Fogalmak Gyakran Ismételt Kérdések Keresés

Ezen az oldalon

AIEd kutatási heti összefoglaló #42026. november 14.

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 hozzáadott kutatás az oktatók, a fejlesztők, a kutatók és az intézményvezetők számára.

Az előző szám óta 199 új tanulmány, nyolc új fogalomoldal, két új GYIK-bejegyzés és tizenhárom új forrás csatlakozott a tudásbázishoz. A tudásbázis most 2,277 cikkösszefoglalót, 238 fogalomoldalt, 46 GYIK-bejegyzést és 53 forrást tartalmaz. Keressen, vagy használja az MI-t, hogy beszélgethessen a tudásbázissal.

Fő eredmények és kérdések

Megbízhat egy osztályozási átlagban? Két ChatGPT-verzió ugyanazokat az esszéket osztályozta, és minden dolgozatot a közép felé tolt: az egyiket, amelyet az oktató 50-re értékelt, 66-tal adta vissza, a másikat, amely 80 volt, 67-tel, így a leggyengébb és a legerősebb hallgató ugyanazt az osztályzatot kapta. Az MI-megjegyzéseket arra használja, hogy segítsen a hallgatónak átdolgozni, a rögzített osztályzatot pedig tartsa embernél.
Mi történik, ha a feladat változik, de az osztályzat nem? Az egyetemek az esszéket előadásokra és szóbeli védésekre cserélték, majd ugyanazt az egyetlen osztályzatot tartották meg a tanulmányi nyilvántartásban. Egy hallgató szóban meg tudja védeni a munkáját, és mégis egyetlen számmal távozik, amely semmit sem mond arról, hogyan gondolkodott. Változtasson azon, amit a tanulmányi nyilvántartás jelent, különben a reform csak a papírmunkát változtatja meg.
Jobban segít egy chatbot megérteni egy szöveget, mint a jegyzetírás? Azok a hallgatók, akik jegyzetet írtak, többet tanultak, mint akik egy chatbotot kérdeztek ugyanarról a szövegről, és a chatbotos hallgatók gyakran bemásolták a válaszait a jegyzeteikbe. Mégis könnyebbnek, hasznosabbnak és élvezetesebbnek értékelték a chatbotot. Tartsa meg az írásfeladatot, mert egy eszköz, amely összefoglalja az olvasmányt, azt a munkát végzi el, amely a tanulást létrehozza.
Az esszét osztályozzuk vagy a gondolkodást? Az esszét arra tervezték, hogy megmutassa, hogyan változik egy elme írás közben, és ha csak a kész szöveget osztályozzuk, ezt eldobjuk. Kérjen első vázlatot, annak bírálatát, és egy átdolgozást, amely megmondja, mi változott és miért. Egy chatbot meg tudja írni az utolsó vázlatot. Azt nem tudja megmutatni, hogyan jutott el odáig.
Tud az MI kézzel írt vizsgákat osztályozni? A Claude a feleletválasztós és rövid válaszos kézzel írt vizsgákat szinte pontosan úgy osztályozta, mint az oktató, a kézzel rajzolt ábrákkal pedig az esetek körülbelül felében találta el a helyes megoldást. Hagyja, hogy előzetesen osztályozza a felidézési kérdéseket, a rajzokat és a mérlegelést igénylő döntéseket pedig maga osztályozza.
Vezethet egy chatbot szóbeli vizsgát? Egy chatbot úgy kérdezheti ki a hallgatót, hogy soha nem látja az értékelési szempontsort, miközben a rendszer egy másik, rejtett része osztályozza a beszélgetést, így a hallgatók nem tudják kipromptolni maguknak a pontokat. A rendszerük túl nagyvonalúan osztályozott, amikor menet közben értékelte az egyes válaszokat. A teljes beszélgetést a végén osztályozza.

A Stanford bizonyítékáttekintése az MI-ről a K–12 oktatásban ezen a héten a 2026. novemberi kiadásra frissült, és a kauzális bizonyítékbázis 52 vizsgálatra duplázódott. Ha az MI-t magyarázásra és irányításra használják, az jobb tanulást jelez előre, ha a munka előállítására, az rosszabbat, és egy kísérlet azt találta, hogy egy általános asszisztens csökkentette a hallgatók motivációját.

