[논문 리뷰] Generative AI in Education: A Study of Educators' Awareness, Sentiments, and Influencing Factors

Aashish Ghimire, James Prather외 1명|arXiv (Cornell University)|2024. 03. 22.

Diverse Approaches in Healthcare and Education Studies인용 수 14

한 줄 요약

본 연구는 대학 강사를 대상으로 Generative AI와 LLM에 대한 인식, 감정, 태도에 영향을 주는 요인을 평가하기 위해 설문조사를 수행하고, 학과에 따른 차이와 친숙도 차이에 따라 전반적으로 긍정적인 태도를 드러냈다. CS 교육자들은 기술적 이해도와 감정이 더 높지만 콘텐츠 탐지에 대한 자신감은 비-CS 동료들과 비슷하다.

ABSTRACT

The rapid advancement of artificial intelligence (AI) and the expanding integration of large language models (LLMs) have ignited a debate about their application in education. This study delves into university instructors' experiences and attitudes toward AI language models, filling a gap in the literature by analyzing educators' perspectives on AI's role in the classroom and its potential impacts on teaching and learning. The objective of this research is to investigate the level of awareness, overall sentiment towardsadoption, and the factors influencing these attitudes for LLMs and generative AI-based tools in higher education. Data was collected through a survey using a Likert scale, which was complemented by follow-up interviews to gain a more nuanced understanding of the instructors' viewpoints. The collected data was processed using statistical and thematic analysis techniques. Our findings reveal that educators are increasingly aware of and generally positive towards these tools. We find no correlation between teaching style and attitude toward generative AI. Finally, while CS educators show far more confidence in their technical understanding of generative AI tools and more positivity towards them than educators in other fields, they show no more confidence in their ability to detect AI-generated work.

연구 동기 및 목표

• 다부서에 걸친 Generative AI 도구에 대한 교육자들의 인식 수준을 평가한다.
• 교육에서 AI 도구를 도입하는 것에 대한 교육자들의 감정을 평가한다.
• Generative AI에 대한 교사의 태도 차이에 영향을 주는 요인을 식별한다.
• Computer Science와 비 Computer Science 교육자들 간의 태도 차이를 비교한다.
• 교실에서 AI에 대해 교육자들이 보고한 기회와 우려를 강조한다.

제안 방법

• 리커트 척도 설문조사와 선택적 후속 인터뷰를 포함한 혼합 방법 연구 설계.
• 기술 통계, 추론 검정, 회귀 분석을 통한 정량적 분석.
• 면담 코딩에 근거 이론 방법을 적용하고 연구자 간 신뢰도 >85%를 달성함.
• 정성적 및 정량적 결과의 통합을 통해 교육자의 태도를 삼각화함.

실험 결과

연구 질문

• RQ1 RQ1 다양한 학과에서 Generative AI 기반 도구에 대한 교육자들의 인식 수준은 어느 정도인가?
• RQ2 RQ2 이들 AI 도구에 대한 교육자들의 인식과 감정은 어떠한가?
• RQ3 RQ3 Generative AI 도구에 대한 교사의 태도 차이에 기여하는 요인은 무엇인가?
• RQ4 RQ4 CS 교육자와 다른 학과의 교육자들 간의 태도와 인식은 어떻게 다른가?
• RQ5 RQ5 교육자들이 가장 큰 기회와 우려로 식별한 것은 무엇인가?

주요 결과

• 대부분의 교육자들이 Generative AI 도구를 들어보았거나 사용해 보았으며, 40% 이상이 주기적이거나 정기적으로 사용한다.
• AI 도구에 대한 전반적인 감정은 긍정적이다(평균 3.99; 중앙값 4.5; 3사분위수 5).
• CS 교육자들은 기술적 이해도가 더 높고 친숙도도 더 높다(M=4, SD=.71 대 M=3.15, SD=1.08).
• CS 강사는 비-CS 강사보다 도구 사용에 자신감이 더 크다( M=4.22 대 M=3.23 ).
• 감정 형성의 주요 요인으로는 이익이 위험을 상회하고, 인식된 교육 품질 향상 및 통합의 용이성이 태도에 긍정적으로 작용하는 반면, 창의성 손실과 부정 행위에 대한 우려는 부정적으로 작용한다.
• 회귀 분석(선형, 랜덤 포레스트, 그래듭트 부스트, XGBoost)에서 식별된 특성을 바탕으로 감정을 예측할 때 MSE는 0.4에서 0.5 사이를 보였다.