AIEd kutatási heti összefoglaló #32026. november 7.

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 159 új tanulmány, nyolc új fogalomoldal, két új GYIK-bejegyzés és három új forrás csatlakozott a tudásbázishoz, amely most 2 085 cikkösszefoglalót, 230 fogalomoldalt, 44 GYIK-bejegyzést és 40 forrást tartalmaz. Keressen, vagy használja az MI-t, hogy beszélgethessen a tudásbázissal.

Tartalom

• Fő eredmények és kérdések
• Új GYIK
• Új fogalmak
• Új források
• Oktatóknak
• Fejlesztőknek
• Kutatóknak
• Intézményvezetőknek
• A héten még hozzáadott tanulmányok
• Az oldal hírei
• Kövesse a frissítéseket

Fő eredmények és kérdések

• Helyettesítheti az MI-visszajelzés a tanár visszajelzését? Az MI által generált visszajelzés és a tanári visszajelzés egyformán javította az esszéátdolgozást egy 312 elsőéves íróval végzett randomizált kísérletben. A tanári visszajelzés jobban emelte a motivációt, mert a hallgatók kötődést éreztek ahhoz, aki adta. Az MI elvihet egy átdolgozási kört; a kapcsolatot továbbra is a tanár hordozza.
• Helyettesítheti egy támogató chatbot a társat? Egy támogató chatbot ugyanúgy teljesített, mint a naplóírás, a magány csökkentésében egy 296 elsőéves hallgatóval végzett randomizált kísérletben; egy véletlenszerűen kiosztott társ csökkentette. A bot több empátiát fejezett ki, miközben a hallgatók kevesebbet adtak vissza, ezért magát a magányt mérje.
• Megváltoztatja egy rövid etikai modul az MI-vel kapcsolatos ítéletet? Egy négyhetes információetikai modul emelte a hallgatók pontszámát az MI-hez kapcsolódó etikai ítélethelyzetekben egy 16 osztályt randomizáló kísérletben. A nyereség mintegy 60%-a négy héttel később is megmaradt, és a legtöbbet azok nyerték, akik a legtöbbet használták az MI-t. Az esetalapú tanítás ígéretesnek látszik.
• Javítja a kreatív munkát a több MI-segítség? Négy randomizált kísérlet 728 felnőttel azt találta, hogy amikor az MI több munkát végzett, az ítészek alacsonyabbra értékelték az így létrejött innovációs javaslatokat, főleg azért, mert a résztvevők kevesebb kognitív munkát végeztek. A több segítség gyengébb munkával járt.
• Taníthat-e jobban egy MI által írt játék, mint egy előadás? Egy rejtélyes szerepjáték legyőzte ugyanannak az oktatónak az előadását a jogi tudásban és érvelésben egy 84 joghallgatóval végzett randomizált kísérletben. A játékot generatív MI-vel építették; az összehasonlítás játék kontra előadás volt, így az eredmény a játékalapú tanulást támogatja, és a chatbot használatát tesztelés nélkül hagyja.
• Megváltoztatják a tanítást a hallgatói teljesítményjelentések? Azokat a tanárokat, akik újként kerültek egy online matematikai tutori rendszerbe, véletlenszerűen arra ösztönözték, hogy nyissanak meg egy tanulási analitikai irányítópult-jelentést a hallgatóik első feladaton nyújtott teljesítményéről. A megnyitás nem változtatta meg sem a következő feladatot elkezdők arányát, sem a hallgatók tesztpontszám-növekedését, bár a következő feladat befejezése emelkedett, főleg a kisebb osztályokban.
• Biztonságossá teszi az MI-osztályozót, ha egyezik az emberi osztályozókkal? Hat MI-modell osztályozásának vizsgálata 300 rövid válaszon azt találta, hogy mindegyik magasabbra értékelte ugyanazt a munkát, amikor azt mondták neki, hogy a hallgató jó teljesítményű, 0,28 és 0,75 pont között egy tízfokú skálán. Az egyetértés elrejthet a hallgató korábbi teljesítményrekordjához kötött torzítást; tartsa vissza a rekordot.
• Miért olyan nehéz megérteni az MI által generált nyelvet? Az MI-szöveg túlhasznál ritka szókapcsolatokat, denominális igéket, élettelen alanyokat, redukált tárgyi vonatkozó tagmondatokat, halmozott főneveket és hosszú függőségeket, mert a matematikára, kódra és érvelésre irányuló utóképzés a tömör válaszokat jutalmazza a világos magyarázatok helyett. Az oktatás számára ennek az a következménye, hogy az MI által írt magyarázatok, visszajelzések és olvasmányok nehezebben feldolgozhatók a hallgatók számára, még akkor is, ha az olvashatósági pontszámok rendben lévőnek látszanak, ami olyan probléma az olvasásoktatás számára, amelyet a formulák elvétik. [Szerkesztői megjegyzés: Emlékeztetőül, ez a hírlevél és az AIEd tudásbázis MI által generált. Az oldal fejlesztője kiterjedt szerkesztői útmutatást adott az olvashatóság és a hasznosság javítására; ezt követően az MI-ügynök alkalmazta a Humanizer skillt, és egy kifejezett utasítást követett, hogy igenlően fogalmazzon, és kerülje a „nem X, hanem Y” szerkezetet.]

