Technologie generatywne w szkolnictwie wyższym - diagnoza sytuacji, przydatne kompetencje i propozycja metody

• Authors: Andrzej Wodecki

Title variants

EN

Generative technologies in higher education - assessment of the current state, essential skills, and a proposal for a didactic method

Abstracts

EN

This article proposes the application of generative technologies, specifically large language models, in higher education. While such technologies present novel opportunities, at the same time, they raise concerns, including potential cognitive degradation, job displacement, and intellectual property issues. The first section of this paper introduces the essential concepts and methods of generative technologies, coupled with a discussion on the necessary competencies to fully harness their potential. The next section suggests an addition to usual teaching methods, using the 'Artificial Intelligence in Business' course as an example. This proposed enhancement incorporates a review of student work outcomes by systems powered by large language models. The underlying didactic principles of the course, sample system reports, and an illustrative diagram of the teaching process are presented. The paper concludes by contemplating the possible advantages and challenges posed by these technologies in pedagogy, along with recommendations for future research.

PL

Artykuł prezentuje propozycję wykorzystania technologii generatywnych, w szczególności dużych modeli językowych, w szkolnictwie wyższym. Technologie generatywne budzą wiele kontrowersji: z jednej strony oferują niespotykane dotąd możliwości, z drugiej zaś rodzą obawy o degradację funkcji poznawczych człowieka, możliwą eliminację niektórych zawodów czy zachowanie praw autorskich do wytworów intelektualnych. Celem artykułu jest zilustrowana przykładem propozycja integracji tych technologii z tradycyjnymi metodami nauczania. W pierwszej części przedstawiono kluczowe pojęcia i metody technologii generatywnych oraz refleksję na temat nowych zadań i kompetencji niezbędnych do możliwie pełnego wykorzystania ich potencjału. Następnie zaprezentowano propozycję wykorzystania technologii generatywnych w tradycyjnym procesie dydaktycznym podczas politechnicznego kursu sztuczna inteligencja w biznesie. Przedstawiono założenia metodyczne kursu, przykładowe raporty systemu generującego informację zwrotną dla studentów oraz schemat procesu dydaktycznego. Całość podsumowuje refleksja na temat możliwych szans i zagrożeń wykorzystania tych technologii w dydaktyce oraz rekomendacje dalszych badań.

Keywords

PL

technologie generatywne; modele językowe; zarządzanie wiedzą; metodyka nauczania; ewaluacja

EN

generative technologies; language models; knowledge management; teaching methodology; evaluation

• Publisher: Szkoła Główna Handlowa w Warszawie
• Journal: e-mentor
• Year: 2023
• Volume: 100
• Issue: 3
• Pages: 51-60

Dates

published

2023

Contributors

author

Andrzej Wodecki

• Politechnika Warszawska

• https://orcid.org/0000000290773191

References

• Bulathwela, S., Muse, H. i Yilmaz, E. (2023). Scalable educational question generation with pre-trained language models. W N. Wang, G. Rebolledo-Mendez, N. Matsuda, O. C., Santos i V. Dimitrova (red.), Artificial Intelligence in Education: 24th International Conference, AIED 2023, Tokyo, Japan (s. 327-339). https://doi.org/10.1007/978-3-031-36272-9_27
• Cai, Y., Mao, S., Wu, W., Wang, Z., Liang, Y., Ge, T., Wu, C., You, W., Song, T., Xia, Y., Tien, J. i Duan, N. (2023). Low-code LLM: Visual Programming over LLMs. arXiv. https://doi.org/10.48550/arXiv.2304.08103
• Chang, Y., Wang, X., Wang, J., Wu, Y., Yang, L, Zhu, K., Chen, H., Yi, X., Wang, C., Wang, Y., Ye, W., Zhang, Y., Chang, Y., Yu, P. S., Yang, Q. i Xie, X. (2023). A survey on evaluation of Large Language Models. https://doi.org/10.48550/arXiv.2307.03109
• Cheng, D., Huang, S., Bi, J., Zhan, Y., Liu, J., Wang, Y., Sun, H., Wei, F., Deng, D. i Zhang, Q. (2023). UPRISE: Universal Prompt Retrieval for Improving Zero-Shot Evaluation. arXiv. https://doi.org/10.48550/arXiv.2303.08518
• Ge, T., Hu, ., Dong, L., Mao, S., Xia, Y., Wang, X., Chen, S.-Q. i Wei, F. (2022). Extensible prompts for language models. arXiv. https://doi.org/10.48550/arXiv.2212.00616
• Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T. ... Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for ducation. https://doi.org/10.35542/osf.io/5er8f
• Kung, T. H., Cheatham, M., Medenilla, A., Sillos, C., De Leon, L., Elepano, C., Madriaga, M., Aggabao, R., Diaz-Candido, G., Maningo, J. i Tseng, V. (2023). Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digital Health, 2(2), e0000198. https://doi.org/10.1371/journal.pdig.0000198
• MetaAI. (2023, 24 lutego). Introducing LLaMA: A foundational, 65-billion-parameter language model. https://ai.meta.com/blog/large-language-model-llama-meta-ai
• Ouyang, L., Wu, J., Jiang, X., Almeida, D., Wainwright, C. L., Mishkin, P., Zhang, C., Agarwal, S., Slama, K., Ray, A., Schulman, J., Hilton, J., Kelton, F., Miller, L., Simens, M., Askell, A., Welinder, P., Christiano, P., Leike, J. i Lowe, R. (2022). Training language models to follow instructions with human feedback. arXiv. https://doi.org/10.48550/arXiv.2203.02155
• Rae, J. W., Borgeaud, S., Cai, T., Millican, K., Hoffmann, J., Song, F., Aslanides, J., Henderson, S., Ring, R., Young, S., Rutherford, E., Hennigan, T., Menick, J., Cassirer, A., Powell, R., Driessche, G. van den, Hendricks, L. A., Rauh, M., Huang, P.-S., ... Irving, G.(2022). Scaling language models: Methods, analysis and insights from Training Gopher. arXiv. https://doi.org/10.48550/arXiv.2112.11446
• The Vicuna Team. (30 marca 2023). Vicuna: An Open-Source Chatbot Impressing GPT-4 with 90%* ChatGPT Quality. https://lmsys.org/blog/2023-03-30-vicuna

Identifiers

DOI

10.15219/em100.1617

Biblioteka Nauki

22972949