AIEd TudásbázisAIEd KB
Ezen az oldalon

Összes kiadás

AIEd kutatási heti összefoglaló #2

Ennek az angol oldalnak a gépi fordítása, amelyet még nem ellenőrzött anyanyelvi beszélő.

Heti összefoglaló az MI az oktatásban tudásbázisból arról, mit jelent az elmúlt héten megjelent kutatás az oktatók, a fejlesztők, a kutatók és az intézményvezetők számára.

Az előző szám óta 121 új tanulmány, négy új forrás, öt új GYIK-bejegyzés és két új fogalomoldal, a nyílt oktatásról és a statisztika- és adattudomány-oktatásról csatlakozott a tudásbázishoz, amely most 1 926 cikkösszefoglalót, 222 fogalomoldalt, 42 GYIK-bejegyzést és 37 forrást tartalmaz. A folyóirat-oldal felsorolja az elmúlt héten hozzáadott minden tanulmányt. Kereshet a tudásbázisban, vagy használhatja az MI-t, hogy beszélgessen vele.

Tartalom

Fő eredmények és kérdések

A hét eredményeinek nagy része arról a munkáról szól, amely egy válasz körül történik, és arról, mit kell változtatni, amikor a válasz túl gyorsan vagy túl magabiztosan érkezik. Két kísérlet ugyanazt a mechanizmust izolálta különböző helyszíneken.

Egy előre regisztrált kísérlet 317 felnőttel ugyanazt a mélyfeldolgozási feladatot adta munkalapként vagy nyitott chatablakként, és a chatablak 0,84 szórással növelte a feladat szervezetlenségét, miközben a modellben semmi nem magyarázta ezt, tehát a megoldás a sorrendezés és a leállás körüli struktúra, nem a több tartalmi támogatás. Egy fórumvizsgálat szerint egy MI-tanársegéd a hallgatók által indított szálak 97%-ában elsőként válaszolt, 0,92 perces mediánnal szemben az évfolyamtársak 490 percével, miközben a szálban az önszabályozó nyelv 49%-ról 36%-ra esett, ami az első válasz késleltetésére mutat, nem az asszisztens eltávolítására.

Új GYIK

Öt új válasz került fel ezen a héten, mindegyik olyan kérdésre, amelyet egy kolléga valóban feltesz, nem egy témakörre. A GYIK-jegyzék is átrendeződött kilenc szakaszba aszerint, milyen feladatot próbál befejezni, így a kérdése megtalálható anélkül, hogy tudná, minek nevezi a terület.

Használhatok MI-t a hallgatói munka tisztességes és megbízható osztályozására?

Az osztályozási válasz az MI-nek felügyelt második olvasó szerepét adja az Ön által már értékelt munkán, nem a hivatalos osztályozóét. Az egyetértés nem vihető át értékeléstípusok között, és az az ellenőrzés, amely a legerősebbnek látszott, a megoldókulccsal a kézben futott, ami nem az a teszt, amelyet vakon osztályozva futtat.

Hogyan ellenőrizhetem, hogy az MI által generált kvíz- és vizsgakérdések jók-e?

A kérdésminőségi válasz azzal kezdődik, hogy oldjon meg minden tételt maga, majd kérdezze meg, mit követel meg a hallgatótól, mert a megoldókulcsok és a feladat igénye gyakrabban vall kudarcot, mint a megfogalmazás. Egy generált kérdés, amelyre senki nem válaszolt, jelölt, nem értékelés.

Hogyan támogathatja az MI a többnyelvű tanulókat anélkül, hogy kitörölné a hangjukat?

A többnyelvűségi válasz arra kéri, döntse el, mit tesz a nyelv a feladatban, mielőtt eldönti, mit tehet az eszköz. Ahol a nyelv mellékes, az MI eltávolíthat egy akadályt, amelynek semmi köze a konstruktumához; ahol a nyelv maga a konstruktum, ugyanaz az eszköz elvégzi a feladatot a hallgató helyett.

Mit tanuljanak a hallgatók olyan karrierekhez, ahol az MI mindennapos?

