Unmasking Chatbots' Multiple Personalities: A Student-Faculty Collaboration
Notice bibliographique
Résumé
Humans have long anthropomorphized non-human entities, attributing human characteristics to objects like cars, sports equipment, and dolls. This tendency has intensified with connected devices and generative AI tools that simulate human interactions, producing sophisticated, human-like responses. If AI tools were personified based on their interaction and communication styles, what personalities might they embody? How could they be visually represented? What pedagogical opportunities could they reveal? These questions initiated the first phase of a practice-led project exploring AI personifications through a creative, collaborative pedagogical approach involving design students and faculty members. During an undergraduate design course, the faculty-student team used several generative AI tools for a project and reflected on their interactions by identifying various personalities the AI embodied. Each personality was named, described, and visually represented using generative AI illustration tools. The team identified six AI personalities: the assistant, the angel, the erudite, the slacker, the bullshitter, and the stalker. This project aims to contribute to emerging discussions about AI integration in education by offering a creative approach to support students and instructors who are navigating rapidly evolving technological interactions. By anthropomorphizing AI interactions, the team sought to enhance understanding of human-AI dynamics and potentially help develop AI literacy skills. The team also explores and reflects on a pedagogical approach that emphasizes student and faculty collaboration, creating a shared learning environment through a creative knowledge-building activity. This article presents the first phase of the project, offering early findings, exploring potential educational implications, and presenting future research directions.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| 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 ».