Это вредно или полезно? Изучение причин и последствий использования генеративного ИИ среди студентов университетов

Аннотация

В то время как обсуждение генеративного искусственного интеллекта, такого как ChatGPT, набирает обороты в академических кругах и популярной прессе, существует необходимость в более глубоком понимании использования ChatGPT среди студентов и потенциальных вредных или полезных последствий, связанных с его использованием. Используя образцы из двух исследований, текущее исследование изучило причины и последствия использования ChatGPT среди студентов университетов. В исследовании 1 была разработана и апробирована шкала из восьми пунктов для измерения использования ChatGPT путем проведения опроса среди студентов университетов (N = 165). В исследовании 2 использовался трехволновый график с временной задержкой для сбора данных от студентов университетов (N = 494) для дальнейшей проверки шкалы и гипотез исследования. В исследовании 2 также изучалось влияние академической нагрузки, нехватки академического времени, чувствительности к вознаграждениям и чувствительности к качеству на использование ChatGPT. В исследовании 2 дополнительно изучалось влияние использования ChatGPT на уровень прокрастинации, потери памяти и академической успеваемости студентов. В исследовании 1 были представлены доказательства достоверности шкалы использования ChatGPT. Кроме того, исследование 2 показало, что когда студенты сталкивались с большей учебной нагрузкой и нехваткой времени, они с большей вероятностью использовали ChatGPT. Напротив, студенты, чувствительные к вознаграждениям, с меньшей вероятностью использовали ChatGPT. Неудивительно, что использование ChatGPT, вероятно, приводило к развитию тенденций к прокрастинации и потере памяти, а также снижало академическую успеваемость студентов. Наконец, академическая нагрузка, нехватка времени и чувствительность к вознаграждениям оказали косвенное влияние на результаты студентов из-за использования ChatGPT.

Введение

“Программное обеспечение ChatGPT поднимает важные вопросы для преподавателей и исследователей по всему миру в отношении мошенничества в целом и плагиата в частности”, – заявил агентству Рейтер представитель Sciences Po (Рейтер, 2023).

“Я не думаю, что это [ChatGPT] имеет какое-либо отношение к образованию, кроме подрыва его. ChatGPT – это, по сути, высокотехнологичный плагиат … и способ избежать обучения ”. сказал Ноам Хомски, общественный деятель, известный своими работами в области современной лингвистики, в интервью (EduKitchen & January21, 2023).

В последние годы использование генеративного искусственного интеллекта (ИИ) оказало значительное влияние на различные аспекты высшего образования. Среди этих технологий искусственного интеллекта ChatGPT (OpenAI, 2022) приобрела широкую популярность в академических учреждениях благодаря множеству применений, таких как генерация кодов или текстов, помощь в исследованиях и выполнение заданий, эссе и академических проектов (Bahroun et al., 2023; Стоянов, 2023; Стшелецкий, 2023). ChatGPT позволяет студентам генерировать последовательные и контекстуально соответствующие ответы на свои запросы, предоставляя им эффективный ресурс для их академической работы. Однако широкое использование ChatGPT создает ряд проблем для высшего образования (Bahroun et al., 2023; Chan, 2023; Chaudhry et al., 2023; Dalalah & Dalalah, 2023).

Ученые предположили, что использование ChatGPT может привести ко многим вредным последствиям для студентов (Chan, 2023; Dalalah & Dalalah, 2023; Dwivedi et al., 2023; Lee, 2023). Это может пагубно повлиять на учебу и успешность студентов (Korn & Kelly, 2023; Novak, 2023) и подорвать их академическую честность (Chaudhry et al., 2023). Такое отсутствие академической честности может подорвать доверие к высшим учебным заведениям (Macfarlane et al., 2014) и нанести ущерб мотивации студентов к достижениям (Crou et al., 2021). Однако, несмотря на растущее использование ChatGPT в высшем образовании, очень редкие эмпирические исследования были сосредоточены на факторах, которые стимулируют его использование среди студентов университетов (Strzelecki, 2023). Фактически, большинство предыдущих исследований состоят из теоретических дискуссий, комментариев, интервью, обзоров или редакционных статей об использовании ChatGPT в академических кругах (например, Cooper, 2023; Cotton et al., 2023; Dwivedi et al., 2023; King, 2023; Peters et al., 2023). Например, у нас очень ограниченное понимание ключевых факторов, лежащих в основе использования ChatGPT студентами университетов, и того, как использование ChatGPT влияет на их личные и академические результаты. Аналогичным образом, несмотря на множество предположений, в очень ограниченных исследованиях эмпирически изучалось благотворное или вредное влияние использования генеративного ИИ на академические и личные результаты студентов (например, Yilmaz & Yilmaz, 2023a, 2023b). Даже эти исследования предоставляют противоречивые доказательства того, полезен или вреден ChatGPT для студентов.

Таким образом, понимание динамики и роли генеративного ИИ, такого как ChatGPT, в высшем образовании все еще находится на стадии становления (Carless et al., 2023; Strzelecki, 2023; Yilmaz & Yilmaz, 2023a). Такое понимание мотивов использования ChatGPT и его потенциально вредных или полезных последствий имеет решающее значение для преподавателей, политиков и студентов, поскольку оно может помочь в разработке эффективных стратегий интеграции технологий генеративного ИИ в процесс обучения и контроля за их неправильным использованием в высшем образовании (Meyer et al., 2023). По тем же причинам ученые призвали к проведению будущих исследований, направленных на более глубокое изучение положительных и отрицательных сторон ChatGPT в высшем образовании (Bahroun et al., 2023; Chaudhry et al., 2023; Dalalah & Dalalah, 2023).

В совокупности текущее исследование преследует несколько целей, которые направлены на преодоление этих пробелов и внесение существенного вклада в совокупность знаний и практики в высшем образовании. Во-первых, отвечая на призыв предыдущих исследований по разработке шкалы использования ChatGPT (Paul et al., 2023), мы разрабатываем и валидируем шкалу использования ChatGPT в исследовании 1. Затем мы проводим другое исследование (т. Е. исследование 2) для изучения нескольких теоретически значимых факторов, таких как академическая нагрузка, нехватка времени, чувствительность к вознаграждениям и чувствительность к качеству, которые потенциально могут повлиять на использование ChatGPT студентами университетов. Кроме того, были высказаны опасения относительно влияния ChatGPT на академическую успеваемость и креативность студентов. Например, ученые считают использование ChatGPT “глубоко вредным для социального понимания знаний и обучения” (Peters et al., 2023, стр. 142) и потенциально способным “убить креативность и критическое мышление” (Dwivedi et al., 2023, стр. 25). Однако эмпирические данные, касающиеся вредных или полезных последствий использования ChatGPT, в основном остаются недоступными. Поэтому мы исследуем влияние использования ChatGPT на прокрастинацию студентов, сохранение / потерю памяти и академическую успеваемость (т. е. CGPA). В совокупности это исследование направлено на предоставление преподавателям, политикам и студентам ценной информации для понимания факторов, которые поощряют использование ChatGPT студентами, и полезных или пагубных последствий такого использования в высшем образовании.

Литература и гипотезы

Академическая нагрузка и использование ChatGPT

Академическая нагрузка относится к количеству академических задач, обязанностей и видов деятельности, которые студенты должны выполнить в течение определенного периода, обычно семестра. Рабочая нагрузка включает объем и сложность заданий или проектов (Bowyer, 2012). Студенты подвергаются сильному стрессу, когда им предстоит выполнить чрезмерный объем академической работы (Yang et al., 2021).

Исследования показывают, что перегруженные студенты с большей вероятностью будут полагаться на неэтичные средства для выполнения своих академических задач вместо того, чтобы полагаться на собственные способности и обучение. Например, Девлин и Грей (2007) обнаружили, что студенты прибегают к неэтичным академическим практикам, таким как списывание и плагиат, когда они подвергаются большой нагрузке. Аналогичным образом, Коудела-Хамила и др. (2022) обнаружили значительно положительную взаимосвязь между академической нагрузкой и академическим стрессом среди студентов университетов. В другом исследовании Хазебрук и др. (2023) обнаружили, что люди с большей вероятностью принимают и внедряют технологии, когда их рабочая нагрузка высока. Постоянно, когда студенты сталкиваются с высокой рабочей нагрузкой, они ищут способы справиться с этой сложной ситуацией. В результате они используют простые средства или сокращения (например, ChatGPT), чтобы справиться с такими стрессовыми ситуациями (например, большой рабочей нагрузкой). Следовательно, мы предлагаем:

Гипотеза 1

Рабочая нагрузка будет положительно связана с использованием ChatGPT.