Új GYIK

Két új válasz csatlakozott a GYIK-hez ezen a héten.

Hogyan segíthet az MI a hallgatóknak az olvasásban és a szövegértésben?

Az olvasási válasz az olvasási szint címkéit durva becslésként kezeli: néhány valódi olvasó értékelése jobb egy formulánál, és egy MI, amelyet arra utasítanak, hogy tegye magát hallgató helyébe, nem tudja megmondani, mennyire lesz nehéz egy szöveg. Használja az MI-t olvasmányok keresésére, egyszerűsítésére és szójegyzékelésére, majd próbálja ki az eredményt a hallgatókkal, és tartsa mellette az eredetit.

Hogyan jelenik meg az MI-torzítás és az igazságtalanság az oktatásban, és mit tehetünk ellene?

A torzítási válasz azokra a csoportokra kér hibaarányokat, amelyeket tanít, mert egy átlag elrejthet egy szakadékot, és a hiba lehet a pontozásban, a tutorálásban, az irányítópultokban vagy a detektálásban. Tegye a beszerzésbe a csoportos jelentést és egy fellebbezési útvonalat, és magát a folyamatot javítsa.

Új fogalmak

Nyolc fogalomoldal csatlakozott a tudásbázishoz ezen a héten.

Olvasásoktatás

Az olvasásoktatásnak most van olyan oldala, amely szétválaszt négy dolgot, amelyek gyakran egy címkét viselnek: az olvasó segítését, az olvasás értékelését, egy szöveg adaptálását és a nehézség mérését. Idézi azt a vizsgálatot, amelyben 193 hallgató 3 954 mondatot értékelt; 72,8% könnyűnek vagy nagyon könnyűnek érezte őket, még amikor a Flesch-pontszámok mást mondtak, így egy évfolyamszint-címke gyenge útmutató ahhoz, hogyan fog egy adott olvasó egy szöveget megélni.

Reflexió

A reflexiónak új oldala van, amely elválasztja a pillanatnyi monitoringtól, amelyet metakogníciónak neveznek. Az első tervezési kérdés az, hogy a hallgató írta-e a reflexiót. Egy 302 felnőttel végzett kísérletben a reflexiós promptok megduplázták a visszajelzéssel töltött időt, és 40%-kal csökkentették a gyakorlást, alacsonyabb elsajátítást hagyva, 65%-ot a 79%-kal szemben, tehát az időzítés ugyanannyit számít, mint maga a prompt.

Automatizálási torzítás

Az automatizálási torzítás megnevezi azt az emberi szokást, amely egy helyes MI-javaslatot hibás döntéssé változtathat: elfogadni egy választ, amelyet megkérdőjelezett volna, ha maga jutott volna rá. Összegyűjti azokat a helyeket, ahol ez az oktatásban megtörténik, az esszépontszámoktól és a korai figyelmeztetésektől a felügyeletig, és megmutatja, hogyan vall kudarcot egy ellenőrzési lépés, amely csak papíron létezik.

Polgári és politikai nevelés

A polgári és politikai nevelés feltérképez egy hiányt a bizonyítékokban, és szintetizálja a területet. 310 MI által generált óravázlat elemzése azt találta, hogy a tevékenységek 90%-a csak felidézést, megértést vagy alapvető alkalmazást kért; 94%-ban szinte nem volt multikulturális tartalom; és a korpuszban egyetlen vizsgálat sem mérte a polgári tanulást.

Könyvtárak

A könyvtárak a könyvtárat helyként, szolgáltatásként és szakemberek csoportjaként kezeli. 29 vizsgálat áttekintése szerint az elterjedés a referenszszolgálatra és a katalogizálásra összpontosul, miközben a Public AI Libraries pilot a megosztott, személyzettel ellátott hozzáférést teszi az egyenlőségi érvvé.

MI-avatarok és szintetikus oktatók

Az MI-avatarok feltérképezik azokat a szerepeket, amelyeket egy szintetikus ember betölthet, a felvett előadótól és tutortól a szimulált páciensig és a vizsgáztatóig. A bizonyíték egyenetlen, és egy valósághű arc keveset mond a tanulásról; a közzététel és a bizalom ugyanannyit számít, mint a modell.

Szenzor- és tekintetkövetési analitika

A szenzor- és tekintetkövetési analitika a szemkövetést, az agyi és szívjeleket, valamint a kamerás testtartást fedi le mint a figyelem és bevonódás, valamint a kognitív terhelés következtetésének módjait. A terület jobb a tanulók megfigyelésében, mint az oktatás megváltoztatásában, és az oldal központinak tekinti az adatvédelmet, a torzítást és a testjel és a mentális állapot közötti szakadékot.

