Какво помага на студентите да учат ефективно с изкуствен интелект?
| Podcast | Подкаст |
| A recent study published in TechTrends offers the following results: students need autonomy, critical thinking, and the capacity to judge AI through ethical and social considerations. A positive attitude toward AI, on its own, does not appear to strengthen self-regulated learning. The researchers surveyed 333 art and design students after a one-week ChatGPT workshop. They found that students who reported stronger critical-thinking dispositions and greater autonomy also reported stronger self-regulated learning. Ethical perceptions of AI and beliefs about its contribution to social good were also associated with better self-regulation. General optimism about AI showed no significant relationship. A LinkedIn post discussing the study summarized the finding in direct terms: students who learn well with AI can interrogate the technology and consider what purposes it should serve. The post argued that AI training focused mainly on confidence and comfort measures the wrong outcomes. The discussion beneath the post showed broad agreement with this principle, but also exposed important disagreements about what the research demonstrates. Where the comments agree The largest group of commenters agreed about AI literacy focus should have been placed on judgment rather than technical proficiency. Several contributors pointed out the need for students to question, verify, reflect, and decide when to reject AI-generated suggestions. They distinguished between feeling comfortable with a tool and thinking critically while using it. One commenter described AI literacy as becoming better at “thinking with AI,” while another argued that students benefit when they refuse to outsource their understanding. This group also agreed also on the need to critical thinking. Students need repeated opportunities to ask: – What evidence supports this answer? – Which perspectives or sources are missing? – What uncertainty has the AI concealed? – Which part of the task should remain under human control? Others suggested using Socratic questioning, the “five whys,” explicit disagreement, source checks, and activities requiring students to decide when to trust, challenge, constrain, or override AI. A second area of agreement concerned the limits of positive attitudes. Enthusiasm, confidence, and frequent use do not guarantee students’ ability to evaluate outputs or learn independently. The comments in this area support the article’s warning about access and comfort as the main indicators of AI readiness. Where opinions differ A substantial group challenged the way the study was presented. Their main concern with the research is the measuring students’ self-reported perceptions rather than demonstrated learning. The participants rated their own autonomy, critical thinking, ethical beliefs, and self-regulation. The study did not test whether they detected hallucinations, retained knowledge, verified evidence, solved unfamiliar problems, or produced stronger academic work. Critics also pointed to the narrow sample. All participants came from one School of Art and Design and completed a travel-itinerary activity after a short workshop. These conditions do not support broad claims about university students across disciplines or about performance in complex and high-risk tasks. Another disagreement concerned causality. Since the study used cross-sectional survey data, it cannot prove that ethical beliefs or critical thinking caused better learning. Self-regulated students may already be more likely to view AI critically and ethically. These criticisms do not make the study useless. They reposition it as a starting point for instructional design rather than proof that particular attitudes improve achievement. Ideas added by the LinkedIn discussion The comments introduced several ideas beyond the article. First, some commenters reminded the need for critical thinking to start before students use AI. Learners should practise questioning authority, evaluating sources, and constructing arguments before AI-assisted research enters the curriculum. Second, contributors linked AI literacy with assessment redesign. When AI can generate acceptable answers, assessment may need to place greater emphasis on problem framing, question quality, reasoning, evidence selection, and the defence of decisions. Third, several commenters stressed the point of an essential learning outcome and namely: knowing when not to use AI. Autonomy includes the choice to limit AI, reject its involvement, or preserve productive intellectual struggle. Fourth, teachers need clearer institutional and assessment guidance. Faculty should not have to guess which forms of AI assistance are acceptable. Policies need concrete examples, disciplinary distinctions, and visible models of permitted human-AI collaboration. What faculty can do The article and discussion point toward a model of guided autonomy. Faculty can ask students to plan their AI use, define what they will delegate, verify outputs, document rejected suggestions, revise the work, and explain their final decisions. Assignments should assess the process as well as the final product. A short AI-use record can have students report what they used AI for, what they accepted, what they challenged, how they checked the result, and which reasoning remained their own. Teachers should also integrate ethical questions into disciplinary activities. Finance students can examine bias in credit decisions. Marketing students can evaluate manipulative personalization. Accounting students can assess confidentiality risks. Tourism students can identify stereotypes in destination recommendations. The central lesson goes beyond whether students should become more confident AI users. They should become more deliberate learners who can question evidence, protect their intellectual agency, recognize limitations, and take responsibility for the work produced with AI.What helps students learn effectively with artificial intelligence? | Ново изследване, публикувано в TechTrends, предлага ясен отговор: студентите се нуждаят от автономност, критическо мислене и способност да оценяват изкуствения интелект от етична и обществена гледна точка. Положителното отношение към AI само по себе си не изглежда достатъчно за развитието на саморегулирано учене. Изследователите анкетират 333 студенти по изкуства и дизайн след едноседмичен семинар за работа с ChatGPT. Резултатите