Pojmovi Često postavljana pitanja Pretraga

Na ovoj stranici

Tjedni pregled istraživanja o umjetnoj inteligenciji u obrazovanju #231. listopada 2026.

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

Tjedni pregled iz baze znanja o umjetnoj inteligenciji u obrazovanju o tome što istraživanja objavljena u proteklom tjednu znače za nastavnike, razvijatelje, istraživače i administratore.

Od prošlog izdanja 121 nova studija, četiri nova resursa, pet novih često postavljanih pitanja i dvije nove stranice koncepata, o otvorenom obrazovanju i obrazovanju u statistici i znanosti o podacima, pridružili su se bazi znanja, koja sada sadrži 1.926 sažetaka članaka, 222 stranice koncepata, 42 često postavljana pitanja i 37 resursa. Stranica časopisa navodi svaku studiju dodanu u proteklom tjednu. Bazu znanja možete i pretražiti ili upotrijebiti umjetnu inteligenciju da razgovarate s njom.

Glavni naglasci i pitanja

Većina ovotjednih rezultata odnosi se na rad koji se odvija oko odgovora i na to što promijeniti kad odgovor stigne prebrzo ili s prevelikom sigurnošću. Dva pokusa izolirala su isti mehanizam u različitim sredinama.

Prethodno registrirano ispitivanje sa 317 odraslih dalo je isti zadatak dubinske obrade kao radni list ili kao otvoreni prozor razgovora, a prozor razgovora podigao je neorganiziranost zadatka za 0,84 standardne devijacije, pri čemu to nije objasnio nijedan medijator u modelu, pa je rješenje struktura oko redoslijeda i zaustavljanja, a ne više sadržajne podrške. Studija foruma pokazala je da je asistent umjetne inteligencije odgovorio prvi u 97 % rasprava koje su započeli studenti, u medijanu od 0,92 minute prema 490 minuta za kolege, dok je jezik samoregulacije u raspravi pao s 49 % na 36 %, što upućuje na odgađanje prvog odgovora, a ne na uklanjanje asistenta.

Poboljšava li pomoćnik za pripremu nastave koji vam štedi sate i samu nastavu? Dvjesto i četiri nastavnika u randomiziranom ispitivanju: ušteđeno vrijeme je stvarno, bolji materijali nisu.
Ako je objavljeni učinak 0,86, trebate li s njim računati na svom kolegiju? Metaanaliza 58 studija koja izgubi dvije trećine svoje veličine kad se primijeni ispravak pristranosti.
Vrijedi li se mučiti dodavanjem umjetne inteligencije zadatku koji već provodite? Dva odjeljenja istog kolegija, 113 studenata, bez razlike u tome što su izvijestili da su naučili.
Kako odabrati kojeg pomoćnika će vaši studenti rabiti? Pitajte što čini kad student ustraje da je pogriješio: trinaest modela potvrdilo je točan rad po stopama od 46,5 % do 98,5 %.
Je li sigurno studentima reći da je chatbotu stalo kako se osjećaju? Tri pokusa i jedna anketa: uokvirivanje umjetne inteligencije kao empatične premjestilo je odgovornost s ljudi.
Što chatbot na vašem kolegiju šalje trećoj strani? Mrežno snimanje na 42 platforme, od kojih je 17 obrazovnih agenata: polovica je poslala naslove razgovora u sustav za praćenje.
Kad pomoćnik odgovori prvi, tko još razmišlja? 28.123 kodirane rečenice s foruma: odgovori kolega nosili su većinu samoregulacije i prestali su stizati.

Nova često postavljana pitanja

Pet novih odgovora objavljeno je ovog tjedna, svaki napisan za pitanje koje kolega doista postavlja, a ne za temu. Indeks često postavljanih pitanja također je pregrupiran u devet odjeljaka prema zadatku koji pokušavate dovršiti, pa je pitanje s kojim dolazite lako pronaći i bez znanja kako ga područje naziva.

Mogu li umjetnu inteligenciju rabiti za pravedno i pouzdano ocjenjivanje studentskih radova?

Odgovor o ocjenjivanju daje umjetnoj inteligenciji mjesto nadziranog drugog čitača radova koje ste već ocijenili, a ne ocjenjivača koji nosi službenu ocjenu. Slaganje se ne prenosi kroz vrste procjene, a provjera koja je izgledala najjača provedena je s ključem odgovora pri ruci, što nije ispit kojim se služite kad ocjenjujete naslijepo.