Információs és médiaműveltség

Az információs és médiaműveltség a kettőt egyetlen oktatási problémaként kezeli: az információs műveltség azt kérdezi, érdemel-e hitelt egy forrás, míg a médiaműveltség azt, ki készített egy üzenetet és miért. A generatív MI mindkét kérdést összeomlasztja, mert a folyékony szöveg elrejti az eredetét; az oldal kevés bizonyítékot talál egy kombinált tantervre.

Új források

Három forrás csatlakozott a forrástárhoz ezen a héten.

LearnHarness

A LearnHarness ingyenes, nyílt forráskódú asztali alkalmazás, amelyben MI-ügynökök kitalálják, mit tud már a tanuló (előzetes tudás), feltérképezik a cél eléréséhez szükséges gondolatokat, egyszerre egy érvelési lépést tanítanak, és adaptálják a gyakorlást.

Learning Commons

A Learning Commons nyílt építőelemeket tesz közzé tantervi termékekhez: a standardok és tantervek térképét, a generált szöveg pontozására szolgáló eszközöket és kész MI-munkafolyamatokat tanároknak.

Public AI Libraries

A Public AI Libraries olyan pilot, amely megosztott MI-munkaállomást helyez amerikai közkönyvtárakba, chattel, kép- és videógenerálással, kódolási munkaterülettel, oktatási útmutatóval és minden látogató számára privát fiókkal.

Oktatóknak

Az MI-visszajelzés a tanáréval azonos mértékben javítja az átdolgozást, miközben a motiváció elmarad

Az MI és a tanári visszajelzés ugyanazokat az esszéket megközelítőleg ugyanannyival javította egy 312 íróval végzett randomizált kísérletben. A tanári visszajelzés többet tett a motivációért, mert a hallgató kötődést érzett ahhoz, aki adta.

Tartson emberi hangot a visszajelzés körül. Párosítsa a generált megjegyzést egy rövid oktatói válasszal, vagy használja az MI-t az első körre, a tanárt pedig a munkáról szóló beszélgetésre.

Kapcsolódó: MI-visszajelzés nagy léptékben

Ötből egy esszét teljes egészében a chatbot írt

Egy 77 egyetemi íróval végzett vizsgálat minden promptot, választ és beillesztést naplózott. Tizenöten, azaz ötből egy, chatbot által írt esszét adtak be, és a legtöbben mégis úgy érezték, hogy az esszé az övék.

Kérje be a köztes munkát: a promptokat, az átdolgozásokat és egy rövid jegyzetet arról, mi változott és miért. Tegye láthatóvá az átadást, amíg még van idő tanítani.

Kapcsolódó: Az értékelés újratervezése az MI korában

A középiskolások szinte egyetemesen használják az MI-t, és a gyengébb tanulók többet

Egy 4 062 német középiskolással végzett egyéves vizsgálat szinte egyetemes MI-használatot talált: 95% használta, és a gyengébb tanulók többet használták a feladatok befejezésére. Ez a minta később kevesebb erőfeszítést jelzett előre.

Ezért az MI-használat keretezése és az önirányított tanulás a tanterv része, amelyet az év során újra elő kell venni. Kérdezze meg a hallgatókat, mire való az eszköz ebben a feladatban, és adjon a gyengébb tanulóknak támogatott utat, amely a munka megértésével kezdődik.

Kapcsolódó: A túlzott MI-függés csökkentése

Egy támogató chatbot a naplóírással egyenértékű volt, míg egy társ csökkentette a magányt

Egy két hetes randomizált kísérletben 296 elsőéves hallgatóval egy támogató chatbot ugyanúgy teljesített, mint a naplóírás, a magány csökkentésében, míg egy véletlenszerűen kiosztott társ csökkentette azt. A bot több empátiát mutatott, miközben a hallgatók kevesebbet adtak vissza.

A bot hasznos első kapcsolat lehet, miközben egy társ vagy tanácsadó elérhető marad. Építse be ezt az emberi útvonalat minden hallgatói támogató szolgáltatásba, amelyet ajánl, és magát a magányt mérje.

Kapcsolódó: MI, szorongás és jóllét

Az MI-szimulációt felügyelt gyakorlásként kezelje

Egy 14 vizsgálatot áttekintő elemzés szerint az ápolóhallgatók értékelték az ismételhető, alacsony nyomású MI-szimulációt, és nagyobb magabiztosságot jelentettek, különösen a kommunikációban és a klinikai érvelésben. A valósághűség, a testbeszéd és a válaszkésleltetés gyenge maradt.

Tájékoztassa a hallgatókat a korlátokról, követelje meg a generált tartalom ellenőrzését, és tartson utólagos megbeszélést. Tartsa meg az emberi interakciót ott, ahol a nonverbális kommunikáció vagy a tartós empátia a gyakorlat lényege.

Kapcsolódó: Ápolóképzés

A záróprojektek kódja megháromszorozódott, miközben a megjegyzések szinten maradtak

Tíz félév 260 záróprojektje a számítástechnika-oktatásban azt mutatja, hogy a medián kód mintegy 3 400 sorból 10 000-re nőtt, míg a megjegyzések aránya 8% körül maradt. A commitok száma emelkedett; az egyes commitok alig változtak.