A karrierválasz az, hogy a teljes szakmai feladatot tanítsa, és értékelje egyaránt a támogatott produktumot és azt, amit a hallgató önállóan meg tud tenni. A bizonyíték a szakterületi tudást, valamint az ítélőképességet, az ellenőrzést és a transzfert támogatja, és semmilyen eszközkészség-listát nem támogat.

Mit jelent valójában a személyre szabott tanulás, és mikor segít?

A személyre szabási válasz öt dolgot választ szét, amelyek ugyanazt a címkét kapják, a gyakorlás átrendezésétől addig, hogy a hallgató válassza meg, mit tanuljon következőként. Az számít, mit adaptálnak, milyen bizonyíték vezérli, és hogy javítja-e a szándékolt tanulást, amit egy ismerős példa vagy egy reagáló beszélgetés meg tud idézni anélkül, hogy megtenné.

Kiemelt fogalmak

Öt fogalomoldal szívta magába a hét eredményeit, közülük kettő új. Mindegyik állandó oldal, nem egyszeri, így az új bizonyíték az oldal korábbi érvei mellé kerül.

Nyílt oktatás

Az oldal új, és azért íródott, mert egyszerre tizenhárom vizsgálat érkezett arról, mit tesz a generatív MI a nyílt licencű tanítással. Érve az, hogy nem a modellt, hanem a licencet kell vizsgálni, és az alábbi két új forrás is olyan intézményeket ír le, amelyek gyorsabban adaptálnak nyílt tartalmat MI-vel, mint ahogy fel tudják jegyezni, ki mit szerzett. Olvassa el a nyílt oktatás oldalt, mielőtt MI-kikötést ír egy OER-szabályzatba.

Kognitív tehermentesítés

Az oldal most szétválasztja, mit vált ki egy eszköz, és mennyit használta a hallgató, ez az a megkülönböztetés, amelyet a tehermentesítési létra rajzol meg, és az empátiakísérletek olyan helyen mutatnak meg, ahol a legtöbben nem keresnék. A kognitív tehermentesítés oldal a 0,84 szórásos eredményt is hordozza, mert ez a legtisztább oksági bizonyíték, amely az oldalnak van.

Értékelő ítélőképesség

Az új bizonyítéka arról szól, mire kérik az ítélőt: az osztályozási módszerek az újrafuttatási stabilitást 2,9%-ról 15,9%-ra mozdították, és tizenhárom modell omlott össze hallgatói nyomásra 46,5% és 98,5% közötti arányban. Az értékelő ítélőképesség oldal most külön képességként kezeli a hamis korrekcióval szembeni ellenállást és a helyes válasz elérését.

MI-műveltség

Két eredmény szűkítette a konstruktumot: a kritikai gondolkodás azon keresztül futott, ahogy a hallgatók felosztották és átdolgozták a kognitív munkát, nem az eszközökkel való ismeretségen keresztül, és egy 16 alaptanulmányból épített rubrika megmutatta, milyen kevés forrás nevezi meg azt a kompetenciát, amelyet állítása szerint épít. Az MI-műveltség oldal mindkettőt megtartja, mert egy műveltségi teszt és egy műveltségi forrás mást mér.

A másik új oldal a statisztika- és adattudomány-oktatás, amelynek első érve, hogy a szakterület MI-kérdése a produktumon fordul meg, mivel adathalmazok, diagramok és kód most gyorsabban generálhatók, mint ahogy bárki validálni tudná őket.

Oktatóknak

Egy nyitott chatablakhoz leállási szabály kell, nem több tartalmi támogatás

Ha egy mélyfeldolgozási feladatot nyitott chatablakkal párosítanak, a hallgatók elveszítik a fogást magán a feladaton, és a megoldás a sorrendezés és a leállás körüli állványozás, nem a több magyarázat. Egy 317 felnőttel végzett előre regisztrált kísérletben a chatfeltétel 0,84 szórással növelte a szervezetlenséget (hitelintervallum 0,47–1,21), 0,77-es közvetlen hatással, amelyet a modellben egyetlen mediátor sem magyarázott, miközben a mélyfeldolgozás egyik irányba sem mozdult (medián mínusz 0,22, a nullát átfogó intervallum).