Время давление и использование ChatGPT

Нехватка времени описывается как ощущение того, что приближающийся крайний срок становится все ближе и ближе (Carnevale & Lawler, 1986). В условиях нехватки времени люди используют простые эвристические методы для выполнения задач (Rieskamp & Hoffrage, 2008). В условиях сильного дефицита времени студенты могут счесть имеющееся время недостаточным для выполнения заданий, и поэтому они могут полагаться на ChatGPT для выполнения этих заданий. Предварительные исследования показывают, что нехватка времени для выполнения академических заданий способствует плагиату среди студентов (Koh et al., 2011). Девлин и Грей (2007) также обнаружили, что студенты прибегают к списыванию и плагиату, когда у них мало времени для выполнения своих академических заданий. Аналогичным образом, те студенты, которые сталкиваются с нехваткой времени, применяют поверхностный подход к обучению (Guo, 2011), который указывает на то, что студенты могут использовать короткие пути, такие как ChatGPT, для выполнения своих задач в установленные сроки. Таким образом, мы утверждаем, что в условиях нехватки времени студенты с большей вероятностью будут использовать ChatGPT для своей академической деятельности. Следовательно, мы предлагаем:

Гипотеза 2

Нехватка времени будет положительно связана с использованием ChatGPT.

Чувствительность к вознаграждениям и использование ChatGPT….. . . . . . . . . . . . . . . . . . . . . . . . .

Чувствительность к вознаграждениям – это степень, в которой студент обеспокоен своими академическими наградами, такими как оценки. Что касается взаимосвязи между чувствительностью к вознаграждениям и использованием ChatGPT, предыдущие исследования не помогают сделать четкий прогноз. Например, с одной стороны, возможно, что студенты с более высокой чувствительностью к вознаграждениям могут быть более склонны использовать ChatGPT, поскольку они воспринимают его как средство получения лучших академических результатов. Они могут рассматривать ChatGPT как ресурс для повышения своей академической успеваемости и получения хороших оценок. Данные свидетельствуют о том, что люди, которые очень чувствительны к вознаграждениям или импульсивны, склонны к рискованному поведению, такому как отправка текстовых сообщений на свои мобильные телефоны во время вождения (Hayashi et al., 2015; Pearson et al., 2013). Это указывает на то, что студенты, чувствительные к вознаграждению, могут совершать рискованные поступки, такие как неправильное использование ChatGPT в академической деятельности или плагиат.

С другой стороны, также возможно, что студенты, которые сильно беспокоятся о своих наградах, могут не использовать ChatGPT из-за боязни потерять оценки. Поскольку использование ChatGPT в академической деятельности обычно рассматривается как неэтичное средство (Далала и др., 2023; Двиведи и др., 2023), люди, чувствительные к вознаграждениям, могут быть более осторожны в использовании технологий, которые их учителя считают сомнительными с этической точки зрения или могут поставить под угрозу их академическую честность и оценки. Следовательно, мы предлагаем конкурирующие гипотезы:

Гипотеза 3a

Чувствительность к вознаграждениям будет положительно связана с использованием ChatGPT.

Гипотеза 3b

Чувствительность к вознаграждениям будет негативно связана с использованием ChatGPT.

Чувствительность к качеству и использование ChatGPT.

Чувствительность к качеству или осознание качества относится к степени, в которой студенты проницательны при оценке уровня и совершенства своей образовательной деятельности. Эта чувствительность связана с осознанием студентами качества получаемого ими обучения (Olugbara et al., 2020) или качества содержания (например, заданий или проектов), над которыми они работают. Мы предполагаем, что студенты, чувствительные к качеству содержания, с большей вероятностью будут использовать различные инструменты для повышения качества своей академической работы.

ChatGPT может использоваться студентами, заботящимися о качестве обучения, по многим причинам. Студенты, чувствительные к качеству, могут захотеть обеспечить совершенство, точность и достоверность в своей работе — и они могут признать потенциальные преимущества использования ChatGPT для удовлетворения своих ожиданий в отношении высококачественной академической работы (Haensch et al., 2023; Yan, 2023). Аналогичным образом, студенты, чувствительные к качеству, часто уделяют большое внимание грамматике, стилю и точности языка. ChatGPT может помочь улучшить их письменную работу, предоставляя рекомендации по структуре предложений, выбору слов и грамматике (Abbas, 2023; Dwivedi et al., 2023). Таким образом, студенты с высокой чувствительностью к качеству с большей вероятностью будут использовать ChatGPT для повышения качества своей академической работы (например, заданий, проектов, эссе или презентаций) по сравнению с теми, кто не чувствителен к качеству. Следовательно, мы предлагаем:

Гипотеза 4

Чувствительность к качеству будет положительно связана с использованием ChatGPT.

Использование ChatGPT и прокрастинация

Прокрастинация возникает, когда люди “добровольно откладывают намеченный курс действий, несмотря на ожидание ухудшения ситуации из-за задержки” (Steel, 2007, стр. 66). Некоторые люди предрасположены откладывать выполнение дел на потом (т.Е. Хронические прокрастинаторы), тогда как другие делают это только при определенных обстоятельствах (Rozental et al., 2022). Академическая прокрастинация, которая относится к практике регулярного откладывания академических обязанностей до такой степени, что задержки наносят ущерб успеваемости, является важной проблемой как для студентов, так и для образовательных учреждений (Svartdal & Løkke, 2022).

Исследования показывают, что прокрастинация встречается у студентов очень часто (Bäulke & Dresel, 2023) и на нее могут влиять различные факторы окружающей среды и личного характера (Liu et al., 2023; Steel, 2007). Мы утверждаем, что использование генеративного ИИ может влиять на склонность к прокрастинации среди студентов. Использование коротких путей, которые могут помочь студентам выполнять академические задания, не прилагая особых усилий, в конечном итоге сделает студентов привычными. В результате эти короткие пути, такие как использование ChatGPT, могут вызвать прокрастинацию среди студентов. Например, студент, пристрастившийся к использованию ChatGPT, может полагать, что он или она может выполнить академическое задание или проект за меньшее время и без особых усилий. Такое чувство контроля над задачами, вероятно, побуждает студентов откладывать выполнение этих задач до последнего момента, что приводит к прокрастинации. Более свежие данные также указывают на то, что использование ChatGPT может вызывать лень у студентов (Йилмаз и Йилмаз, 2023a). Следовательно, мы предлагаем:

Гипотеза 5

Использование ChatGPT будет положительно связано с прокрастинацией.

Использование ChatGPT и потеря памяти

Потеря памяти относится к состоянию, при котором человек испытывает трудности с вспоминанием информации или событий из прошлого (Mateos et al., 2016). Ученые указывают, что когнитивные, эмоциональные или физические состояния влияют на функционирование памяти у людей (Fortier-Brochu et al., 2012; Schweizer et al., 2018). Мы утверждаем, что чрезмерное использование ChatGPT может привести к потере памяти у студентов. Постоянное использование ChatGPT для академических задач может развить у студентов лень и ослабить их когнитивные навыки (Yilmaz & Yilmaz, 2023a), что приведет к потере памяти.

Со временем чрезмерная зависимость от инструментов генеративного ИИ для академических задач вместо критического мышления и умственных нагрузок может повредить сохранению памяти, когнитивным функциям и способностям к критическому мышлению (Bahrini et al., 2023; Dwivedi et al., 2023). Активное обучение, которое предполагает активное когнитивное взаимодействие с контентом, имеет решающее значение для консолидации и удержания памяти (Cowan et al., 2021). Поскольку ChatGPT может быстро отвечать на любые вопросы, задаваемые пользователем (Chan et al., 2023), студенты, чрезмерно использующие ChatGPT, могут снизить свои когнитивные усилия при выполнении академических задач, что приводит к ухудшению памяти.

Соответствующие данные демонстрируют, что ежедневные умственные тренировки помогают улучшить когнитивные функции у людей (Uchida & Kawashima, 2008). Аналогичным образом, быстрое обучение простым числовым вычислениям (FSNC) было связано с улучшением производительности при простой обработке данных, улучшением исполнительной функции и более высокой производительностью в сложных арифметических задачах (Takeuchi et al., 2016). Более того, Нучи и др. (2013) обнаружили, что игры для тренировки мозга помогли повысить рабочую память и скорость обработки данных у молодых людей. Таким образом, широкое использование ChatGPT может привести к отсутствию таких когнитивных тренировок, что приведет к потере памяти у студентов. Следовательно, мы предлагаем:

Гипотеза 6

Использование ChatGPT будет положительно связано с потерей памяти.

Использование ChatGPT и

Академическая успеваемость относится к уровню достижений, который студент демонстрирует в своей образовательной деятельности. Объективный показатель академической успеваемости студента определяется совокупным средним баллом (CGPA), который представляет собой систему оценок, используемую в образовательных учреждениях для измерения общей академической успеваемости студента за определенный период, обычно за семестр.

Если студенты эффективно используют информацию, полученную в ChatGPT, для улучшения своего понимания предмета, это может положительно повлиять на их успеваемость. Однако, если они будут полагаться исключительно на ChatGPT, не прилагая необходимых усилий, критического мышления и самостоятельного изучения, это может нанести ущерб их академической успеваемости. Чрезмерная зависимость от внешних источников, включая инструменты генеративного ИИ, без личного участия и активного обучения может препятствовать развитию основных навыков и глубине знаний, необходимых для академического успеха (Chan et al., 2023). Таким образом, студенты, которые обычно используют ChatGPT, могут в конечном итоге продемонстрировать низкую успеваемость. Следовательно, мы предлагаем:

Гипотеза 7

Использование ChatGPT будет негативно связано с академической успеваемостью.

Посредническая роль использования ChatGPT

Мы также предполагаем, что использование ChatGPT будет опосредовать взаимосвязь рабочей нагрузки, нехватки времени, чувствительности к качеству и чувствительности к вознаграждениям с результатами студентов. В частности, студенты, которые испытывают большую нагрузку и нехватку времени для выполнения своих академических заданий, скорее всего, будут использовать ChatGPT, чтобы справиться с этими стрессовыми ситуациями. В свою очередь, зависимость от ChatGPT может привести к задержкам в выполнении заданий (т. Е. Прокрастинации), поскольку студенты могут полагать, что они могут выполнить задания в любое время, не прилагая особых усилий. Аналогичным образом, чрезмерная зависимость от ChatGPT, заменяющая критическое мышление и навыки решения проблем, может препятствовать их способности развивать более глубокое понимание предмета, что может пагубно сказаться на их академической успеваемости (Abbas, 2023). Кроме того, широкое использование ChatGPT для академических задач потенциально может привести к снижению умственной активности, тем самым усугубляя риск ухудшения памяти (Bahrini et al., 2023; Dwivedi et al., 2023).

Более того, использование ChatGPT будет опосредовать взаимосвязь чувствительности к вознаграждениям и чувствительности к качеству с прокрастинацией, потерей памяти и академической успеваемостью. Страх потерять оценки (т. е. Чувствительность к вознаграждению) и осознание качества академической работы (т. е. Чувствительность к качеству) могут повлиять на использование ChatGPT. В свою очередь, чрезмерное (или меньшее) использование ChatGPT может повлиять на прокрастинацию студентов, потерю памяти и академическую успеваемость. Вместе мы предлагаем:

Гипотеза 8

Использование ChatGPT будет опосредовать взаимосвязь рабочей нагрузки с прокрастинацией, потерей памяти и академической успеваемостью.

Гипотеза 9

Использование ChatGPT будет опосредовать взаимосвязь нехватки времени с прокрастинацией, потерей памяти и академической успеваемостью.

Гипотеза 10

Использование ChatGPT будет опосредовать взаимосвязь чувствительности к вознаграждениям с прокрастинацией, потерей памяти и академической успеваемостью.

Гипотеза 11

Использование ChatGPT будет опосредовать взаимосвязь чувствительности к качеству с прокрастинацией, потерей памяти и академической успеваемостью.

Методы (Исследование 1)

Процедуры использования масштабе разработки ChatGPT

Генерация элементов: Мы использовали процедуры масштабирования, предложенные в предыдущем исследовании (Хинкин, 1998). Сначала мы определили использование ChatGPT как степень, в которой студенты используют ChatGPT для различных академических целей, включая выполнение заданий, проектов или подготовку к экзаменам. На основе этого определения изначально были разработаны 12 пунктов для дальнейшего изучения.

Первоначальное сокращение количества предметов: Следуя рекомендациям Хинкина (1998), мы выполнили процесс сортировки предметов на ранних стадиях разработки шкалы. Чтобы установить содержательную обоснованность шкалы использования ChatGPT, мы провели интервью с пятью экспертами в соответствующей области. Экспертам было предложено оценить каждый пункт, предназначенный для измерения использования ChatGPT. Эксперты согласились, что 10 из 12 пунктов оценивают определенные аспекты академического использования ChatGPT студентами. На основе достоверности содержания эти 10 пунктов были доработаны для дальнейшего анализа.

Выборка и сбор данных

Шкала из 10 пунктов для использования ChatGPT была распределена среди 165 студентов из многочисленных университетов по всему Пакистану. Ответы оценивались по 6-балльной шкале типа Лайкерта с привязками в диапазоне от 1 = никогда до 6 = всегда. В сопроводительном письме четко сообщалось, что участие было добровольным, и студент мог отказаться от участия в любой момент сбора данных. Респондентам также была гарантирована полная конфиденциальность их ответов. Выборка состояла из 53,3% мужчин. Средний возраст участников составил 23,25 года (S.D = 4,22). Около 85% университетов были из государственного сектора, а остальные принадлежали частному сектору. Аналогичным образом, около 59% студентов были зачислены на бизнес-курсы, 6% – на компьютерные науки, 9% – на общеобразовательные программы, 5% – на психологию, 4% – на английский язык, 4% – на государственное управление, 9% – на социологию и 4% – на математику. Кроме того, около 74% были зачислены на программы бакалавриата, 22% были зачислены на программы магистратуры и 4% были зачислены на программы докторантуры.

Исследовательский факторный анализ

Затем мы провели исследовательский факторный анализ (EFA), чтобы определить факторную структуру предлагаемой шкалы (Field, 2018; Хинкин, 1998). Для извлечения использовался анализ главных компонентов (Нанналли и Бернштейн, 1994), а в качестве метода ротации использовалась ротация varimax с нормализацией Kaiser. Для определения количества переменных использовались параметры собственного значения > 1 и общий процент объясненной дисперсии > 50%. Результаты показали, что тест сферичности Бартлетта был значимым (p < 0,001), а адекватность выборки Кайзера–Мейера–Олкина (KMO) составила 0,878 (p < 0,001), что превышало пороговое значение 0,50, что считается приемлемым для адекватности выборки (Филд, 2018). Кроме того, факторные нагрузки и общность выше 0,5 обычно считаются приемлемыми (Филд, 2018). Как показано в таблице 1, результаты показали, что пункты 4 и 9 имели низкую факторную нагрузку и общность.Таблица 1 Использование шкалы ChatGPT: извлечены факторные нагрузки, общности и общая дисперсия (исследование 1)

Таблица в натуральную величину

Затем мы исключили эти два пункта и провели еще один EVA по оставшимся восьми пунктам. Как показано в таблице 2, все 8 пунктов превысили пороговые критерии. Кроме того, на однофакторную структуру приходилось 62,65% совокупной дисперсии при нагрузке по всем пунктам выше 0,50. Таким образом, окончательная шкала для измерения использования ChatGPT состояла из восьми пунктов. Альфа Кронбаха (CA) для 8-балльной шкалы составила α = 0,914, а совокупная надежность (CR) – 0,928. Эти баллы CA и CR превысили пороговое значение 0,7, тем самым указывая на надежность конструкции (Нанналли и Бернштейн, 1994). Наконец, как показано в таблице 2, средняя полученная оценка дисперсии (AVE) составила 0,618 балла, что выше порогового значения 0,5, что указывает на конвергентную достоверность (Hair et al., 2019). В совокупности эти результаты подтвердили хорошую надежность и валидность 8-балльной шкалы для измерения использования ChatGPT.Таблица 2 Пересмотренное использование шкалы ChatGPT: извлечены факторные нагрузки, общности и общая дисперсия (исследование 1)

Таблица в натуральную величину

Методы (Исследование 2)

Выборка и процедуры сбора данных

Целью исследования 2 было дальнейшее подтверждение 8-балльной шкалы ChatGPT, разработанной в исследовании 1. Кроме того, мы проверили гипотезы исследования в исследовании 2. На рисунке 1 представлена теоретическая основа исследования 2. В исследовании использовался дизайн с временной задержкой, при котором данные собирались с помощью онлайн-форм в три этапа с интервалом в 1-2 недели после каждого этапа. Данные были собраны от лиц, которые в настоящее время обучались в университете.

Мы использовали процедурные и методологические средства, рекомендованные учеными (см., Подсаков и др., 2012) для решения проблем, связанных с распространенной предвзятостью методов. Во-первых, мы четко сообщили нашим участникам, что их участие было добровольным, и они сохраняют за собой право отказаться от участия в любой момент сбора данных. Кроме того, мы обеспечили полную конфиденциальность их ответов, подчеркнув, что на вопросы не было правильных или неправильных ответов. Наконец, мы использовали трехволновую схему с временной задержкой, чтобы сохранить временное разделение между предикторами и результатами (Подсаков и др., 2012). На каждом этапе студентам было предложено присвоить код, изначально сгенерированный ими самими, чтобы формы опроса для каждого респондента могли быть подобраны. Кроме того, были также получены этические разрешения и одобрения комитетов по этике учебных заведений авторов. Поскольку английский является официальным языком во всех учебных заведениях, формы опроса были распространены на английском языке. В прошлых исследованиях также использовался английский язык для проведения опросов (например, Abbas & Bashir, 2020; Fatima et al., 2023; Malik et al., 2023).

На первом этапе были опрошены около 900 участников для заполнения анкеты о рабочей нагрузке, нехватке времени, чувствительности к качеству, чувствительности к вознаграждениям и демографических данных. В конце первого этапа было получено в общей сложности 840 опросов. На втором этапе, через 1-2 недели, с теми же респондентами связались для заполнения анкеты об использовании ChatGPT. В конце второго этапа было получено около 675 ответов. Наконец, еще через две недели с этими 675 респондентами снова связались для сбора данных о потере памяти, прокрастинации и академической успеваемости. В конце третьего этапа было возвращено около 540 анкет для опроса. После удаления опросов, в которых отсутствовали данные, окончательный размер выборки состоял из 494 полных ответов, которые затем использовались для дальнейшего анализа.

