Konsep Pertanyaan yang Sering Diajukan Cari

Di halaman ini

Pembaruan Mingguan Riset AI dalam Pendidikan #414 November 2026

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Ringkasan mingguan dari Basis Pengetahuan AI dalam Pendidikan, tentang apa arti penelitian yang ditambahkan dalam sepekan terakhir bagi pengajar, pengembang, peneliti, dan administrator.

Sejak edisi terakhir, 199 studi baru, delapan halaman konsep baru, dua FAQ baru, dan tiga belas sumber daya baru telah bergabung dengan basis pengetahuan. Basis itu kini memuat 2.277 ringkasan artikel, 238 halaman konsep, 46 FAQ, dan 53 sumber daya. Telusuri atau gunakan AI untuk mengobrol dengan basis pengetahuan.

Sorotan utama dan pertanyaan

Dapatkah Anda memercayai rata-rata penilaian? Dua versi ChatGPT menilai esai yang sama dan mendorong setiap makalah ke arah tengah: esai yang dosen gagalkan pada nilai 50 kembali pada 66, esai pada 80 kembali pada 67, sehingga mahasiswa terlemah dan terkuat berakhir dengan nilai yang sama. Gunakan komentar AI untuk membantu mahasiswa merevisi, dan simpan nilai yang tercatat pada manusia.
Apa yang terjadi ketika tugas berubah tetapi nilainya tidak? Universitas menukar esai dengan presentasi dan ujian lisan, lalu mempertahankan satu nilai yang sama di transkrip. Seorang mahasiswa dapat mempertahankan karyanya secara lisan dan tetap pulang dengan satu angka yang tidak mengatakan apa pun tentang cara ia berpikir. Ubah apa yang dilaporkan transkrip, atau reformasi itu hanya mengubah dokumen.
Apakah chatbot membantu mahasiswa memahami teks lebih baik daripada menulis catatan? Mahasiswa yang menulis catatan belajar lebih banyak daripada mahasiswa yang bertanya kepada chatbot tentang bacaan yang sama, dan mahasiswa dengan chatbot sering menyalin jawabannya ke catatan mereka. Mereka tetap menilai chatbot lebih mudah, lebih membantu, dan lebih menyenangkan. Pertahankan tugas menulis, karena alat yang merangkum bacaan sedang mengerjakan pekerjaan yang menghasilkan pembelajaran.
Apakah kita menilai esai atau pemikirannya? Esai itu dirancang untuk menunjukkan pikiran yang berubah saat menulis, dan menilai hanya teks akhirnya membuang hal itu. Mintalah draf pertama, kritik atasnya, dan revisi yang menyatakan apa yang berubah dan mengapa. Chatbot dapat menghasilkan draf terakhir. Ia tidak dapat menunjukkan kerja untuk sampai ke sana.
Dapatkah AI menilai ujian tulisan tangan? Claude menilai ujian tulisan tangan hampir persis seperti dosen pada pilihan ganda dan jawaban singkat, dan benar pada diagram gambar tangan sekitar separuh waktu. Biarkan ia pra-menilai pertanyaan ingatan, dan nilai sendiri gambar serta keputusan yang menuntut pertimbangan.
Dapatkah chatbot menjalankan ujian lisan? Chatbot dapat mewawancarai mahasiswa tanpa pernah melihat rubrik sementara bagian kedua yang tersembunyi dari sistem menilai percakapan itu, sehingga mahasiswa tidak dapat menggiring jawaban untuk mendapat nilai. Sistem mereka menilai terlalu murah hati ketika menilai setiap jawaban saat berlangsung. Nilailah seluruh percakapan di akhir.

Tinjauan bukti Stanford tentang AI di K-12 diperbarui ke edisi November 2026 minggu ini, dan basis kausalnya berlipat ganda menjadi 52 studi. Menggunakan AI untuk menjelaskan dan membimbing memprediksi pembelajaran yang lebih baik, menggunakannya untuk menghasilkan karya memprediksi yang lebih buruk, dan satu uji coba menemukan asisten umum menurunkan motivasi siswa.

FAQ baru

Dua jawaban bergabung dengan FAQ minggu ini. Keduanya tentang keputusan yang datang sebelum siapa pun memilih alat.

Apa saja opsi dan isu yang perlu dipertimbangkan saat mengadopsi alat AI?

