaduni na nyeti kwa muktadha unahitajika.(AI Literacy Interventions in Education: A Meta-Analysis of Effects and Moderators)

Mawazo mawili yanamuhimu kwa watekelezaji: (1) matokeo unayopima yanaunda athari inayoonekana — uingiliaji unaozingatia maarifa unaonekana wenye nguvu zaidi kuliko ule unaozingatia ujuzi, mitazamo, au maadili, hivyo tathmini kile unachojali kweli; na (2) kipindi kirefu cha utabiri kinamaanisha kuwa wastani mkubwa hauhakikishi athari kubwa katika miktadha mahususi yoyote ya ndani, huku ikithibitisha hoja ya ubunifu nyeti kwa miktadha.

Kukosoa AI badala ya kuitumia tu

Katika saikolojia ya shahada ya kwanza, Richmond na Nicholls waliwaalika wanafunzi kunipisha tangazo la vyombo vya habari lililotengenezwa na ChatGPT dhidi ya rubriki ya kozi yao, kutambua makosa, na kuliboresha. Wanafunzi kwa ujumla walitambua kuwa matokeo yalikuwa yameboreshwa kwa mtindo lakini dhaifu katika kuwakilisha kwa usahihi malengo, mbinu, na matokeo ya utafiti. Kulinganishwa na kikundi cha awali cha Tathmini ya Marika, kikundi cha uhakiki wa AI kilifanya vizuri zaidi kwa kiasi cha wastani katika marekebisho ya baadaye ya hati (d = 0.36), ingawa hapakuwa na faida ya umuhimu katika video ya mwisho.

Hii inatoa ushahidi wa kushawishi kwa ujuzi wa AI unaotegemea uhakiki, lakini ulinganisho wa kihistoria unazuia hitimisho la nguvu la sababu.

Chanzo: Using Generative AI to Promote Psychological, Feedback, and AI Literacies in Undergraduate Psychology.

Kuingiza ujuzi wa AI katika kazi za taaluma

Mbinu ya Beck na Brodersen ya uchumi inawaalika wanafunzi kwanza kutatua au kutafsiri wenyewe shida halisi ya uchumi, kisha kupata jibu la ChatGPT, kulinganisha mawili, kukosoa AI, kutafakari, na kujadili na marika. Uingiliaji unaunganisha ujuzi wa AI na mbinu zilizopo za Kujifunza kwa Shughuli kama vile Fikiria-Shirikiana-Shiriki.

Mchango wake mkuu ni ubunifu wa kufundisha unaoweza kuhamishwa badala ya ushahidi mkubwa wa majaribio wa athari za kujifunza.

Chanzo: Fostering Generative AI Literacy in Economics.

Uzoefu unaoendelea badala ya warsha za mara moja

Mfululizo wa Ujuzi wa AI wa NC State unaeleza maendeleo kutoka Hauna Ushiriki Bado na Matumizi Bila Ukosoaji kupitia Matumizi Yenye Maarifa, Tathmini Mahususi, na Kuboresha. Utekelezaji wake ulihusisha washiriki zaidi ya 330 katika kozi na warsha.

Uchunguzi ulionyesha kuwa uzoefu mfupi unaweza kusogeza wanafunzi kuelekea matumizi yenye maarifa, wakati ushahidi wa tathmini mahususi na kuboresha ulionekana zaidi katika uzoefu unaoendelea na umeingizwa katika taaluma. Hata hivyo, hapakuwa na kipimo kilichothibitishwa cha kabla/baada au kikundi cha kulinganisha, hivyo huu ni ushahidi unaotegemea mazoezi badala ya ushahidi wa sababu.

Chanzo: Beyond Tool Adoption: A Practical Five-Stage Developmental Continuum for AI Literacy in Higher Education.

Miundo ya ushirikiano na ya kihakiki shughuli

Mapitio ya kimfumo ya Hingle na Johri yanapanga shughuli za ujuzi wa AI kwa kutumia mfumo wa ICAP: mwonekano wa kupitisha, uendeshaji shughuli, uzalishaji wa kubuni, na uundaji wa pamoja wa mwingiliano. Mapitio yanagundua uingiliaji katika hali zote nne na yanapinga kupunguza ujuzi wa AI kuwa kipindi cha taarifa za upande mmoja.

