Reflections on co-researching AI literacy
Notice bibliographique
Résumé
Students as Partners (SaP) approaches have gained more and more traction in higher education in recent years (Dai & Matthews, 2022). Rooted in values such as reciprocity and shared responsibility, SaP can offer opportunities for internationalizing the curriculum and departing from traditional teacher-student hierarchies (Green & Baxter, 2022). This case study focuses on a SaP project involving international students and their English for Academic Purposes (EAP) teacher, which investigated artificial intelligence (AI) literacy during a UK pre-sessional course in summer 2023. The project identified that learning about the limitations of AI, in addition to developing skills for effective prompt writing, was beneficial to students (Partridge et al, 2023). This case study reflects on the challenges and benefits of SaP for both students and the teacher using the Advance HE (2016) Framework for Student Engagement Through Partnership. Based on these reflections, the case study offers recommendations for future SaP projects including effective scheduling, defining roles, engaging in continual reflection, and formally recognising student input.
Conservé avec la notice de tri, où il sert de preuve aux étiquettes ci-dessus.
Comment cette classification a été obtenuedéplier
Le tri à trois modèles
les 5 600 travaux triés →1 modèle sur 3 a qualifié ce travail de métarecherche. Ce travail est contesté : il se situe à la frontière empirique du domaine, et son statut dépend du modèle interrogé. C'est l'un des 51 travaux du dossier des désaccords.
Reflective case study on a students-as-partners co-research project, with recommendations on roles and recognizing student input; commentary touching on how collaborative inquiry is conducted, so contextual at most.
The case study explicitly examines co-researching practices and the challenges of partnership in conducting research.
Case reflection on Students-as-Partners pedagogy for AI literacy teaching, not study of research as an object.
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 | 0,047 | 0,081 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,028 |
| Communication savante | 0,025 | 0,030 |
| Science ouverte | 0,005 | 0,026 |
| Intégrité de la recherche | 0,011 | 0,040 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,004 |
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 ».