Curiosity to Confidence with the AI Hub
Notice bibliographique
Résumé
In response to increasing curiosity, confusion, and concern about generative artificial intelligence (AI), the authors launched the AI Hub at the University of Guelph-Humber during the 2024–2025 academic year. Designed as a physical booth in a high-traffic area of campus, the AI Hub served as a welcoming space where students, instructors, and staff could explore the practical and ethical dimensions of AI through informal, hands-on interactions. Weekly activities ranged from live demonstrations to guided discussions and resource sharing, aiming to make AI approachable and meaningful for academic, personal, and professional use. These encounters encouraged dialogue and reflection, fostering a deeper understanding of AI’s capabilities and limitations. This paper describes the development and implementation of the AI Hub, offering insight into both the logistics and outcomes of this initiative. Over the course of the year, the AI Hub engaged more than 500 members on campus and over 18,000 views on videos on social media, suggesting strong interest and growing demand for accessible AI education. Reflections from the student research assistants who operated the booth revealed four key themes: shifting from fear to empowerment, creating safe spaces for open conversation, bridging understanding through practical tools, and reshaping their own perspectives on AI’s role in their future careers. This article offers a replicable, low-barrier model for engaging campus communities in ethical AI exploration and concludes with recommendations for institutions seeking to build confidence, curiosity, and critical awareness around AI technologies.
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 | 0,039 | 0,100 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,028 |
| Communication savante | 0,023 | 0,013 |
| Science ouverte | 0,002 | 0,029 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,003 |
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 ».