Pojmovi Često postavljana pitanja Pretraga

Na ovoj stranici

Tjedni pregled istraživanja o umjetnoj inteligenciji u obrazovanju #414. studenoga 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 dodana u proteklom tjednu znače za nastavnike, razvijatelje, istraživače i administratore.

Od prošlog izdanja 199 novih studija, osam novih stranica koncepata, dva nova često postavljana pitanja i trinaest novih resursa pridružili su se bazi znanja. Sada sadrži 2.277 sažetaka članaka, 238 stranica koncepata, 46 često postavljanih pitanja i 53 resursa. Pretražite je ili upotrijebite umjetnu inteligenciju da razgovarate s bazom znanja.

Glavni naglasci i pitanja

Možete li vjerovati prosjeku ocjena? Dvije verzije ChatGPT-a ocjenjivale su iste eseje i gurnule svaki rad prema sredini: esej koji je predavač ocijenio 50, nedovoljnom ocjenom, vratio se sa 66, a onaj s 80 sa 67, pa su najslabiji i najjači studenti na kraju dobili istu ocjenu. Rabite komentare umjetne inteligencije da pomognete studentu pri reviziji, a evidentiranu ocjenu zadržite kod osobe.
Što se događa kad se zadatak promijeni, a ocjena ne? Sveučilišta su eseje zamijenila prezentacijama i usmenim obranama, a zatim su na prijepisu zadržala istu jedinstvenu ocjenu. Student može usmeno obraniti svoj rad i otići s jednim brojem koji ne govori ništa o tome kako je mislio. Promijenite što prijepis prikazuje ili reforma mijenja samo papirologiju.
Pomaže li chatbot studentima da bolje razumiju tekst od pisanja bilješki? Studenti koji su pisali bilješke naučili su više od studenata koji su o istom odlomku pitali chatbot, a studenti s chatbotom često su njegove odgovore prepisivali u svoje bilješke. Ipak su chatbot ocijenili lakšim, korisnijim i zabavnijim. Zadržite zadatak pisanja, jer alat koji sažima tekst obavlja posao koji proizvodi učenje.
Ocjenjujemo li esej ili mišljenje? Esej je osmišljen da pokaže kako se um mijenja dok piše, a ocjenjivanje samo dovršenog teksta to je odbacilo. Tražite prvi nacrt, kritiku tog nacrta i reviziju koja kaže što se promijenilo i zašto. Chatbot može proizvesti posljednji nacrt. Ne može pokazati rad koji je do njega doveo.
Može li umjetna inteligencija ocjenjivati rukom pisane ispite? Claude je rukom pisane ispite ocijenio gotovo jednako kao predavač na pitanjima višestrukog izbora i kratkim odgovorima, a rukom crtane dijagrame pogodio je u otprilike polovici slučajeva. Neka unaprijed ocjenjuje pitanja prisjećanja, a crteže i prosudbe ocjenjujte sami.
Može li chatbot voditi usmeni ispit? Chatbot može intervjuirati studenta, a da nikad ne vidi rubriku, dok drugi, skriveni dio sustava ocjenjuje razgovor, pa studenti ne mogu upitima doći do bodova. Njihov je sustav ocjenjivao preblago kad je svaki odgovor bodovao tijekom razgovora. Ocjenjujte cijeli razgovor na kraju.

Pregled dokaza Stanford o umjetnoj inteligenciji u K-12 obrazovanju ovog je tjedna ažuriran na izdanje iz studenoga 2026., a baza kauzalnih dokaza udvostručila se na 52 studije. Upotreba umjetne inteligencije za objašnjavanje i vođenje predviđa bolje učenje, upotreba za proizvodnju rada predviđa lošije, a jedno je ispitivanje pokazalo da je opći pomoćnik snizio motivaciju studenata.

Nova često postavljana pitanja

Dva su se odgovora ovog tjedna pridružila često postavljanim pitanjima. Oba se tiču odluka koje dolaze prije nego što itko odabere alat.

