نظرسنجی هاروارد: نیمی از مردان ادعا میکنند مدیران خیالی هوش مصنوعی را میشناسند
یک مطالعه جدید از دانشگاه هاروارد نشان میدهد که ۵۳ درصد از مردان ادعا میکنند با مدیران ارشد خیالی در صنعت هوش مصنوعی آشنا هستند. این پژوهش پرده از شکاف عمیق اعتماد به نفس در فناوری برمیدارد و نشان میدهد چگونه تظاهر به دانستن، روایتهای رسانهای و محیط کار را شکل میدهد.
به قلم فرشید جمشیدی
این خبر را به اشتراک بگذارید
در بسیاری از نظرسنجیهای عمومی، افراد گاهی ادعا میکنند که با موضوعاتی که وجود خارجی ندارند آشنا هستند تا از پاسخ «نمیدانم» فرار کنند. اما در دنیای فناوری و هوش مصنوعی، این پدیده ابعاد کاملا جدیدی به خود گرفته است.[1][3]
یک نظرسنجی جدید نشان میدهد نیمی از مردان آمریکایی با اعتماد به نفس کامل ادعا میکنند مدیران ارشد هوش مصنوعی را میشناسند، در حالی که این افراد اصلا وجود خارجی ندارند. این دادهها پرده از یک واقعیت پنهان در صنعت فناوری برمیدارد.[1][2]
مرکز رسانه، سیاست و سیاستگذاری عمومی شورنستاین در دانشگاه هاروارد، در اواخر مهر ۱۴۰۵ (اکتبر ۲۰۲۶) نتایج یک مطالعه گسترده را منتشر کرد. این پژوهش که با عنوان «آیا زنان از هوش مصنوعی کنار گذاشته میشوند؟» منتشر شده، به بررسی شکاف اعتماد به نفس پرداخته است.[4][5]
این مطالعه دادههای به دست آمده از ۵۴۰۳ بزرگسال آمریکایی را مورد تجزیه و تحلیل قرار داده است تا مشخص کند درک عمومی از این فناوری تا چه حد با واقعیت همخوانی دارد. محققان برای سنجش میزان صداقت پاسخدهندگان، یک تله هوشمندانه و دقیق طراحی کردند.[4][5]
آنها در میان فهرستی از نامهای واقعی و شناختهشده در صنعت هوش مصنوعی، نام دو فرد کاملا خیالی و ساختگی به نامهای «سوزان میلنر» و «کریگ دالتون» را قرار دادند. سپس از شرکتکنندگان پرسیدند که آیا این افراد را میشناسند یا خیر.[1][4]
تلاقی واقعیت و خیال در آمار
نتایج به دست آمده شگفتانگیز و تاملبرانگیز بود. ۵۳ درصد از مردان شرکتکننده در نظرسنجی ادعا کردند که این دو مدیر خیالی را به خوبی میشناسند. این آمار نشاندهنده تمایل شدید به تظاهر در مواجهه با فناوریهای جدید است.[1][3]
در مقابل، ۴۰ درصد از زنان نیز چنین ادعایی را مطرح کردند. این دادهها نشان میدهد که پدیده تظاهر به دانستن در هر دو گروه جنسیتی وجود دارد، اما در مردان به شکل قابلتوجهی پررنگتر و رایجتر است.[1][4]
برای درک بهتر این آمار، پژوهشگران این اعداد را با میزان شناخت چهرههای واقعی مقایسه کردند. جالب اینجاست که میزان شناخت ادعایی برای مدیران خیالی، دقیقا با میزان شناخت «میرا موراتی»، مدیر ارشد فناوری سابق شرکت اوپنایآی برابر بود.[1][2]
بر اساس این گزارش، ۵۳ درصد از مردان و ۳۸ درصد از زنان گفتند که موراتی را میشناسند. در بخش چهرههای بسیار مشهور، تفاوتها کمتر بود و اعداد شکل منطقیتری به خود گرفتند؛ به طوری که ۷۳ درصد از مردان اعلام کردند «سم آلتمن» را میشناسند.[1][4]
همچنین ۹۸ درصد از مردان با نام ایلان ماسک آشنایی داشتند که با توجه به حضور گسترده او در رسانهها، آماری کاملا طبیعی به نظر میرسد. با این حال، زمانی که نظرسنجی از مرحله ادعای شناخت عبور کرد، تصویر متفاوتی شکل گرفت.[3][4]
برخورد متفاوت با عدم قطعیت
در بخش بعدی، محققان به سراغ سوالات واقعی و فنی درباره نحوه کارکرد هوش مصنوعی رفتند. در یک آزمون ۱۲ سوالی که دانش واقعی افراد را میسنجید، مردان به طور متوسط به ۷.۱ سوال و زنان به ۶.۳ سوال پاسخ صحیح دادند.[4][5]
تفاوت اصلی در تعداد پاسخهای اشتباه نبود، بلکه در نحوه برخورد با عدم قطعیت و ناشناختهها بود. مردان و زنان تقریبا به یک اندازه به سوالات این آزمون پاسخ نادرست دادند و خطای یکسانی داشتند.[4][5]
اما زنان به طور متوسط در ۳.۳ سوال گزینه «مطمئن نیستم» را انتخاب کردند، در حالی که این رقم برای مردان تنها ۲.۳ بود. این تفاوت نشاندهنده احتیاط بیشتر زنان در ابراز نظر قطعی درباره موضوعات فنی است.[4][5]
