AIEd-tietopankkiAIEd KB
Tällä sivulla

Kaikki numerot

Viikoittainen AIEd-tutkimuskatsaus #3

Tämän englanninkielisen sivun automaattinen konekäännös, jota ei ole vielä tarkastanut äidinkielinen puhuja.

Viikoittainen katsaus Tekoäly koulutuksessa -tietopohjasta, siitä, mitä kuluneella viikolla julkaistu tutkimus merkitsee opettajille, kehittäjille, tutkijoille ja hallinnon edustajille.

Edellisen numeron jälkeen tietopohjaan on liittynyt 159 uutta tutkimusta, kahdeksan uutta käsitesivua, kaksi uutta UKK:ta ja kolme uutta resurssia. Tietopohja sisältää nyt 2 085 artikkelitiivistelmää, 230 käsitesivua, 44 UKK:ta ja 40 resurssia. Hae tai käytä tekoälyä keskustellaksesi tietopohjan kanssa.

Sisältö

Keskeisimmät havainnot ja kysymykset

  • Voiko tekoälypalaute korvata opettajan palautteen? Tekoälyn tuottama palaute ja opettajan palaute paransivat esseiden muokkauksia yhtä paljon satunnaistetussa kokeessa, jossa oli 312 ensimmäisen vuoden kirjoittajaa. Opettajan palaute nosti motivaatiota enemmän, koska opiskelijat tunsivat yhteyden palautteen antajaan. Tekoäly voi kantaa muokkauskierroksen; opettaja kantaa yhä suhteen.
  • Voiko tukea antava chatbot korvata vertaisen? Tukea antava chatbot suoriutui samoin kuin päiväkirjan kirjoittaminen yksinäisyyden vähentämisessä satunnaistetussa kokeessa 296 ensimmäisen vuoden opiskelijan kanssa; satunnaisesti osoitettu vertainen vähensi sitä. Botti ilmaisi enemmän empatiaa, kun opiskelijat antoivat vähemmän takaisin, joten mitatkaa itse yksinäisyyttä.
  • Muuttaako lyhyt etiikkamoduuli tekoälyä koskevaa harkintaa? Neljän viikon informaatioetiikan moduuli nosti opiskelijoiden pisteitä tekoälyyn liittyvissä eettisen harkinnan skenaarioissa kokeessa, jossa satunnaistettiin 16 luokkaa. Noin 60 prosenttia hyödystä säilyi neljä viikkoa myöhemmin, ja eniten tekoälyä käyttäneet hyötyivät eniten. Tapauspohjainen opetus vaikuttaa lupaavalta.
  • Parantaako suurempi tekoälyapu luovaa työtä? Neljä satunnaistettua koetta 728 aikuisen kanssa osoittivat, että kun tekoäly teki enemmän työstä, arvioijat arvioivat tuloksena syntyneet innovaatioehdotukset matalammiksi, enimmäkseen siksi, että osallistujat tekivät vähemmän kognitiivista työtä. Enemmän apua tuli heikomman työn kanssa.
  • Voiko tekoälyn kirjoittama peli opettaa paremmin kuin luento? Mysteeriroolipeli voitti saman opettajan luennon oikeudellisessa tiedossa ja päättelyssä satunnaistetussa kokeessa 84 oikeustieteen opiskelijan kanssa. Peli rakennettiin generatiivisella tekoälyllä; vertailu oli peli luentoa vastaan, joten tulos tukee pelipohjaista oppimista ja jättää chatbotin käytön testaamatta.
  • Muuttavatko opiskelijoiden suoritusraportit opetusta? Opettajia, jotka olivat uusia verkossa toimivan matematiikan tutorointijärjestelmän käyttäjiä, kehotettiin satunnaisesti avaamaan oppimisanalytiikan kojelautaraportti opiskelijoidensa suoriutumisesta ensimmäisessä tehtävässä. Sen avaaminen ei muuttanut sen enempää seuraavan tehtävän aloittaneiden osuutta kuin opiskelijoiden testipistemäärien kasvua, vaikka seuraavan tehtävän suorittaminen nousi, enimmäkseen pienemmissä luokissa.
  • Tekevätkö ihmisarvioijien kanssa samantasoiset pisteet tekoälyarvioijasta turvallisen? Kuuden tekoälymallin auditointi, jossa ne arvioivat 300 lyhyttä vastausta, osoitti, että kaikki merkitsivät saman työn korkeammalle, kun niille kerrottiin opiskelijan olevan huippusuoriutuja, 0,28–0,75 pistettä kymmenen pisteen asteikolla. Yhdenmukaisuus voi kätkeä harhan, joka liittyy opiskelijan aiempaan suoritushistoriaan; jättäkää historia pois.
  • Miksi tekoälyn tuottamaa kieltä on niin vaikea ymmärtää? Tekoälyteksti käyttää liikaa harvinaisia sanayhdistelmiä, nominikantaisia verbejä, elottomia subjekteja, supistettuja objektirelatiivilauseita, pinottuja substantiiveja ja pitkiä riippuvuuksia, koska matematiikkaan, koodiin ja päättelyyn suunnattu jälkikoulutus palkitsee tiivistettyjä vastauksia selkeiden selitysten sijaan. Koulutukselle tästä seuraa, että tekoälyn kirjoittamat selitykset, palaute ja lukemisto voivat olla opiskelijoille vaikeampia prosessoida, vaikka luettavuuspisteet näyttäisivät hyviltä — ongelma, jonka lukemisen opetuksen kaavat sivuuttavat. [Toimituksellinen huomautus: Muistutuksena, tämä uutiskirje ja Tekoäly koulutuksessa -tietopohja on tuotettu tekoälyllä. Sivuston kehittäjä antoi laajaa toimituksellista ohjausta luettavuuden ja hyödyllisyyden parantamiseksi; ohjauksen jälkeen tekoälyagentti sovelsi Humanizer-osaamista ja noudatti nimenomaista ohjetta kirjoittaa myöntävästi ja välttää ”ei X, vaan Y” -rakennetta.]

Uudet UKK:t

Kaksi uutta vastausta liittyi UKK:ihin tällä viikolla.

Miten tekoäly voi auttaa opiskelijoita lukemisessa ja luetun ymmärtämisessä?

Lukemisvastaus kohtelee lukutasomerkintöjä karkeina arvauksina: muutaman todellisen lukijan arviot voittavat kaavan, eikä tekoäly, jota on pyydetty esittämään opiskelijaa, voi kertoa, miltä teksti tuntuu. Käyttäkää tekoälyä lukemistojen löytämiseen, yksinkertaistamiseen ja sanojen selittämiseen, kokeilkaa sitä sitten opiskelijoiden kanssa ja pitäkää alkuperäinen sen rinnalla.

Miten tekoälyn harha ja epäoikeudenmukaisuus näkyvät koulutuksessa, ja mitä voimme tehdä asialle?

Harhavastaus pyytää virheasteita ryhmille, joita opetatte, sillä keskiarvo voi kätkeä eron ja epäonnistuminen voi olla pisteytyksessä, tutoroinnissa, kojelautoissa tai tunnistuksessa. Sisällyttäkää ryhmäkohtainen raportointi ja valitusreitti hankintaan ja korjatkaa itse putki.

Uudet käsitteet

Kahdeksan käsitesivua liittyi tietopohjaan tällä viikolla.

Lukemisen opetus

Lukemisen opetuksella on nyt sivu, joka erottaa neljä asiaa, joilla on usein yksi nimike: lukijan auttaminen, lukemisen arviointi, tekstin mukauttaminen ja vaikeuden mittaaminen. Se viittaa tutkimukseen, jossa 193 opiskelijaa arvioi 3 954 lausetta; 72,8 prosenttia koki ne helpoiksi tai hyvin helpoiksi, vaikka Flesch-pisteet sanoivat muuta, joten luokka-astemerkintä on heikko opas siihen, miten tietty lukija kokee tekstin.

Reflektio

Reflektiolla on uusi sivu, joka erottaa sen hetkessä tapahtuvasta seurannasta, jota kutsutaan metakognitioksi. Ensimmäinen suunnittelukysymys on, kirjoittiko opiskelija reflektion itse. 302 aikuisen kokeessa refleksiokehotteet kaksinkertaistivat palautteen parissa vietetyn ajan ja leikkasivat harjoittelua 40 prosenttia, jättäen matalamman hallinnan, 65 % vastaan 79 %, joten ajoituksella on yhtä paljon väliä kuin kehotteella itsellään.

Automaatioharha

Automaatioharha nimeää inhimillisen tavan, joka voi muuttaa oikean tekoälysuosituksen vääräksi päätökseksi: sellaisen vastauksen hyväksymisen, jonka olisitte kyseenalaistaneet, jos olisitte päätyneet siihen itse. Se kokoaa paikat, joissa näin tapahtuu koulutuksessa, esseepisteistä varhaisvaroitukseen ja valvontaan, ja osoittaa, miten tarkistusvaihe, joka on olemassa vain paperilla, ei tavoita sitä.

Kansalais- ja yhteiskuntaopetus

Kansalais- ja yhteiskuntaopetus kartoittaa aukon näytössä ja tekee synteesin alasta. Analyysi 310 tekoälyn tuottamasta tuntisuunnitelmasta osoitti, että 90 prosenttia aktiviteeteista pyysi vain muistamista, ymmärtämistä tai perussoveltamista; 94 prosentissa oli tuskin lainkaan monikulttuurista sisältöä; eikä yksikään korpuksen tutkimus mitannut kansalaisoppimista lainkaan.

Kirjastot

Kirjastot käsittelee kirjastoa paikkana, palveluna ja ammattilaisten joukkona. 29 tutkimuksen katsaus osoittaa, että käyttöönotto keskittyy neuvontaan ja luettelointiin, kun taas Public AI Libraries -pilotti tekee jaetusta, henkilökunnan tukemasta pääsystä yhdenvertaisuusargumentin.

Tekoälyavatarit ja synteettiset opettajat

Tekoälyavatarit kartoittavat roolit, joita synteettinen ihminen voi ottaa, tallennetusta luennoitsijasta ja tutorista simuloituun potilaaseen ja kuulustelijaan. Näyttö on epätasaista, eikä realistinen ulkoasu kerro oppimisesta juuri mitään; avoimuus ja luottamus ovat yhtä tärkeitä kuin malli.

Anturi- ja katseanalytiikka

Anturi- ja katseanalytiikka kattaa silmänseurannan, aivo- ja sydänsignaalit sekä kameran asennon keinoina päätellä tarkkaavaisuutta ja sitoutumista sekä kognitiivista kuormaa. Ala on parempi tarkkailemaan oppijoita kuin muuttamaan opetusta, ja sivu pitää keskeisinä yksityisyyttä, harhaa ja kehon signaalin ja mielentilan välistä eroa.

Informaatio- ja medialukutaito

Informaatio- ja medialukutaito käsittelee kahta yhtenä opetuksellisena ongelmana: informaatiolukutaito kysyy, ansaitseeko lähde uskoa, kun taas medialukutaito kysyy, kuka viestin teki ja miksi. Generatiivinen tekoäly romahduttaa molemmat kysymykset, koska sujuva teksti kätkee alkuperänsä; sivu löytää vähän näyttöä yhdistetystä opetussuunnitelmasta.

Uudet resurssit

Kolme resurssia liittyi resurssikirjastoon tällä viikolla.

LearnHarness

LearnHarness on ilmainen, avoimen lähdekoodin työpöytäsovellus, jossa tekoälyagentit selvittävät, mitä oppija jo tietää, kartoittavat tavoitteen saavuttamiseen tarvittavat ideat, opettavat yhden päättelyaskeleen kerrallaan ja mukauttavat harjoittelua.

Learning Commons

Learning Commons julkaisee avoimia rakennuspalikoita opetussuunnitelmatuotteille: standardien ja opetussuunnitelmien kartan, työkalut tuotetun tekstin pisteyttämiseen ja valmiit tekoälytyönkulut opettajille.

