Curiosity to Confidence with the AI Hub
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle