Treffer: SKEPTICAL TO AI LIKE A DATA SCIENTIST. RESULTS FROM A POLISH SOCIOLOGICAL STUDY OF THE SO-CALLED ARTIFICIAL INTELLIGENCE DEVELOPERS COMMUNITY AND SUGGESTIONS FOR ACADEMIC TEACHERS.

Introduction: Generative artificial intelligence (AI) systems have sparked another wave of enthusiasm toward AI. This article presents AI from a data science (DS) perspective. DS is involved in developing and implementing AI. In the social sciences, there has been significant interest in AI. However, little is known about DS as a research subject. Research Aim: The aim of this study is to provide an analysis of the perception and understanding of AI from the perspective of the DS community. Insights can be useful in demystifying AI for non-technical audiences, especially for academic teachers and students. Research Method: The research adopted a situational analysis approach with multi-site ethnography. In 2016-2019, methods included in-depth interviews (IDIs) with data scientists, participant observation of DS events and workshops, collaborative ethnography, autoethnography, and netnography. In mid-2023, informal interviews and a formal IDI were conducted. Results: The DS community perceives AI as a non-technical marketing term for various technologies, including machine learning. Business spokespersons use the term "AI" to impress non-technical audiences. Evoking pop-culture images of AI creates an illusion of AI as magical. In contrast, the preparation of a machine learning model is seen in DS as laborious and experimental. Data scientists associate machine learning with Python, a programming language. On the other hand, DS associates AI with PowerPoint slides to illustrate the unrealistic or unclear promises made by spokespersons for commercial purposes. Conclusion: Data scientists' skeptical approach to AI may help explain AI to non-technical audiences, including students. Practical suggestions for academic teachers are given. [ABSTRACT FROM AUTHOR]

Wprowadzenie: Generatywna sztuczna inteligencja (AI) wywołała kolejną falę entuzjazmu wobec AI. Artykuł prezentuje AI z perspektywy data science (DS). DS zajmuje się programowaniem i implementacją AI. W naukach społecznych istnieje znaczne zainteresowanie AI, niemniej rzadko traktowano DS jako podmiot badań. Cel badań: Celem pracy jest analiza odbioru i rozumienia AI z perspektywy społeczności DS. Wyniki mogą być przydatne w demistyfikacji AI wobec odbiorców nietechnicznych, zwłaszcza dla nauczycieli akademickich i studentów. Metoda badań: W badaniu zastosowano analizę sytuacyjną wraz z etnografią wielostanowiskową. W latach 2016-2019 zastosowano metody wywiadu pogłębionego (IDI) ze specjalistami data scientist, obserwację uczestniczącą wydarzeń i warsztatów DS, etnografię opartą na współpracy, autoetnografię i netnografię. W połowie 2023 roku przeprowadzono nieformalne wywiady i formalne IDI. Wyniki: Społeczność DS postrzega AI jako nietechniczny termin marketingowy stosowany dla różnych technologii, w tym uczenia maszynowego. Rzecznicy biznesowi używają terminu „AI", aby wywrzeć wrażenie na nietechnicznej publiczności. Przywoływanie popkulturowych obrazów AI tworzy iluzję sztucznej inteligencji jako magicznej. W przeciwieństwie do tego przygotowanie modelu uczenia maszynowego jest widziane w DS jako pracochłonne i eksperymentalne. Specjaliści data scientist kojarzą uczenie maszynowe z Pythonem, językiem programowania, AI zaś ze slajdami PowerPoint, które ilustrują nierealistyczne lub niejasne obietnice składane przez rzeczników w komercyjnych celach. Wnioski: Sceptyczne podejście DS do AI może być pomocne w wyjaśnianiu AI odbiorcom nietechnicznym, w tym studentom. Podano praktyczne sugestie dla nauczycieli akademickich. [ABSTRACT FROM AUTHOR]

Copyright of Lubelski Rocznik Pedagogiczny is the property of Maria Curie-Sklodowska University in Lublin and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)