Értékelje a tervezési döntéseket, a kód magyarázatát és a hallgató képességét annak megváltoztatására. A produktum most gyorsabban nőhet, mint a tanulás, amelyet meg kellene mutatnia.

Kapcsolódó: Az értékelés újratervezése az MI korában

Fejlesztőknek

Az ábra nélkül egy MI-tutornak el kell utasítania a feladatot

Hat képes MI-modell 376 középiskolai matematikai tétellel foglalkozott, amelyek ábrái kulcsfontosságú információt hordoztak. Az ábrával a legjobb alig több mint a felét oldotta meg; nélküle szinte minden alkalommal elutasította.

Az elutasítást hiányzó kontextus jelének tekintse. Az ábra nélkül készült pontszám vagy profilfrissítés egy másik feladatot mér.

Kapcsolódó: Matematikaoktatás

Egy írótutor, amely kérdéseket tesz fel, és a hallgatóknak hagyja az írást

A MAIKE kérdéseket tesz fel és érveket diagnosztizál, miközben az esszé szövegét a hallgatónak hagyja. 65 középiskolás körében a javulás a kontrollchatbotéval egyezett, 40% a 41%-kal szemben, és a MAIKE felhasználói több kört töltöttek ötletekkel; egyikük sem teljesített rosszabbul.

Mérje, hogy a chatben megvitatott ötlet átdolgozássá válik-e. Egy írásoktatási eszköz, amely csak a végleges szöveget javítja, megkerülheti azt az érvelést, amelyet a feladat építeni hivatott.

Kapcsolódó: Írástanítás MI-vel

Nagyítson és emeljen ki a dián, miközben a narráció fut

A GuideSlide narrál egy diakészletet, és vizualizációval nagyít arra a részre, amelyről éppen szó van. Egy 24 emberrel végzett vizsgálatban, akik telefonon nézték, a munkateher csökkent, a megértés 5,5-ről 6,5-re emelkedett a 9-ből, és 22-ből 21 előnyben részesítette.

Az előny egy nappal később nem volt statisztikailag szignifikáns, így a vizsgálat a nézés közbeni figyelmet támogatja; a tartós tanulás tesztelés nélkül maradt. Építse a jelzést magába a narratívába.

Kapcsolódó: Az MI beépítése a tanulásba

Egy finomhangolt detektor névtorzítás nélkül is azonosíthatatlanná teheti a hallgatói szöveget

Öt eszközt teszteltek 13 613 hallgatói szövegfájlon. Egy finomhangolt GPT-4o-mini az azonosító adatok mintegy 96%-át megtalálta az Azure tokenenkénti árának nagyjából egyhatodáért; a Microsoft eszközei gyakrabban hagyták ki az afrikai és ázsiai neveket.

Tíz átiraton való betanítás új halmazon is működött, tehát a megközelítés átvihető. Tervezzen be egy második ellenőrzést, amikor a pontosság számít, és jelentse, mely csoportokat hagyja ki az eszköze.

Kapcsolódó: Intézményi MI-szabályzat

A videóelemzés emberi szintű egyezést ért el, emberrel a folyamatban

A GAIVA átírja, címkézi és értelmezi a tantermi videót tanulási analitika számára. Öt felvételen a címkéi megközelítőleg olyan szorosan egyeztek az emberi bírálókkal, mint két bíráló egymással, és felszínre hozott egy olyan részvételi formát, amelyet az eredeti elmélet nem nevezett meg.

A modellt kódolási partnerként kezelje nyomon követhető prompttal és minden szakaszban emberi döntéssel. A modell olyan mintákat is felszínre hoz, amelyeket egy emberi bíráló talán nem keresett volna.

Kapcsolódó: MI-támogatott oktatási kutatás

Kutatóknak

Egy nagy átlagos hatás még mindig jelenthet megbízható előny nélkül

Négy kontrollált vizsgálat áttekintése 420 számítástechnikai és mérnöki hallgatóval nagy átlagos javulást talált, miközben a vizsgálatok élesen ellentmondtak egymásnak, és a valószínű tartomány a nulla előnyt is magában foglalta. A bizonyítékot nagyon bizonytalannak minősítették.

Négy különböző vizsgálat nagy átlagát a kurzusára vonatkozó hipotézisként kezelje. Kísérletezze ki a személyre szabott tanulást ott, ahol futni fog, és mondja ki egyértelműen, mennyire bizonytalan a bizonyíték.

Kapcsolódó: Mit jelent a személyre szabott tanulás

Egy MI-osztályozó, amely ismeri a tanuló rekordját, ugyanazt a munkát másképp osztályozza

Hat MI-modell ugyanazt a 300 rövid választ osztályozta egy valós és egy kicserélt megjegyzéssel a korábbi teljesítményről. Minden modell magasabbra értékelte ugyanazt a munkát a magas címke alatt, 0,28 és 0,75 pont között egy tízfokú skálán.

