[논문 리뷰] Generative AI in Higher Education: A Global Perspective of Institutional Adoption Policies and Guidelines

Yueqiao Jin, Lixiang Yan외 3명|arXiv (Cornell University)|2024. 05. 20.

Artificial Intelligence in Healthcare and Education인용 수 21

한 줄 요약

고등교육에서의 Generative AI 도입에 대한 40개 대학의 정책에 대한 이론에 기반한 글로벌 분석으로, 확산 이론(Diffusion of Innovations Theory)을 사용해 혁신 특성, 커뮤니케이션 채널, 이해관계자 역할을 고찰한다.

ABSTRACT

Integrating generative AI (GAI) into higher education is crucial for preparing a future generation of GAI-literate students. Yet a thorough understanding of the global institutional adoption policy remains absent, with most of the prior studies focused on the Global North and the promises and challenges of GAI, lacking a theoretical lens. This study utilizes the Diffusion of Innovations Theory to examine GAI adoption strategies in higher education across 40 universities from six global regions. It explores the characteristics of GAI innovation, including compatibility, trialability, and observability, and analyses the communication channels and roles and responsibilities outlined in university policies and guidelines. The findings reveal a proactive approach by universities towards GAI integration, emphasizing academic integrity, teaching and learning enhancement, and equity. Despite a cautious yet optimistic stance, a comprehensive policy framework is needed to evaluate the impacts of GAI integration and establish effective communication strategies that foster broader stakeholder engagement. The study highlights the importance of clear roles and responsibilities among faculty, students, and administrators for successful GAI integration, supporting a collaborative model for navigating the complexities of GAI in education. This study contributes insights for policymakers in crafting detailed strategies for its integration.

연구 동기 및 목표

• GAI가 대학 목표 및 제도적 목표와의 정합성 및 호환성과 어떻게 맞물리는지 평가한다.
• 대학이 GAI 이니셔티브의 시험가능성(trialability)과 관찰가능성(observability)을 어떻게 지원하는지 파악한다.
• 이해관계자에게 GAI 업데이트를 전파하기 위해 정책에서 사용하는 커뮤니케이션 채널을 검토한다.
• GAI 채택 정책에서 교수진, 학생, 행정가의 역할과 책임을 확인한다.
• 포괄적인 GAI 통합 전략을 수립하는 정책 입안자들에게 정책적 시사점을 제공한다.

제안 방법

• 데이터는 QS World University Rankings 2024를 기반으로 한층화 표본추출(stratified sampling)을 사용하여 여섯 지역에 걸친 40개 대학에서 수집되었다.
• 공식 정책 문서, 지침, 성명이 영어 및 공식 언어로 수집되었고 분석을 위해 영어로 번역되었다.
• 주제 분석을 수행하여 혁신 특성, 커뮤니케이션 채널, 역할/책임과 관련된 주제를 식별했다.
• 두 연구자가 문서를 독립적으로 부호화하여 코드북을 개발했고, 연구자 간 신뢰도 확보를 위해 Cohen의 카파(Kappa) 계수를 사용했다(카파 > 0.61).
• 확산 이론의 세 가지 차원에 초점을 맞춘 분석: 혁신 특성(호환성, 시험가능성, 관찰가능성), 커뮤니케이션 채널, 사회 시스템(역할/책임).
• 결과는 세 가지 연구 질문(RQ1–RQ3)을 중심으로 정리되었다.

Figure 1: Key themes related the compatibility, trialability, observability of generative AI integration which emerged from the analysed universities’ policies and guidelines.

실험 결과

연구 질문

• RQ1 RQ1: GAI의 혁신 특성인 호환성, 시험가능성, 관찰가능성이 고등교육 정책에 어떻게 반영되어 있는가?
• RQ2 RQ2: 이해관계자 간의 논의를 촉진하고 GAI 업데이트를 전파하기 위해 정책에서 식별된 커뮤니케이션 채널은 무엇인가?
• RQ3 RQ3: GAI 채택 정책에서 교수진, 학생, 행정가의 역할과 책임은 무엇으로 명시되어 있는가?

주요 결과

• 대학들은 GAI에 대해 적극적인 입장을 보이며, 학문적 정직성, 교수학습 개선, 형평성에 중점을 둔다.
• 호환성 주제는 교수학습 향상과의 정합성(n=38)과 정보 보안/데이터 프라이버시 우려(n=25)를 드러낸다.
• 시험가능성 주제는 명시적 활용 사례와 단계적 실험을 통해 AI를 교육 현장에 통합하는 것을 강조한다(n=40).
• 관찰가능성 주제에는 지속적 평가와 결과의 공공 보고가 포함된다(관찰가능성 n=5, 예: HKU).
• 커뮤니케이션 채널은 주로 디지털 플랫폼(n=15)이며, 추가로 인터랙티브 세션과 이해관계자에 대한 직접 채널이 있다.
• 역할과 책임은 명확한 분포를 보인다: 교수진이 교육과정/평가 변화 주도(n=20), 학생들이 윤리적 사용 기대치를 부담(n=27), 행정가가 정책 개발/구현 주도(n=16).
• 정책은 인간 중심의 평가, 투명성 및 AI 도구가 발전함에 따라 지속적 모니터링을 강조한다.

Figure 2: Five primary communication channels utilised by higher education institutions to communication information about the adoption policy of generative AI.