Public AI Libraries

Public AI Libraries on pilotti, joka sijoittaa jaetun tekoälytyöaseman yhdysvaltalaisiin yleisiin kirjastoihin, sisältäen chatin, kuvien ja videoiden tuottamisen, koodaustyötilan, koulutuksellisen oppaan ja yksityisen tilin jokaiselle asiakkaalle.

Opettajille

Tekoälypalaute yltää opettajan tasolle muokkauksissa, mutta motivaatio laahaa

Tekoäly ja opettajan palaute paransivat samoja esseitä suunnilleen yhtä paljon 312 kirjoittajan satunnaistetussa kokeessa. Opettajan palaute teki enemmän motivaation hyväksi, koska opiskelija tunsi yhteyden palautteen antajaan.

Pitäkää inhimillinen ääni palautteen ympärillä. Yhdistäkää tuotettu kommentti lyhyeen opettajan vastaukseen tai käyttäkää tekoälyä ensimmäiseen kierrokseen ja opettajaa keskusteluun työstä.

Katso myös: Tekoälypalaute laajassa mittakaavassa

Yksi viidestä esseestä oli kokonaan chatbotin kirjoittama

77 korkeakoulukirjoittajan tutkimus kirjasi jokaisen kehotteen, vastauksen ja liittämisen. Viisitoista eli yksi viidestä palautti chatbotin kirjoittaman esseen, ja useimmat kokivat silti esseen omakseen.

Pyytäkää välivaiheiden työ: kehotteet, muokkaukset ja lyhyt huomautus siitä, mikä muuttui ja miksi. Tehkää siirtymä näkyväksi, kun opettamiseen on vielä aikaa.

Katso myös: Arvioinnin uudistaminen tekoälyn aikakaudelle

Toisen asteen opiskelijat käyttävät tekoälyä lähes kaikki, ja heikommin menestyvät käyttävät sitä enemmän

Vuoden mittainen tutkimus 4 062 saksalaisesta toisen asteen opiskelijasta osoitti lähes yleisen tekoälyn käytön: 95 prosenttia käytti sitä, ja heikommin menestyvät käyttivät sitä enemmän tehtävien suorittamiseen. Tämä kuvio ennusti myöhempää vähäisempää panostusta.

Se tekee tekoälyn käytön kehystämisestä ja itsesäädellystä oppimisesta osan opetussuunnitelmaa, jota kerrataan pitkin vuotta. Kysykää opiskelijoilta, mihin työkalu on tässä tehtävässä, ja antakaa heikommin menestyville opiskelijoille tuettu reitti, joka alkaa työn ymmärtämisestä.

Katso myös: Liiallisen tekoälyyn tukeutumisen vähentäminen

Tukea antava chatbot vastasi päiväkirjaa, kun taas vertainen vähensi yksinäisyyttä

Kahden viikon satunnaistetussa kokeessa 296 ensimmäisen vuoden opiskelijan kanssa tukea antava chatbot suoriutui samoin kuin päiväkirjan kirjoittaminen yksinäisyyden vähentämisessä, kun taas satunnaisesti osoitettu vertainen vähensi sitä. Botti osoitti enemmän empatiaa, kun opiskelijat antoivat vähemmän takaisin.

Botti voi toimia hyödyllisenä ensikontaktina, kun vertainen tai ohjaaja on edelleen saatavilla. Rakentakaa tämä inhimillinen reitti mihin tahansa opiskelijatukeen, jota suosittelette, ja mitatkaa itse yksinäisyyttä.

Katso myös: Tekoäly, ahdistus ja hyvinvointi

Tekoälysimulaatio valvottuna harjoituksena

14 tutkimuksen katsaus osoitti, että sairaanhoitajaopiskelijat arvostivat toistettavaa, matalan paineen tekoälysimulaatiota ja raportoivat enemmän varmuutta, erityisesti viestinnässä ja kliinisessä päättelyssä. Realismi, kehon kieli ja vasteen viive pysyivät heikkoina.

Kertokaa opiskelijoille rajoituksista, vaatikaa heitä tarkistamaan tuotettu sisältö ja käykää jälkipuinti. Pitäkää ihmisvuorovaikutus siellä, missä ei-sanallinen viestintä tai kestävä empatia on harjoituksen tarkoitus.