Из этих 494 респондентов 50,8% были мужчинами, а средний возраст респондентов составил 22,16 (S.D. = 3,47) года. Аналогичным образом, 88% респондентов принадлежали к государственному сектору и 12% – к университетам частного сектора. Около 65% студентов изучали бизнес, 3% – компьютерные науки, 12% – общее образование, 1% изучали английский язык, 9% – государственное управление и 10% – социологию. Наконец, около 74% были зачислены на программы бакалавриата, 24% были зачислены на программы магистратуры и 2% были зачислены на программы докторантуры.

Меры

Все переменные, за исключением использования ChatGPT, были измерены по 5-балльной шкале типа Лайкерта с якорями в диапазоне от 1 = категорически не согласен до 5 = категорически согласен. Использование ChatGPT измерялось по 6-балльной шкале типа Лайкерта с якорями в диапазоне от 1 = никогда до 6 = всегда. Полные данные по всем показателям представлены в таблице 3.Таблица 3 Факторная нагрузка, надежность и валидность (исследование 2)

Таблица в натуральную величину

Академическая нагрузка: Шкала Петерсона и др. из 4 пунктов (1995) была адаптирована для измерения академической нагрузки. В пример включен пункт ‘Я чувствую себя перегруженным из-за учебы”.

Нехватка академического времени: Шкала Dapkus из 4 пунктов (1985) была адаптирована для измерения нехватки времени. Примерным пунктом было: ‘У меня недостаточно времени для подготовки к моим классным проектам’.

Чувствительность к вознаграждениям: Мы измерили чувствительность к вознаграждениям по двухбалльной шкале. В число пунктов входили ‘Я беспокоюсь о своем CGPA” и “Я беспокоюсь о своих оценках за семестр”.

Чувствительность к качеству: Чувствительность к качеству измерялась по двухбалльной шкале. Пункты были такими: ‘Я внимательно отношусь к качеству заданий моего курса’ и ‘Я обеспокоен качеством моих курсовых проектов’.

Использование ChatGPT: Мы использовали шкалу из 8 пунктов, разработанную в исследовании 1, для измерения использования ChatGPT. Примером статьи было: ‘Я использую ChatGPT для своей академической деятельности’.

Прокрастинация: Для измерения прокрастинации использовалась шкала из 4 пунктов, разработанная Чой и Мораном (2009). В качестве примера приводится статья “Я часто опаздываю, когда заканчиваю дела’.

Потеря памяти: Мы использовали шкалу из 3 пунктов для измерения потери памяти. Примерным пунктом было: ‘В настоящее время я не могу удерживать слишком много в памяти’.

Академическая успеваемость: Мы использовали объективный показатель академической успеваемости, чтобы избежать самоотчета или предвзятого отношения к социальной желательности. Каждый студент сообщил о своем последнем CGPA. Оценка CGPA варьируется от 1 = наименьшая до 4 = наибольшая. Поскольку CGPA для каждого респондента была получена в виде единого балла, не было необходимости вычислять его надежность или валидность.

Анализ и результаты (исследование 2)

Мы использовали метод частичных наименьших квадратов (PLS) для подтверждения результатов измерений и проверки гипотез, поскольку PLS – это метод моделирования структурными уравнениями второго поколения (SEM), который оценивает взаимосвязи между скрытыми переменными с учетом ошибок измерений и считается превосходным методом (Hair et al., 2017). Программа использует подходы начальной загрузки, которые включают в себя процесс повторной выборки из набора данных для получения стандартных ошибок и доверительных интервалов, что дает более точную оценку стабильности модели (Hair et al., 2017, 2019). Кроме того, частичные наименьшие квадраты (PLS) часто предпочтительнее в ситуациях с ограниченным количеством выборок и ненормальными распределениями (Hair et al., 2019).

Модель измерения

Модель измерения представлена на рис. 2. В модели измерения сначала мы объединили все конструкции и изучили обычно используемые показатели стандартизированной факторной нагрузки, CA, CR и AVE. Модель измерения продемонстрировала достаточный уровень валидности и надежности. Как показано в таблице 3, стандартизированные факторные нагрузки по каждому пункту каждого показателя были выше порогового уровня 0,70 (Hair et al., 2019). Аналогичным образом, баллы CA и CR по каждому показателю были выше 0,70, а AVE также превысил 0,5. Все баллы превышали критерии отсечения, тем самым устанавливая надежность и конвергентную валидность каждой конструкции (Hair et al., 2019).

Кроме того, дискриминантная валидность гарантирует, что каждая скрытая конструкция отличается от других конструкций. Согласно критериям Форнелла и Ларкера (1981), дискриминантная валидность устанавливается, если квадратный корень из AVE для каждой конструкции больше, чем корреляция этой конструкции с другими конструкциями. Как показано в таблице 4, квадратный корень из AVE для каждой конструкции (значение по диагонали выделено жирным шрифтом) превысил корреляцию этой конструкции с другими конструкциями, тем самым установив дискриминантную достоверность всех конструкций. Аналогичным образом, Хенселер и др. (2015) рассматривают соотношение гетеро-монотрино (HTMT) как лучший инструмент для установления достоверности дискриминации, поскольку большое количество исследователей также использовали его (например, Hosta & Zabkar, 2021). Значения HTMT ниже 0,85 считаются достаточными для установления дискриминантной валидности (Henseler et al., 2015). Как показано в таблице 4, все значения HTMT были ниже порогового значения, тем самым устанавливая дискриминантную достоверность среди конструкций исследования.Таблица 4 Дискриминантная валидность (исследование 2)

Таблица в натуральную величину

Кроме того, чтобы проверить мультиколлинеарность, мы рассчитали коэффициент инфляции дисперсии (VIF), который должен быть меньше 5, чтобы исключить возможность мультиколлинеарности среди конструкций (Hair et al., 2019). Во всех анализах баллы VIF были меньше 5, что указывает на то, что мультиколлинеарность не была проблемой.

Структурная модель

Затем мы проверили гипотезы исследования на прямой и косвенный эффект, используя процедуры начальной загрузки с 5000 образцов в SmartPLS (Hair et al., 2017). Структурная модель представлена на рис. 3.

Как представлено в таблице 5, результаты показали, что рабочая нагрузка была положительно связана с использованием ChatGPT (β = 0,133, t = 2,622, p < 0,01). Те студенты, которые испытывали высокий уровень академической нагрузки, с большей вероятностью использовали ChatGPT. Этот результат подтвердил гипотезу 1. Аналогичным образом, нехватка времени также имела достоверно положительную связь с использованием ChatGPT (β = 0,163, t = 3,226, p < 0,001), тем самым подтверждая гипотезу 2. Другими словами, студенты, которые испытывали сильную нехватку времени для выполнения своих академических задач, также сообщили о более активном использовании ChatGPT. Кроме того, влияние чувствительности к вознаграждениям на использование ChatGPT было отрицательным и незначительно значимым (β = − 0,102, t = 1,710, p < 0,10), что позволяет предположить, что студенты, более чувствительные к вознаграждениям, с меньшей вероятностью будут использовать ChatGPT. Эти результаты подтвердили гипотезу 3b вместо гипотезы 3a. Наконец, мы обнаружили, что чувствительность к качеству не была существенно связана с использованием ChatGPT (β = 0,033, t = 0,590, н.с.). Таким образом, гипотеза 4 не была подтверждена.Таблица 5 Прямые эффекты (исследование 2)

Таблица в натуральную величину

В соответствии с гипотезой 5, результаты также показали, что использование ChatGPT было положительно связано с прокрастинацией (β = 0,309, t = 6,984, p < 0,001). Те студенты, которые часто использовали ChatGPT, были более склонны к прокрастинации, чем те, кто редко использовал ChatGPT. Также было обнаружено, что использование ChatGPT положительно связано с потерей памяти (β = 0,274, t = 6,452, p < 0,001), таким образом, гипотеза 6 также была подтверждена. Студенты, которые часто использовали ChatGPT, также сообщали о нарушениях памяти. Кроме того, было обнаружено, что использование ChatGPT оказывает негативное влияние на академическую успеваемость (т.е. CGPA) студентов (β = − 0,104, t = 2,390, p < 0,05). У студентов, которые часто использовали ChatGPT для выполнения своих академических задач, были низкие CGPA. Эти результаты подтвердили гипотезу 7.