Koje su mogućnosti i pitanja koja treba razmotriti pri uvođenju alata umjetne inteligencije?

Odgovor o uvođenju razdvaja tri odluke koje popis dobavljača stapa u jednu: koji podaci ulaze u alat, dopušta li ga ustanova i tko upravlja modelom. Besplatni chatbot zadržava razgovor na poslužiteljima dobavljača. Kampusni pristupnik zadržava ga na vašim poslužiteljima i može prekinuti pristup. Počnite s pitanjem podataka, jer to je ono što kasnije ne možete poništiti.

Što bi nastavnici trebali izbjegavati s umjetnom inteligencijom?

Odgovor o izbjegavanju navodi tri pogreške. Ne rabite umjetnu inteligenciju za onaj misaoni rad koji zadatak treba poučiti. Ne tretirajte klikove, vrijeme na stranici ili dovršenost kao dokaz učenja. I ne pišite pravilo „rabite umjetnu inteligenciju odgovorno“ ako pritom ostavljate zadatak koji chatbot može dovršiti u minuti. Potonje je uobičajen promašaj: rečenica politike ne mijenja ono što studenti mogu učiniti. Mijenjaju to zadatak i dokazi koje prikupljate.

Novi koncepti

Osam stranica koncepata pridružilo se bazi znanja ovog tjedna.

Sjenovita umjetna inteligencija je upotreba umjetne inteligencije koja se događa prije nego što je itko odobri. Predavač sastavlja povratne informacije na osobnom računu ChatGPT-a, a ustanova nikad ne sazna da je studentski rad prošao kroz njega.
Institucionalna infrastruktura umjetne inteligencije je vodovod ispod upotrebe umjetne inteligencije na kampusu: tko dobiva pristup, koji model radi, što se bilježi i tko plaća. Jedan je primjer sveučilišni pristupnik koji svakom odjelu daje kvotu i vodi revizijski zapis.
Izvršne funkcije obuhvaćaju planiranje, zadržavanje informacija u umu i zaustavljanje impulsa. Zamislite studenta koji zna isplanirati esej, ali na pola izgubi nit. Alat može podržati to planiranje ili ga obaviti umjesto studenta, a da nitko ne primijeti.
Razvojna psihologija proučava kako se dječje mišljenje mijenja s dobi. Sedmogodišnjak može trebati da mu alat naglas pročita pitanje. Sedamnaestogodišnjak može procijeniti je li odgovor dobar.
Longitudinalno istraživanje prati iste studente mjesecima ili godinama. Pitanje je je li napredak u pisanju iz listopada još tu u svibnju, a ne je li se pokazao na testu na kraju cjeline.
Empatija razdvaja razumijevanje onoga što netko osjeća od osjećanja toga s njim. Chatbot može grubi komentar prepisati ljubazno. Ne može primijetiti da je student prestao pokušavati.
Učenje na slučajevima poučava kroz jednu konkretnu situaciju o kojoj studenti moraju rasuđivati. Zamislite pacijenta s boli u prsima i dva nalaza koji se ne slažu. Učenje je u pitanjima koja studenti postavljaju o slučaju, a ne u tekstu slučaja.
Metafore i analogije slike su kojima objašnjavamo umjetnu inteligenciju, poput crne kutije, pomagača ili zrcala. Nazovite je tutorom i studenti će očekivati da zna odgovor. Nazovite je partnerom za učenje i vjerojatnije je da će je provjeriti.

Novi resursi

Trinaest se resursa pridružilo knjižnici resursa ovog tjedna.