Ushahidi unasaidia kubuni fursa kwa wanafunzi kuunda, kukosoa, kueleza, na kubishana juu ya matokeo ya AI na marika.

Chanzo: Systematic Review of Collaborative Learning Activities for Promoting AI Literacy.

Elimu ya walimu: uaminifu dhidi ya uwezo ulioonyeshwa

Uingiliaji wa ujuzi wa GenAI unaotegemea ubunifu wa Le na wenzake, uliojaribiwa na wanafunzi 14 wa shahada ya uzamili na kutathminiwa na wanafunzi 29 wa Maendeleo ya Kitaaluma, uliongeza uwezo binafsi wa Uwezo Binafsi wa AI ulioripotiwa na kuzalisha mabadiliko kuelekea kuzingatia zaidi kwa kieledu matumizi ya GenAI.

Hata hivyo, faida za maadili zilikuwa na umuhimu wa kiwango cha mpaka tu, na utafiti mdogo unaotegemea ubunifu unamaanisha kuwa hitimisho kuhusu uwezo wa lengo bado ni madogo.

Chanzo: Development and Evaluation of AI Literacy Training for Teacher Education Students.

Mafunzo ya ujuzi wa AI hayatokomei makosa yanayohusiana na AI

Tahadhari muhimu hasa ni kwamba kufundisha wanafunzi kuweka ilani au kutumia AI vizuri hakulingani na kuwafanya watumiaji mahususi wa kuaminika. Katika majaribio ya kubembeleza kulingana na miktadha, mafunzo ya ujuzi wa AI na kuweka ilani yalipunguza mwelekeo wa mfano wa kuiga makosa ya hoja za washiriki, lakini hayakutokomeza usambazaji wa makosa wa mbele.

Hii inaashiria kuwa elimu ya ujuzi haiwezi kubeba mzigo wote wa usalama; ubunifu wa zana na ulinzi wa kiwango cha mfumo pia unahitajika.

Chanzo: The Hidden Cost of Contextual Sycophancy: an AI Literacy Intervention in Human-AI Collaboration.

Kupima ujuzi wa AI kuna umuhimu

Fasihi ya upimaji inaithibitisha tahadhari hii. Kipimo cha utendaji kilichothibitishwa cha GLAT kilitabiri utendaji katika kazi ya elimu ya juu inayoendeshwa na AI, wakati kipimo cha ujuzi wa ChatGPT kilichoripotiwa na wenyewe hakikufanya. Kwa upana zaidi, hifadhi ya maarifa inaripoti tofauti kubwa kati ya uwezo wa AI unaoripotiwa na ule unaoonyeshwa.

Kwa hivyo, uingiliaji unaoinua uaminifu, mitazamo, au ujuzi unaohisiwa haupaswi kutafsiriwa kiotomatiki kuwa unaboresha ujuzi wa AI yenyewe. Hii inaonyesha umuhimu wa upimaji wa kielimu na uhalali wa tathmini wakati wa kutathmini uingiliaji wa ujuzi wa AI.

Kazi mpya inaonyesha zaidi nini kinapaswa kupimwa na vipi. Utafiti wa darasa wa Burriss na wenzake wa wanafunzi 22 wa darasa la kumi na moja wakitengeneza matangazo ya huduma ya umma ya video kuhusu maadili ya AI unadai kuwa skela zilizopo za ujuzi wa AI na miundo ya uwezo inadhani utendaji unaoweza kupimwa binafsi na hivyo inatenga kimuundo ushirikiano na maelezo ya kibunifu; wanapendekeza kuwa tafakari za wanafunzi, vitu vya AI ya Modaliti Nyingi, na majadiliano ya uraia vinajumuisha vipimo vya kawaida. Ugunduzi wao kwamba wanafunzi walikua ufahamu mahususi wa maadili ya AI kupitia mbinu za kufundisha mahususi unapinga dhana za orodha ya ujuzi za ujuzi wa AI — na, pamoja nazo, vyombo vilivyojengwa juu ya orodha hizo. Pia unaonyesha mwelekeo wa safari: majibu 15 ya 18 ya mwisho wa kipindi yalithibitisha kujifunza kupya, wakati waandishi wanaona kwamba mradi unapinga tathmini ya mwisho ya jadi. Angalia Multimodal composition as a form of critical AI literacy pedagogy.