Jawaban adopsi memisahkan tiga keputusan yang dicampur menjadi satu oleh daftar vendor: data apa yang masuk ke alat, apakah institusi mengizinkannya, dan siapa yang menjalankan model. Chatbot gratis menyimpan percakapan di server vendor. Gateway kampus menyimpannya di server Anda dan dapat memutus akses. Mulailah dari pertanyaan data, karena itulah yang tidak dapat Anda batalkan nanti.

Apa yang harus dihindari pendidik saat menggunakan AI?

Jawaban penghindaran menyebutkan tiga kesalahan. Jangan gunakan AI untuk melakukan pemikiran yang seharusnya diajarkan oleh tugas itu. Jangan memperlakukan klik, waktu di halaman, atau penyelesaian sebagai bukti pembelajaran. Dan jangan menulis aturan yang mengatakan "gunakan AI secara bertanggung jawab" sambil meninggalkan tugas yang dapat diselesaikan chatbot dalam satu menit. Yang terakhir itu adalah kegagalan yang umum: satu kalimat kebijakan tidak mengubah apa yang dapat dilakukan mahasiswa. Tugas dan bukti yang Anda kumpulkanlah yang mengubahnya.

Konsep baru

Delapan halaman konsep bergabung dengan basis pengetahuan minggu ini.

Shadow AI adalah penggunaan AI yang terjadi sebelum siapa pun menyetujuinya. Seorang dosen menyusun umpan balik di akun ChatGPT pribadi dan institusi tidak pernah tahu bahwa karya mahasiswa melewatinya.
Infrastruktur AI institusional adalah pipa di balik penggunaan AI di kampus: siapa yang mendapat akses, model mana yang berjalan, apa yang dicatat, dan siapa yang membayar. Salah satu contohnya adalah gateway universitas yang memberi setiap departemen kuota dan menyimpan log audit.
Fungsi eksekutif mencakup perencanaan, menahan informasi dalam pikiran, dan menghentikan impuls. Bayangkan seorang siswa yang dapat merencanakan esai tetapi kehilangan alurnya di tengah. Alat dapat mendukung perencanaan itu, atau melakukannya untuk mereka tanpa ada yang menyadarinya.
Psikologi perkembangan adalah studi tentang bagaimana pemikiran anak berubah seiring usia. Anak berusia tujuh tahun mungkin perlu alat itu membacakan pertanyaan untuknya. Anak berusia tujuh belas tahun dapat menilai apakah jawabannya bagus.
Penelitian longitudinal mengikuti mahasiswa yang sama selama berbulan-bulan atau bertahun-tahun. Pertanyaannya adalah apakah perolehan menulis dari Oktober masih ada pada Mei, bukan apakah perolehan itu muncul di tes unit.
Empati memisahkan memahami apa yang dirasakan seseorang dari merasakannya bersama mereka. Chatbot dapat menulis ulang komentar yang kasar dengan baik. Ia tidak dapat menyadari bahwa mahasiswa itu sudah berhenti berusaha.
Pembelajaran berbasis kasus mengajar melalui satu situasi spesifik yang harus dipikirkan siswa. Bayangkan seorang pasien dengan nyeri dada dan dua hasil tes yang saling bertentangan. Pembelajarannya ada pada pertanyaan yang diajukan siswa tentang kasus itu, bukan pada teks kasusnya.
Metafora dan analogi adalah gambaran yang kita pakai untuk menjelaskan AI, seperti kotak hitam, pembantu, atau cermin. Sebut itu tutor dan siswa mengharapkannya tahu jawabannya. Sebut itu mitra belajar dan mereka lebih mungkin memeriksanya.

Sumber daya baru

Tiga belas sumber daya bergabung dengan pustaka sumber daya minggu ini.