Primer omogućuje nastavniku da opiše igru uloga ili simulaciju običnim jezikom umjesto pisanja koda, primjerice pregovaračku vježbu u kojoj umjetna inteligencija glumi teškog roditelja.
Agentic Builds galerija je malih aplikacija koje su izradili nastavnici, s upitima na kojima se temelje i koje možete kopirati za svoj razred.
Vibe-Coding Center daje vam tri datoteke s uputama za zalijepiti u pomoćnika za kodiranje, kako bi web-aplikacija koju napiše bila pristupačna, privatna i dovoljno sigurna za studente.
AI Guidance by Age uzima ulogu i dobnu skupinu te predlaže što bi studenti u toj dobi trebali moći učiniti s umjetnom inteligencijom i kaže koji su dijelovi još nagađanje.
Voice-First Written Assessment traži da studenti naglas objasne svoj odgovor, a zatim iz transkripta napišu reviziju, pa je mišljenje zabilježeno, a pisanje se ipak događa.
Amplify GenAI Vanderbiltova je platforma za razgovor koju kampus vodi unutar vlastitog računa u oblaku, pa studentski razgovori ostaju u ustanovi.
conText glasovni je tutor koji postavlja sljedeće pitanje umjesto da daje odgovor i pokazuje nastavniku put kojim je student išao.
MindRouter čuvar je pristupa ispred kampusnih GPU-ova, s kvotama po odjelu, jedinstvenom prijavom i zapisom o tome tko je što rabio.
Moodle AI Text Question Type dodaje pitanje koje ocjenjuje umjetna inteligencija u Moodle kvizove, s vašom rubrikom upisanom u upit i ocjenama koje idu ravno u imenik ocjena.
MyEssayFeedback traži da studenti predaju nacrt, pročitaju komentare umjetne inteligencije na dijelovima koje odaberete, a zatim zabilježe koje komentare prihvaćaju prije revizije.
NowComment omogućuje razredu da raspravlja o dokumentu redak po redak, a sada umjetna inteligencija može dodati nacrt komentara koji studenti trebaju urediti.
Teacher Hive prikuplja male aplikacije koje su izradili nastavnici i koje ne traže prijavu studenata, objavljene kao primjeri koje drugi nastavnici mogu kopirati.
AI Tutor Pro i AI Teaching Assistant Pro besplatni su alati za učenje s glasovnim razgovorom, kvizovima i bilježenjem na osam jezika, za studente koji vježbaju sami.

Jedna promjena imena: resurs EduPrompts do ovog se tjedna zvao EduGems. Zbirka upita ista je, a sada se nalazi na eduprompts.ai.

Za nastavnike

Prestanite pitati je li rad studentov i pitajte što on pokazuje

Bayraktar tvrdi da alati za detekciju, zabrane i prepisivanje na nastavi odgovaraju samo na jedno pitanje: je li proizvod nastao samostalno. Ne govore ništa o tome razumije li student ono što je zadatak trebao dokazati. Predloženi okvir zadržava dovršeni rad kao jedan od nekoliko izvora i dodaje dokaze tamo gdje ih konstrukt treba: dnevnik odluka, kratku bilješku o tome koji je savjet odbijen, odgovor na konferenciji. Također čini samu upotrebu umjetne inteligencije nečim o čemu studenti prosuđuju, primjerice tako da navedu gdje je odgovor alata bio pogrešan.

Odlučite koje učenje zadatak treba dokazati prije nego odaberete protumjeru. Dodajte jedan artefakt koji zatvara jaz, umjesto da svaki kolegij pretvorite u kolegij s portfolijom, i pitajte studente gdje im umjetna inteligencija nije pomogla. Odlomak o tome vrijedi više od izjave o korištenju.

Povezano: Redizajn procjene za doba umjetne inteligencije

Zadržite zadatak, dodajte papirnati trag

Winstone, Gravett i Elkington tvrde da su većina sveučilišnih odgovora na generativnu umjetnu inteligenciju samo riječi: semafori, izjave, pravila dopuštene upotrebe. Njihova procjena crne kutije zadržava zadatak i traži od studenata da predaju uvide u proces, poput nacrta, dnevnika revizija i kratkih refleksija, uz rubrike prepisane tako da revizija donosi bodove. Ne izvješćuju o pilotu i to otvoreno kažu.

Uzmite jedan zadatak i zatražite jedan artefakt procesa: skicu, prvi nacrt ili odlomak o tome što je povratna informacija promijenila. Ocijenite taj artefakt prema navedenom kriteriju. Studenti tada imaju razlog čuvati zapis, a akademska čestitost živi u zadatku, a ne u rečenici politike.

