Digital Horizons: Faculty and Student Perspectives on ChatGPT and the Future of English Studies
Notice bibliographique
Résumé
The growing body of literature on the uses, challenges, potentials, and ethics of generative AI (Artificial Intelligence) is rich and nuanced; however, such research rarely examines faculty and student perspectives comparatively or in the context of discipline-specific issues and concerns. Since both faculty and students are implicated in shaping a future for their discipline of study, and both are deeply affected by disciplinary policies and standards of practice, it is crucial to situate faculty and student perspectives as a part of a shared discourse rather than two related but distinct conversations. This thesis investigates the specific expectations, concerns, ambitions, and desires for the future that circulates among and between English faculty and students in the wake of the widespread availability of generative AI applications like ChatGPT. It employs mixed-methods to compare and contrast the responses of eleven faculty and thirty-one students from one Ontario university’s English department to semi-structured questionnaires on the topic of generative AI, the future of English studies, and participants’ perceptions of one another. Participant perspectives are contextualized within a discussion of the imagination as a mechanism for inventing into being. This research emphasizes self-reflexivity as a method for establishing trustworthiness. This MA thesis finds that participants imagine generative AI and one another in both similar and contrasting (and occasionally contradictory) ways. In that context, the thesis ends by discussing misconceptions and mistrust among and between faculty and students as a potential cause for differences between what participants anticipate and what they desire for the future of their field.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».