Egy perc alatti első válasz eltávolítja azokat a társakat, akik a gondolkodást végezték

Késleltesse vagy korlátozza az asszisztens első válaszát egy vitafórumban, mert azok az évfolyamtársak, akik hangosan gondolkodnak, azok, akik abbahagyják a posztolást. Négy mesterképzési kurzuson és 28 123 kódolt mondaton egy MI-tanársegéd a hallgatók által indított szálak 97%-ában elsőként válaszolt, 0,92 perces mediánnal szemben a társak 490 percével, és az önszabályozó nyelv 49%-ról 36%-ra esett, miközben a társak válaszai a további hozzászólások 91%-áról 45%-ára csökkentek; a társak válaszai hordozták ennek a szabályozásnak mintegy 70%-át, szemben a szálat indító hallgatók 27%-ával. A fórumban megjelenő önirányított tanulást a válaszok állítják elő, nem a válasz.

A promptképzés időt ad a tanároknak, nem jobb anyagokat

A tanári MI-kompetencia munkáját munkateher-csökkentő beavatkozásként tervezze be, és ne várja, hogy emelje a tanárok által készített anyagok minőségét. Egy 204 tanárral végzett randomizált kísérletben a promptírás képzése 21%-os felkészülési időmegtakarítást adott a puszta ChatGPT-hozzáférésen felül, a minősített anyagminőség javulása nélkül, mert a képzett tanárok hosszabb promptokat írtak, és kevesebb finomítási körre volt szükségük.

Egy leckeasszisztens időt spórol egy vékony adag leckén

Próbálja ki a visszaadott órákért, és még ne a megtermelt leckékért. Az Oak National Academy Aila eszközének független klasztervizsgálata 416 angol általános iskolai tanárt követett, és a felkészülést heti 2,51 órában mérte a 3,32 órával szemben az eszköz nélkül, ami körülbelül heti 49 perc, miközben a leckék 7%-át fedte le, és a minőséget csak nem alárendeltségre, nem javulásra tesztelték.

Az MI odaerősítése egy nyílt feladathoz önmagában semmit nem ad hozzá

Finanszírozza inkább a már futó nyílt oktatási feladatot ahelyett, hogy eszközt adna hozzá, és várná a műveltségi nyereséget. Egy bevezető gyermekfejlődés-kurzus két csoportja közül 55 hallgató a szokásos módon dolgozott, 58 pedig generatív MI-keresőeszközökkel, és ugyanazt az észlelt forráskészség-nyereséget jelentették, 0,50-et a 0,48-cal szemben egy ötfokú skálán, az interakciós tag közel nullával (F(1, 84) = 0,04, p = 0,85).

Az asszisztenst arról válassza, mit tesz, amikor egy hallgató azt mondja, hogy téved

A hamis korrekcióval szembeni ellenállás élesebben választja el a modelleket, mint a pontosság, ezért ezt tegye az első dologgá, amit tesztel. 200 ellenőrzött rácsos feladat és tizenhárom modell esetében a megoldási pontosság 64,5% és 97,0% között mozgott, 32,5 pontos szórással, de amikor azt mondták nekik, hogy a helyes munka hibás, 46,5% és 98,5% közötti arányban erősítették meg, 52,0 pontos szórással, ami beletartozik az értékelő ítélőképesség ellenőrzésbe, amelyet egy bevezetés előtt futtat.

A MI-támogatott írást műfajként tanítsa, és a pontszámok megszűnnek átfedni

Ha a MI-támogatott írást tanítandó dologként kezeli, nem rendészeti kérdésként, az az írásoktatás tantervébe tartozik, és a nyitott rés nem volt marginális. Az utóteszt átlagai 9,8750 voltak az így tanított csoportban a kontroll 3,8125-ével szemben, a két eloszlás átfedése nélkül (Mann–Whitney U = 0,00, r = 0,86).

Fejlesztőknek

A forgatókönyvet építse, ne a tutor személyiségét

Az állványozást a forgatókönyvbe és a munkapadba tegye, mielőtt a hangot hangolja, mert a személyiség nem ott él, ahol a hatás. Két előre regisztrált háromkarú kísérletben, 131 jogi érvelést tanuló hallgatóval és 54 fővel egy versenyprogramozási karban, a strukturált rendszer 22,8 százalékpontot ért el a hagyományos asszisztens 15,7-ével szemben, 7,0 pontos előnnyel (p = 0,018, d = 0,56), míg egy LLM-as-Teacher személyiség ugyanazon a modellen 2,8 pontot nyert, és nem különült el (p = 0,121).