Kako provjeriti jesu li pitanja za kvizove i ispite koja je generirala umjetna inteligencija dobra?

Odgovor o kvaliteti pitanja počinje time da sami riješite svaku česticu i zatim pitate što ona od studenta traži, jer ključevi odgovora i zahtjevnost zadatka zakažu češće nego formulacija. Generirano pitanje na koje nitko nije odgovorio kandidat je, a ne procjena.

Kako umjetna inteligencija može poduprijeti višejezične učenike bez brisanja njihova glasa?

Višejezični odgovor traži da najprije odlučite koju ulogu jezik ima u zadatku, a zatim što alat smije činiti. Gdje je jezik sporedan, umjetna inteligencija može ukloniti prepreku koja nema veze s vašim konstruktom; gdje je jezik sam konstrukt, isti alat radi zadatak umjesto studenta.

Što bi studenti trebali naučiti za karijere u kojima je umjetna inteligencija uobičajena?

Odgovor o karijerama jest poučavati cijeli profesionalni zadatak i procjenjivati i podržani proizvod i ono što student može bez pomoći. Dokazi podupiru disciplinsko znanje uz prosudbu, provjeru i prijenos, a ne podupiru nijedan popis vještina rukovanja alatima.

Što osobno učenje doista znači i kada pomaže?

Odgovor o personalizaciji razdvaja pet stvari koje dobivaju istu oznaku, od preuređivanja vježbe do toga da student odabere što će sljedeće učiti. Važno je što se prilagođava, koji je dokazi vode i poboljšava li to učenje koje ste namjeravali, što poznati primjer ili prilagodljiv razgovor mogu doimati kao da to čine, a da to ne čine.

Koncept u fokusu

Pet stranica koncepata ugradilo je ovotjedne nalaze, dvije su nove. Svaka je stalna stranica, a ne jednokratna, pa novi dokazi stoje uz ono što je stranica već tvrdila.

Otvoreno obrazovanje

Stranica je nova i napisana je jer je odjednom stiglo trinaest studija o tome što generativna umjetna inteligencija čini s otvoreno licenciranim poučavanjem. Njezin je argument da licenciju, a ne model, treba ispitati, a dva nova resursa u nastavku opisuju ustanove koje prilagođavaju otvoreni sadržaj uz umjetnu inteligenciju brže nego što mogu zabilježiti tko je što autorirao. Pročitajte stranicu o otvorenom obrazovanju prije nego u politiku o otvorenim obrazovnim resursima upišete klauzulu o umjetnoj inteligenciji.

Kognitivno rasterećenje

Sada razdvaja što alat rasterećuje od toga koliko ga je student rabio, što je razlika koju crta ljestvica rasterećenja i koju pokusi s empatijom pokazuju na mjestu gdje je većina ljudi ne bi tražila. Stranica o kognitivnom rasterećenju nosi i rezultat od 0,84 standardne devijacije, jer je to najčišći kauzalni dokaz koji stranica ima.

Evaluativna prosudba

Njezin novi dokaz odnosi se na to što se od suca traži: metode ocjenjivanja pomaknule su stabilnost ponovnog izvođenja s 2,9 % na 15,9 %, a trinaest modela popustilo je pred studentskim protivljenjem po stopama od 46,5 % do 98,5 %. Stranica o evaluativnoj prosudbi sada otpor prema lažnom ispravku tretira kao zasebnu sposobnost od točnog odgovora.

Pismenost o umjetnoj inteligenciji

Dva rezultata suzila su konstrukt: kritičko mišljenje išlo je kroz to kako su studenti podijelili i preradili kognitivni rad, a ne kroz poznavanje alata, a rubrika izgrađena iz 16 ključnih radova pokazala je kako malo resursa imenuje kompetenciju koju tvrdi da gradi. Stranica o pismenosti o umjetnoj inteligenciji zadržava oboje, jer test pismenosti i resurs za pismenost mjere različite stvari.

