Effect of Chat GPT on the digitized learning process of university students
Notice bibliographique
Résumé
This study's main objective was to determine how the use of ChatGPT has impacted the digitalized education system among Peruvian university students. This study used descriptive statistics and linear regression analysis using the data collected randomly from 216 students’ responses on the Twitter website on the various experiences they have of ChatGPT. According to this research, 71.30% of participants who participated in the discussion agreed that they use ChatGPT as it is fast and provides the most accurate answers. Fifty participants representing 23.15% of the total indicated in the discussion that they use ChatGPT since it is free and easy to use. Additionally, the linear regression analysis to determine its cost, recommendation, rate of task completion and preference as any impact on the usage of ChatGPT and how this affects the digitalized learning process. And from the result, there was a positive correlation between the independent variable of student use of ChatGPT and the dependent variables of the rate of assignment completion, cost, and preference for using ChatGPT because of its services. Given that most students may access ChatGPT for no cost, and its estimated cost variable was 0.379, it is widely used by them. These results prove that ChatGPT significantly impacts the digitalized learning process as many students prefer to use ChatGPT to handle tasks. Therefore, it is clear that institutions should come up with ways of dealing with students' growing use of AI bots.
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».