Student Reactions to Bots on Course Q&A Platform
Notice bibliographique
Résumé
Motivation Bots can alleviate the workload of instructors supporting students in large course Q&A platforms, but it's not clear whether students will be receptive to the use of automated assistants in this setting. Objectives We aim to observe student reactions when they encounter bot-generated follow-ups to Q&A board posts. We investigate the effect of revealing that a bot, rather than a human, is suggesting that the current post is a duplicate. Methods Our bot revealed or hid its bot identity when suggesting duplicate posts, with the condition selected randomly. We observed students' reactions in both conditions. A post-course survey was distributed to collect students' demographic data, previous experiences with bots, and attitudes toward our bot. Results We observed a slight increase in students' response rate when the bot hid its identity. We compared the positive response rate in both conditions and did not find evidence suggesting that students had less trust in bot-generated answers. From the survey, we only saw minimal direct evidence that students might mistrust the bot: 7 of 59 students reported worries about receiving an inaccurate bot-generated answer. Other students were concerned that they would not receive attention from an instructor. Discussion We did not find evidence that revealing the bot's identity has a negative impact on student reactions. However, future bot design should consider the emotional impact of deploying a bot as there may be negative emotional effects to receiving a bot-generated response.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».