AI Assistants Boost Beginners More Than Experts, Study Shows Correlation

There once was an AI named Chat who was really good at repeating back information it already knew. One day, Chat was given to some office workers [1] to help them with their jobs. Some of the workers were experts at their jobs, while others were still learning.  


At first, Chat helped all the workers get more work done faster - even the experts! But soon, the experts noticed something funny. The workers who were still learning got way MORE help from Chat. The new workers improved a lot using Chat, doing their work faster and better than ever before!   


The experts wondered why Chat didn't help them as much. That's when they realized - that Chat is an expert at repeating back facts but can't come up with brand new ideas. So, for workers who already knew those facts, Chat didn't offer them that much new help. But for newer workers still learning those basics, Chat was able to teach them so much more!


This shows a correlation - as in, two things that relate to each other and change together. The more expert a worker already was, the less helpful Chat was for them. But for newer workers, Chat could help them almost as much as the experts! It's because of their different starting points. Chat has a limit to how expert it can be. So, the closer a worker already was to Chat's expertise, the less new stuff Chat offered them.


The experts and newbies improved at different rates thanks to Chat. Their own expertise compared to Chat's matters for how much more they can learn. That connection in how much they improve is the correlation!


The SDTEST® gives clues to someone's motivational values. However, additional polls can provide more pieces of the puzzle.


Imagine also giving an "A.I. and the end of civilization" poll. It asks people to rate at the agree or disagree level. 


Now imagine 100 people who took both tests. You could match up each person's SDTEST® colors with their rated answers about the danger of AI.


Comparing tests gives an expanded picture of values in action. More puzzle pieces make the whole image more apparent!


Multiple tests can work together, like colors blending on a palette. Other polls reveal what engages your values, like what is the perception of the danger of AI. Combined, they paint a richer picture of what motivates our thoughts and deeds.


Below you can read an abridged version of the results of our VUCA poll “A.I. and the end of civilization“. The full results of the poll are available for free in the FAQ section after login or registration.


ხელოვნური ინტელექტი და ცივილიზაციის დასასრული

ქვეყანა
Ენა
-
Mail
ხელახალი მნიშვნელობა
კრიტიკული ღირებულების კორელაციის კოეფიციენტი
ნორმალური განაწილება, უილიამ სეილი გოსეტის მიერ (სტუდენტი) r = 0.0874
ნორმალური განაწილება, უილიამ სეილი გოსეტის მიერ (სტუდენტი) r = 0.0874
არა ნორმალური განაწილება, Spearman- ის მიერ r = 0.0039
გავრცელებაარა
ნორმალური
ნორმალურინორმალურინორმალურინორმალურინორმალურინორმალურინორმალური
ყველა კითხვა
ყველა კითხვა
1) უსაფრთხოება (რამდენად ეთანხმებით ან არ ეთანხმებით?)
2) კონტროლი (რამდენად ეთანხმებით ან არ ეთანხმებით?)
1) უსაფრთხოება (რამდენად ეთანხმებით ან არ ეთანხმებით?)
Answer 1-
სუსტი პოზიტიური
0.0647
სუსტი უარყოფითი
-0.0402
სუსტი პოზიტიური
0.1238
სუსტი უარყოფითი
-0.1305
სუსტი პოზიტიური
0.0097
სუსტი უარყოფითი
-0.0535
სუსტი პოზიტიური
0.0344
Answer 2-
სუსტი პოზიტიური
0.0497
სუსტი პოზიტიური
0.0373
სუსტი პოზიტიური
0.0295
სუსტი უარყოფითი
-0.0054
სუსტი უარყოფითი
-0.0046
სუსტი უარყოფითი
-0.0176
სუსტი უარყოფითი
-0.0596
Answer 3-
სუსტი უარყოფითი
-0.0307
სუსტი უარყოფითი
-0.0330
სუსტი პოზიტიური
0.0063
სუსტი პოზიტიური
0.0822
სუსტი უარყოფითი
-0.0127
სუსტი უარყოფითი
-0.0159
სუსტი უარყოფითი
-0.0149
Answer 4-
სუსტი უარყოფითი
-0.0069
სუსტი პოზიტიური
0.0432
სუსტი პოზიტიური
0.0293
სუსტი უარყოფითი
-0.0238
სუსტი უარყოფითი
-0.0470
სუსტი უარყოფითი
-0.0193
სუსტი პოზიტიური
0.0315
Answer 5-
სუსტი პოზიტიური
0.0069
სუსტი უარყოფითი
-0.0237
სუსტი უარყოფითი
-0.0152
სუსტი პოზიტიური
0.0131
სუსტი უარყოფითი
-0.0018
სუსტი პოზიტიური
0.0608
სუსტი უარყოფითი
-0.0308
Answer 6-
სუსტი უარყოფითი
-0.0388
სუსტი უარყოფითი
-0.0576
სუსტი უარყოფითი
-0.1067
სუსტი პოზიტიური
0.0816
სუსტი პოზიტიური
0.0191
სუსტი პოზიტიური
0.0491
სუსტი პოზიტიური
0.0162
Answer 7-
სუსტი უარყოფითი
-0.0360
სუსტი პოზიტიური
0.0619
სუსტი უარყოფითი
-0.0510
სუსტი უარყოფითი
-0.0486
სუსტი პოზიტიური
0.0403
სუსტი პოზიტიური
0.0061
სუსტი პოზიტიური
0.0322
2) კონტროლი (რამდენად ეთანხმებით ან არ ეთანხმებით?)
Answer 8-
სუსტი პოზიტიური
0.0254
სუსტი პოზიტიური
0.0424
სუსტი პოზიტიური
0.1084
სუსტი პოზიტიური
0.0601
სუსტი უარყოფითი
-0.0356
სუსტი უარყოფითი
-0.1149
სუსტი უარყოფითი
-0.0695
Answer 9-
სუსტი პოზიტიური
0.0118
სუსტი უარყოფითი
-0.0446
სუსტი უარყოფითი
-0.0559
სუსტი პოზიტიური
0.0325
სუსტი პოზიტიური
0.0961
სუსტი უარყოფითი
-0.0228
სუსტი უარყოფითი
-0.0252
Answer 10-
სუსტი პოზიტიური
0.0535
სუსტი უარყოფითი
-0.0376
სუსტი უარყოფითი
-0.0089
სუსტი უარყოფითი
-0.0281
სუსტი უარყოფითი
-0.0308
სუსტი პოზიტიური
0.0262
სუსტი პოზიტიური
0.0309
Answer 11-
სუსტი პოზიტიური
0.0157
სუსტი პოზიტიური
0.0103
სუსტი უარყოფითი
-0.0089
სუსტი უარყოფითი
-0.0482
სუსტი პოზიტიური
0.0039
სუსტი პოზიტიური
0.0010
სუსტი პოზიტიური
0.0318
Answer 12-
სუსტი უარყოფითი
-0.0377
სუსტი პოზიტიური
0.0444
სუსტი პოზიტიური
0.0304
სუსტი პოზიტიური
0.0435
სუსტი უარყოფითი
-0.0755
სუსტი პოზიტიური
0.0475
სუსტი უარყოფითი
-0.0432
Answer 13-
სუსტი უარყოფითი
-0.1232
სუსტი უარყოფითი
-0.0353
სუსტი უარყოფითი
-0.0230
სუსტი პოზიტიური
0.0330
სუსტი უარყოფითი
-0.0105
სუსტი პოზიტიური
0.0883
სუსტი პოზიტიური
0.0191
Answer 14-
სუსტი პოზიტიური
0.0124
სუსტი პოზიტიური
0.0425
სუსტი უარყოფითი
-0.0572
სუსტი უარყოფითი
-0.1125
სუსტი პოზიტიური
0.0256
სუსტი პოზიტიური
0.0326
სუსტი პოზიტიური
0.0763


