详细内容或原文请订阅后点击阅览
叙述者不是证人：人工智能在加纳的三个 MBA 课堂上做对了什么，做错了什么
作者：Carlene Kyeremeh 当时已经很晚了，我正在为二十个人制作关于财政政策的幻灯片，他们中的大多数人以前从未学过经济学。我向人工智能工具询问了扩张性政策的有效示例——……继续阅读 →
来源:SRHE | 高等教育研究学会作者：Carlene Kyeremeh
当时已经很晚了，我正在为二十个人制作关于财政政策的幻灯片，他们中的大多数人以前从未学过经济学。我向人工智能工具询问了扩张性政策的可行示例——一些足够具体的东西来锚定该机制。它在几秒钟内回答：政府减税并增加基础设施支出；道路建成；承包商雇用；需求上升。干净的。可用。美国人。该机制得以运行，但道路是州际高速公路，而花这笔钱的政府并不是我的学生们会请愿的。这个例子来得如此之快，如此自信，我差点把它粘贴进去。有那么一刻，便利几乎成了课程。
然后，在同一个会话中，同一个工具做了一些我单独无法完成的事情。我要求它搭建词汇表——一个不做任何假设的词汇表，并且会见那些还不掌握这些词汇的学生。在某种程度上我并不总是那么有耐心。它找到了类比；它对这些术语进行了排序，以便每个术语都依赖于前一个术语。那张幻灯片更适合机器的帮助。
只需一次，该工具就为我的学生降低了障碍，并悄悄地导入了我的作品存在的确切默认值，以帮助人们注意到。在本学期的三门 MBA 课程中，我开始看到相同的模式：该工具改进了我准备教学的许多方面，并且在教学需要当地知识、当前证据或正确命名的机构时变得最不可靠。帮助落到了形式上。失败的根源在于特殊性。
自信的叙述者
机构错误
金融监管从另一个角度让我看到了这个问题。如果询问有关资本充足性、披露或市场行为的通用工具，它会很流畅，因为发布的记录充满了巴塞尔标准、美国和英国的制度以及数十年的评论。要求它通过加纳的监管架构来解决同样的问题，流畅度就会下降。