- Entwicklung effektiver pädagogischer Chatbots mit ChatGPT-Eingabeaufforderungen: Erkenntnisse aus vorläufigen Assessments in einer Fallstudie zur Social-Media-Kompetenz (arXiv)
Autor: Cansu Koyutürk, Mona Yavari, Emily Theophilou, Sathya Bursic, Gregor Donabauer, Alessia Telari, Alessia Testa, Raffaele Boiano, Alessandro Gabbiadini, Davinia Hernandez-Leo, Martin Ruskow, Dimitri Ognibene
Zusammenfassung: Pädagogische Chatbots versprechen interaktive und personalisierte Lernerfahrungen, ihre Entwicklung wurde jedoch durch die eingeschränkten Möglichkeiten der freien Interaktion auf verfügbaren Plattformen und die Schwierigkeit, Wissen in einem geeigneten Format zu kodieren, begrenzt. Jüngste Fortschritte bei Sprachlernmodellen mit Zero-Shot-Lernfähigkeiten, wie etwa ChatGPT, legen eine neue Möglichkeit für die Entwicklung pädagogischer Chatbots mit einem auf Eingabeaufforderungen basierenden Ansatz nahe. Wir präsentieren eine Fallstudie mit einem einfachen System, das Chatbot-Interaktionen mit gemischten Runden ermöglicht, und diskutieren die Erkenntnisse und vorläufigen Richtlinien, die aus ersten Assessments gewonnen wurden. Wir untersuchen die Fähigkeit von ChatGPT, mehrere miteinander verbundene Lernziele zu verfolgen, die Bildungsaktivität an Benutzermerkmale wie Kultur, Alter und Bildungsniveau anzupassen und verschiedene Bildungsstrategien und Konversationsstile zu nutzen. Obwohl die Ergebnisse ermutigend sind, stellen der begrenzte Gesprächsverlauf und die stark strukturierte Type der Antworten von ChatGPT sowie deren Variabilität Herausforderungen dar, was zu einem unerwarteten Wechsel der Rolle des Chatbots vom Lehrer zum Therapeuten führen kann . Wir stellen einige erste Richtlinien zur Verfügung, um diese Probleme anzugehen und die Entwicklung effektiver Bildungs-Chatbots zu erleichtern
2. Aufgeblähte Offenlegungen: Kann ChatGPT Anlegern bei der Verarbeitung von Finanzinformationen helfen? (arXiv)
Autor: Alex Kim, Maximilian Muhn, Valeri Nikolaev
Zusammenfassung: Generative KI-Instruments wie ChatGPT können die Artwork und Weise, wie Anleger Informationen verarbeiten, grundlegend verändern. Wir untersuchen den wirtschaftlichen Nutzen dieser Instruments bei der Zusammenfassung komplexer Unternehmensoffenlegungen, indem wir die Börse als Labor nutzen. Die uneingeschränkten Zusammenfassungen sind erheblich kürzer, oft um mehr als 70 % im Vergleich zu den Originalen, während ihr Informationsgehalt erhöht ist. Wenn ein Dokument eine optimistic (detrimental) Stimmung hat, wird seine Zusammenfassung positiver (negativer). Noch wichtiger ist, dass die Zusammenfassungen die Reaktionen der Börsen auf die offengelegten Informationen besser erklären können. Motiviert durch diese Erkenntnisse schlagen wir ein Maß für die „Aufblähung“ von Informationen vor. Wir zeigen, dass eine aufgeblähte Offenlegung mit nachteiligen Folgen für die Kapitalmärkte verbunden ist, wie etwa einer geringeren Preiseffizienz und einer höheren Informationsasymmetrie. Abschließend zeigen wir, dass das Modell effektiv bei der Erstellung gezielter Zusammenfassungen ist, die die (nicht-)finanzielle Leistung und Risiken von Unternehmen identifizieren. Insgesamt deuten unsere Ergebnisse darauf hin, dass die generative Sprachmodellierung einen erheblichen Mehrwert für Anleger mit Einschränkungen bei der Informationsverarbeitung darstellt