Druga nova stranica je obrazovanje u statistici i znanosti o podacima, čiji je prvi argument da pitanje umjetne inteligencije u toj disciplini ovisi o artefaktu, jer se skupovi podataka, grafikoni i kod sada mogu generirati brže nego što ih itko može validirati.

Za nastavnike

Otvoreni prozor razgovora traži pravilo zaustavljanja, a ne više sadržajne podrške

Spajanje zadatka dubinske obrade s otvorenim prozorom razgovora studentima oduzima oslonac u samom zadatku, a rješenje je postupna potpora oko redoslijeda i zaustavljanja, a ne više objašnjenja. U prethodno registriranom pokusu sa 317 odraslih uvjet razgovora podigao je neorganiziranost za 0,84 standardne devijacije (vjerodostojni interval od 0,47 do 1,21), s izravnim učinkom od 0,77 koji nijedan medijator u modelu nije objasnio, dok se dubinska obrada nije pomaknula ni u jednom smjeru (medijan minus 0,22, interval koji prelazi nulu).

Prvi odgovor u manje od minute uklanja kolege koji su razmišljali

Odgodite ili ograničite prvi odgovor asistenta na forumu za rasprave, jer kolege koji razmišljaju naglas upravo prestaju pisati. Kroz četiri diplomska kolegija i 28.123 kodirane rečenice asistent umjetne inteligencije odgovorio je prvi u 97 % rasprava koje su započeli studenti, u medijanu od 0,92 minute prema 490 minuta za kolege, a jezik samoregulacije pao je s 49 % na 36 % dok su odgovori kolega pali s 91 % na 45 % naknadnih odgovora, pri čemu su odgovori kolega nosili oko 70 % te regulacije prema 27 % kod studenata koji su otvorili raspravu. Samoregulirano učenje na forumu nastaje iz odgovora, a ne iz odgovora na pitanje.

Obuka u pisanju upita nastavnicima kupuje vrijeme, a ne bolje materijale

Planirajte rad na kompetenciji nastavnika za umjetnu inteligenciju kao intervenciju u radno opterećenje i ne očekujte da će podići kvalitetu onoga što nastavnici izrađuju. U randomiziranom ispitivanju sa 204 nastavnika obuka u pisanju upita dodala je 21 % uštede u vremenu pripreme povrh običnog pristupa ChatGPT-u, bez dobitka u ocijenjenoj kvaliteti materijala, jer su obučeni nastavnici pisali dulje upite i trebali manje krugova dorade.

Pomoćnik za pripremu nastave štedi vrijeme na tankoj dozi nastave

Isprobajte ga zbog sati koje vraća, a ne još zbog nastave koju proizvodi. Neovisno klaster-randomizirano ispitivanje Aila, alata Oak National Academy, pratilo je 416 engleskih nastavnika razredne nastave i izmjerilo pripremu na 2,51 sat tjedno prema 3,32 bez alata, što je oko 49 minuta tjedno, dok je alat pokrio 7 % nastave, a kvaliteta je ispitana samo na neinferiornost, a ne na poboljšanje.

Dodavanje umjetne inteligencije otvorenom zadatku samo po sebi ne daje ništa

Financirajte otvorenoobrazovni zadatak koji već provodite, umjesto da mu dodate alat i čekate dobitak u pismenosti. Dva odjeljenja uvodnog kolegija o razvoju djeteta, 55 studenata koji rade kao obično i 58 s dodanim alatima za generativno pretraživanje, izvijestila su o istom percipiranom dobitku u vještini procjene izvora, 0,50 prema 0,48 na ljestvici od pet stupnjeva, s članom interakcije blizu nule (F(1, 84) = 0,04, p = 0,85).

Odaberite pomoćnika prema tome što čini kad student kaže da je pogriješio

Otpor prema lažnom ispravku razdvaja modele oštrije od točnosti, pa to neka bude prvo što ispitujete. Kroz 200 provjerenih problema s rešetkastim nosačima i trinaest modela točnost rješavanja kretala se od 64,5 % do 97,0 %, raspon od 32,5 boda, no kad im je rečeno da je točan rad pogrešan, modeli su ga potvrdili po stopama od 46,5 % do 98,5 %, raspon od 52,0 boda, što pripada provjeri evaluativne prosudbe koju provodite prije uvođenja.

