Yüksek gelirli öğrencilerin diğer yazma desteklerine daha fazla erişimleri olduğundan üniversite makalelerinde yapay zekayı kullanma olasılıkları daha düşük olabilir.
Justin Morrison/Inside Higher Ed’in fotoğraf illüstrasyonu | Gazanfer ve İlhamGP/iStock/Getty Images
Kabul ofisleri üç buçuk yıldan fazla bir süredir yapay zeka tarafından oluşturulan makalelerle mücadele ediyor; bir göre 2024 anketiÜniversiteye başvuranların yaklaşık yarısı, üniversite makaleleri hakkında beyin fırtınası yapmak için yapay zekayı kullanıyor ve beşte biri de bunu ilk taslağı oluşturmak için kullanıyor.
A son çalışma Cornell ve Carnegie Mellon Üniversitelerindeki araştırmacılar, öğrencilerin makalelerinde hangi yapay zekayı kullandıklarını ve bunun bu makalelerin içeriğini ve etkililiğini nasıl etkilediğini daha derinlemesine inceledi.
Çalışma, üretken yapay zeka araçlarının tanıtılmasından önce başlayarak, dört yıl boyunca adı açıklanmayan seçici bir kuruma gönderilen on binlerce makaleyi analiz etti. Araştırmacılar, bu çalışmada başvuru ücretinden muaf tutulanlar tarafından temsil edilen düşük gelirli öğrencilerin, üniversiteden reddedilen öğrenciler gibi, makalelerinde yapay zeka kullanma olasılıklarının daha yüksek olduğunu buldu.
Jinsook Lee, çalışmanın baş yazarı ve doktora derecesine sahip. Cornell adayı, yapay zekayı kimin kullandığı ve bunun sosyoekonomik farklılıklarla nasıl ilişkili olduğu konusundaki farklılıklarla ilgilendiğini söyledi.
Düşük gelirli adayların, diğer yardım kaynaklarına daha az erişimleri olduğundan, üniversite makalelerine yardımcı olmak için büyük dil modellerini kullanma olasılıklarının daha yüksek olacağını varsaydı. Araştırmacılar, yapay zekayı kullanan öğrenciler arasında bile düşük gelirli öğrencilerin reddedilme olasılığının yüksek gelirli öğrencilere göre daha yüksek olduğunu buldu. Bunun nedeni, yüksek gelirli öğrencilerin yapay zeka araçlarının daha iyi versiyonlarını satın alabilmeleri ve yapay zekayı en etkili şekilde nasıl kullanacaklarını anlayan danışmanlar veya makale koçlarıyla çalışıyor olmaları olabilir, dedi.
Lee, “Yüksek gelirli öğrencilerin birçok farklı kaynağı var; danışmanları var, öğretmenleri var, ChatGPT’nin yanı sıra daha fazla destekleri var” dedi. Öte yandan, düşük gelirli öğrenciler “aylık 200 ABD doları yerine yalnızca ücretsiz katmanı kullanabilecekler” [version of] Claude ve ücretsiz ChatGPT’nin bize sağladığı sonuçların kalitesi gerçekten çok düşük.”
Kişisel Olmayan Kişisel Denemeler
Çalışmada ayrıca makalelerdeki dilin homojenleşmesi veya birbirine ne kadar benzediği de değerlendirildi. Lee ve ortak yazarları, yapay zeka platformlarının piyasaya sürülmesinden sonra homojenleşmenin önemli ölçüde arttığını ve en fazla yakınlaşmanın düşük gelirli öğrenciler ile üniversiteden reddedilen öğrenciler arasında olduğunu buldu.
Her ne kadar bu rapor, yapay zeka çağında üniversite makalelerinde hangi dilsel özelliklerin daha yaygın hale geldiğini tam olarak araştırmasa da, Cornell’in sosyoloji bölümünde profesör ve makalenin ortak yazarı olan AJ Alvero, kabul makalelerinin giderek daha az kişisel hale geldiğini düşünmenin endişe verici olduğunu söyledi.
“Bu makale, başvuru sahiplerine hayatlarının kendine özgü özelliklerini, nasıl kendilerine dönüştüklerini, bu son derece bireysel deneyim ve anlatıları vurgulama fırsatı vermek üzere tasarlandı” dedi. “Eğer tüm bu başvuru sahiplerini aynı türde makaleye, aynı şablona itiyorsa… öğrenciler istemeden bu fırsatı kaybediyor olabilir.”
Önceki araştırmayine Cornell’den gelen bir araştırma, yapay zeka tarafından yazılan uygulama makalelerinin genel olduğunu, fark edilmesinin kolay olduğunu ve gerçek bir kişinin yazısı gibi görünmediğini gösterdi.
Yeni raporun vardığı sonuç, yapay zeka kullanımı giderek yaygınlaştıkça, üniversite kabul ofislerinin makaleleri değerlendirirken servet eşitsizliklerini dikkate alması gerektiğini ileri sürüyor.
Yazarlar, “Dijital uçurum çerçevesinde bakıldığında, sonuçlarımız erişimdeki eşitsizliklerden getirilerdeki eşitsizliklere doğru bir kayma olduğunu gösteriyor ve kurumların yapay zeka destekli yazmanın yaygınlaşmasıyla birlikte makaleye dayalı kanıtların nasıl yorumlandığını yeniden değerlendirme ihtiyacının altını çiziyor” diye yazdı. “Gelecekteki araştırmalar, yapay zeka araçlarının mevcut eğitim sınıflandırma sistemleriyle nasıl etkileşime girdiğini belirlemek ve daha adil değerlendirme uygulamalarına bilgi sağlamak için deneysel, nitel ve çok kurumsal yaklaşımları birleştirmelidir.”
Alvero ve Lee, gelecekteki araştırmalarda, yapay zeka tarafından oluşturulan üniversiteye kabul makalelerinde hangi dil ve konu seçimlerinin en yaygın olduğunu araştırmayı umduklarını söyledi. Alvero, yüksek gelirli öğrencilerin makalelerinde en yaygın olan dilsel özelliklerin aynı zamanda yapay zekanın da taklit ettiği özellikler olduğunu belirtti. Bu arada Lee, Yüksek Lisans’ların, bir sonraki maddenin Asyalı bir kadın olmakla hiçbir ilgisi olmasa bile, kendisini Asyalı olarak tanımlayan bir başvuru sahibinin makalesindeki cümlenin açılış cümlesi gibi “Asyalı bir kadın olarak” gibi, öğrencinin kimliğiyle ilgili alakasız bilgileri dahil etmek isteme eğiliminde olduğunu gözlemledi.