В таблице 6 представлены результаты по всем косвенным эффектам. Как показано в таблице 6, рабочая нагрузка оказала положительное косвенное влияние на прокрастинацию (косвенный эффект = 0,041, t = 2,384, p < 0,05) и потерю памяти (косвенный эффект = 0,036, t = 2,333, p < 0,05) благодаря использованию ChatGPT. Студенты, которые испытывали более высокую нагрузку, чаще использовали ChatGPT, что, в свою очередь, развило у них привычку к прокрастинации и вызвало потерю памяти. Аналогичным образом, рабочая нагрузка оказала негативное косвенное влияние на академическую успеваемость (косвенный эффект = − 0,014, t = 1,657, p < 0,10) благодаря использованию ChatGPT. Другими словами, студенты, которые испытывали более высокую нагрузку, с большей вероятностью использовали ChatGPT. В результате широкое использование ChatGPT снизило их академическую успеваемость. Эти результаты подтверждают гипотезу 8.Таблица 6 Косвенные эффекты от использования ChatGPT (исследование 2)

Таблица в натуральную величину

Кроме того, нехватка времени оказала положительное косвенное влияние как на прокрастинацию (косвенный эффект = 0,050, t = 2,607, p < 0,01), так и на потерю памяти (косвенный эффект = 0,045, t = 2,574, p < 0,01) за счет увеличения использования ChatGPT. Студенты, испытывающие большую нехватку времени, были более склонны использовать ChatGPT, что в конечном итоге способствовало развитию привычки к прокрастинации и возникновению проблем с памятью. Аналогичным образом, нехватка времени оказала негативное косвенное влияние на академическую успеваемость (косвенный эффект = − 0,017, t = 1,680, p < 0,10), опосредованное более широким использованием ChatGPT. Таким образом, студенты, испытывающие больший дефицит времени, с большей вероятностью будут сильно полагаться на ChatGPT, что, следовательно, приведет к снижению их академической успеваемости. В совокупности эти результаты подтверждают гипотезу 9.

Кроме того, чувствительность к вознаграждениям имела отрицательную косвенную связь с прокрастинацией (косвенный эффект = − 0,032, 1,676, p < 0,10) и потерей памяти (косвенный эффект = − 0,028, t = 1,668, p < 0,10) при использовании ChatGPT. Студенты, которые были чувствительны к вознаграждениям, с меньшей вероятностью использовали ChatGPT и, следовательно, испытывали более низкий уровень прокрастинации и потери памяти. Однако результаты показали, что косвенное влияние чувствительности к вознаграждениям на академическую успеваемость было незначительным (косвенный эффект = 0,011, t = 1,380, p = 0,168). Эти результаты подтвердили гипотезу 10 только о прокрастинации и потере памяти. Наконец, было изучено косвенное влияние чувствительности к качеству на прокрастинацию (косвенный эффект = 0,010, t = 0,582, н.у.е.), потерю памяти (косвенный эффект = 0,009, t = 0,582, н.у.е.) и академическую успеваемость (косвенный эффект = − 0,003, t = 0,535, н.у.е.) при использовании ChatGPT. все незначительно. Таким образом, гипотеза 11 не была подтверждена.

Общее обсуждение

Основные выводы

Недавнее появление генеративного ИИ привело к значительным последствиям для различных общественных институтов, включая высшие учебные заведения. В результате среди ученых произошел заметный всплеск дискуссий относительно преобразующего потенциала генеративного ИИ, особенно ChatGPT, в высшем образовании и связанных с ним рисков (Dalalah & Dalalah, 2023; Мейер и др., 2023; Питерс и др., 2023; Йилмаз и Йилмаз, 2023a) . В частности, динамика ChatGPT до сих пор неизвестна в контексте того, что ни одно исследование на сегодняшний день еще не предоставило каких-либо эмпирических доказательств того, почему студенты используют ChatGPT. В литературе также ничего не говорится о потенциальных последствиях, вредных или полезных, использования ChatGPT (Dalalah & Dalalah, 2023; Paul et al., 2023), несмотря на запрет во многих учебных заведениях по всему миру. Отвечая на эти пробелы в литературе, в текущем исследовании в качестве потенциальных детерминант использования ChatGPT были предложены рабочая нагрузка, нехватка времени, чувствительность к вознаграждениям и чувствительность к качеству. Кроме того, в исследовании изучалось влияние использования ChatGPT на прокрастинацию студентов, потерю памяти и академическую успеваемость.

Полученные результаты показали, что те студенты, которые испытывали высокий уровень академической нагрузки и нехватку времени для выполнения своих задач, сообщили о более высоком использовании ChatGPT. Что касается конкурирующих гипотез о влиянии чувствительности к вознаграждениям на использование ChatGPT, результаты показали, что студенты, которые были более чувствительны к вознаграждениям, с меньшей вероятностью использовали ChatGPT. Это указывает на то, что студенты, чувствительные к вознаграждениям, могут избегать использования ChatGPT из-за страха получить плохую оценку, если их поймают. Удивительно, но мы обнаружили, что чувствительность к качеству не была существенно связана с использованием ChatGPT. Похоже, что осознание качества может не определять использование ChatGPT, потому что некоторые студенты, заботящиеся о качестве, могут считать задания, выполненные личными усилиями, качественными. Напротив, другие студенты, заботящиеся о качестве, могут считать, что письменные работы ChatGPT более высокого качества.

Кроме того, наши результаты показали, что чрезмерное использование ChatGPT может оказывать вредное воздействие на личные и академические результаты студентов. В частности, те студенты, которые часто использовали ChatGPT, были более склонны к прокрастинации, чем те, кто редко использовал ChatGPT. Аналогичным образом, студенты, которые часто использовали ChatGPT, также сообщали о потере памяти. Точно так же студенты, которые часто использовали ChatGPT для своих академических задач, имели низкий CGPA. Опосредующие эффекты показали, что академическая нагрузка и нехватка времени, вероятно, способствуют прокрастинации и ухудшению памяти у студентов из-за использования ChatGPT. Кроме того, эти стрессоры снижали академическую успеваемость студентов из-за чрезмерного использования ChatGPT. Полученные данные свидетельствуют о том, что повышенная чувствительность к вознаграждению побуждала студентов использовать ChatGPT для выполнения своих академических задач. Меньшее использование ChatGPT, в свою очередь, помогло студентам снизить уровень прокрастинации и потери памяти.

Теоретические последствия

Настоящее исследование является ответом на призывы разработать новую шкалу для измерения использования ChatGPT и эмпирического исследования вредных или полезных эффектов ChatGPT в высшем образовании для лучшего понимания динамики инструментов генеративного ИИ. В исследовании 1 использовалась выборка студентов университетов для разработки и подтверждения использования шкалы ChatGPT. Мы считаем, что доступность новой шкалы для измерения использования ChatGPT может способствовать дальнейшему продвижению в этой области. Более того, исследование 2 подтверждает шкалу, используя другую выборку студентов университетов из различных дисциплин. В исследовании 2 также рассматриваются потенциальные предпосылки и последствия использования ChatGPT. Это первая попытка эмпирически исследовать, почему студенты могут использовать ChatGPT. Мы приводим доказательства роли академической нагрузки, нехватки времени, чувствительности к вознаграждениям и чувствительности к качеству в поощрении студентов использовать ChatGPT для академической деятельности.

Исследование также дополняет предыдущую литературу, изучая потенциальные вредные последствия использования ChatGPT. В частности, в исследовании представлены доказательства того, что чрезмерное использование ChatGPT может развить прокрастинацию, вызвать потерю памяти и снизить академическую успеваемость студентов. Исследование является отправной точкой, которая прокладывает путь для будущих исследований полезных или пагубных последствий использования генеративного ИИ в академических кругах.

Практические последствия

Исследование имеет важные последствия для высших учебных заведений, политиков, преподавателей и студентов. Наши результаты показывают, что как большая рабочая нагрузка, так и нехватка времени являются влиятельными факторами, побуждающими студентов использовать ChatGPT для выполнения своих академических задач. Поэтому высшим учебным заведениям следует подчеркивать важность эффективного управления временем и распределения рабочей нагрузки при распределении академических задач и сроков выполнения. Хотя ChatGPT может помочь справиться с большими учебными нагрузками в условиях нехватки времени, студенты должны быть осведомлены о негативных последствиях чрезмерного использования ChatGPT. Их можно поощрять использовать его в качестве дополнительного ресурса для обучения, а не инструмента для выполнения академических задач без вложения когнитивных усилий. В том же духе поощрение студентов соблюдать баланс между технической помощью и личными усилиями может способствовать целостному подходу к обучению.

Аналогичным образом, политики и преподаватели должны разрабатывать учебные программы и стратегии обучения, которые задействуют естественное любопытство студентов и страсть к обучению. Хотя простота использования ChatGPT может быть привлекательной, создание среды, в которой студенты получают удовлетворение от самостоятельного освоения сложных концепций, может снизить чрезмерную зависимость от инструментов генеративного ИИ. Кроме того, признание и награждение студентов за их подлинные интеллектуальные достижения может вызвать чувство выполненного долга, которое может вытеснить привлекательность быстрых решений на основе искусственного интеллекта. Как также отмечают Чодри и др. (2023), чтобы предотвратить злоупотребление ChatGPT студентами, преподаватели могут пересмотреть свои методы оценки успеваемости и разработать новые критерии оценки, которые могут потребовать от студентов использовать свои собственные творческие навыки и способности к критическому мышлению для выполнения заданий и проектов вместо использования инструментов генеративного ИИ.