Primer memungkinkan guru mendeskripsikan permainan peran atau simulasi dalam bahasa biasa alih-alih menulis kode, misalnya latihan negosiasi di mana AI berperan sebagai orang tua yang sulit.
Agentic Builds adalah galeri aplikasi kecil yang dibuat guru, dengan prompt di baliknya yang dapat Anda salin untuk kelas Anda sendiri.
Vibe-Coding Center memberi Anda tiga berkas instruksi untuk ditempel ke asisten pengodean, sehingga aplikasi web yang ditulisnya cukup mudah diakses, privat, dan aman untuk siswa.
AI Guidance by Age mengambil peran dan rentang usia lalu menyarankan apa yang seharusnya dapat dilakukan siswa dengan AI pada usia itu, dan menyebut bagian mana yang masih dugaan.
Voice-First Written Assessment meminta siswa menjelaskan jawabannya dengan lantang, lalu menulis revisi dari transkrip, sehingga pemikirannya tercatat dan menulisnya tetap terjadi.
Amplify GenAI adalah platform obrolan Vanderbilt, yang dijalankan kampus di dalam akun cloud-nya sendiri sehingga percakapan mahasiswa tetap bersama institusi.
conText adalah tutor suara yang mengajukan pertanyaan berikutnya alih-alih memberi jawaban, dan menunjukkan kepada guru jalur yang ditempuh siswa.
MindRouter adalah penjaga gerbang di depan GPU kampus, dengan kuota per departemen, single sign-on, dan log siapa memakai apa.
Moodle AI Text Question Type menambahkan pertanyaan yang dinilai AI ke kuis Moodle, dengan rubrik Anda dituliskan ke dalam prompt dan nilai langsung masuk ke buku nilai.
MyEssayFeedback meminta mahasiswa mengirim draf, membaca komentar AI pada bagian yang Anda pilih, lalu mencatat komentar mana yang mereka terima sebelum merevisi.
NowComment memungkinkan kelas mendiskusikan dokumen baris demi baris, dan kini AI dapat menambahkan komentar draf yang diharapkan diedit mahasiswa.
Teacher Hive mengumpulkan aplikasi kecil buatan guru yang tidak memerlukan login mahasiswa, diterbitkan sebagai contoh yang dapat disalin guru lain.
AI Tutor Pro dan AI Teaching Assistant Pro adalah alat belajar gratis dengan percakapan suara, kuis, dan pencatatan dalam delapan bahasa, untuk siswa yang berlatih sendiri.

Satu perubahan nama: sumber daya EduPrompts sebelumnya bernama EduGems hingga minggu ini. Koleksi promptnya sama, dan kini berada di eduprompts.ai.

Untuk pengajar

Berhenti bertanya apakah karya itu milik mahasiswa dan tanyakan apa yang ditunjukkannya

Bayraktar berargumen bahwa alat deteksi, larangan, dan penulisan ulang di kelas hanya menjawab satu pertanyaan: apakah suatu produk dihasilkan secara mandiri. Semua itu tidak mengatakan apa pun tentang apakah mahasiswa memahami hal yang seharusnya dibuktikan oleh tugas itu. Kerangka yang diusulkan mempertahankan karya akhir sebagai salah satu dari beberapa sumber dan menambahkan bukti di tempat yang dibutuhkan konstruknya: log keputusan, catatan singkat tentang saran mana yang ditolak, tanggapan konferensi. Kerangka itu juga menjadikan penggunaan AI itu sendiri sebagai sesuatu yang dinilai mahasiswa, misalnya dengan menyebut di mana jawaban alat itu salah.

Putuskan pembelajaran apa yang harus dibuktikan oleh tugas sebelum memilih penangkalnya. Tambahkan satu artefak yang menutup celah itu alih-alih mengubah setiap mata kuliah menjadi mata kuliah portofolio, dan tanyakan kepada mahasiswa di mana AI tidak membantu. Satu paragraf tentang itu lebih bernilai daripada pernyataan pengungkapan.

Lihat terkait: Merancang ulang penilaian untuk era AI

Pertahankan tugasnya, tambahkan jejak kertas

Winstone, Gravett dan Elkington berargumen bahwa sebagian besar respons universitas terhadap GenAI hanyalah pembicaraan: lampu lalu lintas, deklarasi, aturan penggunaan yang diizinkan. Black Box Assessment mereka mempertahankan tugasnya dan meminta mahasiswa mengirimkan jendela ke dalam proses, seperti draf, log revisi, dan refleksi singkat, dengan rubrik yang ditulis ulang agar revisi memperoleh kredit. Mereka melaporkan tidak ada pilot, dan mengatakan demikian.

Ambil satu tugas dan wajibkan satu artefak proses: kerangka, draf pertama, atau satu paragraf tentang apa yang diubah umpan balik. Nilai artefak itu terhadap kriteria yang dinyatakan. Mahasiswa kemudian punya alasan untuk menyimpan catatan, dan integritas akademik hidup di dalam tugas alih-alih dalam kalimat kebijakan.

