प्रमुख प्रश्न नया
AI द्वारा प्रसंस्कृत · लेखक द्वारा अनुमोदित
मानव फीडबैक की तुलना में एआई फीडबैक पर भरोसा कैसा है, और यह टीम के प्रदर्शन को कैसे प्रभावित करता है?
Spotify का प्लेयर लोड करता है; Spotify कुकीज़ सेट कर सकता है। यह डिवाइस आपकी पसंद याद रखता है।
मुख्य निष्कर्ष
- मानव फीडबैक विश्वसनीयता (प्रोफेसर और कोच) की धारणाएं एकल समग्र निर्णय में समाहित हो जाती हैं, जबकि एआई विश्वसनीयता क्षमता, भरोसेमंदता और सद्भावना के आधार पर विभाजित रहती है।
- प्रोफेसर की विश्वसनीयता ने सहकर्मी-मूल्यांकित प्रदर्शन (β = .155, p < .001) और स्व-मूल्यांकित प्रदर्शन (β = .113, p < .001) दोनों का सकारात्मक रूप से अनुमान लगाया।
- एआई विश्वसनीयता आयामों ने विपरीत प्रदर्शन प्रभाव दिखाए: एआई क्षमता सहकर्मी-मूल्यांकित प्रदर्शन के साथ सकारात्मक रूप से जुड़ी थी (β = .138, p = .003), जबकि एआई भरोसेमंदता सहकर्मी-मूल्यांकित प्रदर्शन के साथ नकारात्मक रूप से जुड़ी थी (β = −.268, p < .001)।
- सभी स्रोतों में विश्वसनीयता प्रभाव उन प्रतिभागियों के बीच काफी अधिक मजबूत थे या केवल उन्हीं में मौजूद थे जिन्होंने कार्य के दौरान फीडबैक स्रोत के साथ सक्रिय रूप से सहभागिता की थी।
- एआई विश्वसनीयता को एकल समग्र स्कोर के रूप में मॉडल करने से अंतर्निहित भिन्न प्रक्रियाएं छिप गईं, जिससे सहकर्मी-मूल्यांकित प्रदर्शन के साथ एक भ्रामक नकारात्मक संबंध सामने आया।
आपके लिए इसका क्या अर्थ है
CIO / आईटी एक्ज़ीक्यूटिव
Review enterprise AI deployment dashboards to ensure tools emphasize demonstrable task competence rather than conversational 'trustworthiness' features, as the research shows AI trustworthiness perceptions negatively predict collaborative performance.
आईटी प्रबंधक
Audit internal team AI integration guides to ensure employees are actively engaging with AI as a task-specific competence tool rather than passively trusting its outputs, since credibility effects only activate through active engagement.
बिज़नेस रणनीतिकार
Reallocate training budgets away from general AI trust-building initiatives and toward skills-based prompt engineering that highlights AI competence and factual verification.
शोधकर्ता
Revise survey instruments to measure AI credibility across multidimensional criteria (competence, trustworthiness, goodwill) rather than a single composite score, preventing the masking of opposing performance effects.
नीति निर्माता
Draft guidelines requiring educational and workplace AI tools to clearly display functional competence and source limitations rather than simulating interpersonal trustworthiness, mitigating risks of detrimental over-reliance.