Более того, учитывая предварительные доказательства того, что широкое использование ChatGPT оказывает негативное влияние на успеваемость и память студентов, преподавателям следует поощрять студентов к активному критическому мышлению и решению проблем, назначая мероприятия, поручения или проекты, которые не могут быть выполнены с помощью ChatGPT. Это может смягчить неблагоприятное воздействие ChatGPT на их учебный процесс и умственные способности. Кроме того, преподаватели могут повысить осведомленность студентов о потенциальных подводных камнях чрезмерного использования ChatGPT. Наконец, преподаватели и политики могут разработать меры вмешательства, направленные как на основные причины (например, загруженность, нехватка времени, чувствительность к вознаграждениям), так и на последствия (например, прокрастинацию, потерю памяти и академическую успеваемость). Эти мероприятия могли бы включать персонализированное руководство, семинары по повышению квалификации и информационные кампании, чтобы дать студентам возможность эффективно использовать инструменты генеративного ИИ, сохраняя при этом их личное обучение.

Ограничения и набудущее

Как и другое исследование, это исследование также имеет некоторые ограничения. Во-первых, хотя мы использовали дизайн с временной задержкой по сравнению с проектами поперечного сечения, использованными в предыдущих исследованиях (например, Strzelecki, 2023), мы не могли полностью исключить возможность взаимных связей. Например, также возможно, что использование ChatGPT также может помочь уменьшить последующее восприятие рабочей нагрузки. Будущие исследования могут изучить эти причинные механизмы с использованием продольного анализа. Во-вторых, чтобы обеспечить более глубокое понимание использования генеративного ИИ, в будущих исследованиях может быть изучено, как личностные факторы, такие как склонность к доверию и Большая пятерка личностных черт, связаны с использованием ChatGPT. Кроме того, понимание того, как эти черты формируют представления о надежности, благонадежности и эффективности ChatGPT, может пролить свет на динамику взаимодействия пользователя и машины в контексте генеративного ИИ.

Более того, наш вывод о незначительном влиянии осознания качества на использование ChatGPT требует дальнейшего изучения. В то время как некоторые студенты, заботящиеся о качестве, могут рассматривать личные усилия как условие для выполнения качественной работы, другие люди, заботящиеся о качестве, могут полагать, что ChatGPT может помочь достичь качества в выполнении академических задач. Возможно, некоторые контекстуальные модераторы (например, склонность доверять генеративному ИИ) могут сыграть свою роль в определении влияния осознания качества на использование ChatGPT. Точно так же страх наказания может также препятствовать использованию ChatGPT за плагиат. Как отметил анонимный рецензент, в будущих исследованиях могут быть изучены преимущества, связанные с использованием генеративного ИИ, а также сравнена динамика использования ChatGPT во многих областях знаний (например, компьютерные науки, социальные науки) или по признаку пола, чтобы изучить любые различия в эффектах. Наконец, будущие исследования могут изучить влияние использования ChatGPT на результаты обучения студентов и состояние их здоровья. Исследуя, как использование ChatGPT влияет на когнитивные навыки, психическое здоровье и опыт обучения у студентов, исследователи могут внести свой вклад в растущий дискурс о роли генеративного ИИ в высшем образовании.

Доступность данных и материалов

Данные, связанные с этим исследованием, доступны по обоснованному запросу.