Új GYIK

Két válasz csatlakozott a GYIK-hez ezen a héten. Mindkettő olyan döntésekről szól, amelyeket még azelőtt meghoznak, hogy bárki eszközt választana.

Milyen lehetőségeket és szempontokat kell mérlegelni az MI-eszközök bevezetésekor?

A bevezetési válasz három döntést választ szét, amelyeket egy szállítói lista összemos: milyen adatok kerülnek az eszközbe, engedélyezi-e az intézmény, és ki futtatja a modellt. Egy ingyenes chatbot a szállító szerverein tartja a beszélgetést. Egy campus átjárója a sajátján tartja, és meg tudja szakítani a hozzáférést. Kezdje az adatok kérdésével, mert ezt később nem tudja visszavonni.

Mit kellene elkerülniük az oktatóknak az MI használatakor?

Az elkerülésről szóló válasz három hibát nevez meg. Ne használja az MI-t arra a gondolkodásra, amelynek megtanításáért a feladat létezik. Ne tekintse a kattintásokat, az oldalon töltött időt vagy a befejezést a tanulás bizonyítékának. És ne írjon olyan szabályt, hogy „felelősen használja az MI-t”, miközben olyan feladatot hagy, amelyet egy chatbot egy perc alatt befejez. Ez utóbbi a gyakori hiba: egy szabályzatmondat nem változtat azon, amit a hallgatók meg tudnak tenni. A feladat és a gyűjtött bizonyíték igen.

Új fogalmak

Nyolc fogalomoldal csatlakozott a tudásbázishoz ezen a héten.

Az Árnyék-MI az az MI-használat, amely minden jóváhagyás előtt megtörténik. Egy oktató személyes ChatGPT-fiókban fogalmazza meg a visszajelzést, és az intézmény soha nem tudja meg, hogy hallgatói munka járt át rajta.
Az Intézményi MI-infrastruktúra a campus MI-használata mögötti csővezeték: ki kap hozzáférést, melyik modell fut, mit naplóznak, és ki fizet. Egy példa az egyetemi átjáró, amely minden tanszéknek kvótát ad, és auditnaplót vezet.
A Végrehajtó funkciók a tervezést, az információ észben tartását és az impulzus megállítását fedik le. Gondoljon egy hallgatóra, aki meg tud tervezni egy esszét, de félúton elveszíti a fonalat. Egy eszköz támogathatja ezt a tervezést, vagy elvégezheti helyette, anélkül hogy bárki észrevenné.
A Fejlődéspszichológia annak kutatása, hogyan változik a gyermekek gondolkodása az életkorral. Egy hétévesnek szüksége lehet arra, hogy az eszköz felolvassa a kérdést. Egy tizenhétéves meg tudja ítélni, hogy a válasz jó-e.
A Longitudinális kutatás ugyanazokat a hallgatókat követi hónapokon vagy éveken át. A kérdés az, hogy az októberi írásbeli nyereség megvan-e még májusban, nem az, hogy megjelent-e a témazárón.
Az Empátia elválasztja egymástól annak megértését, mit érez valaki, és azt, hogy együtt érzünk vele. Egy chatbot kedvesen át tudja írni a durva megjegyzést. Azt nem veszi észre, hogy a hallgató felhagyott a próbálkozással.
Az Esetalapú tanulás egyetlen konkrét helyzeten keresztül tanít, amelyről a hallgatóknak érvelniük kell. Képzeljen el egy beteget mellkasi fájdalommal és két egymásnak ellentmondó vizsgálati eredménnyel. A tanulás abban van, milyen kérdéseket tesznek fel a hallgatók az esetről, nem az eset szövegében.
A Metaforák és analógiák azok a képek, amelyekkel az MI-t magyarázzuk, például fekete doboz, segítő vagy tükör. Ha tutornak nevezi, a hallgatók azt várják, hogy tudja a választ. Ha tanulótársnak, nagyobb valószínűséggel ellenőrzik.

Új források

Tizenhárom forrás csatlakozott a forrástárhoz ezen a héten.