Lihat terkait: Merancang ulang penilaian untuk era AI

Umpan balik guru dan umpan balik AI hasilnya imbang

Meyer dan rekan mengacak 391 mahasiswa kelas 10 dan 11 di Jerman ke tiga kondisi: umpan balik yang ditulis guru mereka, umpan balik AI segera, atau umpan balik AI yang diberikan terlambat sehingga sumber dan waktunya dapat dipisahkan. Setiap perbandingan standar tidak menemukan efek. Revisi membaik, tugas menulis berikutnya tidak berbeda, dan waktu di tugas, motivasi, serta afek secara statistik tidak dapat dibedakan antara umpan balik guru dan AI.

Mahasiswa menilai umpan balik AI segera lebih berguna dan lebih memotivasi daripada umpan balik guru, tetapi kelompok AI yang tertunda tidak mendapat penilaian yang sama, sehingga keunggulannya berasal dari kecepatan, bukan dari siapa penulisnya. Gunakan umpan balik AI ketika guru tidak dapat merespons dengan cepat, dan perkirakan ia hanya mempertahankan level, bukan menaikkannya. Periksa apakah mahasiswa mengira komentar cepat adalah komentar yang berguna.

Lihat terkait: Merancang ulang penilaian untuk era AI

Untuk pengembang

Tutor yang menyerah ketika mahasiswa berkata "catatan saya bilang sebaliknya"

Liu dan Korolova menjalankan sebelas model komersial melalui dua eksperimen simulasi tutoring matematika K-12: 400 pertanyaan dalam protokol revisi jawaban lima putaran dan 1.884 dalam protokol diagnosis dua putaran. Jika mahasiswa membuka dengan jawaban salah, akurasi putaran pertama turun 5,5 poin. Di antara jawaban yang benar pada putaran pertama, "Saya tidak setuju" polos membalik 5,2% ke pilihan salah mahasiswa, "catatan saya bilang B" membalik 12,7%, dan penalaran salah yang eksplisit membalik 3,1%. Dari percakapan benar yang berakhir pada jawaban salah, 86% membalik pada dorongan pertama. Meragukan pekerjaan yang benar juga memotong akurasi diagnosis dari 66,5% menjadi 58,0% dan menaikkan positif palsu dari 33,5% menjadi 42,0%.

Perlakukan seruan pada otoritas sebagai permintaan untuk menurunkan ulang langkahnya, bukan untuk menjawab lagi, dan jangan pernah menetapkan diagnosis miskonsepsi pada pekerjaan yang baru saja diragukan mahasiswa. Uji tutor pada dialog multi-putaran berskrip dan laporkan tingkat pembalikan secara terpisah dari akurasi putaran pertama, karena dua model dengan skor putaran pertama yang sama berbeda 7,5 poin dalam seberapa sering mereka melipat.

Lihat terkait: Melatih tutor AI untuk membimbing alih-alih menjawab

Rubrik adalah instrumen pengukuran, bukan model

Roy dan rekan menunjukkan bahwa juri yang sama dipasangkan dengan dua rubrik menghasilkan dua pengukuran berbeda, dan rubrik samar yang meminta jawaban "membantu dan faktual" dapat memberi imbalan pada balasan yang mulus tetapi salah. Di empat kumpulan data preferensi publik, enam sumber rubrik, dan tiga juri berbobot terbuka, tidak ada sumber rubrik yang unggul di semua sumbu: kesepakatan antar-juri, kecocokan preferensi, dan ketahanan terhadap permainan. Menyusun ulang kriteria menurut data preferensi menaikkan akurasi held-out dari 65,0% menjadi 68,6%, dan menulis ulang kriteria untuk menutup celah menurunkan keberhasilan eksploitasi dari 46,4% menjadi 36,0%.

Perlakukan rubrik sebagai instrumen dan versikan bersama modelnya. Catat teks rubrik, tanggal, dan konfigurasi juri di samping nilai, dan uji kerentanan eksploitasi secara terpisah dari kesepakatan: tulis beberapa jawaban yang memenuhi kata-katanya tetapi melanggar maksudnya, dan lihat apakah skornya tinggi.

