详细内容或原文请订阅后点击阅览
压力下的判断：生成式人工智能和学习的情感劳动
作者：Joanne Irving-Walton 人工智能吸收什么以及为什么重要 高等教育中关于生成式人工智能的大多数争论都集中在它产生的内容上：论文、摘要、答案、释义。我发现自己对其他东西越来越感兴趣——它吸收了什么。结束... 继续阅读 →
来源:SRHE | 高等教育研究学会作者：乔安妮·欧文-沃尔顿
人工智能吸收什么以及为什么重要
关于高等教育中生成式人工智能的大多数争论都集中在它产生的内容上：论文、摘要、答案、释义。我发现自己对其他东西越来越感兴趣——它吸收了什么。在过去的一年里，随着有关人工智能的讨论贯穿于研讨会和教程中，一种模式逐渐显现出来。在这些讨论中，学生很少从内容制作开始；相反，他们谈论它如何帮助他们开始并稳定他们继续前进。当空白页瘫痪、反馈刺痛以及不确定性暴露时，他们会使用它。一名学生描述了要求人工智能“让它感觉成为可能”。另一名学生则谈到将导师的评论输入系统，以便可以“更友善地解释”。第三名学生几乎带着歉意地反映，“我不希望它完成我的工作……我只是需要一些东西来推动，然后再大声说出来，冒着看起来很愚蠢的风险”。
在每种情况下，人工智能都不会取代思维。它吸收了其中涉及的部分情感劳动，并且随着这种劳动的重新分配，判断的结构也发生了变化。学术判断往往不会出于安逸。它在知道和不知道之间发展，当信心下降时，风险就会增加，你的能力感会悄悄受到考验（Barnett，2007）。保持足够长的时间来思考澄清需要的不仅仅是智力上的努力；它需要情绪稳定、时间、空间以及容忍不确定性而不急于解决问题的能力（Biesta，2013）。传统上，这种稳定工作是在学习关系中共同承担的：导师重新组织反馈，同伴使困惑正常化，主管鼓励通过怀疑坚持下去。生成式人工智能现在占据了这一领域的一部分。
四种参与和情感劳动模式
图：学习劳动现在所在的地方
可访问性、安全性和过度平滑的风险
参考文献