सारांश
यह अध्ययन जांचता है कि क्या स्रोत विश्वसनीयता सिद्धांत डिजिटल सहयोगी शिक्षण में मानव संचारकों से जेनेरेटिव एआई फीडबैक स्रोतों तक विस्तारित होता है। 11-सप्ताह के वैश्विक आभासी परामर्श प्रोजेक्ट में भाग लेने वाले 31 देशों के 3,776 छात्रों के सर्वेक्षण और प्रदर्शन डेटा का उपयोग करते हुए, शोधकर्ताओं ने प्रोफेसरों, कार्यक्रम कोचों और जेनेरेटिव एआई उपकरणों के विश्वसनीयता मूल्यांकनों को मापा। इन विश्वसनीयता धारणाओं का बाद के स्व-मूल्यांकित और सहकर्मी-मूल्यांकित प्रदर्शन से संबंध जांचने के लिए स्ट्रक्चरल इक्वेशन मॉडलिंग का उपयोग किया गया।
समस्या
जैसे-जैसे जेनेरेटिव एआई उपकरण मानव प्रशिक्षकों और सलाहकारों के साथ शैक्षिक और सहयोगात्मक वर्कफ़्लो में एकीकृत होते जा रहे हैं, शिक्षार्थी नियमित रूप से मानव और गैर-मानव दोनों स्रोतों से फीडबैक प्राप्त कर रहे हैं। हालांकि, इस बारे में बहुत कम जानकारी है कि क्या व्यक्ति मानव संचारकों के समान ही बहुआयामी मानदंडों का उपयोग करके एआई विश्वसनीयता का मूल्यांकन करते हैं। इसके अलावा, यह भी अस्पष्ट है कि एआई फीडबैक पर भरोसा करना सहयोगात्मक परिवेश में वास्तविक प्रदर्शन को बढ़ाता है या कमजोर करता है।
ट्रांसक्रिप्ट
Expert: धन्यवाद एना।
Host: एलेक्स, आज कॉर्पोरेट और शैक्षणिक दोनों ही क्षेत्रों में जनरेटिव एआई टूल्स का उपयोग कार्यप्रणाली में तेजी से बढ़ रहा है। यह अध्ययन किस मुख्य समस्या की पड़ताल करता है?
Expert: एना, मुख्य समस्या यह है कि जब लोग इंसानों, जैसे कि मैनेजर या प्रोफेसर, से फीडबैक लेते हैं, तो विश्वसनीयता का एक स्थापित ढांचा होता है। लेकिन अब कार्यप्रणालियों में जनरेटिव एआई उपकरण भी सीधे शामिल हो चुके हैं। सवाल यह उठता है कि क्या व्यक्ति एआई की विश्वसनीयता का मूल्यांकन भी उन्हीं बहुआयामी मानदंडों के आधार पर करते हैं जैसे वे इंसानों का करते हैं? और क्या एआई फीडबैक पर भरोसा करने से सहयोगात्मक वातावरण में वास्तविक कार्य प्रदर्शन में सुधार होता है या वह कमजोर होता है? इस पर पहले अनुभवजन्य डेटा सीमित था।
Host: इस प्रश्न का व्यवस्थित उत्तर खोजने के लिए शोधकर्ताओं ने क्या दृष्टिकोण अपनाया?
Expert: शोधकर्ताओं ने एक 11-सप्ताह के वैश्विक आभासी परामर्श प्रोजेक्ट का अध्ययन किया। इसमें 31 देशों के 3,776 प्रतिभागियों के सर्वेक्षण और प्रदर्शन डेटा का विश्लेषण किया गया। प्रतिभागियों को प्रोफेसरों, कार्यक्रम कोचों और जनरेटिव एआई उपकरणों से फीडबैक मिल रहा था। इसके बाद, शोधकर्ताओं ने स्ट्रक्चरल इक्वेशन मॉडलिंग का उपयोग करके यह मापा कि विश्वसनीयता के आयाम—विशेष रूप से क्षमता, भरोसेमंदता और सद्भावना—किस प्रकार प्रतिभागियों के स्व-मूल्यांकित और सहकर्मी-मूल्यांकित प्रदर्शन से संबंधित हैं।
Host: और इस अध्ययन से क्या मुख्य परिणाम सामने आए?
Expert: परिणाम दिखाते हैं कि मानव स्रोतों के संदर्भ में विश्वसनीयता की धारणाएं एक समग्र निर्णय में समाहित हो जाती हैं। यानी लोग प्रोफेसर या कोच की विश्वसनीयता को एक इकाई के रूप में देखते हैं। इसके विपरीत, एआई विश्वसनीयता खंडित रहती है—प्रतिभागी एआई की क्षमता और उसकी भरोसेमंदता को अलग-अलग करके आंकते हैं।
Host: और इसका वास्तविक प्रदर्शन पर क्या प्रभाव देखा गया?