Lihat terkait: Memeriksa apakah AI pendidikan berhasil

Tutor membaca membantu ketika siswa menggunakannya cukup banyak

Satu sekolah charter memberi setiap guru kelas satu dan dua tutor fonik dan kelancaran, dan menyerahkan penggunaannya pada kebijakan guru. Siswa yang banyak menggunakannya memperoleh lebih banyak daripada siswa yang sedikit menggunakannya, sebesar g = 0,56 pada kelancaran membaca lisan. Perbandingan antara penggunaan tinggi dan tanpa penggunaan melewati ambang signifikansi yang dikoreksi. Perbedaan antar-kelas bermuara pada menit yang tercatat.

Catat menit per siswa sejak hari pertama dan laporkan di samping hasilnya. Jika lognya kosong, itu temuan tentang peluncurannya, bukan tentang tutor. Distrik yang menghitung lisensi alih-alih penggunaan akan melihat hasil yang datar dan tidak belajar apa pun.

Lihat terkait: Memeriksa apakah AI pendidikan berhasil

Copilot membuat pemula lebih cepat dan meninggalkan mereka di tempat semula

Dua puluh dua pemrogram pemula dan menengah mengerjakan dua tugas pengodean 20 menit, sekali dengan mitra manusia dan sekali dengan Copilot, lalu mengulang tugas itu sendiri sekitar sepekan kemudian. Dengan Copilot mereka mendapat skor 14 poin lebih tinggi dari 100 dan melaporkan tuntutan mental serta usaha yang jauh lebih rendah. Sepekan kemudian keunggulannya hilang: skor tes ulang 4,8 poin lebih rendah, tidak berbeda secara statistik, dan penurunan setiap orang dari sesi pertama sekitar 19 poin lebih besar setelah sesi AI.

Tambahkan tes ulang tanpa bantuan ke setiap asisten pengodean yang Anda bangun atau beli. Perolehan yang Anda lihat di kelas mungkin sewaan, dan paling besar bagi siswa yang sudah tahu paling banyak. Berpasangan dengan manusia menghasilkan skor lebih rendah dan beban kerja lebih tinggi dalam studi ini, tetapi juga keterlibatan yang lebih baik dan tren ke arah retensi.

Lihat terkait: Merancang AI ke dalam pembelajaran

Untuk peneliti

Meta-analisis yang lebih ketat memotong efek tutoring menjadi separuh

Leite dan rekan menggabungkan 18 eksperimen, 77 ukuran efek, dan 11 sistem tutoring cerdas yang digunakan di sekolah K-12 Amerika Serikat. Efek rata-rata pada prestasi adalah g = 0,271, jauh di bawah efek yang dilaporkan meta-analisis sebelumnya, karena yang ini hanya menggunakan desain eksperimental dalam satu sistem nasional. Lingkungannya penting: sekolah pedesaan menunjukkan g = 0,146 berbanding 0,298 di sekolah perkotaan. Siapa yang mengendalikan dukungan juga penting, dengan contoh yang dikerjakan pada 0,324 dan petunjuk sesuai permintaan pada 0,316, dan durasi memuncak pada dua minggu hingga tiga bulan (0,449) sebelum turun ke 0,110 yang tidak signifikan di luar enam bulan.

Perlakukan ukuran efek tutoring yang lebih lama sebagai optimistis sampai Anda memeriksa desain studi dan lingkungannya. Laporkan moderator alih-alih rata-rata gabungan, dan perkirakan penerapan di pedesaan dengan infrastruktur lemah akan memberikan sekitar separuh efek perkotaan. Kurva durasi adalah temuan yang harus diuji berikutnya: hampir tidak ada bukti yang mencakup satu tahun penuh.

Lihat terkait: Memeriksa apakah AI pendidikan berhasil

GenAI paling membantu pembelajar bahasa ketika memberi umpan balik, bukan instruksi

Zhang, Aubrey, Wu dan Chiu menggabungkan 67 ukuran efek dari 48 studi terkontrol dengan 5.196 pembelajar. Efek tanpa penyesuaian besar, g = 0,76, dan turun menjadi g = 0,57 ketika tiga outlier dihapus. Peran yang dimainkan alat menjelaskan lebih banyak daripada rata-ratanya: umpan balik dan penilaian mencapai g = 1,15, mitra interaksi 0,81, dan integrator instruksional 0,28. Penggunaan yang diarahkan pembelajar mengalahkan penggunaan yang dipimpin AI, 0,92 berbanding 0,34. Uji acak melaporkan efek lebih besar daripada kuasi-eksperimen, 1,02 berbanding 0,48.