Katso myös: Sairaanhoitajakoulutus

Capstone-koodi kolminkertaistui, kun kommentit pysyivät ennallaan

Kymmenen lukukautta 260 capstone-projektia tietojenkäsittelytieteen koulutuksessa osoittavat mediaanikoodin nousseen noin 3 400 rivistä 10 000:een, kun kommentit pysyivät noin 8 prosentissa. Commit-määrät nousivat; yksittäiset commitit tuskin muuttuivat.

Arvioikaa suunnittelupäätökset, koodin selitys ja opiskelijan kyky muuttaa sitä. Tuotos voi nyt kasvaa nopeammin kuin oppiminen, jota sen on tarkoitus osoittaa.

Katso myös: Arvioinnin uudistaminen tekoälyn aikakaudelle

Kehittäjille

Ilman kuvaa tekoälytutorin pitäisi kieltäytyä

Kuusi kuvallista tekoälymallia ratkoi 376 yläkoulun matematiikan tehtävää, joiden kuvissa oli keskeistä tietoa. Kuvan kanssa paras ratkaisi hieman yli puolet; ilman sitä ne kieltäytyivät lähes joka kerta.

Kohdelkaa kieltäytymistä puuttuvan kontekstin signaalina. Ilman kuvaa tuotettu pistemäärä tai profiilipäivitys mittaa eri tehtävää.

Katso myös: Matematiikan opetus

Kirjoitustutori, joka kysyy kysymyksiä ja jättää kirjoittamisen opiskelijoille

MAIKE kysyy kysymyksiä ja diagnosoi argumentteja jättäen esseetekstin opiskelijalle. 65 toisen asteen opiskelijan joukossa parannus vastasi kontrollichatbotia, 40 % vastaan 41 %, ja MAIKEn käyttäjät käyttivät enemmän vuoroja ideoihin; kukaan ei heikentynyt.

Mitattakaa, tuleeko chatissa käsitelty idea muokkaukseksi. Kirjoittamisen opetuksen työkalu, joka parantaa vain lopullista tekstiä, voi ohittaa päättelyn, jonka rakentamiseksi tehtävä on olemassa.

Katso myös: Kirjoittamisen opetus tekoälyllä

Zoomaa ja korosta diaa, kun kerronta etenee

GuideSlide kertoo diaesityksen ja käyttää visualisointia zoomatakseen siihen osaan, jota käsitellään. Tutkimuksessa, jossa 24 ihmistä katsoi puhelimilla, kuormitus laski, ymmärrys nousi 5,5:stä 6,5:een 9 pisteen asteikolla ja 21 22:sta piti sitä parempana.

Etu päivää myöhemmin ei ollut tilastollisesti merkitsevä, joten tutkimus tukee tarkkaavaisuutta katsomisen aikana; kestävä oppiminen jää testaamatta. Rakentakaa vihjeistys itse kerrontaan.

Katso myös: Tekoälyn suunnitteleminen oppimiseen

Hienosäädetty tunnistin voi poistaa opiskelijatekstistä tunnistetiedot ilman nimen harhaa

Viittä työkalua testattiin 13 613 opiskelijatekstitiedostolla. Hienosäädetty GPT-4o-mini löysi noin 96 prosenttia tunnistetiedoista noin kuudesosalla Azuren token-hinnasta; Microsoftin työkalut jättivät afrikkalaiset ja aasialaiset nimet useammin huomaamatta.

Kymmenellä transkriptilla kouluttaminen toimi uudessa aineistossa, joten lähestymistapa siirtyy. Varatkaa budjettiin toinen tarkistus, kun tarkkuudella on väliä, ja raportoikaa ryhmät, jotka työkalunne jättää huomaamatta.

Katso myös: Oppilaitoksen tekoälyperiaatteet

Videoanalyysi saavutti ihmisen tasoisen yhdenmukaisuuden, ihmisen ollessa yhä mukana

GAIVA litteroi, merkitsee ja tulkitsee luokkahuonevideota oppimisanalytiikkaa varten. Viidellä tallenteella sen merkinnät olivat ihmisarvioijien kanssa suunnilleen yhtä lähellä toisiaan kuin kahden arvioijan merkinnät, ja se nosti esiin osallistumisen muodon, jota alkuperäinen teoria ei nimennyt.