Tahadhari tofauti inatoka kwa utafiti wa kukubalika. Wang, Chuang, na Wu walifanya dodoso kwa wanafunzi na walimu 831 wa Kitaiwana wa K-12 baada ya takribani dakika 30 na kitabu cha ujuzi wa AI kilichopangwa kwa kizingiti cha umri na waligundua muundo wa kukubalika wa vipimo vinne ulio thabiti — lakini kuchezesha kulichosikika kulikuwa na uhusiano mkubwa zaidi na nia ya tabia, na utafiti ulipima kukubalika kwa muda mfupi, si faida za kujifunza, uwezo wa maadili, au matumizi halisi. Waandishi ni wazi kuwa dhana za kukubalika "hazipaswi kutumika kuhitimisha ufanisi wa kujifunza au mafanikio ya utekelezaji". Angalia Measuring acceptance of age-tiered AI literacy guidebooks.

Vyanzo:

• GLAT: The Generative AI Literacy Assessment Test
• AI Literacy Assessment: Self-Reported vs Performance Misalignment

Uchunguzi kabla ya mafunzo: ufahamu wa wanafunzi uliopo wa AI

Mahali ambapo uingiliaji unaanza ni muhimu kama maudhui yake. Şan na Orhan Karsak walitumia Mtihani wa Uhusiano wa Maneno wa kisaikolojia na wanafunzi 436 wa Kituruki wa shahada ya kwanza (majibu 1,376 yaliyopangwa kwa kodi, κ ya kati ya wapimaji = 0.87) kupanga uwakilishi wao wa kiakili wa AI. Uhusiano ulikusanyika karibu na manufaa ya zana — urahisi (f = 145) na kasi (f = 110) — wakati uwazi wa algoriti, faragha, na dhana za utawala zilikuwa nadra tu bali zilikuwa zimetengwa kimuundo na kikundi kuu cha manufaa (τ ya Kendall = −0.819). Waandishi wanadai kwamba kufikisha moduli ya maadili katika muundo wa kiakili bila skela iliyopo ya kuipokea ina uwezekano mkubwa wa kushindwa: mitaala lazima ijenge madaraja ya wazi kutoka maarifa ya zana ya kila siku hadi miundo ya maadili na utawala, na vyeti vidogo vinapaswa kupanga maudhui ili kufunga pengo hilo la kimuundo badala ya kurudia kile wanafunzi wanakijua tayari. Hii ni hoja ya tathmini ya mahitaji kwa ubunifu wa uingiliaji, na ni mojawapo ya masudio machache yanayotoa uchunguzi wa kuegemea data kabla ya mafunzo. Angalia Knowing its name, not its nature.

Mwelekeo wa kulinganisha, uliowekwa katika hali, unatoka kwa vikundi saba vya mazungumzo vya Dai na Chan na watafiti 28 wa ngazi ya juu, waliofanya ujuzi wa AI kwa njia tofauti katika mtiririko wa utafiti — matumizi makubwa katika kazi za taratibu za hatari ndogo (upangaji, tafsiri, maelezo), uangalifu mkubwa zaidi mahali ambapo mchango wa kitaaluma ulikuwa hatarini — na wakaweka mipaka yao wenyewe kati ya kusaidia dhidi ya kuchukua nafasi ya hoja zao. Hitimisho lao ni kwamba ujuzi wa AI unastahili kuchukuliwa kama uwezo uliowekwa katika hali badala ya orodha ya uwezo isiyobadilika, na kuwa miongozo ya matumizi yenye uwajibikisho inapaswa kujenga ngazi za msaada kwa kila kipimo cha ujuzi katika kazi halisi badala ya kutekeleza kanuni za mbili. Angalia Shaping responsible GenAI use in research through AI literacy-oriented guidelines.