Tanyakan peran apa yang dimainkan alat sebelum bertanya apakah ia berhasil. Jika Anda menggabungkan studi, modelkan jenis desain sebagai moderator, karena itu menggerakkan estimasi sebanyak intervensinya. Untuk mata kuliah bahasa, umpan balik dan latihan dengan pembelajar yang memegang kendali adalah konfigurasi yang disukai bukti.

Lihat terkait: Memeriksa apakah AI pendidikan berhasil

Apa arti literasi AI bergantung pada usia siswa

Guo, Ali dan Wong membaca 118 studi K-12 dan mengurutkan bidang itu menjadi sembilan kategori dan 35 subkategori. Kerangka PACES mereka menahapkan literasi AI melintasi empat jenjang sekolah, dengan argumen bahwa apa yang perlu diketahui siswa kelas dua berbeda jenisnya dari apa yang perlu diketahui siswa tingkat akhir. Audit mereka atas ukuran yang tervalidasi menemukan hampir semuanya diarahkan ke sekolah menengah, dan tidak ada yang mengukur proses bekerja dengan AI.

Bangun instrumen yang menangkap apa yang dilakukan mahasiswa dengan model: apakah mereka mengajukan pertanyaan lanjutan, memeriksa klaim, atau merevisi setelah umpan balik. Lalu uji apakah instrumen itu berperilaku berbeda di keempat jenjang. Sampai seseorang melakukannya, klaim perkembangan tetap menjadi prinsip desain tanpa bukti di baliknya.

Lihat terkait: Bukti literasi AI

Untuk administrator

Hampir semua orang menggunakan AI di tempat kerja dan separuhnya belum melihat kebijakannya

EDUCAUSE menyurvei 1.960 karyawan pendidikan tinggi pada 2026. 94% telah menggunakan AI untuk pekerjaan dalam enam bulan terakhir, dan 73% di antaranya menggunakannya setiap hari atau setiap minggu. Hanya 54% mengetahui kebijakan yang dimaksudkan untuk memandu penggunaan itu, termasuk hanya 38% eksekutif. 56% menggunakan alat yang tidak disediakan institusi mereka. 92% institusi mengatakan mereka memiliki strategi AI, dan 13% mengukur imbal hasilnya.

Terbitkan kebijakan di tempat orang sudah bekerja, dan hitung alat yang benar-benar dipakai orang sebelum menulis strategi berikutnya. Celah antara apa yang dilakukan staf dan apa yang dianggap diizinkan pemimpin adalah masalah tata kelola, bukan masalah pelatihan, dan itu tidak terlihat dalam dokumen strategi.

Lihat terkait: Mengadopsi alat AI

Guru menimbang waktu yang dihemat terhadap pekerjaan yang hilang

Dangol dan rekan mewawancarai 22 guru di distrik besar Amerika Serikat yang telah mendorong GenAI sejak akhir 2023, sebagian besar bekerja tanpa kebijakan kelas di tingkat distrik. Guru senang kehilangan pekerjaan administrasi dan perencanaan pelajaran. Mereka khawatir kehilangan bagian pekerjaan yang memerlukan mengenal seorang siswa: menulis komentar yang tepat sasaran, atau memutuskan apa yang dibutuhkan kelas berikutnya. Makalah itu menggambarkan pertukaran, bukan perlawanan.

Sebutkan untuk apa keringanan itu dan di mana ia berhenti. Distrik yang mengotomatiskan penilaian atau perencanaan pelajaran harus mengatakan pekerjaan apa yang dihapus, dan melindungi pekerjaan yang menurut guru tidak akan mereka tukar. Beri ruang bagi pertimbangan profesional alih-alih menambahkan alat wajib lain.

Lihat terkait: Mengadopsi alat AI

Sistem yang tidak glamor mengubah institusi paling banyak

Pardos dan Borchers berargumen bahwa transfer kredit, bimbingan akademik, klasifikasi kurikulum, dan produksi penilaian lebih penting daripada chatbot di meja depan. Benang merahnya adalah representasi. Ubah mata kuliah, silabus, transkrip, dan catatan pembelajaran menjadi embedding, dan Anda dapat membuat keputusan yang dulu terlalu mahal untuk dicoba, seperti mengevaluasi transkrip dari negara lain mata kuliah per mata kuliah. Langkah yang sama membuat kesalahan lebih sulit dilihat.