A Primer lehetővé teszi a tanárnak, hogy szerepjátékot vagy szimulációt írjon le köznyelven kódírás helyett, például egy tárgyalási gyakorlatot, amelyben az MI egy nehéz szülőt alakít.
Az Agentic Builds tanárok által épített kis alkalmazások gyűjteménye, a mögöttük lévő promptokkal együtt, amelyeket a saját órájára másolhat.
A Vibe-Coding Center három utasításfájlt ad, amelyeket beilleszthet egy kódoló asszisztensbe, hogy az általa írt webalkalmazás akadálymentes, privát és elég biztonságos legyen a hallgatók számára.
Az AI Guidance by Age egy szerepkört és egy életkori sávot vesz, és javasolja, mit kellene a hallgatóknak tudniuk az MI-vel az adott életkorban, és megmondja, mely részek még találgatások.
A Voice-First Written Assessment során a hallgatók hangosan elmagyarázzák a válaszukat, majd az átiratból átdolgozást írnak, így a gondolkodás rögzítve van, és az írás is megtörténik.
Az Amplify GenAI a Vanderbilt chatplatformja, amelyet a campus a saját felhőfiókjában futtat, így a hallgatói beszélgetések az intézménynél maradnak.
A conText olyan hangtutor, amely a következő kérdést teszi fel ahelyett, hogy a választ adná, és megmutatja a tanárnak, milyen úton járt a hallgató.
A MindRouter kapuőr a campus GPU-i előtt, tanszékenkénti kvótákkal, egyszeri bejelentkezéssel és annak naplójával, ki mit használt.
A Moodle AI Text Question Type MI által osztályozott kérdést ad a Moodle-kvízekhez, az értékelési szempontsorral a promptba írva, és a pontok egyenesen az osztályozókönyvbe kerülnek.
A MyEssayFeedback során a hallgatók vázlatot nyújtanak be, elolvassák az MI megjegyzéseit az Ön által kiválasztott részekről, majd rögzítik, mely megjegyzéseket fogadják el, mielőtt átdolgoznak.
A NowComment lehetővé teszi, hogy egy osztály sorról sorra megbeszéljen egy dokumentumot, és most már az MI is hozzáadhat vázlatos megjegyzést, amelyet a hallgatóknak szerkeszteniük kell.
A Teacher Hive tanárok által készített kis alkalmazásokat gyűjt, amelyekhez nem kell hallgatói bejelentkezés, és példaként teszi közzé őket, amelyeket más tanárok másolhatnak.
Az AI Tutor Pro és az AI Teaching Assistant Pro ingyenes tanulóeszközök hangbeszélgetéssel, kvízekkel és jegyzeteléssel nyolc nyelven, önállóan gyakorló hallgatóknak.

Egy névváltozás: az EduPrompts forrás ezen a héten még az EduGems nevet viselte. A promptgyűjtemény ugyanaz, és most az eduprompts.ai címen található.

Oktatóknak

Ne azt kérdezze, hogy a munka a hallgatóé-e, hanem azt, hogy mit mutat

Bayraktar amellett érvel, hogy a detektáló eszközök, a tiltások és az órai újraírások csak egyetlen kérdésre válaszolnak: függetlenül készült-e a produktum. Semmit sem mondanak arról, hogy a hallgató érti-e azt, aminek bizonyítására a feladat szolgált. A javasolt keretrendszer a kész munkát több forrás egyikeként tartja meg, és bizonyítékot ad hozzá ott, ahol a konstruktum igényli: döntési naplót, rövid jegyzetet arról, mely tanácsot utasították el, egy írásmegbeszélésen adott választ. Az MI-használatot magát is a hallgatók ítéletévé teszi, például annak megnevezésével, hol volt hibás az eszköz válasza.

Döntse el, milyen tanulást kellene a feladatnak bizonyítania, mielőtt ellenintézkedést választ. Adjon hozzá egyetlen artefaktumot, amely betölti a rést, ahelyett hogy minden kurzust portfóliókurzussá tenne, és kérdezze meg a hallgatókat, hol nem volt hasznos az MI. Egy bekezdés erről többet ér, mint egy nyilatkozat.

Kapcsolódó: Az értékelés újratervezése az MI korában

Tartsa meg a feladatot, adjon hozzá papírnyomot

Winstone, Gravett és Elkington amellett érvel, hogy az egyetemek legtöbb válasza a generatív MI-re beszéd: jelzőlámpák, nyilatkozatok, engedélyezett használatra vonatkozó szabályok. A Black Box Assessment keretük megtartja a feladatot, és arra kéri a hallgatókat, hogy nyújtsanak be ablakokat a folyamatra, például vázlatokat, átdolgozási naplókat és rövid reflexiókat, az értékelési szempontsorokat pedig úgy írják át, hogy az átdolgozás pontot érjen. Nem számolnak be kísérleti bevezetésről, és ezt meg is mondják.