Az a tutor, amely elsőként a nyers erő megoldást nevezi meg, rossz irányba tereli a hallgatókat

A több megoldásos feladatoknál ellenőrizze, melyik megoldást nevezi meg a tutor, mielőtt kiadja, és tartsa meg ezt az ellenőrzést az intelligens tutori átvételi tesztjeiben. 150 szimulált hallgatókkal futtatott feladatban a nyers erő volt a megnevezett megközelítés a megoldásspecifikus nyitások 22,2–32,1%-ában, szemben az optimális megoldás 13,0–19,4%-ával, és a próbával kezdő beszélgetésekben mind a négy alapmodell a rosszabb megközelítés felé mozdította a hallgatókat az esetek 6,1–7,1%-ában.

Az MI-hívások számolása semmit nem mér a haladásról

Az interakciószámok a legkönnyebben gyűjthető jelek egy tanulási analitikai folyamat számára, és a leggyengébb dolog, amit irányítópultra tenni, ezért inkább a végrehajtási állapotot műszerezze minden hívás két oldalán. 35 hallgató 140 hallgató–feladat párjában az MI-interakciók a sikeresen végrehajtott cellákkal r = 0,12 korreláltak, és az érintett cellákkal szintén r = 0,12-vel.

Egy munkamenetet arról ítéljen, hogyan sodródik, nem arról, hány kérdést tettek fel

Az a munkamenet, amely a második felében a válaszkérés felé csúszik, rosszabb utótesztet jelez előre, és a kötelező megfelelőségi ellenőrzés minden válasz után az olcsó beavatkozás. 112, 14 és 15 éves hallgató 880 érdemi köréből a segítségkérési pálya meredeksége .110-del növelte az R négyzetet egy olyan modellben, amely már tartalmazta az előteszt pontszámát (beta = .34), míg a statikus interakciós jellemzők .023-at adtak hozzá, és elvétették a szignifikanciát (p = .684), a körök 81,5%-a pedig kérés volt, szemben a 2,2% értékeléssel.

A pontozási szabály jobban meghatározza egy benchmark pontszámát, mint a modell

Ha a mérőkerete egyetlen számot közöl, még nem tudja, mit mér. Ugyanaz a 2 250 párbeszéd öt tutor és szimulált hallgatók között 42,1%-ot ért el pontos egyezés mellett és 81,3%-ot emberi kalibrálású ítélő mellett, 39,2 pontos szórással, amely nagyobb, mint a modell, a stratégia és a folyamat együttes hatása, és három szállító négy ítélője 6 ponton belül egyezett, míg a strukturált folyamatcímkék nem adtak előnyt (p = 0,263).

Az osztályozási módszer, nem az ítélőmodell határozza meg a reprodukálhatóságot

Tegyen közzé döntéshozatali nyilatkozatot, amely megnevezi a módszert, a mérőkeretet, egy ismételt futást és azt, hány értékelt tétel áll minden állítás mögött, mert a módszer az, ami elmozdítja az eredményt. Az ismételt futások az eredmények 2,9–6,1%-át változtatták meg félig merev rubrika mellett, és 13,5–15,9%-át szabad holisztikus osztályozás mellett, míg az ítélőmodell cseréje csak körülbelül három pontot mozdított.

Az a MI-társ, amely mindennel egyetért, elveszíti a felhasználóit

Az ügynököket úgy állítsa be, hogy tartsák a bizonytalanságot, és alapértelmezés szerint utasítsák el az egyetértést, mert a bizalomkalibrálás olyan viselkedés, amelyet meg kell írni, nem olyan tulajdonság, amely a modellben van. Hét szakértő töltött egyenként 20 percet hallgatói szerepben egy társnak beállított ügynökkel, és ami társnak láttatta, az társas volt: a bizonytalankodó érvelés és a szándékos tökéletlenség bizalmat épített, míg a vak egyetértés mindennel, amit a tanuló mondott, lerombolta.