Ссылки

• Аббас, М. (2023). Использование ChatGPT академическим сообществом: обзор и рекомендации. SSRN. https://doi.org/10.2139/ssrn.4402510Статья Google Scholar 
• Аббас М., & Башир Ф. (2020). Экологическая идентичность: опосредует ли проэкологическая самоидентификация влияние моральной идентичности на этичное потребление и проэкологическое поведение? Studia Psychologica, 41(3), 612–643. https://doi.org/10.1080/02109395.2020.1796271Статья Google Scholar 
• Бахрейни, А., Хамошифар, М., Аббасимер, Х., Риггс, Р. Дж., Эсмаили, М., Майдабадкони, Р. М., и Пасехвар, М. (2023). ChatGPT: приложения, возможности и угрозы. На симпозиуме по системному и информационному проектированию 2023 года (SIEDS) (стр. 274-279).
• Бахрун, З., Анане, К., Ахмед, В., & Закка, А. (2023). Трансформация образования: всесторонний обзор генеративного искусственного интеллекта в образовательных учреждениях посредством библиометрического и контент-анализа. Устойчивое развитие, 15(17), 12983. https://doi.org/10.3390/su151712983Статья Google Scholar 
• Bäulke, L., & Dresel, M. (2023). Характеристики курсов высшего образования связаны с академической прокрастинацией: многомерный двухуровневый анализ. Психология образования, 43(4), 263-283. https://doi.org/10.1080/01443410.2023.2219873Статья Google Scholar 
• Бауэр К. (2012). Модель учебной нагрузки студентов. Журнал политики и управления высшим образованием, 34(3), 239-258. https://doi.org/10.1080/1360080X.2012.678729Статья Google Scholar 
• Карлесс, Д., Юнг, Дж., & Ли, Й. (2023). Обратная связь как социализация в докторантуре: на пути к установлению достоверной обратной связи. Исследования в сфере высшего образования. https://doi.org/10.1080/03075079.2023.2242888Статья Google Scholar 
• Карневале, П. Дж. Ди, & Лоулер, Э. Дж. (1986). Нехватка времени и разработка интеграционных соглашений на двусторонних переговорах. Журнал разрешения конфликтов, 30(4), 636-659. https://doi.org/10.1177/0022002786030004003Статья Google Scholar 
• Чан, C. K. Y. (2023). Всеобъемлющая образовательная основа политики в области ИИ для преподавания в университетах. Международный журнал образовательных технологий в высшем образовании, 20(1), 1-25. https://doi.org/10.1186/s41239-023-00408-3Статья Google Scholar 
• Чан, М. М. К., Вонг, И. С. Ф., Яу, С. Ю. и Лам, В. С. Ф. (2023). Критическое осмысление использования ChatGPT в обучении студентов: преимущества или потенциальные риски? Медсестра-педагог. https://doi.org/10.1097/NNE.0000000000001476Статья Google Scholar 
• Чаудри И. С., Сарвари С. А. М., Эль Рефае Г. А. и Чабчуб Х. (2023). Пора пересмотреть существующий подход к оценке успеваемости студентов в секторе высшего образования в новую эпоху ChatGPT —тематическое исследование. Убедительное образование, 10(1), 2210461. https://doi.org/10.1080/2331186X.2023.2210461Статья Google Scholar 
• Чой, Дж. Н., & Моран, С. В. (2009). Почему бы не прокрастинировать? Разработка и валидация новой шкалы активной прокрастинации. Журнал социальной психологии, 149(2), 195-212. https://doi.org/10.3200/SOCP.149.2.195-212Статья Google Scholar 
• Купер Г. (2023). Изучение научного образования в ChatGPT: исследовательское исследование генеративного искусственного интеллекта. Журнал научного образования и технологий. https://doi.org/10.1007/s10956-023-10039-yСтатья Google Scholar 
• Коттон, D. R. E., Cotton, P. A., & Шипуэй, Дж.Р. (2023). Общение в чате и мошенничество: обеспечение академической честности в эпоху ChatGPT. Международные инновации в образовании. https://doi.org/10.1080/14703297.2023.2190148Статья Google Scholar 
• Коуэн, Э. Т., Шапиро, А. К., Дансмур, Дж.Э. и Мерти, В. П. (2021). Консолидация памяти как адаптивный процесс. Психономический бюллетень и обзор, 28(6), 1796-1810. https://doi.org/10.3758/s13423-021-01978-xСтатья Google Scholar 
• Далалах, Д., & Далалах, О. М. А. (2023). Ложноположительные и ложноотрицательные результаты инструментов обнаружения генеративного ИИ в образовании и академических исследованиях: случай ChatGPT. Международный журнал управленческого образования, 21(2), 100822. https://doi.org/10.1016/j.ijme.2023.100822Статья Google Scholar 
• Дапкус, М. А. (1985). Тематический анализ опыта времени. Журнал психологии личности и социальной деятельности, 49(2), 408-419. https://doi.org/10.1037/0022-3514.49.2.408Статья Google Scholar 
• Девлин М., & Грей К. (2007). Их собственными словами: Качественное исследование причин, по которым студенты австралийских университетов занимаются плагиатом. Исследования и разработки в области высшего образования, 26(2), 181-198. https://doi.org/10.1080/07294360701310805Статья Google Scholar 
• Двиведи, Ю. К., Кшетри, Н., Хьюз, Л., Слейд, Э. Л., Джейарадж, А., Кар, А. К., Баабдулла, А. М., Коханг, А., Рагхаван, В., Ахуджа, М., Альбанна, Х., & Райт, Р. (2023). “Ну и что, что это написал ChatGPT?” Междисциплинарный взгляд на возможности, проблемы и последствия генеративного разговорного ИИ для исследований, практики и политики. Международный журнал информационного менеджмента, 71, 102642. https://doi.org/10.1016/j.ijinfomgt.2023.102642Статья Google Scholar 
• EduKitchen. (2023). Хомский о ChatGPT, образовании, России и непривитых [Видео]. YouTube. https://www.youtube.com/watch?v=IgxzcOugvEI&t=1182s
• Фатима, С., Аббас, М., & Хассан, М. М. (2023). Лидерство прислуги, культура, основанная на идеологии, и результаты работы: многоуровневое исследование среди работников сферы гостеприимства. Международный журнал гостиничного менеджмента, 109, 103408. https://doi.org/10.1016/j.ijhm.2022.103408Статья Google Scholar 
• Филд, А. (2018). Поиск статистики с использованием IBM SPSS Statistics (5-е изд.). SAGE.Google Scholar 
• Форнелл, К., & Ларкер, Д. Ф. (1981). Модели структурных уравнений с ненаблюдаемыми переменными и ошибкой измерения: алгебра и статистика. Журнал маркетинговых исследований, 18(3), 382-388. https://doi.org/10.1177/002224378101800313Статья Google Scholar 
• Фортье-Броху, Э., Болье-Бонно, С., Иверс, Х., & Морен, К. М. (2012). Бессонница и когнитивные способности в дневное время: метаанализ. Обзоры медицины сна, 16(1), 83-94. https://doi.org/10.1016/j.smrv.2011.03.008Статья Google Scholar 
• Го, Х. (2011). Понимание студенческого плагиата: эмпирическое исследование в области бухгалтерского образования. Бухгалтерское образование, 20(1), 17-37. https://doi.org/10.1080/09639284.2010.534577Статья Google Scholar 
• Haensch, A., Ball, S., Herklotz, M., & Kreuter, F. (2023). Взгляд на ChatGPT глазами студентов: анализ данных TikTok. Препринт arXiv arXiv: 2303.05349. https://doi.org/10.48550/arXiv.2303.05349
• Хайр, Дж. Ф., Халт, Г. Т. М., Рингл, К. М., & Сарстедт, М. (2017). Учебное пособие по моделированию структурных уравнений в частных производных методом наименьших квадратов (PLS-SEM). Публикации, SAGE.Google Scholar 
• Хайр, Дж. Ф., Ришер, Дж. Дж., Сарстедт, М., & Рингл, К. М. (2019). Когда использовать и как сообщать о результатах PLS-SEM. Обзор европейского бизнеса, 31(1), 2-24. https://doi.org/10.1108/EBR-11-2018-0203Статья Google Scholar 
• Хасебрук, Дж. П., Михалак, Л., Конен, Д., Метельманн, Б., Метельманн, К., Бринкрольф, П. и др. (2023). Переход к цифровым технологиям в неотложной медицине в сельской местности: влияние удовлетворенности работой и рабочей нагрузки на коммуникацию и принятие технологий. PLoS ONE, 18(1), e0280956. https://doi.org/10.1371/journal.pone.0280956Статья Google Scholar 
• Хаяси, Ю., Руссо, К. Т., & Вирт, О. (2015). Текстовые сообщения за рулем как импульсивный выбор: поведенческий экономический анализ. Анализ и предотвращение несчастных случаев, 83, 182-189. https://doi.org/10.1016/j.aap.2015.07.025Статья Google Scholar 
• Хенселер Дж., Рингл К. М. и Сарстедт М. (2015). Новый критерий оценки дискриминантной достоверности при моделировании структурных уравнений на основе дисперсий. Журнал Академии маркетинговых наук, 43(1), 115-135. https://doi.org/10.1007/s11747-014-0403-8Статья Google Scholar 
• Хинкин Т. Р. (1998). Краткое руководство по разработке мер для использования в анкетах опроса. Организационные методы исследования, 1(1), 104-121. https://doi.org/10.1177/109442819800100106Статья Google Scholar 
• Хоста, М., & Забкар, В. (2021). Предпосылки экологически и социально ответственного устойчивого потребительского поведения. Журнал деловой этики, 171(2), 273-293. https://doi.org/10.1007/s10551-019-04416-0Статья Google Scholar 
• Кинг, М. Р. (2023). Беседа об искусственном интеллекте, чат-ботах и плагиате в высшем образовании. Клеточная и молекулярная биоинженерия, 16(1), 1-2. https://doi.org/10.1007/s12195-022-00754-8Статья MathSciNet Google Scholar 
• Кох, Х. П., Скалли, Г. и Вудлифф, Д. Р. (2011). Влияние совокупного давления на склонность студентов-бухгалтеров к плагиату: экспериментальный подход. Бухгалтерский учет и финансы, 51(4), 985-1005. https://doi.org/10.1111/j.1467-629X.2010.00381.xСтатья Google Scholar 
• Корн Дж., & Келли С. (январь). Государственные школы Нью-Йорка запрещают доступ к инструменту искусственного интеллекта, который может помочь учащимся мошенничать. Извлечено из https://edition.cnn.com/2023/01/05/tech/chatgpt-nyc-school-ban/index.html
• Koudela-Hamila, S., Santangelo, P. S., Ebner-Priemer, U. W., & Schlotz, W. (2022). При каких обстоятельствах академическая нагрузка приводит к стрессу? Журнал психофизиологии, 36(3), 188-197. https://doi.org/10.1027/0269-8803/a000293Статья Google Scholar 
• Кроу, М. Р., Фонг, К. Дж., & Хофф, М. А. (2021). Мотивация достижения и академическая нечестность: метааналитическое исследование. Обзор психологии образования, 33, 427-458. https://doi.org/10.1007/s10648-020-09557-7Статья Google Scholar 
• Ли Х. (2023). Рост ChatGPT: изучение его потенциала в медицинском образовании. Образование в области анатомических наук. https://doi.org/10.1002/ase.2270Статья Google Scholar 
• Лю, Л., Чжан, Т., & Се, Х. (2023). Негативные жизненные события и прокрастинация среди подростков: Роль негативных эмоций и размышлений, а также потенциальные гендерные различия. Поведенческие науки, 13(2), 176. https://doi.org/10.3390/bs13020176Статья Google Scholar 
• Макфарлейн, Б., Чжан, Дж., & Пун, А. (2014). Академическая честность: обзор литературы. Исследования в области высшего образования, 39(2), 339-358. https://doi.org/10.1080/03075079.2012.709495Статья Google Scholar 
• Малик, М., Аббас, М., & Имам, Х. (2023). Ориентированное на знания лидерство и производительность работников: важны ли индивидуальное участие в управлении знаниями и расширение прав и возможностей? Международный журнал трудовых ресурсов. https://doi.org/10.1108/IJM-07-2022-0302Статья Google Scholar 
• Матеос П. М., Валентин А., Гонсалес-Таблас М. Д. М., Эспадас В., Вера Дж. Л. и Хорхе И. Г. (2016). Эффекты программы тренировки памяти у пожилых людей с тяжелой потерей памяти. Образовательная геронтология, 42(11), 740-748.Статья Google Scholar 
• Мейер, Дж. Дж., Урбанович, Р. Дж., Мартин, П. К., О’Коннор, К., Ли, Р., Пэн, П. К., Брайт, Т. Дж., Татонетти, Н., Вон, К. Дж., Гонсалес-Эрнандес, Г., & Мур, Дж. Х. (2023). ChatGPT и большие языковые модели в академических кругах: возможности и вызовы. Анализ биологических данных, 16(1), 20. https://doi.org/10.1186/s13040-023-00339-9Статья Google Scholar 
• Нучи, Р., Таки, Ю., Такеучи, Х., Хашизуме, Х., Нозава, Т., Камбара, Т., Сэкигучи, А., Мияучи, К. М., Котодзаки, Ю., Нучи, Х., & Кавасима, Р. (2013). Игра для тренировки мозга повышает исполнительные функции, рабочую память и скорость обработки данных у молодых людей: рандомизированное контролируемое исследование. PLoS ONE, 8(2), e55518. https://doi.org/10.1371/journal.pone.0055518Статья Google Scholar 
• Новак Д. (2023). Почему школы США блокируют ChatGPT? 17 Января 2023 года. Извлечено из https://learningenglish.voanews.com/a/why-us-schools-are-blocking-chatgpt/6914320.html
• Нанналли, Дж. К., & Бернштейн, И. Х. (1994). Психометрическая теория (3-е изд.). Макгроу-Хилл.Google Scholar 
• Олугбара, К. Т., Именда, С. Н., Олугбара, О. О., & Хузвайо, Х. Б. (2020). Смягчающее влияние инновационного сознания и сознания качества на взаимосвязь намерений и поведения при интеграции электронного обучения. Образование и информационные технологии, 25, 329-350. https://doi.org/10.1007/s10639-019-09960-wСтатья Google Scholar 
• Пол Дж., Уэно А., & Деннис С. (2023). Чат с потребителями: преимущества, подводные камни и программа будущих исследований. Международный журнал потребительских исследований, 47(4), 1213-1225. https://doi.org/10.1111/ijcs.12928Статья Google Scholar 
• Пирсон, М. Р., Мерфи, Э. М., & Доан, А. Н. (2013). Черты, подобные импульсивности, и рискованное поведение за рулем среди студентов колледжей. Анализ и предотвращение несчастных случаев, 53, 142-148. https://doi.org/10.1016/j.aap.2013.01.009Статья Google Scholar 
• Питерс, М. А., Джексон, Л., Папастефану, М., Яндрич, П., Лазаройу, Г., Эверс, К. У., Коуп, Б., Каланцис, М., Арайя, Д., Тесар, М., Мика, С., & Фуллер, С. (2023). ИИ и будущее человечества: ChatGPT-4, философия и образование–критические ответы. Философия и теория образования. https://doi.org/10.1080/00131857.2023.2213437Статья Google Scholar 
• Петерсон, М. Ф., Смит, П. Б., Аканде, А., Айестаран, С., Бочнер, С., Каллан, В., Чо, Н. Г., Хесуино, Дж. К., Д’Аморим, М., Франсуа, П.-Х., Хофманн, К., Купман, П. Л., Леунг, К., Лим, Т. К., Мортазави, Дж., Рэдфорд, М., Ропо, А., Сэвидж, Г., Сетиад, Б., Синха, Т. Н., Соренсон, Р., & Вьедж, С. (1995). Ролевой конфликт, двусмысленность и перегрузка: исследование, проведенное в 21 стране. Журнал Академии менеджмента, 38(2), 429-452. https://doi.org/10.5465/256687Статья Google Scholar 
• Подсаков, П. М., Маккензи, С. Б., & Подсаков, Н. П. (2012). Источники предвзятости методов в исследованиях в области социальных наук и рекомендации по ее контролю. Ежегодный обзор психологии, 63, 539-569. https://doi.org/10.1146/annurev-psych-120710-100452Статья Google Scholar 
• Reuters. (2023). Ведущий университет Франции запрещает использование ChatGPT для предотвращения плагиата. Извлечено из https://www.reuters.com/technology/top-french-university-bans-use-chatgpt-prevent-plagiarism-2023-01-27/
• Рискамп, Дж., & Хоффрейдж, У. (2008). Выводы в условиях нехватки времени: как альтернативные издержки влияют на выбор стратегии. Acta Psychologica, 127(2), 258-276. https://doi.org/10.1016/j.actpsy.2007.05.004Статья Google Scholar 
• Розенталь, А., Форсстрем, Д., Хуссун, А., & Клингсик, К. Б. (2022). Прокрастинация среди студентов университетов: как отличить тяжелые случаи, нуждающиеся в поддержке, от менее тяжелых случаев. Границы психологии. https://doi.org/10.3389/fpsyg.2022.783570Статья Google Scholar 
• Швайзер С., Киевит Р. А., Эмери Т. и Хенсон Р. Н. (2018). Симптомы депрессии в большой группе здорового населения связаны с субъективными жалобами на память и ее работоспособностью в негативных контекстах. Психологическая медицина, 48(1), 104-114. https://doi.org/10.1017/S0033291717001519Статья Google Scholar 
• Стил, П. (2007). Природа прокрастинации: метааналитический и теоретический обзор типичного сбоя саморегулирования. Психологический вестник, 133(1), 65-94. https://doi.org/10.1037/0033-2909.133.1.65Статья MathSciNet Google Scholar 
• Стоянов, А. (2023). Обучение с помощью ChatGPT 3.5 как более осведомленного другого: автоэтнографическое исследование. Международный журнал образовательных технологий в высшем образовании, 20(1), 35. https://doi.org/10.1186/s41239-023-00404-7Статья Google Scholar 
• Strzelecki, A. (2023). Использовать или не использовать ChatGPT в высшем образовании? Исследование принятия и использования технологии студентами. Интерактивные среды обучения. https://doi.org/10.1080/10494820.2023.2209881Статья Google Scholar 
• Свартдал, Ф., & Лекке, Дж.А. (2022). Азбука академической прокрастинации: функциональный анализ вредной привычки. Границы психологии, 13, 1019261. https://doi.org/10.3389/fpsyg.2022.1019261Статья Google Scholar 
• Такеучи, Х., Нагасе, Т., Таки, Ю., Сасса, Ю., Хашизуме, Х., Нучи, Р., & Кавасима, Р. (2016). Влияние обучения быстрым простым числовым вычислениям на нейронные системы. Нейропластичность, 2016, 940634. https://doi.org/10.1155/2016/5940634Статья Google Scholar 
• Учида С., & Кавасима Р. (2008). Чтение и решение арифметических задач улучшает когнитивные функции людей нормального возраста: рандомизированное контролируемое исследование. Возраст, 30 лет, 21-29. https://doi.org/10.1007/s11357-007-9044-xСтатья Google Scholar 
• Ян Д. (2023). Влияние ChatGPT на учащихся на занятиях по написанию L2: исследовательское исследование. Образование и информационные технологии. https://doi.org/10.1007/s10639-023-11742-4Статья Google Scholar 
• Янг К., Чен А., & Чен Ю. (2021). Стресс и здоровье студентов колледжей в условиях пандемии COVID-19: роль академической нагрузки, отрыва от учебы и опасений заражения. PLoS ONE, 16(2), e0246676. https://doi.org/10.1371/journal.pone.0246676Статья Google Scholar 
• Йилмаз Р., & Йилмаз Ф. Г. К. (2023a). Расширенный интеллект в обучении программированию: изучение взглядов студентов на использование ChatGPT для обучения программированию. Компьютеры в поведении человека: искусственные люди, 1(2), 100005. https://doi.org/10.1016/j.chbah.2023.100005Статья Google Scholar 
• Йилмаз, Р., & Йилмаз, Ф. Г. К. (2023b). Влияние использования инструментов, основанных на генеративном искусственном интеллекте (ИИ), на навыки вычислительного мышления студентов, самоэффективность программирования и мотивацию. Компьютеры и образование: искусственный интеллект, 4, 100147. https://doi.org/10.1016/j.caeai.2023.100147Статья Google Scholar 