Povezano: Redizajn procjene za doba umjetne inteligencije

Nastavničke povratne informacije izjednačile su se s onima umjetne inteligencije

Meyer i kolege randomizirali su 391 učenika 10. i 11. razreda u Njemačkoj u tri uvjeta: povratne informacije koje je napisao njihov nastavnik, trenutačne povratne informacije umjetne inteligencije ili povratne informacije umjetne inteligencije dostavljene kasno, kako bi se izvor i vrijeme mogli razdvojiti. Svaka standardna usporedba dala je nulti rezultat. Revizije su se poboljšale, sljedeći se zadatak pisanja nije razlikovao, a vrijeme na zadatku, motivacija i afekt bili su statistički nerazlučivi između nastavničkih i povratnih informacija umjetne inteligencije.

Studenti su trenutačne povratne informacije umjetne inteligencije ocijenili korisnijima i motivirajućima od nastavničkih, ali skupina s odgođenim povratnim informacijama umjetne inteligencije nije dobila iste ocjene, pa je prednost dolazila od brzine, a ne od autorstva. Rabite povratne informacije umjetne inteligencije kad nastavnik ne može brzo odgovoriti i očekujte da će održati razinu, a ne podići je. Provjerite zamjenjuju li studenti brz komentar za koristan.

Povezano: Redizajn procjene za doba umjetne inteligencije

Za razvijatelje

Tutor koji popusti kad student kaže „moje bilješke govore drukčije“

Liu i Korolova proveli su jedanaest komercijalnih modela kroz dva simulirana pokusa poučavanja matematike u K-12: 400 pitanja u protokolu revizije odgovora kroz pet razmjena i 1.884 u dijagnostičkom protokolu kroz dvije razmjene. Ako je student započeo pogrešnim odgovorom, točnost prvog odgovora pala je za 5,5 bodova. Među odgovorima koji su bili točni u prvom krugu, puko „ne slažem se“ preokrenulo je 5,2 % prema studentovu pogrešnom izboru, „moje bilješke kažu B“ preokrenulo je 12,7 %, a izričito pogrešno rasuđivanje 3,1 %. Od točnih razgovora koji su završili pogrešnim odgovorom, 86 % preokrenulo se na prvom pritisku. Sumnja u točan rad također je snizila dijagnostičku točnost sa 66,5 % na 58,0 % i podigla lažno pozitivne rezultate s 33,5 % na 42,0 %.

Tretirajte pozivanje na autoritet kao zahtjev da se korak ponovno izvede, a ne da se ponovno odgovori, i nikad ne dovršavajte dijagnozu zablude na radu u koji je student upravo posumnjao. Ispitujte tutore na unaprijed napisanom dijalogu s više razmjena i izvijestite o stopi preokreta odvojeno od točnosti prvog odgovora, jer su se dva modela s istim rezultatom prvog odgovora razlikovala za 7,5 bodova u tome koliko su često popuštala.

Povezano: Poučavanje tutora umjetne inteligencije da vode, a ne odgovaraju

Rubrika je mjerni instrument, a ne model

Roy i kolege pokazuju da isti ocjenjivač s dvjema rubrikama daje dva različita mjerenja i da nejasna rubrika koja traži „korisne i činjenične“ odgovore može nagraditi uglađen odgovor koji je pogrešan. Kroz četiri javna skupa podataka o preferencijama, šest izvora rubrika i tri ocjenjivača s otvorenim težinama nijedan izvor rubrike nije prednjačio na svim osima: slaganje među ocjenjivačima, usklađenost s preferencijama i otpornost na igranje. Preuređivanje kriterija prema podacima o preferencijama podiglo je točnost na zadržanom skupu sa 65,0 % na 68,6 %, a prepisivanje kriterija radi zatvaranja rupa smanjilo je uspješnost izigravanja s 46,4 % na 36,0 %.