Vegyen egy feladatot, és követeljen meg egy folyamatartefaktumot: a vázlatot, az első fogalmazványt, vagy egy bekezdést arról, mit változtatott meg a visszajelzés. Osztályozza azt az artefaktumot egy megadott kritérium szerint. A hallgatóknak így okuk van megtartani a feljegyzést, és a tudományos integritás a feladatban él, nem egy szabályzatmondatban.

Kapcsolódó: Az értékelés újratervezése az MI korában

A tanári és az MI-visszajelzés egyformán teljesített

Meyer és munkatársai 391, a 10. és 11. évfolyamon tanuló diákot randomizáltak Németországban három feltételre: a tanáruk által írt visszajelzésre, azonnali MI-visszajelzésre, vagy későn kézbesített MI-visszajelzésre, hogy a forrás és az időzítés szétválasztható legyen. Minden szokásos összehasonlítás nulla eredményt adott. Az átdolgozások javultak, a következő írásfeladat nem különbözött, a feladattal töltött idő, a motiváció és az affektus pedig statisztikailag megkülönböztethetetlen volt a tanári és az MI-visszajelzés között.

A hallgatók az azonnali MI-visszajelzést hasznosabbnak és motiválóbbnak értékelték a tanárinál, de a késleltetett MI-csoport nem kapta ugyanezeket az értékeléseket, tehát az előny a gyorsaságból származott, nem a szerzőségből. Használjon MI-visszajelzést, amikor a tanár nem tud gyorsan reagálni, és arra számítson, hogy tartja a szintet, nem emeli. Ellenőrizze, hogy a hallgatók nem tévesztik-e össze a gyors megjegyzést a hasznos megjegyzéssel.

Kapcsolódó: Az értékelés újratervezése az MI korában

Fejlesztőknek

Egy tutor, amely meghátrál, amikor a hallgató azt mondja: „a jegyzeteim mást mondanak”

Liu és Korolova tizenegy kereskedelmi modellt futtatott át két szimulált K–12 matematikai tutorálási kísérleten: 400 kérdést egy ötfordulós válasz-átdolgozási protokollon és 1,884-et egy kétfordulós diagnózisprotokollon. Ha a hallgató hibás válasszal nyitott, az első forduló pontossága 5.5 ponttal csökkent. Az első fordulóban helyes válaszok közül egy puszta „nem értek egyet” 5.2%-ot fordított a hallgató hibás választására, a „jegyzeteim szerint B” ellenvetés 12.7%-ot, a kifejezett hibás érvelés 3.1%-ot. A helyes beszélgetések közül, amelyek hibás válaszon végződtek, 86% az első ellenkezésnél fordult meg. A helyes munka megkérdőjelezése a diagnosztikai pontosságot is 66.5%-ról 58.0%-ra csökkentette, a téves pozitívokat pedig 33.5%-ról 42.0%-ra emelte.

A tekintélyre való hivatkozást úgy kezelje, mint a lépés újralevezetésére irányuló kérést, ne mint újraválaszolási kérelmet, és soha ne zárjon le egy félreértés-diagnózist olyan munkán, amelyet a hallgató épp megkérdőjelezett. Tesztelje a tutorokat előre megírt, többfordulós párbeszéden, és a meghátrálási arányt külön jelentse az első forduló pontosságától, mert két azonos első fordulós pontszámú modell 7.5 ponttal különbözött abban, milyen gyakran hátrált meg.

Kapcsolódó: MI-tutorok betanítása irányításra, nem válaszadásra

Az értékelési szempontsor a mérőeszköz, nem a modell

Roy és munkatársai megmutatják, hogy ugyanaz az ítész két különböző értékelési szempontsorral két különböző mérést ad, és hogy egy homályos szempontsor, amely „hasznos és tényszerű” válaszokat kér, jutalmazhat egy kidolgozott, de hibás választ. Négy nyilvános preferencia-adathalmazon, hat szempontsor-forráson és három nyílt súlyú ítészen át egyetlen szempontsor-forrás sem vezetett minden tengelyen: az ítészek közötti egyezésben, a preferenciailleszkedésben és a kijátszás elleni ellenállásban. A kritériumok preferenciaadatok szerinti átrendezése 65.0%-ról 68.6%-ra emelte a félretett adatokon mért pontosságot, a kritériumok kiskapuk bezárására való átírása pedig 46.4%-ról 36.0%-ra csökkentette a kihasználás sikerét.