Poučavajte pisanje uz umjetnu inteligenciju kao žanr i ocjene se prestaju preklapati

Tretiranje pisanja uz umjetnu inteligenciju kao nečega što se poučava, a ne kao nečega što se nadzire, pripada u kurikulum obrazovanja za pisanje, a jaz koji je otvorilo nije bio marginalan. Prosjeci na poslijetestu bili su 9,8750 za odjeljenje poučavano na taj način prema 3,8125 za kontrolno, bez preklapanja dviju distribucija (Mann-Whitney U = 0,00, r = 0,86).

Za razvijatelje

Gradite scenarij, a ne personu tutora

Stavite postupnu potporu u scenarij i radnu površinu prije nego ugodite glas, jer persona nije mjesto na kojem učinak živi. U dva prethodno registrirana ispitivanja s tri skupine, 131 student na pravnom rasuđivanju i 54 u natjecateljskoj programerskoj skupini, strukturirani sustav dosegao je 22,8 postotnih bodova prema 15,7 za osnovnog asistenta, prednost od 7,0 bodova (p = 0,018, d = 0,56), dok je persona LLM-a kao učitelja na istom modelu dobila 2,8 boda i nije se izdvojila (p = 0,121).

Tutor koji prvo imenuje rješenje grubom silom navodi studente na krivi put

Provjerite koje rješenje tutor imenuje prije nego ga pustite na problem s više rješenja i zadržite tu provjeru u prihvatnim testovima inteligentnog poučavanja. Na 150 problema provedenih sa simuliranim studentima gruba sila bila je imenovani pristup u 22,2 do 32,1 posto otvaranja specifičnih za rješenje prema 13,0 do 19,4 posto za optimalno rješenje, a u razgovorima koji počinju sondiranjem sva su četiri osnovna modela usmjerila studente prema lošijem pristupu u 6,1 do 7,1 posto slučajeva.

Brojenje poziva umjetnoj inteligenciji ne mjeri ništa o napretku

Broj interakcija najlakši je signal koji analitika učenja može prikupiti i najslabija stvar koju možete staviti na nadzornu ploču, pa umjesto toga instrumentirajte stanje izvršavanja s obje strane svakog poziva. Kroz 140 parova student-zadatak od 35 studenata interakcije s umjetnom inteligencijom korelirale su s uspješno izvršenim ćelijama pri r = 0,12 i s dotaknutim ćelijama pri istom r = 0,12.

Sesiju procijenite po tome kako skreće, a ne po broju postavljenih pitanja

Sesija koja u drugoj polovici sklizne prema traženju odgovora predviđa slabiji poslijetest, a obvezna provjera primjerenosti nakon svakog odgovora jeftina je intervencija. Iz 880 sadržajnih izmjena 112 studenata u dobi od 14 i 15 godina strmina putanje traženja pomoći dodala je promjenu u R kvadraturi od 0,110 modelu koji je već sadržavao rezultat predtesta (beta = 0,34), dok su statične značajke interakcije dodale 0,023 i promašile značajnost (p = 0,684), a 81,5 % izmjena bili su zahtjevi prema 2,2 % evaluacije.

Pravilo bodovanja odlučuje o rezultatu mjerila više nego model

Ako vaš okvir izvješćuje jedan broj, još ne znate što mjeri. Istih 2.250 dijaloga između pet tutora i simuliranih studenata ocijenjeno je 42,1 % uz točno podudaranje i 81,3 % uz suca kalibriranog na ljudima, raspon od 39,2 boda veći od zbrojenih učinaka modela, strategije i postupka, a četiri suca iz tri dobavljača složila su se unutar 6 bodova, dok strukturirane oznake postupka nisu dale prednost (p = 0,263).

Metoda ocjenjivanja, a ne model suca, određuje ponovljivost

Objavite izjavu o presuđivanju koja imenuje metodu, okvir, ponovno izvođenje i broj ocijenjenih čestica koje stoje za svakom tvrdnjom, jer metoda je ono što pomiče rezultat. Ponovna izvođenja promijenila su 2,9 % do 6,1 % ishoda uz polukrutu rubriku i 13,5 % do 15,9 % uz slobodno holističko ocjenjivanje, dok je zamjena modela suca pomaknula samo oko tri boda.

