Analisi dell'inclusione nell'apprendimento collaborativo uomo-AI

Un recente studio pubblicato su arXiv presenta un nuovo approccio per misurare l'inclusione nell'apprendimento collaborativo tra umani e intelligenze artificiali. Tradizionalmente, l'inclusione viene valutata tramite descrittori di campioni o auto-segnalazioni, perdendo di vista le dinamiche che si sviluppano momento per momento.

Un framework basato sull'analisi del discorso

Il documento introduce l'"analisi dell'inclusione", un framework basato sull'analisi del discorso che esamina l'inclusione come un processo interattivo e dinamico. Questo approccio concettualizza l'inclusione lungo tre dimensioni complementari: equità di partecipazione, clima affettivo ed equità epistemica. L'obiettivo è rendere analiticamente visibili queste dimensioni attraverso misure scalabili a livello di interazione.

Applicazioni e risultati

Utilizzando sia conversazioni simulate che dati empirici provenienti da esperimenti di collaborazione uomo-AI, i ricercatori dimostrano come l'analisi dell'inclusione possa far emergere schemi di partecipazione, dinamiche relazionali e ricezione di idee che rimangono invisibili alle valutazioni aggregate o post-hoc. Questo lavoro rappresenta un passo iniziale verso approcci orientati al processo per misurare l'inclusione in ambienti di apprendimento collaborativo uomo-AI.