A hallgatói kontextus itt torzításként viselkedik. Jelentse a kontextushatást az egyezési szám mellett, és tesztelje az osztályozást a hallgató rekordja nélkül, mielőtt egy modellt megbízhatónak nevez.

Kapcsolódó: Az MI-osztályozás tisztességessége és megbízhatósága

Egy tisztességesnek látszó tutor elrejthet egy 26%-os készségszakadékot

A MATHia adaptív matematikai tutort használó 8 549 hallgató két évnyi naplója azt mutatta, hogy az olvasást még tanuló hallgatók 68,7%-ban sajátították el a készségeket a 77,6%-kal szemben, miközben az átfogó tisztességességi mérőszám szinte semlegesnek látszott. Egyetlen készség a becsült elsajátításban 26%-os szakadékot rejtett.

A tutornak nem volt olvasáskészség-komponense, így az olvasásoktatás hiányzó tényező volt egy matematikai rendszerben. Modellezze a készséget, és jelentse a szakadékokat azon a szinten, ahol egy tanár beavatkozna.

Kapcsolódó: MI-torzítás és tisztességesség az oktatásban

A detektálás téves pozitívjai irányítási probléma

90 vizsgálat áttekintése szerint az MI-detektorok olyan arányban jelölnek meg legitim szövegeket, amely nem vonható össze, mert az eszközök, küszöbök, adathalmazok és nyelvek különböznek. Absztraktokat, szakirodalmi áttekintéseket, vizsgaválaszokat, fordított szövegeket és szerkesztett prózát folyamatosan megjelöltek.

A megoldás eljárási jellegű: átlátható használat, emberi felülvizsgálat, MI-műveltség, kifejezett intézményi szabályzat és fellebbezési útvonal. Ez az irányításba tartozik, a detektorbeállításokkal mint annak egy részével.

Kapcsolódó: Használjunk-e MI-detektorokat?

Az emberi osztályozókkal való egyezés még mindig elvétheti a munkát

Huszonkét MI-modell osztályozott feladatonként 100 tételt rövid válaszokon, kódon és esszéken. A legtöbb egyezett az emberekkel a rövid válaszokon, négy egyezett vagy felülmúlta őket a kódon, és egyik sem érte el az emberi szintet az esszéken.

Egy magas egyezési szám együtt létezhet olyan MI-osztályozóval, amely a megjegyzést osztályozza, és elvéti a választ. Adjon megváltoztatott válaszokat az értékeléshez, és jelentse, hol tér el a modell a munkától.

Kapcsolódó: Az MI-osztályozás tisztességessége és megbízhatósága

Intézményvezetőknek

A neurodivergens oktatástechnológiai bizonyíték koncentrált és kutatóvezérelt

93 vizsgálat áttekintése szerint az autizmus uralta a neurodivergens tanulók oktatástechnológiájára vonatkozó bizonyítékot, 39,8%-kal, megelőzve az értelmi fogyatékosságot, az ADHD-t és a diszlexiát. A kiterjesztett valóságot (VR és AR) vizsgálták a legtöbbet; a társas és kortárs kimenetek kevesebb figyelmet kaptak, és a gyerekek alig szólhattak bele.

Kérdezze meg azt a kimenetet, amely a tanteremnek számít, és azokat a tanulókat, akiket bevontak az értékelésbe. Egy csak kutatók által validált állítás eltávolodhat azoktól, akiket szolgálni hivatott.

Kapcsolódó: MI fogyatékossággal élő és neurodivergens tanulóknak

A hallgatók intézményi asszisztenst akartak a visszajelzéshez

Egy 13 hónapos közös tervezési program 315 hallgatóval és 20 munkatárssal azt találta, hogy 73% értékelte a tanulmányaikhoz kötött, éjjel-nappali visszajelzést. A kártyák és kvízek több pozitív megjegyzést kaptak, mint a nyitott chat, és 18 bétatesztelőből 16 akarta az asszisztenst.

Az a 10–15%, amely értékrendi alapon ellenállt, jelenti az elterjedési kockázatot. Kezelje a aggályaikat tartalmiként. Magyarázza el, hogyan kezelik a hallgatói adatokat, és mit nem tud az asszisztens, a pilot előtt, és adjon a hallgatóknak lehetőséget a kimaradásra.

Kapcsolódó: Az MI beépítése a tanulásba

A felügyelet elkapja a csalást, és a költséget a legkevésbé előnyös helyzetűekre tolja

32 vizsgálat áttekintése szerint az MI-felügyelet elkapja a személycserét és a csalást, miközben a téves pozitívok, a világítási és sávszélesség-hibák, a szorongás és az adatvédelmi károk a legkevésbé előnyös helyzetűeket sújtják leginkább. A vizsgálatok 59%-a automatizált felügyeletről szólt.

Az áttekintők alternatív értékelést és az emberi és automatizált megfigyelés keverését javasolják. Csökkentse a nagy tétű online vizsgát, mielőtt újabb detektort ad hozzá.