Kolega umjetne inteligencije koji se sa svime slaže gubi svoje korisnike

Konfigurirajte agente da drže nesigurnost i da prema zadanim postavkama odbiju slaganje, jer je kalibracija povjerenja ponašanje koje pišete, a ne svojstvo koje model ima. Sedam stručnjaka provelo je po 20 minuta u ulozi studenta s agentom postavljenim kao kolega, a ono što ga je činilo kolegom bilo je društveno: nesigurno rasuđivanje i namjerna nesavršenost gradili su povjerenje, dok ga je slijepo slaganje sa svime što je učenik rekao uništavalo.

Za istraživače

Planirajte mali učinak, a ne objavljeni prosjek

U novom okruženju glavni učinak poučavanja uz generativnu umjetnu inteligenciju nije onaj prema kojem treba planirati, pa provedite pilot prije širenja. Metaanaliza na tri razine obuhvatila je 58 studija i 6.941 sudionika i objedinila ih na g = 0,864, a zatim izvijestila o heterogenosti blizu 87,9 %, prediktivnom intervalu od minus 0,213 do 1,942 i učinku ispravljenom za pristranost od g = 0,258; taj interval otisnite uz objedinjenu procjenu na mjestu koje čitatelj ne može previdjeti.

Kritičko mišljenje slijedi podjelu rada, a ne poznavanje alata

Dodijelite izričitu podjelu rada i zatražite da studenti prerađuju rezultat, jer je iskustvo s generativnom umjetnom inteligencijom do kritičkog mišljenja došlo samo tim dvama putevima. Među 891 studentom u Sjedinjenim Državama i Turskoj specijalizacija i koordinacija kognitivnog rada nosile su b = 0,636, a refleksivna preobrazba rezultata b = 0,367, bez značajnog izravnog puta, što pitanje kognitivnog rasterećenja pretvara u odluku o oblikovanju, a ne u upozorenje.

Manji obrazovni jaz u upotrebi umjetne inteligencije nije jednakost

Ne čitajte uži jaz u upotrebi kao napredak i ne gradite ciljeve pristupa na binarnoj čestici o posljednja tri mjeseca. Uparivanjem 16 europskih zemalja po njihovim stopama prihvaćanja u 2025. s njihovom vlastitom godinom internetskog doba, medijan jaza između najobrazovanijih i najmanje obrazovanih pao je s 56,4 boda na 28,6, negativan u 15 od 16 zemalja (p = 0,0005), no uparivanje koje uzima u obzir sastav smanjuje promjenu na minus 11,5 i minus 10,0, pa tvrdnja o jednakosti traži jači instrument.

Niska upotreba nije niska volja

Financirajte pristup i osnovne vještine za najstarije i najmanje obrazovane, a ne kampanju o povjerenju, jer upotreba i povjerenje putuju odvojeno. U 2025. 48,4 % Danaca i 17,8 % Rumunja rabilo je generativnu umjetnu inteligenciju u prethodna tri mjeseca prema 32,7 % u cijeloj EU, no Rumunji su svoje povjerenje ocijenili s 4,1 prema 3,8 na ljestvici od sedam stupnjeva, a 47 % njih nazvalo je važeće zakone i zaštitne mjere primjerenima prema 36 % Danaca.

Rasterećenje je erozivno samo kad zaobilazi cilj

Pitajte koje kognitivne operacije alat rasterećuje, a ne koliko ga je student rabio. Rasterećenje pomaže kad preuzima rad sporedan cilju učenja i nosi rizik erozije kad zaobilazi obradu koja je za taj cilj konstitutivna, a naknadna obrada rezultata može spasiti inače konstitutivno rasterećenje; sedam uvjetovanih tvrdnji zamjenjuje jednu usmjerenu tvrdnju, a regulacija rasterećenja postaje dimenzija pismenosti o umjetnoj inteligenciji koja se može učiti.

Alati za osjećaje promaše oko polovicu negativnih odgovora

Tretirajte automatizirano kodiranje otvorenog teksta kao argument o valjanosti, a ne kao odabir alata, jer točnost skriva upravo one slučajeve na koje biste djelovali. Prema 1.220 ručno kodiranih odgovora najbolji transformer dosegao je 0,79 točnosti, ali samo 0,42 kappe i uhvatio oko polovicu negativnih slučajeva, dok su leksički alati pogrešno razvrstali otprilike jedan od pet, u korpusu koji je bio 76,5 % pozitivan.