Tretirajte rubriku kao instrument i verzionirajte je zajedno s modelom. Zabilježite tekst rubrike, datum i konfiguraciju ocjenjivača uz ocjene i ispitajte iskoristivost odvojeno od slaganja: napišite nekoliko odgovora koji zadovoljavaju formulaciju, ali krše namjeru, i provjerite dobivaju li visoke ocjene.

Povezano: Provjera djeluje li obrazovna umjetna inteligencija

Tutor za čitanje pomogao je kad su ga studenti dovoljno rabili

Jedna je charter škola svakom učitelju prvog i drugog razreda dala tutora za foniku i tečnost čitanja i prepustila upotrebu njihovoj prosudbi. Učenici koji su ga mnogo rabili napredovali su više od onih koji su ga rabili malo, za g = 0,56 u usmenoj tečnosti čitanja. Usporedba između velike i nikakve upotrebe nije dosegnula ispravljeni prag značajnosti. Razlika među razredima svela se na zabilježene minute.

Bilježite minute po studentu od prvog dana i izvijestite o njima uz ishod. Ako je zapis prazan, to je nalaz o uvođenju, a ne o tutoru. Okrug koji broji licence umjesto upotrebe vidjet će ravan rezultat i neće naučiti ništa.

Povezano: Provjera djeluje li obrazovna umjetna inteligencija

Copilot je početnike učinio bržima i ostavio ih na početku

Dvadeset i dva početnika i programera srednje razine obavila su dva zadatka kodiranja od 20 minuta, jednom s ljudskim partnerom i jednom s Copilotom, a zatim su zadatke ponovila sama otprilike tjedan dana kasnije. S Copilotom su postigli 14 bodova više od 100 i izvijestili o mnogo manjem mentalnom opterećenju i trudu. Tjedan dana kasnije prednost je nestala: rezultati ponovnog testa bili su 4,8 bodova niži, statistički nerazličiti, a pad svake osobe od prve sesije bio je oko 19 bodova veći nakon sesije s umjetnom inteligencijom.

Dodajte ponovni test bez pomoći svakom pomoćniku za kodiranje koji izradite ili kupite. Dobitak koji vidite na nastavi može biti iznajmljen, a najveći je kod studenata koji su već znali najviše. Rad u paru s osobom dao je u ovoj studiji niže rezultate i veće opterećenje, ali i bolju angažiranost i trend prema zadržavanju.

Povezano: Oblikovanje umjetne inteligencije u učenje

Za istraživače

Stroža meta-analiza prepolovljuje učinak tutora

Leite i kolege objedinili su 18 pokusa, 77 veličina učinka i 11 sustava inteligentnog poučavanja korištenih u američkim K-12 školama. Prosječni učinak na postignuće bio je g = 0,271, znatno niži od učinaka koje su izvijestile ranije meta-analize, jer se ova držala eksperimentalnih nacrta u jednom nacionalnom sustavu. Okruženje je bilo važno: ruralne škole pokazale su g = 0,146 naspram 0,298 u urbanim školama. Važno je bilo i tko kontrolira podršku, s riješenim primjerima na 0,324 i naputcima na zahtjev na 0,316, a trajanje je vrhunac imalo između dva tjedna i tri mjeseca (0,449), prije nego što je iznad šest mjeseci palo na neznačajnih 0,110.

Tretirajte starije veličine učinka tutora kao optimistične dok ne provjerite nacrt studije i okruženje. Izvijestite o moderatorima umjesto o objedinjenom prosjeku i očekujte da će ruralna provedba sa slabom infrastrukturom dati otprilike polovicu urbanog učinka. Krivulja trajanja nalaz je koji sljedeći valja ispitati: gotovo nijedan dokaz ne pokriva punu godinu.