Kohdelkaa mallia koodauskumppanina, jolla on jäljitettävä kehote ja ihmisen päätös jokaisessa vaiheessa. Malli nostaa esiin myös kuvioita, joita ihmisarvioija ei ehkä olisi etsinyt.

Katso myös: Tekoälyavusteinen koulutustutkimus

Tutkijoille

Suuri keskimääräinen vaikutus voi silti tarkoittaa, ettei luotettavaa hyötyä ole

Neljän kontrolloidun tutkimuksen katsaus 420 tietojenkäsittelyn ja tekniikan opiskelijan kanssa löysi suuren keskimääräisen parannuksen, mutta tutkimukset olivat jyrkästi eri mieltä ja todennäköinen vaihteluväli sisälsi myös sen, ettei hyötyä ole. Näyttö arvioitiin hyvin epävarmaksi.

Kohdelkaa neljän erilaisen tutkimuksen suurta keskiarvoa hypoteesina omasta kurssistanne. Pilotoikaa personoitua oppimista siellä, missä se toimii, ja kertokaa suoraan, kuinka epävarmaa näyttö on.

Katso myös: Mitä personoitu oppiminen tarkoittaa

Tekoälyarvioija, joka tuntee oppijan historian, merkitsee saman työn eri tavalla

Kuusi tekoälymallia arvioivat samat 300 lyhyttä vastausta oikealla ja vaihdetulla merkinnällä aiemmasta suoritustasosta. Jokainen malli merkitsi saman työn korkeammalle korkean merkinnän alla, 0,28–0,75 pistettä kymmenen pisteen asteikolla.

Opiskelijakonteksti toimii tässä harhana. Raportoikaa kontekstivaikutus yhdenmukaisuusluvun rinnalla ja testatkaa arviointia ilman opiskelijan historiaa ennen kuin kutsutte mallia luotettavaksi.

Katso myös: Tekoälyarvioinnin oikeudenmukaisuus ja luotettavuus

Oikeudenmukaiselta näyttävä tutori voi kätkeä 26 prosentin taitoeron

Kahden vuoden lokit 8 549 opiskelijalta, jotka käyttivät MATHiaa, adaptiivista matematiikan tutoria, osoittivat, että lukemaan vielä opettelevat opiskelijat hallitsivat taidot 68,7-prosenttisesti, kun vastaava luku oli 77,6 prosenttia, kun taas kokonaisvaltainen oikeudenmukaisuusmittari näytti lähes neutraalilta. Yksi taito kätki 26 prosentin eron ennustetussa hallinnassa.

Tutorissa ei ollut lukutaidon komponenttia, joten lukemisen opetus oli puuttuva tekijä matematiikkajärjestelmässä. Mallintakaa taito ja raportoikaa erot sillä tasolla, jolla opettaja puuttuisi asiaan.

Katso myös: Tekoälyn harha ja oikeudenmukaisuus koulutuksessa

Tunnistuksen väärät positiiviset ovat hallintotapaongelma

90 tutkimuksen katsaus osoitti, että tekoälyntunnistimet merkitsevät hyväksyttävää tekstiä määrillä, joita ei voi yhdistää, koska työkalut, kynnysarvot, aineistot ja kielet eroavat. Tiivistelmiä, kirjallisuuskatsauksia, tenttivastauksia, käännettyä tekstiä ja muokattua proosaa merkittiin yhä uudelleen.

Lääke on menettelyllinen: läpinäkyvä käyttö, ihmisen tarkistus, tekoälylukutaito, nimenomainen oppilaitoksen toimintaperiaate ja valitusreitti. Se kuuluu hallintotapaan, ja tunnistimen asetukset ovat yksi osa sitä.

Katso myös: Pitäisikö meidän käyttää tekoälyntunnistimia?