Tekintse az értékelési szempontsort az eszköznek, és verziózza a modellel együtt. Rögzítse a szempontsor szövegét, dátumát és az ítész konfigurációját az osztályzatok mellett, és a kihasználhatóságot külön tesztelje az egyezéstől: írjon néhány választ, amely megfelel a megfogalmazásnak, miközben megsérti a szándékot, és nézze meg, kap-e magas pontot.

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

Az olvasótutor segített, amikor a hallgatók eleget használták

Egy charteriskola minden első és második osztályos tanárnak adott egy fonika- és folyékonysági tutort, a használatot pedig a tanár belátására bízta. Akik sokat használták, többet nyertek, mint akik keveset, g = 0.56-tal a hangos olvasási folyékonyságban. A magas használat és a semmilyen használat közötti összehasonlítás elmaradt a korrigált szignifikanciaküszöbtől. Az osztálytermek közötti különbség a naplózott percekben dőlt el.

Naplózza a perceket hallgatónként az első naptól, és jelentse őket a kimenet mellett. Ha a napló üres, az a bevezetésről szóló megállapítás, nem a tutorról. Egy tankerület, amely licenceket számol használat helyett, lapos eredményt fog látni, és semmit sem tanul.

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

A Copilot gyorsabbá tette a kezdőket, és ott hagyta őket, ahol elkezdték

Huszonkét kezdő és középhaladó programozó két 20 perces kódolási feladatot végzett, egyszer emberi partnerrel, egyszer Copilottal, majd körülbelül egy hét múlva egyedül megismételte a feladatokat. Copilottal 14 ponttal magasabb pontszámot értek el 100-ból, és sokkal alacsonyabb mentális terhelést és erőfeszítést jelentettek. Egy hét múlva az előny eltűnt: az újrateszt pontszámai 4.8 ponttal alacsonyabbak voltak, statisztikailag nem különböztek, és az egyes személyek első alkalomból való visszaesése körülbelül 19 ponttal nagyobb volt az MI-s alkalom után.

Adjon hozzá segítség nélküli újratesztet minden kódoló asszisztenshez, amelyet épít vagy vásárol. Az órán látott nyereség kölcsönzött lehet, és a legnagyobb azoknál, akik már a legtöbbet tudták. Az emberi párosítás ebben a vizsgálatban alacsonyabb pontszámot és magasabb munkaterhet hozott, de jobb bevonódást és a megtartás felé mutató tendenciát is.

Kapcsolódó: Az MI beépítése a tanulásba

Kutatóknak

Egy szigorúbb metaanalízis felére vágja a tutorálás hatását

Leite és munkatársai 18 kísérletet, 77 hatásméretet és 11 amerikai K–12 iskolában használt intelligens tutoráló rendszert vontak össze. A teljesítményre gyakorolt átlagos hatás g = 0.271 volt, jóval a korábbi metaanalízisek által jelentett hatások alatt, mert ez egyetlen nemzeti rendszerben maradt a kísérleti terveknél. A helyszín számított: a vidéki iskolák g = 0.146-ot mutattak a városi iskolák 0.298-ával szemben. Az is számított, ki irányítja a támogatást: a kidolgozott példák 0.324-et, az igény szerinti tippek 0.316-ot értek el, az időtartam pedig két hét és három hónap között tetőzött (0.449), majd hat hónapon túl egy nem szignifikáns 0.110-re esett.

Kezelje a régebbi tutorálási hatásméreteket optimistának, amíg nem ellenőrzi a vizsgálati tervet és a helyszínt. Moderátorokat jelentsen összevont átlag helyett, és számítson arra, hogy egy gyenge infrastruktúrájú vidéki bevezetés nagyjából a városi hatás felét hozza. Az időtartam-görbe a következő tesztelendő eredmény: szinte semmilyen bizonyíték nem fed le egy teljes évet.