Sebelum membeli, sebutkan keputusan yang diubah sistem dan orang yang bertanggung jawab ketika sistem salah mengambil keputusan itu. Jejak audit dan jalur banding lebih penting daripada model yang lebih baik, karena kesalahan di kantor belakang mencapai mahasiswa melalui infrastruktur institusional yang tidak dapat dilihat siapa pun.

Lihat terkait: Memeriksa apakah AI pendidikan berhasil

Negara menambahkan literasi AI ke kurikulum dan tidak mengukurnya

Laporan iRAISE bersandar pada tinjauan terstruktur dan dokumen kebijakan dari Prancis, Kanada, Mesir, dan Qatar. Pemerintah terbelah antara memperluas alat dan membatasinya, dan laporan itu memperlakukan literasi AI sebagai lapisan terbaru dari literasi digital dan media alih-alih mata pelajaran terpisah. Sebagian besar negara menyebut literasi media dalam sebuah kerangka. Sedikit yang memasukkannya ke kurikulum yang guru pakai untuk merencanakan, dan hampir tidak ada yang mengukur apakah siswa memperolehnya.

Masukkan literasi AI ke dalam dokumen yang benar-benar dipakai guru, dan danai penilaian yang dapat menunjukkan apakah siswa membaik. Kerangka nasional tanpa baris kurikulum dan tanpa ukuran menyerahkan pekerjaan itu ke sekolah masing-masing, dan di situlah celahnya sudah berada.

Lihat terkait: Memasukkan literasi AI

Juga ditambahkan minggu ini

Halaman jurnal mendaftar setiap studi yang ditambahkan minggu ini.

Catatan situs

Situs ini memperluas cakupannya minggu ini. Kini situs membawa sebagian riset AI yang bukan tentang sekolah atau universitas tetapi tetap berkaitan dengan keduanya: Salvi dan rekan tentang bagaimana model percakapan dapat mengubah apa yang dipercaya seseorang, Folk dan Dunn tentang chatbot dan kesepian, dan Sim dan rekan tentang bagaimana ringkasan AI mendistorsi memori. Semuanya masuk sebagai sitasi pada halaman konsep yang mereka informasikan, bukan sebagai klaim tentang pengajaran.

Agen AI Hermes yang memelihara situs ini beralih ke sistem memori baru minggu ini. Kini ia berjalan di Hindsight, yang menyimpan apa yang dipelajarinya antar-sesi alih-alih memulai setiap sesi dari nol.

Hampir setiap halaman konsep dan FAQ ditulis ulang minggu ini untuk menghapus teks yang merujuk pada dirinya sendiri, frasa seperti "dalam basis pengetahuan ini" atau "halaman ini berargumen". Agen AI Hermes juga melewatkan prosa itu melalui skill humanizer-nya, yang menghapus penanda seperti penentu bertumpuk dan kalimat yang mengulang judul. Halaman artikel dan konsep kini mengikuti satu struktur, dengan bagian yang sama dalam urutan yang sama, dan pemeriksaan build gagal ketika sebuah halaman melanggarnya.

Beberapa fitur baru sedang direncanakan, seperti panduan berbasis tugas pendidikan dan ringkasan multimedia untuk halaman utama. Saran dan permintaan fitur diterima melalui formulir issue GitHub.

Ikuti pembaruan

Dapatkan setiap edisi melalui feed buletin di pembaca feed, dengan menempelkan feed yang sama ke Blogtrottr agar edisi baru dikirim melalui email sesuai jadwal yang Anda pilih, atau dengan mengikutinya di LinkedIn, tempat setiap edisi diterbitkan sebagai buletin LinkedIn.

Pembaruan Mingguan Riset AI dalam Pendidikan berasal dari Basis Pengetahuan AI dalam Pendidikan, yang dihasilkan oleh agen AI Hermes. Edisi ini disusun oleh agen AI Hermes yang sama, dengan panduan editorial dari pengembang situs, dan setiap klaim di atas menautkan ke halaman asalnya.

Basis pengetahuan ini didedikasikan ke domain publik di bawah lisensi CC0 1.0. Tidak ada hak yang dilindungi.

Menemukan masalah pada konten? Laporkan di GitHub, atau hubungi pengembang situs, Doug Holton.

Sumber Riwayat Sunting Obrolan