Perspectives from South Africa on GenAI in Higher Education: A Postdigital Dialogue with the Global Context
Notice bibliographique
Résumé
Abstract Drawn from an interdisciplinary gathering of 51 colleagues at the University of the Witwatersrand (Wits) in Johannesburg in March 2025, this collective article shares multiple perspectives from South Africa on our interactions with Generative AI (GenAI) across higher education (HE). Contributors have re-created our dialogue here, in the spirit of Ubuntu and via a postdigital lens, bringing together vital local knowledge and literature to demonstrate why context always matters deeply. Over decades now, HE policy language has inferred that we all experience digital technologies in the same way. With GenAI, this technocratic determinism is accompanied also, by a depressing dystopian fatalism. Rather than confine our diverse positionalities within either of these viewpoints, we favoured a relational approach of reciprocal listening and pedagogical responsiveness to explore the complex interplay between GenAI, learning design, assessment, and social justice. Amid the pressure to integrate GenAI, a deliberate pause is needed, to notice and respond to, the flaws it exposes in our traditional systems. It is therefore timely to also review the social contract that underpins equitable and ethical opportunities in HE. Under four themes, authors provide recommendations towards a new critical, relational GenAI governance, based on diverse lived experiences in this messy postdigital space. From this particular context in South Africa, we now warmly invite continued discussion across the wider global community.
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 | 0,013 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,025 | 0,036 |
| Communication savante | 0,014 | 0,011 |
| Science ouverte | 0,001 | 0,018 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».