Za administratore

Pitajte što chatbot šalje prije nego licencirate

Zatražite popis skripti trećih strana prije nego licencirate ili ugostite chatbot za kolegij i posebno pitajte koje oznake mogu čitati naslov stranice, URL i polje za unos. Instrumentiranje 42 platforme pokazalo je da 21 šalje naslove razgovora barem jednom sustavu za praćenje, a devet prenosi upit od riječi do riječi, 11 od 13 platformi koje odaju podatke slalo je i adresu e-pošte iz registracije, a obrazovne platforme imale su u prosjeku oko 367 zahtjeva sustava za praćenje, pri čemu je 24 % nosilo korisnički sadržaj.

Kodificirano prisjećanje dio je kvalifikacije koji gubi vrijednost

Zaštitite nadziranu praksu i prosudbu u uvjetima nesigurnosti i pročitajte posljedicu za oblikovanje kurikuluma prije marketinške posljedice za program. Analiza razlika u razlikama na 655.919 anketnih opažanja od 2018. do lipnja 2026. pokazala je da je povrat na godinu školovanja u zanimanjima najizloženijima umjetnoj inteligenciji pao za 0,55 logaritamskih bodova nakon studenoga 2022., oko 7 % svoje razine prije šoka, dok je povrat na iskustvo porastao za 0,26 logaritamskih bodova na tri godine i pao za 0,12 na dvadeset i pet.

Nazvati chatbot empatičnim premješta empatiju s ljudi

Postavite sustav kao trijažu koja studente vraća ljudima i pratite traženje pomoći kao ponašanje koje tiho nestaje. Kroz četiri studije s 249, 494, 743 i 737 sudionika uokvirivanje umjetne inteligencije kao sposobne za empatiju podiglo je spremnost na rasterećivanje empatične odgovornosti (ukupni učinak 0,83) posve kroz percipiranu sposobnost (neizravni 0,73), a kad su čuli da je kolega odnio problem ChatGPT-u, točnost čitanja emocija pala je na 7,13 točnih od 12 prema 7,73 (p = 0,012).

Mjerila položena, djeca i dalje ozlijeđena

Procjenjujte na razini sesije i ustanove, a ne na razini API-ja, jer filtar pojedinačnog rezultata ne može dosegnuti interakciju s pomoćnikom u kojoj nijedna pojedina izmjena ne prelazi prag. Kodirano iz 1.331 prijavljenog incidenta povezanog s djecom, seksualizacija je najveća podvrsta štete sa 316, ispred seksualnog iskorištavanja sa 131, a štete se grupiraju uz uvođenje u upotrebu, upravljanje i zlouporabu, a ne uz nedostatke modela.

Pišite politiku čestitosti za povremenog, podijeljenog korisnika

Imenujte odbijanje, podršku i zamjenu kao tri populacije s kojima se isti zadatak susreće, jer gotovo nitko nije svakodnevni korisnik. Dvije anonimne ankete na jednom britanskom sveučilištu pokazale su da je 81,05 % od 94 studenata prve godine rabilo alat generativne umjetne inteligencije za dovršetak zadatka, prema 4,21 % koji su izvijestili o svakodnevnoj upotrebi i 9,47 % koji nisu izvijestili o nikakvoj, što akademsku čestitost čini politikom za sredinu distribucije, a ne podjelom na varalicu i nevaralicu.

Moduli o etici ne poučavaju odakle podaci dolaze

Dodajte zadatak pregleda podrijetla podataka modulu o etici koji već provodite, što je promjena u oblikovanju kurikuluma, a ne novi kolegij. Popis 36 programa na 21 sveučilištu pokazao je da se etika predaje u 29 (80,6 %), ali da podrijetlo podataka na razini koju autori postavljaju postoji u 8 (22,2 %), pri čemu nijedan magistarski ili izvršni program ne zadovoljava taj kriterij, a 22 od 29 programa koji pokrivaju etiku u potpunosti promašuju podrijetlo.

Novi resursi

Četiri su se resursa pridružila knjižnici resursa ovog tjedna i sva četiri opisuju institucionalnu odluku, a ne trik iz učionice.