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

A generatív MI akkor segít legtöbbet a nyelvtanulóknak, amikor visszajelzést ad, nem amikor tanít

Zhang, Aubrey, Wu és Chiu 48 kontrollált vizsgálat 67 hatásméretét vonták össze, 5,196 tanulóval. A kiigazítatlan hatás nagy volt, g = 0.76, és g = 0.57-re esett, amikor három kiugró értéket eltávolítottak. Az eszköz szerepe többet magyarázott az átlagnál: a visszajelzés és az értékelés g = 1.15-öt ért el, a beszélgetőpartner 0.81-et, a tanítási integrátor 0.28-at. A tanuló által irányított használat felülmúlta az MI által vezetettet, 0.92 a 0.34-gyel szemben. A randomizált kísérletek nagyobb hatásokat jelentettek, mint a kvázi-kísérletek, 1.02 a 0.48-cal szemben.

Kérdezze meg, milyen szerepet játszik az eszköz, mielőtt azt kérdezné, működik-e. Ha vizsgálatokat von össze, modellezze a tervtípust moderátorként, mert ugyanannyit mozdít a becslésen, mint a beavatkozás. Egy nyelvkurzuson a visszajelzés és a gyakorlás, a hallgató kezében a döntéssel, az a konfiguráció, amelyet a bizonyíték támogat.

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

Az, hogy mit jelent az MI-műveltség, a hallgató életkorától függ

Guo, Ali és Wong 118 K–12 vizsgálatot olvastak el, és a területet kilenc kategóriába és 35 alkategóriába rendezte. PACES keretrendszerük négy iskolai sávon át szakaszolja az MI-műveltséget, azzal az érvvel, hogy amit egy másodikosnak tudnia kell, fajtájában különbözik attól, amire egy végzősnek van szüksége. A validált mérőeszközök átvizsgálása azt találta, hogy szinte minden a középiskolára irányult, és semmi sem méri az MI-vel való munka folyamatát.

Építsen olyan mérőeszközt, amely azt rögzíti, mit tesz a hallgató egy modellel: feltesz-e utókérdést, ellenőriz-e egy állítást, vagy átdolgoz-e a visszajelzés után. Aztán tesztelje, hogy viselkedik-e másképp a négy sávban. Amíg valaki ezt meg nem teszi, a fejlődési állítás bizonyíték nélküli tervezési elv marad.

Kapcsolódó: Az MI-műveltség bizonyítékai

Intézményvezetőknek

Szinte mindenki használ MI-t a munkájában, és a fele nem látta a szabályzatot

Az EDUCAUSE 1,960 felsőoktatási munkatársat kérdezett meg 2026-ban. 94% használt MI-t munkára az elmúlt hat hónapban, és közülük 73% naponta vagy hetente. Csak 54% ismerte a használatot szabályozó szabályzatot, köztük a vezetők mindössze 38%-a. 56% használt olyan eszközöket, amelyeket az intézménye nem biztosít. Az intézmények 92%-a mondta, hogy van MI-stratégiája, és 13% méri annak megtérülését.

Tegye közzé a szabályzatot ott, ahol az emberek már dolgoznak, és számolja meg a ténylegesen használt eszközöket, mielőtt a következő stratégiát megírja. A rés a munkatársak tettei és a vezetők feltételezett engedélyei között irányítási probléma, nem képzési probléma, és egy stratégiai dokumentumban láthatatlan.

Kapcsolódó: MI-eszközök bevezetése

A tanárok mérlegelik a megspórolt időt az elveszített munkával szemben

Dangol és munkatársai 22 tanárral készítettek interjút egy nagy amerikai tankerületben, amely 2023 vége óta ösztönözte a generatív MI-t; többségük tankerületi szintű tantermi szabályzat nélkül dolgozott. A tanárok örültek, hogy megszabadulnak a papírmunkától és az óravázlat-tervezéstől. Aggódtak, hogy elveszítik a munka azon részeit, amelyek a hallgató ismeretét igénylik: megírni a megjegyzést, amely célba ér, vagy eldönteni, mire van szüksége az osztálynak legközelebb. A tanulmány cseréről beszél, nem ellenállásról.

Nevezze meg, miért jár a könnyítés, és hol áll meg. Egy tankerület, amely automatizálja az osztályozást vagy az óravázlat-tervezést, mondja meg, melyik munkát veszi el, és védje meg azt a munkát, amelyet a tanárok szerint nem adnának fel. Adjon teret a szakmai ítéletnek ahelyett, hogy újabb kötelező eszközt ad hozzá.

