Edukacja w dobie sztucznej inteligencji. wola słuchania jako nowe wyzwanie pedagogiczne
Bibliographic record
Abstract
Jednym z ważnych problemów w edukacji jest to, że bardzo dużą liczbę studentów charakteryzuje brak woli słuchania, szczególnie słuchania krytycznego. Słuchanie krytyczne jest ściśle związane z myśleniem krytycznym, które z kolei postrzegane jest jako umiejętność niezbędna do właściwego funkcjonowania w społeczeństwach postoświeceniowych. W ostatnich kilku latach autorki tego artykułu poświęciły szereg prac problemom krytycznego myślenia i krytycznego słuchania. Niniejszy tekst podejmuje zagadnienie słuchania (głównie woli słuchania) jako wyzwania dla edukacji w dzisiejszej, jakościowo nowej sytuacji, gdy systemy edukacyjne na wielką skalę inkorporują nauki kognitywne i inne powstające i zbiegające się dyscypliny naukowe, jak również technologie cyfrowe, w tym w szczególności sztuczną inteligencję. Obecność tych czynników stawia różnorodne teorie i praktyki edukacyjne wobec nowych wyzwań. Wiele z nich dotyczy słuchania i woli słuchania, a niektóre, szczególnie te związane ze sztuczną inteligencją i z rozumieniem funkcjonowania ludzkiego mózgu, mają charakter bezprecedensowy i wymagają poważnych badan w zakresie zagadnień etycznych, społecznych, politycznych, ekonomicznych i innych, aż po najbardziej fundamentalne kwestie filozoficzne. Autorki rozważają niektóre spośród tych problemów, głównie w kontekście kwestii słuchania i woli słuchania. Biorąc pod uwagę możliwość dalszego rozwoju sztucznej inteligencji i przekonanie wielu badaczy, że niebawem dorówna ona człowiekowi lub nawet zastąpi go w wykonywaniu wielu czynności uważanych dotąd za wykonywane wyłącznie przez człowieka, autorki zwracają uwagę na potrzebę dalszych badań nad kondycją ludzką, szczególnie w obszarach etyki i duchowości. Uważają one też, że istnieje pilna potrzeba dalszego zgłębiania problemu wartości życia, które na naszej planecie jest obecnie własnością organizmów ludzkich i nie-ludzkich, lecz w przyszłości – potencjalnie – również istot stworzonych przez ludzi (sztucznej inteligencji). W tym kontekście szczególnie wartościowa wydaje się zasada szacunku dla życia (wszelkiego życia) w sformułowanej przez Alberta Schweitzera. Nadaje to nową wagę edukacji jako narzędziu wykorzystywanemu przez ludzkość w drodze z przeszłości w przyszłość, a także większą wartość woli słuchania, jak i słuchaniu w ogóle.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.016 | 0.008 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.024 | 0.005 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".