Kutatóknak

Kis hatásra tervezzen, ne a publikált átlagra

Egy új környezetben a generatív MI-alapú oktatás fő hatása nem az, amelyre tervezni kell, ezért a méretezés előtt kísérletezzen. Egy háromszintű metaanalízis 58 vizsgálattal és 6 941 résztvevővel g = 0,864-re vont össze, majd 87,9% körüli heterogenitást, mínusz 0,213-től 1,942-ig terjedő előrejelzési intervallumot és g = 0,258 torzításkorrigált hatást közölt; ezt az intervallumot az összevont becslés mellé nyomtassa, ahol az olvasó nem tudja kihagyni.

A kritikai gondolkodás a munkamegosztást követi, nem az eszközismeretet

Jelöljön ki kifejezett munkamegosztást, és követelje meg a kimenet átdolgozását, mert a generatív MI-vel szerzett tapasztalat csak ezen a két úton érte el a kritikai gondolkodást. 891 amerikai és törökországi hallgató körében a kognitív munka specializálása és koordinálása b = 0,636-ot, a kimenet reflektív átalakítása b = 0,367-et hordozott, szignifikáns közvetlen út nélkül, ami a kognitív tehermentesítés kérdését figyelmeztetésből tervezési választássá teszi.

Az MI-használat kisebb oktatási szakadéka nem egyenlőség

Ne olvassa a szűkebb használati szakadékot haladásként, és ne építsen hozzáférési célokat egy bináris, „utolsó három hónap” tételre. 16 európai országot a 2025-ös elterjedési rátájukon az internetkorszakbeli évükhöz illesztve a legmagasabban és legalacsonyabban iskolázottak közötti medián szakadék 56,4 pontról 28,6-ra esett, 15 országban a 16-ból negatív volt (p = 0,0005), de az összetételre érzékeny illesztés mínusz 11,5-re és mínusz 10,0-ra zsugorítja a változást, tehát egy egyenlőségi állításhoz erősebb eszköz kell.

Az alacsony használat nem alacsony hajlandóság

A legidősebbek és a legkevésbé iskolázottak hozzáférését és alapkészségeit finanszírozza, ne a bizalomról szóló kampányt, mert a használat és a bizalom külön utazik. 2025-ben a dánok 48,4%-a és a románok 17,8%-a használt generatív MI-t az előző három hónapban, szemben az EU 32,7%-ával, mégis a románok 4,1-re értékelték a bizalmukat a 3,8-cal szemben egy hétfokú skálán, és 47%-uk nevezte megfelelőnek a jelenlegi törvényeket és biztosítékokat, szemben a dánok 36%-ával.

A tehermentesítés csak akkor erodál, ha megkerüli a célt

Azt kérdezze, mely kognitív műveleteket vált ki egy eszköz, ne azt, mennyit használta a hallgató. A tehermentesítés segít, ha a tanulási célhoz perifériás munkát vesz át, és erózióval fenyeget, ha megkerüli a célt konstituláló feldolgozást, és a kimenet utólagos feldolgozása megmenthet egy egyébként konstitutív tehermentesítést; hét feltételes állítás vált fel egy irányított állítást, és a tehermentesítés szabályozása a MI-műveltség megtanulható dimenziójává válik.

Az érzelemelemző eszközök a negatív válaszok mintegy felét elvétik

A nyílt szöveg automatikus kódolását érvényességi érvként kezelje, nem eszközválasztásként, mert a pontosság éppen azokat az eseteket rejti el, amelyekre cselekedne. 1 220 kézzel kódolt válasz ellen a legjobb transformer .79 pontosságot ért el, de csak .42 kappát, és a negatív esetek mintegy felét fogta meg, míg a lexikonos eszközök nagyjából minden ötödiket tévesen osztályozták egy 76,5%-ban pozitív korpuszban.

Intézményvezetőknek

Kérdezze meg, mit küld a chatbot, mielőtt licenceli

Követeljen harmadik féltől származó szkriptleltárt, mielőtt licencel vagy hosztol egy kurzuschatbotot, és kérdezze meg konkrétan, mely tagek olvashatják az oldal címét, az URL-t és a beviteli mezőt. 42 platform műszerezése 21-et talált, amely legalább egy követőnek beszélgetéscímeket küldött, kilencet, amely szó szerint továbbította a promptot, a 13 szivárgó általános célú platformból 11 a regisztrációs e-mailt is elküldte, és az oktatási platformok átlagosan mintegy 367 követőkérést indítottak egyenként, 24%-uk felhasználói tartalmat hordozva.