Kapcsolódó: Intézményi MI-szabályzat

Egy irányítópult-jelentés emelte a befejezést, miközben a tesztpontszámok szinten maradtak

Azokat a tanárokat, akik újként kerültek egy online matematikai tutorhoz, véletlenszerűen arra ösztönözték, hogy nyissanak meg egy tanulási analitikai irányítópult-jelentést a hallgatók első feladaton nyújtott teljesítményéről. Ez nem változtatta meg sem a következő feladatot elkezdők arányát, sem a hallgatók tesztpontszám-növekedését, bár a befejezés emelkedett a kisebb osztályokban.

Tesztelje, hogy a tanárok megnyitják-e a jelentést, cselekszenek-e rá, és látnak-e tanulási nyereséget, mielőtt analitikát vásárol; a befejezés emelkedése önmagában nem elég.

Kapcsolódó: Annak ellenőrzése, hogy az oktatási MI működik-e

Szinte egyetlen intézmény sem tudja megnevezni, kié az MI-irányítás

Egy 387 hallgatóval és munkatárssal végzett felmérés 13 országban azt találta, hogy csak 17% tudott kijelölt MI-irányítási szerepkörről. A többiek 71%-a szükségesnek tartott egyet, és 76% várta, hogy javítani fogja a tapasztalatait.

A válaszadók egy mandátummal rendelkező szerepkört írtak le; egy mandátum nélküli bizottság betöltetlenül hagyja ezt a szerepet. Adjon a felelősnek felhatalmazást a képzésre, az adatbiztonságra, az etikai felülvizsgálatra és a stratégiára, és tegye közzé, ki tölti be.