Povezano: Provjera djeluje li obrazovna umjetna inteligencija

Generativna umjetna inteligencija najviše pomaže učenicima jezika kad daje povratne informacije, a ne poučava

Zhang, Aubrey, Wu i Chiu objedinili su 67 veličina učinka iz 48 kontroliranih studija s 5.196 učenika. Nekorigirani učinak bio je velik, g = 0,76, i pao je na g = 0,57 kad su uklonjene tri iznimke. Uloga koju je alat imao objasnila je više od prosjeka: povratne informacije i procjena dosegnule su g = 1,15, sugovornik 0,81, a instrukcijski integrator 0,28. Upotreba koju vodi učenik pobijedila je upotrebu koju vodi umjetna inteligencija, 0,92 naspram 0,34. Randomizirana ispitivanja izvijestila su o većim učincima od kvazieksperimenata, 1,02 naspram 0,48.

Pitajte koju ulogu alat ima prije nego pitate djeluje li. Ako objedinjujete studije, modelirajte vrstu nacrta kao moderator, jer pomiče procjenu jednako koliko i intervencija. Za jezični kolegij, povratne informacije i vježba sa studentom koji upravlja procesom, konfiguracija je koju dokazi podupiru.

Povezano: Provjera djeluje li obrazovna umjetna inteligencija

Što znači pismenost o umjetnoj inteligenciji ovisi o dobi studenta

Guo, Ali i Wong pročitali su 118 studija o K-12 obrazovanju i razvrstali područje u devet kategorija i 35 potkategorija. Njihov okvir PACES raspoređuje pismenost o umjetnoj inteligenciji kroz četiri školske razine, uz argument da se ono što treba znati učenik drugog razreda po vrsti razlikuje od onoga što treba maturant. Njihov pregled validiranih mjera pokazao je da je gotovo sve usmjereno na srednju školu i da ništa ne mjeri proces rada s umjetnom inteligencijom.

Izradite instrument koji hvata što student čini s modelom: postavlja li dodatno pitanje, provjerava li tvrdnju ili revidira nakon povratne informacije. Zatim ispitajte ponaša li se drukčije na četirima razinama. Dok to netko ne učini, razvojna tvrdnja ostaje načelo oblikovanja bez dokaza.

Povezano: Dokazi o pismenosti o umjetnoj inteligenciji

Za administratore

Gotovo svi rabe umjetnu inteligenciju na poslu, a polovica nije vidjela politiku

EDUCAUSE je 2026. anketirao 1.960 zaposlenika u visokom obrazovanju. 94 % njih rabilo je umjetnu inteligenciju za posao u posljednjih šest mjeseci, a 73 % njih svakodnevno ili tjedno. Samo 54 % znalo je za politiku koja bi trebala usmjeravati tu upotrebu, uključujući tek 38 % rukovoditelja. 56 % rabilo je alate koje njihova ustanova ne osigurava. 92 % ustanova reklo je da ima strategiju za umjetnu inteligenciju, a 13 % mjeri njezin povrat.

Objavite politiku tamo gdje ljudi već rade i prebrojite alate koje ljudi stvarno rabe prije nego napišete sljedeću strategiju. Jaz između onoga što djelatnici rade i onoga što čelnici misle da dopuštaju problem je upravljanja, a ne obuke, i u strateškom je dokumentu nevidljiv.

Povezano: Uvođenje alata umjetne inteligencije

Nastavnici odmjeravaju ušteđeno vrijeme prema poslu koji gube

Dangol i kolege intervjuirali su 22 nastavnika u velikom američkom okrugu koji potiče generativnu umjetnu inteligenciju od kraja 2023., a većina ih je radila bez politike na razini okruga. Nastavnici su bili zadovoljni što gube papirologiju i planiranje nastave. Brinuli su se da će izgubiti dijelove posla koji traže poznavanje studenta: pisanje komentara koji pogodi ili odluku što razredu treba sljedeće. Rad opisuje razmjenu, a ne otpor.

Imenujte čemu olakšanje služi i gdje prestaje. Okrug koji automatizira ocjenjivanje ili planiranje nastave trebao bi reći koji posao uklanja i zaštititi posao koji nastavnici kažu da neće mijenjati. Ostavite prostor za profesionalnu prosudbu umjesto da dodate još jedan obvezni alat.