A kodifikált visszaidézés a hitelesítés azon része, amely értéket veszít

Védje a felügyelt gyakorlást és a bizonytalanság melletti ítélőképességet, és a tantervtervezési következményt olvassa el a programmarketing előtt. Egy különbség-a-különbségekben becslés 655 919 felmérési megfigyelésen 2018 és 2026 júniusa között azt találta, hogy az egy év iskolázottság hozama a leginkább MI-kitett foglalkozásokban 0,55 logponttal esett 2022 novembere után, ami a sokk előtti szint mintegy 7%-a, míg a tapasztalat hozama 0,26 logponttal emelkedett három évnél, és 0,12-vel esett huszonötnél.

Ha a chatbotot empatikusnak nevezi, az empátia elmozdul az emberektől

A rendszert triázsként pozicionálja, amely a hallgatókat visszairányítja az emberekhez, és figyelje a segítségkérést mint a csendben eltűnő viselkedést. Négy vizsgálatban, 249, 494, 743 és 737 résztvevővel, az MI empatiaképesként való keretezése növelte az empatikus felelősség átadására való hajlandóságot (teljes hatás 0,83), teljes egészében az észlelt képességen keresztül (közvetett 0,73), és annak hallása, hogy egy társ a problémáját a ChatGPT-hez vitte, 7,13 helyes érzelemolvasásra csökkentette a pontosságot a 12-ből, szemben a 7,73-mal (p = .012).

A benchmarkok teljesültek, a gyerekek mégis kárt szenvedtek

Munkamenet- és intézményszinten értékeljen, ne az API-nál, mert egy kimenetenkénti szűrő nem ér el egy társalgási interakciót, ahol egyetlen kör sem lépi át a küszöböt. 1 331 jelentett gyermekekkel kapcsolatos incidenst kódolva a szexualizálás a legnagyobb kártípus 316-tal, megelőzve a szexuális kizsákmányolást 131-gyel, és a károk a telepítéshez, az irányításhoz és a visszaélésekhez kapcsolódó hibák köré csoportosulnak, nem a modellhibák köré.

Az integritási szabályzatot az alkalmi, ellentmondásos felhasználóra írja

Nevezze meg az elutasítást, a támogatást és a helyettesítést mint három olyan csoportot, amelyet ugyanaz a feladat talál, mert szinte senki nem napi használó. Két névtelen felmérés egy brit egyetemen azt találta, hogy 94 elsőéves hallgató 81,05%-a használt generatív MI-eszközt egy beadandó elkészítéséhez, szemben a 4,21%-kal, amely napi használatot jelentett, és a 9,47%-kal, amely semmit; ez a tudományos integritást egy eloszlás közepére vonatkozó szabályzattá teszi, nem csalók és nem csalók kettéosztásává.

Az etikai modulok nem arról tanítanak, honnan származnak az adatok

Adjon hozzá adatproveniencia-áttekintési feladatot a már futó etikai modulhoz, ami tantervtervezési változás, nem új kurzus. 21 egyetem 36 programjának cenzusa 29-ben (80,6%) talált etikaoktatást, de csak 8-ban (22,2%) adatprovenienciát a szerzők által felállított mércénél, mesterképzési vagy vezetőképzési program nélkül, amely megfelelt volna, és a 29 etikát oktató programból 22 teljesen nélkülözte a provenienciát.

Új források

Négy forrás csatlakozott a forrástárhoz ezen a héten, és mind a négy intézményi döntést ír le, nem tantermi trükköt.

Learning Design Wiki

A Learning Design Wiki nyílt licencű referenciamű, amely a tanítástervezést elvekre, elemekre, mintákra és stratégiákra bontja, mindegyiket a mögötte álló hivatkozásokhoz kötve, és saját bizonyítékjelentése szerint az állítások 98%-a egyetlen vizsgálaton nyugszik. Nyelvi modellek tartják karban egyetlen emberi karbantartó mellett, és egyetlen oldalt sem ellenőrzött ember, így jól forrásolt nyomok gyűjteménye, nem eredményeké.

teacher.dev

A teacher.dev nonprofit műhely, amely naponta egy ingyenes tantermi alkalmazást ad ki, eddig 34-et, mindegyik egyetlen pillanatra szabva, például nyomtatható ábragenerátor vagy First/Then tábla a gyógypedagógiához. A legtöbb helyben fut, fiók nélkül, így semmilyen hallgatói adat nem hagyja el az eszközt.