لورا مانلی، مدیر اجرایی مرکز شورنستاین در هاروارد، در مصاحبهای با نشریه وایرد به این موضوع پرداخت. او اشاره کرد که مردان به طور کلی در مواجهه با هوش مصنوعی خوشبینتر و مطمئنتر هستند و این اطمینان گاهی به اعتماد به نفس کاذب تبدیل میشود.[1][3]
مانلی تاکید میکند که این سطح از اعتماد به نفس باعث میشود صداهایی که صادقانه میگویند «مطمئن نیستم» در هیاهوی رسانهای گم شوند. این تفاوت در ابراز اطمینان، بازتاب مستقیمی در فضای رسانهای و تخصصی دارد و روایتهای عمومی را شکل میدهد.[3][5]
تاثیر بر رسانه و محیط کار
بررسی بیش از ۷۸ هزار مقاله خبری درباره هوش مصنوعی بین تیر ۱۴۰۴ تا تیر ۱۴۰۵ نشان داد که نام مردان ۱۴.۶ برابر بیشتر از زنان در تیتر اخبار ظاهر میشود. این آمار نشاندهنده یک عدم تعادل عمیق در پوشش رسانهای است.[4][5]
حتی با حذف مدیران عامل، بنیانگذاران و سرمایهگذاران از این آمار، مردان همچنان ۴.۳ برابر بیشتر از زنان به عنوان «متخصص» در گزارشهای خبری مورد استناد قرار میگیرند. این چرخه معیوب باعث میشود صدای زنان در شکلدهی به روایتهای هوش مصنوعی کمتر شنیده شود.[5]
دادههای این نظرسنجی نشان میدهد که این شکاف تنها به رسانهها محدود نمیشود، بلکه در محیط کار نیز پیامدهای ملموسی به همراه دارد. ۴۶ درصد از زنان اعلام کردند که هرگز در محل کار از هوش مصنوعی استفاده نمیکنند.[5]
این رقم برای مردان ۳۶ درصد بود. همچنین، ۶۴ درصد از زنان گزارش دادند که هیچگونه آموزشی در زمینه هوش مصنوعی در محیط کار دریافت نکردهاند، در حالی که ۴۹ درصد از مردان وضعیت مشابهی داشتند.[5]
کارشناسان منابع انسانی معتقدند که نتایج این مطالعه هاروارد باید زنگ خطری جدی برای شرکتها باشد. زمانی که بیش از نیمی از افراد آمادهاند تا آشنایی با ابزارها یا افراد خیالی را تایید کنند، پرسشنامههای استخدامی مبتنی بر خوداظهاری کارایی خود را از دست میدهند.[2][4]
برای سازمانهایی که به دنبال استخدام نیروهای متخصص هستند، ادعای داشتن مهارت در هوش مصنوعی دیگر یک سیگنال قابل اعتماد نیست. شرکتها باید متقاضیان را با وظایف واقعی و سناریوهای عملی ارزیابی کنند تا مهارت واقعی آنها مشخص شود.[4]
برای سازمانهایی که به دنبال استخدام نیروهای متخصص هستند، ادعای داشتن مهارت در هوش مصنوعی دیگر یک سیگنال قابل اعتماد نیست.
- پژوهشگران علوم اجتماعی
- تمرکز بر نقش هنجارهای فرهنگی در ابراز اعتماد به نفس کاذب.
- مدیران منابع انسانی
- نگرانی از ناکارآمدی سیستمهای استخدامی مبتنی بر خوداظهاری.
- تحلیلگران رسانه
- انتقاد از چرخه معیوب بازتولید تخصص مردانه در اخبار فناوری.
منابع
[1]Fararuپژوهشگران علوم اجتماعیمردان دستبردارِ وانمود کردن به داشتنِ دانش درباره هوش مصنوعی نیستند
مطالعه در Fararu →
[2]Khabarpuمدیران منابع انسانیدرصد مردان در نظرسنجی هاروارد، شناخت مدیران هوش مصنوعی خیالی را گزارش کردند
[3]Futurismتحلیلگران رسانهThe Average Man Is Such a BSer About AI That He'll Claim to Know About an AI Executive Who Doesn't Even Exist
مطالعه در Futurism →
[4]IBTimesمدیران منابع انسانیA survey of 5,403 US adults found a much smaller gender gap in factual AI knowledge than in confidence and name recognition
مطالعه در IBTimes →
[5]Shorenstein Centerپژوهشگران علوم اجتماعیAre Women Being Left Out of AI?
مطالعه در Shorenstein Center →
بیشتر در تحلیل داده
مشاهده همه →بصریسازی دادهها
چگونه برش مقیاس در صدک ۹۵ مانع از تحریف دادههای پرت در نقشههای کلوروپلت میشود؟
3 منبع
بازیابی اطلاعات
دقت رتبهمحور چگونه با الگوبرداری از شکیبایی کاربر، خطای لگاریتمی موتورهای جستجو را اصلاح میکند
5 منبع
روششناسی آماری
چرا سانسور چپ در پایش دیرهنگام بیماری، منحنیهای کاپلان-مایر را مخدوش میکند؟
3 منبع
مدلسازی آماری
چگونه مدل بردلی-تری از مقایسههای زوجی پراکنده رتبهبندی سراسری میسازد
9 منبع
نظرات
هر زاویه. هر روز.
اخبار تحلیل داده با پوشش کامل منابع و تحلیل دیدگاهها، هر روز و رایگان.