ექსპორტი MS Excel
ეს ფუნქცია ხელმისაწვდომი იქნება თქვენი VUCA გამოკითხვაში
Კარგი



[1] https://www.ft.com/content/b2928076-5c52-43e9-8872-08fda2aa2fcf


2023.11.27
ვალერი კოზენკო
პროდუქტის მფლობელი Saas Pet Project Sdtest®

1993 წელს ვალერი იყო კვალიფიციური, როგორც სოციალური პედაგოგა-ფსიქოლოგი და მას შემდეგ გამოიყენა ცოდნა პროექტის მენეჯმენტში.
ვალერიმ მოიპოვა მაგისტრის ხარისხი და პროექტისა და პროგრამის მენეჯერის კვალიფიკაცია 2013 წელს. მისი სამაგისტრო პროგრამის განმავლობაში იგი გაეცნო პროექტის საგზაო რუქას (GPM Deutsche Gesellschaft Für Projektmanagement E. V.) და Spiral Dynamics.
ვალერიმ ჩაატარა სხვადასხვა სპირალური დინამიკის ტესტები და გამოიყენა თავისი ცოდნა და გამოცდილება SDTest– ის ამჟამინდელი ვერსიის ადაპტაციისთვის.
ვალერი არის ავტორი V.U.C.A.- ს გაურკვევლობის შესწავლით. კონცეფცია სპირალური დინამიკისა და მათემატიკური სტატისტიკის გამოყენებით ფსიქოლოგიაში, 20 -ზე მეტი საერთაშორისო გამოკითხვა.
ამ პოსტს აქვს 0 კომენტარები
Გამოეხმაუროთ
გააუქმეთ პასუხი
დატოვე შენი კომენტარი
×
თქვენთვის შეცდომა
შესთავაზოს თქვენი სწორი ვერსია
შეიყვანეთ თქვენი e-mail, როგორც სასურველი
Send
გაუქმება
Bot
sdtest
1
Გამარჯობა! ნება მიბოძეთ გკითხოთ, უკვე იცნობთ სპირალურ დინამიკას?