Kapcsolódó: MI-eszközök bevezetése

A nem látványos rendszerek változtatnak a legtöbbet az intézményeken

Pardos és Borchers amellett érvel, hogy a kredittranszfer, a tanácsadás, a tantervi besorolás és az értékelések előállítása többet számít, mint a recepción álló chatbot. Közös száluk a reprezentáció. Alakítsa a kurzusokat, tanterveket, tanulmányi nyilvántartásokat és tanulási rekordokat beágyazásokká, és olyan döntéseket hozhat, amelyeket korábban túl drága volt megkísérelni, például egy másik országból származó átirat kurzusonkénti értékelését. Ugyanez a lépés nehezebben láthatóvá teszi a hibákat.

Vásárlás előtt nevezze meg a döntést, amelyet a rendszer megváltoztat, és azt a személyt, aki felelős, amikor az a döntés rosszul sül el. Egy auditnyom és egy fellebbezési útvonal többet számít egy jobb modellnél, mert egy háttérirodai hiba egy olyan intézményi infrastruktúrán keresztül ér el a hallgatókhoz, amelyet senki sem lát.

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

Az országok beírják az MI-műveltséget a tantervbe, és nem mérik

Az iRAISE jelentés strukturált áttekintésre és Franciaország, Kanada, Egyiptom és Katar szakpolitikai dokumentumaira támaszkodik. A kormányok megoszlanak az eszközök skálázása és korlátozása között, a jelentés pedig az MI-műveltséget a digitális és médiaműveltség legújabb rétegének tekinti, nem külön tantárgynak. A legtöbb ország megnevezi a médiaműveltséget egy keretrendszerben. Kevés teszi be abba a tantervbe, amelyből a tanárok terveznek, és szinte egyetlen sem méri, hogy a hallgatók elsajátítják-e.

Tegye az MI-műveltséget azokba a dokumentumokba, amelyeket a tanárok ténylegesen használnak, és finanszírozzon egy értékelést, amely meg tudja mutatni, javultak-e a hallgatók. Egy nemzeti keretrendszer tantervi sor és mérés nélkül az egyes iskolákra hagyja a munkát, ahol a rés már most is van.

Kapcsolódó: Az MI-műveltség beépítése

A héten még hozzáadott tanulmányok

A folyóirat-oldal felsorolja az ezen a héten hozzáadott minden tanulmányt.

Az oldal hírei

Az oldal ezen a héten szélesítette a hatókörét. Most olyan MI-kutatásokat is közöl, amelyek nem iskolákról vagy egyetemekről szólnak, de mindkettőre hatnak: Salvi és munkatársai arról, hogyan tud egy beszélgetőmodell megváltoztatni azt, amit egy személy hisz, Folk és Dunn a chatbotokról és a magányról, valamint Sim és munkatársai arról, hogyan torzítják az emlékezetet az MI-összefoglalók. Hivatkozásként kerülnek be azokra a fogalomoldalakra, amelyeket informálnak, nem a tanításról szóló állításként.

Az oldalt fenntartó Hermes MI-ügynök ezen a héten új memóriarendszerre váltott. Most a Hindsight alatt fut, amely megtartja, amit tanul, a munkamenetek között, ahelyett hogy minden alkalommal a semmiből kezdené.

Szinte minden fogalomoldalt és GYIK-bejegyzést átírtak ezen a héten, hogy eltávolítsák az önreferenciális szöveget, az olyan kifejezéseket, mint „ebben a tudásbázisban” vagy „ez az oldal amellett érvel”. A Hermes MI-ügynök ezt a prózát átfuttatta a Humanizer skillen is, amely lehántja az olyan árulkodó jeleket, mint a halmozott minősítők és a címsort ismétlő mondatok. A cikk- és fogalomoldalak most egyetlen szerkezetet követnek, ugyanazokkal a szakaszokkal ugyanabban a sorrendben, és egy build-ellenőrzés elbukik, ha egy oldal megszegi.

Néhány új funkció tervezés alatt áll, például az oktatási feladatalapú útmutatás és a fő oldalak multimédiás összefoglalói. Javaslatokat és funkciókéréseket szívesen fogadunk a GitHub hibajegy-űrlapon keresztül.

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 Hermes MI-ügynök állít elő. Ezt a számot ugyanaz a Hermes 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.

Forrás Előzmények Szerkesztés Csevegés