Raising University Students’ Critical Awareness of the Linguistic Limitations and the Potential Invalid Knowledge of ChatGPT Responses to Academic Writing Prompts
Notice bibliographique
Résumé
As ChatGPT becomes widespread globally, university students utilize its responses to develop their academic writing assignments. In the meantime, studies have shown linguistic limitations and invalid information in ChatGPT responses. This study aims to raise university students’ critical awareness of ChatGPT limitations in academic writing by using a researcher-designed critical review activity. This study follows a quasi-experimental method that instructs students on how to evaluate ChatGPT academic writing responses. Students were required to practice a critical review activity to evaluate and criticise the linguistic appropriateness and knowledge credibility of the ChatGPT responses. The research participants included 120 university students enrolled in an Academic Writing course at the University of Prince Edward Island, Cairo campus. The academic writing course was taught for three months; meanwhile, students practised the designed critical review activity to evaluate the linguistic features and credibility of the ChatGPT responses. Pre and post-critical awareness questionnaires were administered to measure the difference in students’ critical awareness of the ChatGPT Limitations. The findings showed that participants’ critical awareness during the pre-critical awareness questionnaire was poor. However, in the post-critical awareness questionnaire, the critical awareness of most of the participants was satisfactory. Therefore, the study confirms that integrating critical review activities in the academic writing syllabus is crucial to raising students’ critical awareness towards ChatGPT Limitations. The study's findings provide a foundation for creating suitable instructional materials to integrate ChatGPT properly in teaching Academic Writing Courses.
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 | 0,018 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».