Proliferation of AI Tools: A Multifaceted Evaluation of User Perceptions and Emerging Trend
Notice bibliographique
Résumé
The rapid advancement of artificial intelligence (AI) technologies, epitomized by tools like ChatGPT, Claude, Bard, Copilot, and Copy AI, has significantly reshaped various professional landscapes. This study aimed to assess the impact of these AI tools on professional performance, job dynamics, and societal perceptions. Amidst their benefits in enhancing efficiency and introducing novel capabilities, these tools also pose challenges concerning job displacement, ethical implications, and societal balance. Data from 1623 professionals across diverse industries were analyzed to assess AI tool utilization, functionality, user satisfaction, and perceived impacts. The results indicate that AI tools substantially enhance professional efficiency and are vital in diverse tasks including data analysis and decision-making. However, they also significantly affect traditional job roles, underscoring the urgency for workforce adaptation and skill development. Notably, the study unveils a generational gap in AI adoption, with younger users showing higher engagement compared to older cohorts, suggesting a digital divide. The study’s novelty lies in its comprehensive analysis of AI tool impacts across multiple professions, highlighting ethical and societal challenges. Concerns about AI-induced job displacement, privacy, and ethical use were evident, calling for responsible AI integration. The study advocate for targeted reskilling programs to equip the workforce for an AI-driven future and ethical guidelines to ensure AI tools' responsible development and use. This research contributes to the understanding of AI’s role in modern professional settings and offers strategic insights for policymakers, educators, and industry leaders. Emphasizing a balanced approach, the study urges for AI deployment that maximizes benefits while addressing potential risks and societal concerns.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».