Kapcsolódó: Intézményi MI-szabályzat

A héten még hozzáadott tanulmányok

• Assessment of teacher performance and learner behavior using artificial intelligence in higher education: an integrative review of literature
• Process visualization feedback in news translation: a controlled intervention study of human-AI interaction using multimodal process data
• A teamwork framework for preventing breaches of academic integrity and improving students' collaborative skills in the AI era
• Artificial intelligence in higher education and graduate employability: cognitive engagement, self-efficacy, and career adaptability in the AI era
• Uneven automation: comparing authorship anxiety and generative AI use among art and design undergraduate students
• University students’ overreliance on generative AI feedback in the learning process: the effects of perceived cognitive load, cognitive offloading, and metacognitive monitoring
• What Do They Think? Undergraduate Perceptions of Student-AI Use
• Ability of AI detection tools and humans to accurately identify different forms of AI-generated written content
• AI and I-Distributed authorships in the Swedish upper secondary writing classroom
• Beyond Response Scoring: An AI-aware Cognitive Supervision Framework for Automated Mathematical Short Answer Grading
• Data and AI Literacy in Geography Education: A Needs Assessment of Pre-Service Geography Teachers
• Declared, Not Detected: A Blockchain-Anchored, Agentic Framework for Academic Integrity in the Generative AI Era
• Developing Feedback Taxonomy for Math: A Synergy of Perspectives through Data Mining Methods
• Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
• Examining AI interaction profiles in generative AI supported fraction division problem posing
• I'm Sorry, Dave. I'm Afraid This Feedback is not Constructive: Human Perspectives Versus ChatGPT Evaluations of Feedback in an Era of Artificial Intelligence
• Making argumentative work visible in GenAI-mediated assessment: An exploratory LLM simulation and questionnaire study in university ideological and political education
• Owning what one did not make: psychological ownership, agency, and the authorship legitimation deficit in human-AI co-creation
• Preliminary evaluation of an AI-powered chatbot for academic integrity support in higher education
• Automating Self-Affirmation Essay Coding: Fine-Tuned BERT Performance Comparable to Human Coders and Comparison with GPT-4
• Mapping moral reasoning research among college students: a bibliometric analysis of traditional foundations and emerging digital ethics
• The longitudinal relationships among AI-assisted music classroom engagement, flow experience, and musical emotional intelligence: a parallel-process latent growth modeling study
• A Comparative Study of Knowledge Component Granularity in Intelligent Language Tutoring Systems
• Effects of generative AI assisted grammar instruction on Ethiopian EFL learners' self-efficacy, metalinguistic awareness, and writing performance
• Mapping the Integration of AI Literacy Into Information Literacy Instruction in Academic Libraries: A Systematic Review of Emerging Research
• AI in mathematics classrooms: A synergistic strategy for diversity and inclusivity
• Artificial intelligence in embodied learning: A systematic literature review
• Dear Gemini: Agency, Peer Review, and Critical AI Literacies in Student Writing Ecologies
• From design to classroom adoption: Teachers' perspectives on AI-powered writing analytics in resource-constrained contexts
• How does generative AI support inquiry-based learning? A systematic review
• Scaffolding Autonomy: AI-Augmented Self-Paced Learning Environments for Sustainable Learning Outcomes
• Sustained use of generative artificial intelligence (GenAI) in programming education: A systematic review of empirical evidence on adoption, learning outcomes, and continuance intention
• Active Learning with Generative AI in Introductory Physics: A Multi-Institutional Study of the P-A.I.R. Framework
• AI literacy and vocational students’ complex problem-solving skills: a moderated mediation model of systematic thinking, cognitive load, and perceived school ICT support
• AI literacy facets in creative higher education: associations with learning performance and academic well-being
• Artificial intelligence (AI) and information seeking: A comparative exploration of AI chatbots, search engines, and library resources as information sources among university students
• Artificial intelligence in professionally oriented physics education: patterns of use and perceived learning support among future engineers
• Breaking career boundaries in the AI era: how AI literacy relates to university students' perceived employability through future work self salience and boundaryless career mindset
• Designing Safe and Relevant Generative Chats for Math Learning in Intelligent Tutoring Systems
• From generation to judgment: the multidimensional structure of design thinking mindset and differences across learning stages in AIGC-supported fashion film design learning
• Generative AI dependency and perceived learning outcomes among university students: an indirect association involving effort regulation
• Generative artificial intelligence reshapes university students’ sustainable use of academic information resources: mixed evidence from behavioral logs and perceptual survey data
• Learning engagement and creative self-beliefs in generative AI-supported design education: self-reported prompt literacy and dimensions of AI dependence
• Scaffolding GenAI Use in Ethical Essay Writing: A Three-Year Experience Report in Introductory Computing
• Teachers’ basic psychological need satisfactions and their intentions to use generative artificial intelligence: the mediating role of engagement in professional development
• Using Machine Learning to Measure Self-Efficacy Belief Through Learners' Interaction Traces in Technology-Enhanced Learning
• What Am I Really Doing with My Own Brain?": College students on learning, ownership, and AI
• A Framework for Considering Exploration, Interpretation, and Confirmation During Data Analysis: Computationally Assisted Analysis of Teacher-Group Interactions
• A metacognitive approach to learning and performance in human-AI interaction
• Beyond access: How GenAI literacy relates to task performance, motivation, cognitive load and interaction patterns in AI-assisted learning environment
• Characterizing diverse student behaviors, interactions, and perceptions with GAI-augmented learning analytics tool
• ChatGPT and student engagement in L2 writing: a systematic review towards a ChatGPT-enabled smart learning environment framework
• ClickSight: An LLM Framework for Interpreting Student Clickstreams Through Learning Strategies
• CLST: Cold-Start Mitigation in Knowledge Tracing by Aligning a Generative Language Model as a Students' Knowledge Tracer
• Combining AI and corpus technology in language teaching: Professional development and knowledge co-construction using the CoI framework
• Comparing Zero-Shot Large Language Model Prompting with Human Coding of Theory Concepts in Student Essays
• Design and preliminary validation of an AI enhanced game based learning environment for computational thinking in upper secondary education
• Development and validation of the AI cognitive offloading scale for Chinese college students
• Evaluating Generative AI as a Supportive Analytic Partner in Qualitative Coding of Metacognitive Student Reflections
• Exploring AI peer in collaborative mathematics learning
• GenAI-based metacognitive prompting in collaborative inquiry: A comparison across diverse preconception groups
• Generative AI and student motivation: an SDT-guided systematic review of learning activities, motivational regulation, and measurement
• Intrinsic and Contextual Factors Impacting Student Ratings of Automatically Generated Questions: A Large-Scale Data Analysis
• Leveraging Large Language Models to Identify Conversation Threads for Collaborative Learning Analysis
• Motivational organization in AI-supported writing: A self-determination perspective
• Personalizing Second Language Learning: Integrating AI with Learner Preference, Proficiency, and Engagement
• Psychological pathways to responsible generative AI decision-making among teachers: governance clarity, perceived accountability, decision uncertainty, and AI literacy
• Rigor, commitment, and generative AI: a conceptual framework for student engagement in EAP writing
• Should there be a teacher in-the-loop? A study of generative AI-personalized tasks middle school
• To Align Long, Plan Short: Simulating Diverse Profile-Aligned Students by Realizing Short-Term Plans in Long-Horizon Learning Environments
• Using Bayesian Knowledge Tracing to Evaluate Perceptual Scaffolding and Desirable Difficulties in a Math Intervention
• Using LLMs to Identify Indicators of Persistence from Students' Dialogues with a Pedagogical Agent
• What a teacher cannot delegate: a pedagogy-first framework for integrating conversational AI agents across the simulation cycle
• Who Is Doing the Thinking? Characterising Human Agency in First-Year Students’ AI Interactions
• Artificial intelligence and immersive technologies for LGBTQ+ youth: a narrative review
• Who benefits from LLMs? Prompt engineering competence and equity in higher education
• Trusting AI too much? Psychological correlates of overtrust and the role of AI literacy
• AI for eGovernance: Leveraging Language Technologies For Digital Inclusion
• Perceived and demonstrated generative AI literacy in engineering problem solving: the role of verification behavior
• Rethinking the Structure of AI Literacy in Generative AI Educational Systems: Descriptive Patterns of Expert Convergence and Heterogeneity
• Human-AI Collaboration for Qualitative Analysis in Participatory Design: Refining the Writing Analytics Tool
• Why is AI-generated language so hard to understand?
• Generative AI configurations across creative phases: a 2 x 2 experiment on creative performance and immediate knowledge in art and design education
• Supporting creative agency: metacognitive control and trust in generative AI art education
• A model for enhancing the quality of geography education based on the integration of Artificial Intelligence and Geographic Information Systems
• From Policing Provenance to Designing for Evidence: Testing Four Propositions on Generative AI Against Research and Institutional Policy
• Higher education governance under AI and geopolitical disruption: a socio-technical framework for administrative artificial intelligence
• ChatGPT and employability in higher education: exploring creativity, critical thinking, and problem-solving
• From technology adoption to curricular coherence: technology-enhanced simulation as a bridge in health professions education
• A Survey of Graph-Based Knowledge Tracing from Structural and Propagation Perspectives: Models, Applications, and Future Directions
• Integrating Topic Modeling and LLM Prompt Engineering into a Human-driven Approach to Analyze Interview Transcripts
• Leveraging Interview-Informed LLMs to Model Survey Responses: Comparative Insights from AI‑Generated and Human Data
• Analyzing Educational Video Transcripts with LLMs: Accuracy, Named Entities, and Interpretability
• Data Plus Theory Equals Codebook: Leveraging LLMs for Human-AI Codebook Development
• Towards responsible and trustworthy educational data mining: Comparing symbolic, sub-symbolic, and neural-symbolic AI methods
• The Ghost Learner Paradox: A Systematic Review of Metacognitive Laziness in the Age of Generative AI
• Beyond ChatGPT: A Comparative Mapping of AI Research in STEM and Engineering Education and the Contemporary AI Tool Ecosystem
• Generative AI and Cognitive Processes in Education: A Narrative Review and Conceptual Framework
• Fifty years of topic development, thematic combination, and AI's evolving reach in Computers & Education
• From "usefulness" to "dependence": the dynamic evolution mechanism of generative AI use behaviors
• Generative AI in Education and the Erosion of Critical Democratic Citizenship