Vyeti na tathmini ya kiwango cha mpango

Ujuzi wa AI unafikishwa zaidi na zaidi kupitia vyeti na vyeti vidogo, na hapa ndipo tathmini inapokuwa nyembamba zaidi. Wu na Li walijenga mfumo wa kiashiria cha tathmini chenye uzito wa wataalam (AHP / Fuzzy-AHP na uthibitisho wa uthabiti wa Monte Carlo, wataalam 18) kwa mipango ya vyeti vya AI na waligundua kuwa uwezo wa kitaalama wa waelimishaji ulionyesha pengo kubwa zaidi la umuhimu–kuridhika — umuhimu unaohisiwa wa juu (0.1976) dhidi ya kuridhika ya sasa ya chini — na kutambua uwezo wa waelimishaji, si miundombinu ya kiteknolojia, kama kikomo kikuu cha mabadiliko ya kieledu; uwezo wa kubadilika kwa kitamaduni ulipokea uzito mdogo zaidi wa kimkakati (0.0735), ikionyesha upendeleo wa kiteknolojia-kwanza katika kuweka vyeti mapema. Angalia Evaluation indicator system for AI certificate programs. Hii inaweka mbele swali ambalo fasihi ya uingiliaji haijajaribu kidogo: kama cheti kinathibitisha ujuzi wa AI wa kudu au kinarekodi tu kukamilika, na kama waelimishaji wanaofikisha wenyewe wana uwezo wa kuhukumu.

Tathmini ya jumla ya ushahidi

Kwa ujumla, ushahidi unaweza kuelezewa kama wa wastani kwa kanuni za ubunifu wa kufundisha, lakini bado dhaifu-hadi-wastani kwa ufanisi wa sababu.

Mfano unaoweza kutetea zaidi wa sasa kwa elimu ya juu ni:

1. Weka ujuzi wa AI ndani ya kazi halisi za taaluma.
2. Waalike wanafunzi kuunda uamuzi au suluhisho la awali kabla ya kushauriana na AI.
3. Hitaji kulinganisha, uhakiki, na ukosaji wa matokeo ya AI.
4. Jumuisha mazungumzo ya marika na kutafakari.
5. Rudia uzoefu huu kwa muda badala ya kutegemea warsha za mara moja tu.
6. Tathmini wanafunzi kwa kazi zinazotegemea utendaji zinazohitaji tathmini huru na uamuzi wenye uwajibikisho, badala ya kutegemea uaminifu au dodoso za ripoti binafsi tu.

Mapengo muhimu yanabaki. Fasihi bado inahitaji zaidi masudio ya nasibu ya taasisi nyingi au ya karibu-kijaribio yenye nguvu, vipimo vya pamoja vilivyothibitishwa, mitihani iliyoahirishwa ya kudumu na uhamishaji, na ushahidi kuhusu kama faida za ujuzi zinadumu wanafunzi wanapokutana na mifano mipya ya AI, taaluma, au hali za kushindwa za AI wasizozijua.

Kwa ufupi, ushahidi wa sasa unasaidia kuchukulia ujuzi wa AI kama mazoezi mahususi ya kielimu yaliyoingizwa katika taaluma, si maarifa kuhusu AI au ufasaha wa kuweka ilani tu. Hoja ya kieledu kwa uhakiki, kulinganisha, kutafakari, ushirikiano, na mazoezi halisi ya kurudia ni inayoungana zaidi, lakini ushahidi kwamba uingiliaji mahususi unazalisha ujuzi wa AI wa kudumu na unaoweza kuhamishwa bado haujathibitishwa. Kwa jinsi hitimisho hilo linavyotafsiriwa katika ubunifu halisi wa kozi, angalia How should I incorporate AI literacy into my course?; na kwa mahali ambapo msingi wa ushahidi wenyewe unabaki nyembamba, angalia What are notable gaps in the research literature on AI in Education?.