Ihmisarvioijien kanssa samantasoiset pisteet voivat silti ohittaa työn

Kaksikymmentäkaksi tekoälymallia arvioivat 100 kohdetta tehtävää kohden lyhyissä vastauksissa, koodissa ja esseissä. Useimmat vastasivat ihmisiä lyhyissä vastauksissa, neljä vastasi tai voitti heidät koodissa, eikä yksikään saavuttanut ihmisen tasoa esseissä.

Korkea yhdenmukaisuusluku voi esiintyä yhdessä tekoälyarvioijan kanssa, joka arvioi merkinnän ja ohittaa vastauksen. Lisätkää muutettuja vastauksia arviointiin ja raportoikaa, missä malli poikkeaa työstä.

Katso myös: Tekoälyarvioinnin oikeudenmukaisuus ja luotettavuus

Hallinnolle

Neuropoikkeavien edtech-näyttö on keskittynyttä ja tutkijavetoista

93 tutkimuksen katsaus osoitti, että autismi hallitsi koulutusteknologiaa koskevaa näyttöä neuropoikkeaville oppijoille 39,8 prosentilla, älyllisen vammaisuuden, ADHD:n ja dysleksian edellä. Laajennettu todellisuus (VR ja AR) oli tutkituin; sosiaaliset ja vertaisvaikutukset saivat vähemmän huomiota, ja lapsilla oli vähän sanottavaa.

Kysykää sitä lopputulosta, josta luokkahuone välittää, ja niitä oppijoita, jotka arviointiin sisällytettiin. Väite, jonka ovat validoineet vain tutkijat, voi ajautua eroon ihmisistä, joita sen on tarkoitus palvella.

Katso myös: Tekoäly vammaisille ja neuropoikkeaville oppijoille

Opiskelijat halusivat oppilaitoksen avustajan palautetta varten

13 kuukauden yhteissuunnitteluohjelma 315 opiskelijan ja 20 henkilökunnan jäsenen kanssa osoitti, että 73 prosenttia arvosti ympärivuorokautista palautetta, joka liittyi heidän opintoihinsa. Muistikortit ja tietovisat saivat myönteisempiä kommentteja kuin avoin chat, ja 18 beta-testaajasta 16 halusi avustajan.

Ne 10–15 prosenttia, jotka vastustivat arvoihin vedoten, muodostavat käyttöönoton riskin. Kohdelkaa heidän huoliaan asiallisina. Selittäkää, miten opiskelijadataa käsitellään ja mitä avustaja ei voi tehdä, ennen pilottia, ja antakaa opiskelijoille mahdollisuus kieltäytyä.

Katso myös: Tekoälyn suunnitteleminen oppimiseen

Valvonta nappaa huijaamisen ja siirtää kustannuksen heikoimmassa asemassa oleville

32 tutkimuksen katsaus osoitti, että tekoälyvalvonta nappaa toisen henkilön esiintymisen ja huijaamisen, kun taas väärät positiiviset, valaistus- ja kaistanleveyshäiriöt, ahdistus ja yksityisyyshaitat osuvat kovimmin heikoimmassa asemassa oleviin. Automatisoitu valvonta kattoi 59 prosenttia tutkimuksista.

Katsauksen tekijät suosittelevat vaihtoehtoista arviointia sekä ihmisen ja automaation yhdistelmää. Vähentäkää korkean panoksen verkkotenttiä ennen kuin lisäätte uuden tunnistimen.

Katso myös: Oppilaitoksen tekoälyperiaatteet

Kojelautaraportti nosti suorittamista, kun testipisteet pysyivät ennallaan

Opettajia, jotka olivat uusia verkossa toimivan matematiikan tutorin käyttäjiä, kehotettiin satunnaisesti avaamaan oppimisanalytiikan kojelautaraportti opiskelijoiden suoriutumisesta ensimmäisessä tehtävässä. Se ei muuttanut sen enempää seuraavan tehtävän aloittaneiden osuutta kuin opiskelijoiden testipistemäärien kasvua, vaikka suorittaminen nousi pienemmissä luokissa.

Testatkaa, avaavatko opettajat raportin, toimivatko he sen pohjalta ja näkyykö oppimisen kasvu, ennen kuin ostatte analytiikkaa; pelkkä suorittamisen nousu ei riitä.