A folyóirat-oldal felsorolja az ezen a héten hozzáadott minden tanulmányt, köztük azokat is, amelyeket itt nem összegeztünk.

Az oldal hírei

A hírlevél és RSS-csatornája most spanyolul is elérhető: látogassa meg a spanyol hírlevél-oldalt, vagy iratkozzon fel a spanyol hírlevél RSS-csatornájára. Ha más nyelvi változatot szeretne kérni, nyisson egy hibajegyet, vagy lépjen kapcsolatba az oldal fejlesztőjével.

Az oldal sokkal könnyebb lett. A teljes fogalom- és GYIK-fa kikerül minden oldalról: az oldalsáv tíz témacsoportot mutat, és a teljes listát csak akkor tölti le, amikor az olvasó kinyit egyet, a jobb oldali sáv pedig nyolc friss oldalt sorol fel a harminc helyett. A build egészében a HTML 1,80 GB-ról 1,26 GB-ra, az oldalsáv jelölőnyelve 604 MB-ról 87 MB-ra esett.

A fordítások mind a 33 beállított nyelvi változatban frissültek, beleértve a jobbról balra író arab, héber és urdu kiadást. A cikkösszefoglalók továbbra is csak angolul olvashatók.

Az offline kiadások új GitHub releases-helyre költöztek, így a régi EPUB- és PDF-hivatkozások már nem oldódnak fel. Minden nyelvi oldal megtartja a szokásos címét. EPUB- és PDF-fájlok a lenti hivatkozásokkal szereplő 19 nyelvhez léteznek; a többi 14 csak webhelyként érhető el.

• Angol: EPUB és PDF
• Español (spanyol): EPUB és PDF
• Français (francia): EPUB és PDF
• 中文 (kínai): EPUB és PDF
• Deutsch (német): EPUB és PDF
• 日本語 (japán): EPUB és PDF
• 한국어 (koreai): EPUB és PDF
• Português (portugál): EPUB és PDF
• العربية (arab): EPUB és PDF
• עברית (héber): EPUB és PDF
• हिन्दी (hindi): EPUB és PDF
• Русский (orosz): EPUB és PDF
• Українська (ukrán): EPUB és PDF
• Italiano (olasz): EPUB és PDF
• বাংলা (bengáli): EPUB és PDF
• اردو (urdu): EPUB és PDF
• Bahasa Indonesia (indonéz): EPUB és PDF
• Tiếng Việt (vietnámi): csak webhely
• Nederlands (holland): csak webhely
• Svenska (svéd): csak webhely
• Dansk (dán): csak webhely
• Suomi (finn): csak webhely
• Norsk bokmål (norvég bokmål): csak webhely
• Română (román): csak webhely
• Magyar (magyar): csak webhely
• Čeština (cseh): csak webhely
• Български (bolgár): csak webhely
• Slovenčina (szlovák): csak webhely
• Hrvatski (horvát): csak webhely
• Ελληνικά (görög): csak webhely
• Polski (lengyel): csak webhely
• Kiswahili (szuahéli): EPUB és PDF
• Türkçe (török): EPUB és PDF

A forrás 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.