Скачать ссылки

Благодарности

Неприменимо.

Финансирование

Финансирование этого исследования не поступало ни от одного учебного заведения.

Информация об авторе

Авторы и аффилированные лица

1. Школа менеджмента FAST, Национальный университет информатики и новейших наук, Исламабад, ПакистанМухаммад Аббас
2. Global Illuminators, Куала-Лумпур, МалайзияФарук Ахмед Джам
3. Кафедра научных исследований и технологий, факультет естественных наук, Малайский университет, Куала-Лумпур, МалайзияФарук Ахмед Джам
4. Институт наук об управлении, Университет Харипура, Харипур, ПакистанТарик Икбал Хан

Взносы

Магистр внес свой вклад в концептуализацию идеи, теоретической основы, методологии, анализов и рецензирование. FAJ и TIK внесли свой вклад в сбор данных, методологию, анализы и рецензирование. Все авторы прочитали и одобрили окончательную версию рукописи.

Автор-корреспондент

Переписка с Мухаммедом Аббасом.

Этические декларации

Этическое одобрение и согласие на участие

Исследование было однозначно одобрено комитетом по этическому обзору университета авторов. Все процедуры, выполненные в исследованиях с участием людей, соответствовали этическим стандартам учебного заведения.

Информированное согласие

Участники были проинформированы о процедурах исследования, рисках, преимуществах и других аспектах перед их участием. К участию в исследовании были допущены только те, кто дал свое согласие.

Конкурирующие интересы

Авторы заявляют, что у них нет никаких конкурирующих интересов.

Дополнительная информация

Примечание издателя

Springer Nature остается нейтральной в отношении юрисдикционных претензий в опубликованных картах и принадлежности к учреждениям.

Права и разрешени

Открытый доступ Эта статья лицензирована по международной лицензии Creative Commons Attribution 4.0, которая разрешает использование, совместное использование, адаптацию, распространение и воспроизведение на любом носителе или в любом формате при условии, что вы отдаете должное автору (ам) и источнику, предоставляете ссылку на лицензию Creative Commons и указываете, вносились ли изменения. Изображения или другие материалы сторонних производителей в этой статье включены по лицензии Creative Commons, если иное не указано в примечании к материалу. Если материал статьи не включен в лицензию Creative Commons и предполагаемое использование вами не разрешено законодательными актами или превышает разрешенное использование, вам необходимо будет получить разрешение непосредственно у правообладателя. Чтобы просмотреть копию этой лицензии, посетите http://creativecommons.org/licenses/by/4.0 /.

Перепечатка и разрешения

Об этой статье

Процитировать эту статью

Аббас, М., Джам, Ф.А. и Хан, Т.И. Вредно это или полезно? Изучение причин и последствий использования генеративного ИИ среди студентов университетов. Int J Education Technol High Education 21, 10 (2024). https://doi.org/10.1186/s41239-024-00444-7

Скачать цитату

• Получено14 сентября 2023 г.
• Принято22 января 2024 г.
• Опубликовано16 февраля 2024 г.
• DOIhttps://doi.org/10.1186/s41239-024-00444-7