Document Analysis and Information Behavior of Pre-Service Teacher Perceptions of ChatGPT Generated Lesson Plans
Notice bibliographique
Résumé
This study examined documents produced by generative artificial intelligence as well as users’ perceptions of the usefulness of the documents themselves. The researchers performed document analysis on two generations of lesson plans created with ChatGPT versions 3.5 and 4o. Additionally, three semesters of pre-service childhood educators also reviewed the lesson plans for accuracy and adherence to their course assignment goals. This poster will share findings and trends as well as implications for information practice use of as generative artificial intelligence increases in higher education. Analyse documentaire et comportement informationnel des enseignants·tes en formation sur leur perception de plans de cours générés par ChatGPT RésuméCette étude examine les documents produits par intelligence artificielle générative, ainsi que la perception des utilisateurs·trices sur l’utilité des documents eux-mêmes. Les chercheur·euses ont effectué une analyse documentaire à partir de deux plans de cours générés avec les versions 3.5 et 4o de ChatGPT. En outre, pendant trois semestres, des éducateurs de la petite enfance en formation ont également vérifié l’exactitude et la conformité des plans de cours avec leurs objectifs d’enseignement. Cette affiche présente les résultats et les tendances, ainsi que les implications pour les pratiques informationnelles, à mesure que l’intelligence artificielle générative prend de l’ampleur dans l’enseignement supérieur. Mots-clésintelligence artificielle; analyse de contenus quantitatif; conception de pré-test-post-tes; pratique de l’information
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,009 |
| Science ouverte | 0,001 | 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 ».