Katso myös: Sen tarkistaminen, toimiiko koulutuksellinen tekoäly

Lähes mikään oppilaitos ei osaa nimetä, kuka omistaa tekoälyn hallinnan

Kysely 387 opiskelijalle ja henkilökunnan jäsenelle 13 maassa osoitti, että vain 17 prosenttia tiesi nimetystä tekoälyn hallintotavan roolista. Lopuista 71 prosenttia piti sellaista tarpeellisena ja 76 prosenttia odotti sen parantavan kokemustaan.

Vastaajat kuvasivat roolia, jolla on valtuutus; komitea ilman valtuutusta jättää roolin täyttämättä. Antakaa omistajalle valta koulutukseen, tietoturvaan, eettiseen tarkasteluun ja strategiaan, ja julkaiskaa, kuka sitä hoitaa.

Katso myös: Oppilaitoksen tekoälyperiaatteet

Muuta tällä viikolla lisättyä

Aikakauslehtisivu luettelee jokaisen tällä viikolla lisätyn tutkimuksen, mukaan lukien ne, joita ei ole tiivistetty tässä.

Sivuston muistiinpanot

Uutiskirje ja sen RSS-syöte ovat nyt saatavilla myös espanjaksi: vieraile espanjankielisellä uutiskirjesivustolla tai tilaa espanjankielinen uutiskirjeen RSS-syöte. Pyytääksenne toista lokalisointia tehkää uusi issue tai ottakaa yhteyttä sivuston kehittäjään.

Sivusto on paljon kevyempi. Koko käsite- ja UKK-puu pysyy poissa jokaiselta sivulta: sivupalkki näyttää kymmenen aiheryhmää ja hakee täydellisen luettelon vasta, kun lukija avaa ryhmän, ja oikea raita luettelee kahdeksan viimeisintä sivua kolmenkymmenen sijaan. Koko koosteessa HTML putosi 1,80 GB:stä 1,26 GB:hen ja sivupalkin merkintä 604 MB:stä 87 MB:hen.

Käännökset päivitettiin kaikissa 33 määritetyssä kieliversiossa, mukaan lukien oikealta vasemmalle kirjoitettavat arabian, heprean ja urdun painokset. Artikkelitiivistelmät pysyvät vain englanniksi.

Offline-painokset siirtyivät uuteen GitHub releases -sijaintiin, joten vanhat EPUB- ja PDF-linkit eivät enää toimi. Jokainen kieliversiosivusto pitää tavallisen osoitteensa. EPUB- ja PDF-tiedostot ovat 19 kielelle, joiden linkit ovat alla; loput 14 ovat vain sivustolla.

Lähde on julkinen osoitteessa github.com/edtechdev/aied.

Seuraa päivitystä

Saatte jokaisen numeron uutiskirjeen syötteestä syötelukijassa, liittämällä saman syötteen Blogtrottriin, jolloin uudet numerot lähetetään teille sähköpostitse valitsemallanne aikataululla, tai seuraamalla sitä LinkedInissä, jossa jokainen numero julkaistaan LinkedIn-uutiskirjeenä.

Viikoittainen AIEd-tutkimuskatsaus tulee Tekoäly koulutuksessa -tietopohjasta, jonka tuottaa tekoälyagentti. Tämän numeron on luonnostellut sama tekoälyagentti sivuston kehittäjän toimituksellisella ohjauksella, ja jokainen yllä oleva väite linkittää sivulle, josta se tuli.

Tietopohja on luovutettu julkiseen domainiin CC0 1.0-lisenssillä. Oikeuksia ei pidätetä.

Löysittekö sisällöstä ongelman? Ilmoittakaa siitä GitHubissa, tai ottakaa yhteyttä sivuston kehittäjään, Doug Holton.

LähdeHistoriaMuokkaaKeskustelu

Upota tämä sivu

Kopioi alla oleva koodi upottaaksesi tämän sivun oppimisympäristöön tai muulle verkkosivustolle. Upotettu versio näyttää vain sivun sisällön — sivuston otsikko, navigointi ja alatunniste jäävät siitä pois.