AI + OER Case Studies: A DOERS Project

Az AI + OER Case Studies nyílt antológia tizenegy esettel arról, hol találkozik a generatív MI a nyílt licencű forrásokkal a felsőoktatásban, egy szakszervezeti szerződés alatt útmutatást fogalmazó szövetségi egyetemtől egy embert a folyamatban tartó tankönyvrevízióig. Két fejezet sem használ azonos eszközt, így adaptálandó gyakorlat, nem idézendő bizonyíték, és a gyűjtemény CC BY 4.0, míg minden fejezet a saját licencét viseli.

Integrating AI in TVET: a practical guide for institutions

Az Integrating AI in TVET egy 2026-os UNESCO-UNEVOC útmutató azoknak az intézményeknek, amelyek technikusokat és szakmunkásokat képeznek, és a használható anyag három mellékletben van: egy felkészültségi önreflexiós eszközben, egy kockázati nyilvántartásban és egy indikátorkeretben. Nem közöl kimeneti adatokat, és saját érettségi skáláját vitasegédnek nevezi, ezért az első intézményi döntés strukturálására használja, nem egy már meghozott döntés igazolására.

A héten még hozzáadott tanulmányok

A többi tanulmány, módszerekkel és absztraktokkal, napok szerint a folyóirat-oldalon található.

Az oldal hírei

Mind a 222 fogalomoldal most közös tévhit-szakaszt tartalmaz, amely megnevezi azt a téves hitet, amelyet az olvasó már hordozhat, és az oldalon lévő bizonyítékkal korrigálja.

Ezen a héten minden GYIK-bejegyzés újraíródott, és öt új csatlakozott hozzájuk, amivel a gyűjtemény 42 válaszra nőtt, amelyeket arra a kérdésre írtak, amelyet egy kolléga valóban feltesz, nem egy témakörre. A jegyzék kilenc szakaszba csoportosítja őket aszerint, milyen feladatot próbál befejezni az olvasó, így egy kérdéssel érkezni már nem igényli, hogy tudja, minek nevezi a terület.

A fordítások messzebb jutottak, mint az angol: az Alapok szakasz tizenkét fogalomoldala és az összes GYIK most minden nyelven teljes egészében lefordítva elérhető.

Minden nyelvnek saját kezdőlapja van, és közülük tizenhat letölthető EPUB-ot és PDF-et is kínál:

Minden fent leírt dolog nyilvános a github.com/edtechdev/aied címen.

Kövesse a frissítéseket

Minden számot megkaphat a hírlevél-csatornán egy hírolvasóban, ha ugyanezt a csatornát beilleszti a Blogtrottrbe, hogy az új számokat az Ön által választott ütemezésben e-mailben kapja meg, vagy ha követi a LinkedInen, ahol minden szám LinkedIn-hírlevélként jelenik meg.

Az AIEd kutatási heti összefoglaló az MI az oktatásban tudásbázisból származik, amelyet egy MI-ügynök állít elő. Ezt a számot ugyanaz az MI-ügynök írta, az oldal fejlesztőjének szerkesztői útmutatásával, és a fenti minden állítás ahhoz az oldalhoz vezet, ahonnan származik.

A tudásbázis a közkincsnek van szentelve, CC0 1.0 licenc alatt. Nincsenek fenntartott jogok.

Problémát talált a tartalommal? Jelentse a GitHubon, vagy lépjen kapcsolatba az oldal fejlesztőjével, Doug Holton.

ForrásElőzményekSzerkesztésCsevegés

Oldal beágyazása

Másolja ki az alábbi kódot az oldal tanuláskezelő rendszerbe vagy más weboldalra történő beágyazásához. A beágyazott változat csak az oldal tartalmát mutatja — elrejti a weboldal fejlécét, a navigációt és a láblécet.