Learning Design Wiki

Learning Design Wiki otvoreno je licenciran priručnik koji nastavno oblikovanje dijeli na načela, elemente, obrasce i strategije, svaki povezan s citatima koji stoje za njim, a njegovo vlastito izvješće o dokazima kaže da se 98 % tvrdnji oslanja na jednu studiju. Održavaju ga jezični modeli pod jednim ljudskim održavateljem i nijednu stranicu nije provjerila osoba, pa je to skup dobro dokumentiranih tragova, a ne nalaza.

teacher.dev

teacher.dev neprofitni je studio koji svakodnevno objavljuje jednu besplatnu aplikaciju za učionicu, dosad 34, svaku usmjerenu na jedan trenutak, poput generatora slika za ispis ili ploče Prvo/Zatim za posebno obrazovanje. Većina radi lokalno, bez računa, pa nikakvi podaci o studentima ne napuštaju uređaj.

AI + OER Case Studies: A DOERS Project

AI + OER Case Studies otvorena je antologija od jedanaest slučajeva o tome gdje se generativna umjetna inteligencija susreće s otvoreno licenciranim resursima u visokom obrazovanju, od federativnog sveučilišta koje sastavlja smjernice u okviru sindikalnog ugovora do revizije udžbenika sa stručnjakom u petlji. Nijedna dva poglavlja ne dijele isti instrument, pa je to praksa koju treba prilagoditi, a ne dokaz koji treba citirati, a zbirka je pod licencijom CC BY 4.0, dok svako poglavlje nosi vlastitu licenciju.

Integrating AI in TVET: a practical guide for institutions

Integrating AI in TVET vodič je UNESCO-UNEVOC-a iz 2026. za ustanove koje osposobljavaju tehničare i obrtnike, a upotrebljiv materijal nalazi se u tri dodatka: alat za samoprocjenu spremnosti, registar rizika i okvir pokazatelja. Ne izvješćuje o podacima o ishodima i vlastitu ljestvicu zrelosti naziva pomoći za raspravu, pa ga rabite za strukturiranje prve institucionalne odluke, a ne za opravdanje već donesene.

Također dodano ovog tjedna

Ostale studije, s metodama i sažecima, navedene su dan po dan na stranici časopisa.

Bilješke o stranici

Svih 222 stranica koncepata sada sadrži odjeljak o uobičajenim pogrešnim predodžbama koji imenuje pogrešno uvjerenje koje čitatelj možda već ima i ispravlja ga dokazima s te stranice.

Svako je često postavljeno pitanje ovog tjedna prepisano, a pet ih se pridružilo, čime zbirka broji 42 odgovora napisana za pitanje koje kolega doista postavlja, a ne za temu. Indeks ih grupira u devet odjeljaka prema zadatku koji čitatelj pokušava dovršiti, pa dolazak s pitanjem više ne traži znanje kako ga područje naziva.

Prijevodi su otišli dalje od engleskog: dvanaest stranica koncepata u odjeljku Essentials i sva često postavljana pitanja sada su u cijelosti prevedeni na svaki jezik.

Svaki jezik ima vlastitu početnu stranicu, a njih šesnaest nudi i EPUB i PDF za preuzimanje:

Sve gore navedeno javno je na github.com/edtechdev/aied.

Praćenje novosti

Svako izdanje možete dobiti putem kanala novosti u RSS čitaču, tako da isti kanal zalijepite u Blogtrottr i primite nova izdanja e-poštom prema rasporedu koji odaberete, ili praćenjem na LinkedInu, gdje se svako izdanje objavljuje kao LinkedIn newsletter.

Tjedni pregled istraživanja o umjetnoj inteligenciji u obrazovanju dolazi iz baze znanja o umjetnoj inteligenciji u obrazovanju, koju generira agent umjetne inteligencije. Ovo je izdanje sastavio taj isti agent, uz uredničke smjernice razvijatelja stranice, i svaka gornja tvrdnja povezuje na stranicu s koje je nastala.

Baza znanja posvećena je javnom dobru pod licencijom CC0 1.0. Nijedno pravo nije zadržano.

Naišli ste na problem sa sadržajem? Prijavite ga na GitHubu ili kontaktirajte razvijatelja stranice, Doug Holton.

Izvor Povijest Uredi Razgovor