[论文解读] Generative AI in Higher Education: A Global Perspective of Institutional Adoption Policies and Guidelines

Yueqiao Jin, Lixiang Yan+3 more|arXiv (Cornell University)|May 20, 2024

Artificial Intelligence in Healthcare and Education被引用 21

一句话总结

一个基于全球、理论基础的40所大学高等教育生成式人工智能采用政策分析，利用创新扩散理论 examining innovation traits, communication channels, and stakeholder roles.

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.

研究动机与目标

• 评估生成式AI如何与大学目标对齐并与机构目标的兼容性相适应。
• 识别高校如何实现对生成式AI计划的试用性和可观察性的能力。
• 检查用于向利益相关者传播生成式AI更新的政策沟通渠道。
• 确定教师、学生和管理员在生成式AI采用政策中的角色与职责。
• 为制定全面生成式AI整合策略的政策制定者提供政策洞见。

提出的方法

• 使用分层抽样自QS全球大学排名2024，来自六个区域的40所大学收集数据。
• 正式政策文件、指南和声明以英文及官方语言收集，并翻译为英语以供分析。
• 进行主题分析以识别与创新特征、沟通渠道和角色/责任相关的主题。
• 两名研究人员独立对文献进行编码以制定编码表，使用科恩κ（Kappa）系数确保评审一致性（Kappa>0.61）。
• 分析聚焦创新扩散理论的三个维度：创新特征（兼容性、试用性、可观察性）、沟通渠道，以及社会系统（角色/责任）。
• 结果围绕三个研究问题（RQ1–RQ3）组织。

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

实验结果

研究问题

• RQ1 RQ1：高等教育政策中如何表现生成式AI的创新特征——兼容性、试用性和可观察性？
• RQ2 RQ2：政策中识别出哪些沟通渠道用于传播生成式AI更新并促进各方讨论？
• RQ3 RQ3：在生成式AI采用政策中，教师、学生和管理员的角色与职责有哪些？

主要发现

• 高校对生成式AI呈现积极态度，强调学术诚信、教学/学习改进和公平性。
• 兼容性主题揭示与教学/学习提升的一致性（n=38）以及对信息安全/数据隐私的担忧（n=25）。
• 试用性主题强调将AI融入教育实践，包含明确的用例与分阶段试验（n=40）。
• 可观察性主题包括持续评估和对结果的公开报告（可观察性 n=5，例如香港大学）。
• 沟通渠道主要以数字平台（n=15）为主，辅以互动会话和直接向利益相关者的渠道。
• 角色与职责显示出明确分工：教师推动课程/评估的变革（n=20），学生承担道德使用期望（n=27），管理员主导政策制定/执行（n=16）。
• 政策强调以人为本的评估、透明度，以及在AI工具发展中持续监测。

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