Povezano: Uvođenje alata umjetne inteligencije

Neugledni sustavi mijenjaju ustanove najviše

Pardos i Borchers tvrde da su prijenos kredita, savjetovanje, klasifikacija kurikula i izrada procjena važniji od chatbota na recepciji. Njihova je zajednička nit reprezentacija. Pretvorite kolegije, silabuse, prijepise i zapise o učenju u ugrađene vektore i možete donositi odluke koje su se nekad činile preskupima, poput ocjenjivanja prijepisa iz druge zemlje kolegij po kolegij. Isti korak čini pogreške teže vidljivima.

Prije kupnje imenujte odluku koju sustav mijenja i osobu koja odgovara kad tu odluku donese pogrešno. Revizijski zapis i put za žalbu važniji su od boljeg modela, jer pogreška u pozadinskom uredu dolazi do studenata kroz institucionalnu infrastrukturu koju nitko ne vidi.

Povezano: Provjera djeluje li obrazovna umjetna inteligencija

Zemlje dodaju pismenost o umjetnoj inteligenciji u kurikul i ne mjere je

Izvješće iRAISE temelji se na strukturiranom pregledu i političkim dokumentima iz Francuske, Kanade, Egipta i Katara. Vlade se dijele između širenja alata i njihova ograničavanja, a izvješće tretira pismenost o umjetnoj inteligenciji kao najnoviji sloj digitalne i medijske pismenosti, a ne kao zaseban predmet. Većina zemalja imenuje medijsku pismenost u okviru. Rijetke ga stavljaju u kurikul iz kojeg nastavnici planiraju, a gotovo nijedna ne mjeri stječu li je učenici.

Stavite pismenost o umjetnoj inteligenciji u dokumente koje nastavnici stvarno rabe i financirajte procjenu koja može pokazati jesu li se učenici poboljšali. Nacionalni okvir bez retka u kurikulu i bez mjere ostavlja posao pojedinim školama, a upravo tu jaz već postoji.

Povezano: Uključivanje pismenosti o umjetnoj inteligenciji

Također dodano ovog tjedna

Stranica časopisa navodi svaku studiju dodanu ovog tjedna.

Bilješke o stranici

Stranica je ovog tjedna proširila opseg. Sada nosi i nešto istraživanja o umjetnoj inteligenciji koje nije o školama ili sveučilištima, ali se tiče obojega: Salvi i kolege o tome kako razgovorni model može promijeniti ono što osoba vjeruje, Folk i Dunn o chatbotovima i usamljenosti te Sim i kolege o tome kako sažeci umjetne inteligencije iskrivljuju pamćenje. Ulaze kao citati na stranicama koncepata kojima pripadaju, a ne kao tvrdnje o poučavanju.

Hermes agent umjetne inteligencije koji održava ovu stranicu ovog je tjedna prešao na novi sustav pamćenja. Sada radi na Hindsight, koji čuva naučeno između sesija umjesto da svaku započne od nule.

Gotovo svaka stranica koncepata i često postavljanih pitanja prepisana je ovog tjedna kako bi se uklonio tekst koji upućuje sam na sebe, izrazi poput „u ovoj bazi znanja“ ili „ova stranica tvrdi“. Hermes agent umjetne inteligencije proveo je taj tekst i kroz svoju vještinu humanizacije, koja uklanja znakove poput nagomilanih kvalifikatora i rečenica koje ponavljaju naslov. Stranice članaka i koncepata sada slijede jednu strukturu, s istim odjeljcima u istom redoslijedu, a provjera gradnje pada kad je stranica prekrši.

Neke su nove značajke u planiranju, poput obrazovnog vođenja utemeljenog na zadacima i multimedijskih sažetaka glavnih stranica. Prijedlozi i zahtjevi za značajke dobrodošli su putem obrasca za prijavu na GitHubu.

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 Hermes agent umjetne inteligencije. Ovo je izdanje sastavio taj isti Hermes 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