показват, че студентите, които съобщават за по-силно критическо мислене и по-голяма автономност, също така оценяват по-високо способността си да регулират собственото си учене. Етичните възприятия за AI и убеждението, че технологията трябва да допринася за общественото благо, също са свързани с по-добра саморегулация. Общият оптимизъм към AI не показва значима връзка. Пост в LinkedIn, посветен на изследването, обобщава резултата директно: студентите, които учат добре с AI, са способни да го поставят под въпрос и да преценяват за какво трябва да се използва. Авторът на публикацията подчертава, че обученията, насочени главно към увереност и комфорт при работа с AI, измерват неподходящи резултати. Дискусията под публикацията показва широко съгласие с тази идея, но разкрива и важни различия в оценката на това какво в действителност доказва изследването. Къде коментарите се припокриват Най-голямата група участници в дискусията се обединява около разбирането, че AI грамотността трябва да се фокусира върху преценката, а не върху техническите умения. Няколко коментатори посочват, че студентите трябва да се научат да задават въпроси, да проверяват информацията, да разсъждават и да решават кога да отхвърлят предложенията на AI. Те разграничават увереното използване на даден инструмент от критическото мислене по време на работата с него. Един участник определя AI грамотността като способност да мислим по-добре с AI. Друг подчертава, че студентите извличат полза, когато отказват да прехвърлят собственото си разбиране към технологията. Участниците в дискусията също се съгласяват, че критическото мислене изисква практика. Студентите трябва редовно да получават възможност да задават въпроси като: – Какви доказателства подкрепят този отговор? – Кои гледни точки или източници липсват? – Каква несигурност е скрита в отговора? – Каква част от човешката преценка се заменя? Други участници предлагат използването на Сократовия метод, техниката „пет защо“, целенасочено противопоставяне на аргументи, проверка на източници и дейности, при които студентите трябва да решат кога да се доверят на AI, кога да го оспорят и кога да ограничат неговата роля. Втора важна област на съгласие е свързана с ограниченията на положителното отношение към AI. Няколко преподаватели посочват, че ентусиазмът, увереността и честата употреба не показват дали студентите могат да оценяват резултатите или да учат самостоятелно. Това подкрепя предупреждението в статията, че достъпът и комфортът не трябва да бъдат основните показатели за готовност за работа с AI. Къде мненията се различават Значителна група коментатори поставя под въпрос начина, по който резултатите от изследването са представени. Основната критика е, че изследването измерва самооценката на студентите, а не реално демонстрирано учене. Участниците оценяват собствената си автономност, критическо мислене, етични убеждения и саморегулация. Изследването не проверява дали те могат да разпознават халюцинации, да запомнят знания, да проверяват доказателства, да решават непознати проблеми или да създават по-качествена академична работа. Критиците посочват и ограниченията на извадката. Всички участници са от едно училище по изкуства и дизайн и изпълняват задача за създаване на туристически маршрут след кратък семинар. Тези условия не позволяват резултатите автоматично да се обобщят за всички университетски дисциплини или за сложни задачи с висок риск от грешки. Друго несъгласие е свързано с причинно-следствената връзка. Тъй като изследването използва данни от еднократна анкета, то не може да докаже, че етичните убеждения или критическото мислене причиняват по-добро учене. Възможно е студентите, които вече умеят да регулират собственото си учене, по-често да възприемат AI критично и етично. Тези критики не обезценяват изследването. Те го поставят по-скоро като отправна точка за педагогически дизайн, а не като окончателно доказателство, че определени нагласи подобряват учебните резултати. Какви нови идеи добавя дискусията в LinkedIn Коментарите въвеждат няколко идеи, които не са подробно разгледани в статията. Първо, някои участници твърдят, че критическото мислене трябва да се развива още преди студентите да започнат да използват AI. Обучаемите трябва да умеят да поставят под въпрос авторитети, да оценяват източници и да изграждат аргументи, преди AI да стане част от изследователската им работа. Второ, участниците свързват AI грамотността с промени в оценяването. Когато AI може бързо да създава приемливи отговори, оценяването трябва да насочи повече внимание към формулирането на проблеми, качеството на въпросите, логиката на разсъждение, избора на доказателства и защитата на взетите решения. Трето, няколко коментатори подчертават, че умението да решим кога да не използваме AI е важен учебен резултат. Автономността включва способността да ограничим AI, да откажем неговото използване или да запазим необходимото интелектуално усилие. Четвърто, преподавателите се нуждаят от по-ясни институционални правила и насоки за оценяване. Те не трябва да гадаят какви форми на помощ от AI са приемливи. Политиките трябва да съдържат конкретни примери, дисциплинарни различия и видими модели на допустимо взаимодействие между човек и AI. Какво могат да направят преподавателите Статията и дискусията насочват към модел на насочвана автономност. Преподавателите могат да изискват от студентите да планират употребата на AI, да определят какво ще възложат на инструмента, да проверяват резултатите, да документират отхвърлените предложения, да редактират съдържанието и да обясняват финалните си решения. Задачите трябва да оценяват процеса, а не само крайния продукт. Кратък дневник за употреба на AI може да включва въпроси като: За какво използвахте AI? Кои предложения приехте? Кои предложения оспорихте или отхвърлихте? Как проверихте резултата? Коя част от разсъждението остана изцяло ваша? Преподавателите трябва също да включват етични въпроси в задачи, свързани с конкретната дисциплина. Студентите по финанси могат да изследват пристрастията при кредитни решения. Студентите по маркетинг могат да оценяват манипулативната персонализация. Студентите по счетоводство могат да разглеждат рисковете за поверителността. Основният извод не е, че студентите трябва да станат по-уверени потребители на AI. Те трябва да станат по-осъзнати обучаеми, които могат да проверяват доказателства, да запазват собствената си интелектуална роля, да разпознават ограниченията на технологията и да поемат отговорност за работата, създадена с помощта на AI. |