Expert: डेटा में विपरीत प्रदर्शन प्रभाव देखे गए। प्रोफेसर की विश्वसनीयता ने सहकर्मी-मूल्यांकित प्रदर्शन (बीटा = 0.155, p < .001) और स्व-मूल्यांकित प्रदर्शन (बीटा = 0.113, p < .001) दोनों का सकारात्मक रूप से अनुमान लगाया। वहीं एआई के संदर्भ में, जब प्रतिभागियों ने एआई की क्षमता को उच्च माना, तो उनका सहकर्मी-मूल्यांकित प्रदर्शन बेहतर हुआ (बीटा = 0.138, p = 0.003)। लेकिन जब एआई की भरोसेमंदता को उच्च माना गया, तो सहकर्मी-मूल्यांकित प्रदर्शन के साथ नकारात्मक संबंध देखा गया (बीटा = -0.268, p < .001)।
Host: यानी एआई की भरोसेमंदता का सहकर्मी-मूल्यांकित प्रदर्शन के साथ नकारात्मक संबंध था? विश्लेषणात्मक दृष्टि से ऐसा क्यों हुआ?
Expert: अध्ययन से संकेत मिलता है कि जब प्रतिभागी एआई की क्षमता का उपयोग एक विश्लेषणात्मक साधन के रूप में करते हैं, तो वे अपने आउटपुट को बेहतर बनाते हैं। लेकिन जब वे एआई को अत्यधिक भरोसेमंद मान लेते हैं, तो वे संभवतः आलोचनात्मक जांच किए बिना उसके सुझावों पर निर्भर हो जाते हैं, जिससे सहकर्मी उनके योगदान की गुणवत्ता या प्रामाणिकता को कम आंक सकते हैं। अध्ययन में यह भी पाया गया कि यह प्रभाव केवल उन्हीं प्रतिभागियों में महत्वपूर्ण थे जिन्होंने फीडबैक स्रोत के साथ सक्रिय रूप से सहभागिता की थी। यदि एआई विश्वसनीयता को एकल समग्र स्कोर के रूप में मापा जाता, तो यह भिन्नता छिप जाती।
Host: यह निष्कर्ष व्यावसायिक संगठनों के लिए अत्यंत महत्वपूर्ण हैं। मैनेजर्स और लीडर्स के लिए इसके क्या व्यावहारिक निहितार्थ हैं?
Expert: पहला सबक यह है कि संगठनों को एआई की विश्वसनीयता को केवल एक सामान्य या एकल मेट्रिक के रूप में नहीं देखना चाहिए। दूसरा और सबसे महत्वपूर्ण सबक यह है कि वर्कफ़्लो में टीमों को प्रशिक्षित किया जाना चाहिए कि वे एआई को एक सक्षम विश्लेषणात्मक उपकरण के रूप में उपयोग करें, न कि एक निर्विवाद रूप से भरोसेमंद सलाहकार के रूप में। एआई के फीडबैक को स्वीकार करने से पहले मानवीय विवेक और सहयोगात्मक समीक्षा अनिवार्य रहनी चाहिए।
Host: बिल्कुल। एआई की क्षमता का लाभ उठाते हुए उसके आउटपुट पर उचित मानवीय नियंत्रण बनाए रखना ही व्यावहारिक मार्ग है। एलेक्स, इस अध्ययन के निष्कर्षों को साझा करने के लिए धन्यवाद।
Expert: धन्यवाद एना।
Host: और हमारे सभी श्रोताओं का भी धन्यवाद। कार्यस्थल और प्रौद्योगिकी से जुड़े शोध-आधारित विश्लेषणों के लिए सुनते रहिए 'A.I.S. Insights — powered by Living Knowledge'। अगली बार फिर मिलते हैं।
Generative AI, source credibility, CASA, global virtual teams, calibrated reliance, peer evaluation, digital learning