海角社区

Formålet med interventionen er at forberede de studerende på en fremtid, hvor AI-værktøjer indgår i forskningsarbejdet, samtidig med at der arbejdes med kritisk tænkning og ansvarlig brug af teknologi.

Undervisningsaktiviteten: LLM-Paperstorm

Aktiviteten har tre tilsigtede læringsmål: For det første lærer de studerende at interagere ansvarligt med moderne AI-teknologi, især store sprogmodeller (LLM'er). For det andet lærer de studerende at validere resultaterne af LLM'er i forbindelse med læsning af akademiske artikler - en færdighed, der vil være værdifuld for deres karriere i og uden for den akademiske verden. Endelig bliver de studerende eksponeret for de nyeste forskningsartikler, hvilket vækker deres nysgerrighed og potentielt uddyber deres viden om emnet.
  

Sådan fungerer aktiviteten

Sessionen kombinerer modellering, gruppearbejde og syntese:

• Modelleringsfase (5 min): Underviseren demonstrerer opgaven og fremhæver typiske faldgruber ved brug af LLM’er.
• Gruppearbejde (30 min): Studerende arbejder i teams og vælger en forskningsartikel fra en fælles pulje. De bruger LLM’er til at opsummere og forklare hovedresultaterne.
• Syntesefase (30 min): Grupperne præsenterer deres resultater og evaluerer kritisk AI-output: “Hvad fik sprogmodellen rigtigt?”, “Hvor tog den fejl?”, “Kunne den justeres i den rigtige retning?” Denne fase fremmer dialog mellem studerende og underviser, som kender alle artiklerne.

Refleksioner over LLM-Paperstorm

Studenterfeedback peger på udfordringer som irrelevante opsummeringer og den alt for “enige” tone, der ofte ses i proprietære LLM’er. Alligevel værdsætter mange studerende, at værktøjerne kan fremskynde læsningen af artikler og give nyttige indsigter til eget arbejde.

De fremhæver også muligheden for at sammenligne forskellige AI-værktøjer og foreslår at udvide syntesefasen.

Underviserens konklusion er, at LLM-Paperstorm skaber åben dialog om AI’s risici og muligheder og flytter fokus mod at vurdere LLM-output.