A generatív Mesterséges Intelligencia, mint tudástranszfer eszköz: tanulságok marketing MSc vizsgafeladatok benchmarkolásából
DOI:
https://doi.org/10.33032/acr.5595Kulcsszavak:
Mesterséges Intelligencia, generatív MI, tudástranszfer, marketing, LLM, digitális technológiák, készségfejlesztésAbsztrakt
A kutatás célja annak vizsgálata volt, hogy az egyetemek és munkahelyek között miért alakul ki időbeli késés a mesterséges intelligencia (MI) és digitális technológiák átvételében, valamint hogyan lehet ezt mérsékelni. Eredményeink szerint a vállalatok gyorsabban alkalmazzák az új eszközöket, míg az oktatási intézményekben az akkreditációs és szervezeti korlátok lassítják az adaptációt. A hallgatók gyakran önállóan vagy munkahelyi környezetben sajátítják el a szükséges digitális készségeket, míg az oktatók informális csatornákból értesülnek az új trendekről. A tudástranszfer gyorsítása érdekében kulcsfontosságú a felsőoktatás és a munkaadók közötti együttműködés, közös kurzusok, mentorprogramok és szakmai partnerségek kialakítása. A tanulmány rámutat, hogy a digitális eszközök integrációja hozzájárulhat a pályakezdők felkészítéséhez a munkaerőpiac aktuális igényeire.
Hivatkozások
Luz, A. – Olaoye, G. O. (2024): Artificial Intelligence and Employee Experience: Leveraging Technology for Personalization. EasyChair, 13219. https://easychair.org/publications/preprint/27cs/open
Pedersen, I. (2023): The rise of generative AI and enculturating AI writing in postsecondary education. Front. Artif. Intell. 6:1259407. http://dx.doi.org/10.3389/frai.2023.1259407
Adamopoulou, E. – Moussiades, L. (2020): Chatbots: History, Technology, and Applications. Machine Learning with Applications, 2, 100006. https://doi.org/10.1016/j.mlwa.2020.100006
Sivakumar, A. – Gelman, B. – Simmons, R. (2024): Standardized nomenclature for litigational legal prompting in generative language models. Discover Artificial Intelligence, 4(21). https://doi.org/10.1007/s44163-024-00108-5
Toma, I. – Umbrich, J. – Theil, M. – Sas, A. – Reinwald, W. H. – Theil, A. – Wahler, A. – ŞİMŞEK, U. – Fensel, D. (2023): Towards the digital transformation of Distribution System Operators using Knowledge Graphs and Conversational AI. 27th International Conference on Electricity Distribution (CIRED 2023), Rome, Italy, 2023, pp. 306–310. https://doi.org/10.1049/icp.2023.0298
Chikán Attila (2008): Vállalatgazdaságtan, 4. átdolgozott, bővített kiadás, Budapest, AULA Kiadó, 332–334 p.
Najee-Ullah, A. – Landeros, L. – Balytskyi, Y. – Chang, S.-Y. (2022): Towards Detection of AI-Generated Texts and Misinformation. In Parkin, S. – Viganò, L. (Eds.), Socio-Technical As-pects in Security, Lecture Notes in Computer Science, vol 13176. Springer, Cham. https://doi.org/10.1007/978-3-031-10183-0_13
Chan, C.K.Y. – Hu, W. (2023): Students’ Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education. ResearchGate. https://doi.org/10.1186/s41239-023-00411-8
Aronsson, J. – Lu, P. – Strüber, D. – Berger, T. (2021): A Maturity Assessment Framework for Con-versational AI Development Platforms. In The 36th ACM/SIGAPP Symposium on Applied Computing (SAC ’21), March 22–26, 2021. Virtual Event, Republic of Korea. ACM, New York, NY, USA, 11 pages. https://doi.org/10.1145/3412841.3442046
Faust, A. – Dröge, M. – Odebrecht, C. (2023): Assessment of AI literacy Development and testing of a cus-tomizable set of items. Lecture Notes in Informatics (LNI), Proceedings - Series of the Gesellschaft fur Informatik (GI), P-337, pp. 341–346
Letöltések
Megjelent
Folyóirat szám
Rovat
License
Copyright (c) 2025 Tétényi Bálint, Kovács Stefan, Csapó Anna, Kádár-Buksa Márk
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
