Naukowcy opracowali ramę koncepcyjną Epistemic AI Literacy (EAIL), która redefiniuje umiejętność posługiwania się AI jako proces oparty na epistemicznym myśleniu. Badanie analizuje, jak studenci tworzą zapytania dla generatywnej AI, oceniają jej odpowiedzi i walidują wyniki w kontekście programowania, gdzie kluczową rolę odgrywa świadome myślenie o procesach nauki.
Wykorzystując ramę AIR (epistemic aims, ideals and reliable epistemic processes), zespół zbadał interactions zachodzące między studentami a AI w zadaniach wspólnego programowania. Zidentyfikowali obserwowalne wymiary epistemic aims, takie jak mastery-oriented aims (cel oparty na opanowaniu umiejętności), oraz epistemic processes, w tym outsourcing, explanation seeking, verification seeking, prompt monitoring i epistemic justification. To ostatnie rozumiane jako uzasadnienie epistemiczne - proces, w którym studenci poddają pod wątpliwość i oceniają rekomendacje AI.
Wyniki są alarmujące: 78,8 procent interakcji student-GenAI opiera się na non-mastery-oriented aims, czyli celach, które nie zmierzają do rzeczywistego opanowania umiejętności. Zaledwie 11,1 procenta interactions wykazywało wysokie zaangażowanie epistemiczne, gdzie mastery-oriented aims łączyły się z zaawansowanymi strategiami epistemicznymi. Studenci przeważnie polegają na mniej niezawodnych strategiach takich jak outsourcing (delegowanie zadania AI bez weryfikacji) lub verification seeking bez głębokich analiz. Badanie sugeruje potrzebę bardziej celowych programów edukacyjnych, które nauczą studentów krytycznego myślenia i świadomego korzystania z możliwości AI w procesie uczenia się.