In questa pagina

Aggiornamento settimanale sulla ricerca in IA ed educazione #414 novembre 2026

Traduzione automatica della pagina in inglese, non ancora rivista da una persona di madrelingua.

Un briefing settimanale dalla Base di conoscenza sull'IA in educazione, su cosa significa la ricerca aggiunta nell'ultima settimana per docenti, sviluppatori, ricercatori e amministratori.

Dall'ultimo numero sono entrati nella base di conoscenza 199 nuovi studi, otto nuove pagine di concetti, due nuove FAQ e tredici nuove risorse. Ora contiene 2.277 riassunti di articoli, 238 pagine di concetti, 46 FAQ e 53 risorse. Cerchi o usi l'IA per dialogare con la base di conoscenza.

Principali risultati e domande

Ci si può fidare di una media di valutazione? Due versioni di ChatGPT hanno corretto gli stessi saggi e hanno spinto ogni elaborato verso la media: uno che il docente aveva bocciato con 50 è tornato con 66, uno da 80 è tornato con 67, così gli studenti più deboli e quelli più forti sono finiti con lo stesso voto. Usi i commenti dell'IA per aiutare uno studente a rivedere, e tenga il voto registrato in mano a una persona.
Che cosa succede quando il compito cambia ma il voto no? Le università hanno sostituito i saggi con presentazioni e discussioni orali, poi hanno tenuto lo stesso unico voto nel transcript. Uno studente può difendere il proprio lavoro a voce e uscire comunque con un numero che non dice nulla su come ha pensato. Cambi ciò che riporta il transcript, o la riforma cambia solo le carte.
Un chatbot aiuta gli studenti a capire un testo meglio di prendere appunti? Gli studenti che hanno scritto appunti hanno imparato di più di quelli che hanno fatto domande a un chatbot sullo stesso brano, e gli studenti con il chatbot spesso copiavano le sue risposte nei propri appunti. Hanno comunque giudicato il chatbot più facile, più utile e più piacevole. Tenga il compito di scrittura, perché uno strumento che riassume la lettura fa il lavoro che produce l'apprendimento.
Valutiamo il saggio o il pensiero? Il saggio era progettato per mostrare una mente che cambia mentre scrive, e valutare solo il testo finito ha buttato via proprio questo. Chieda una prima bozza, una critica di quella bozza e una revisione che dica che cosa è cambiato e perché. Un chatbot può produrre l'ultima bozza. Non può mostrare il lavoro per arrivarci.
L'IA può correggere esami scritti a mano? Claude ha corretto esami scritti a mano quasi esattamente come il docente sulle domande a scelta multipla e a risposta breve, e ha azzeccato i diagrammi disegnati a mano circa la metà delle volte. Lasci che pre-corregga le domande di richiamo, e corregga Lei i disegni e le valutazioni di giudizio.
Un chatbot può condurre un esame orale? Un chatbot può intervistare uno studente senza mai vedere la rubrica, mentre una seconda parte nascosta del sistema valuta la conversazione, così gli studenti non possono guadagnarsi i punti con un prompt. Il loro sistema valutava troppo generosamente quando dava un punteggio a ogni risposta man mano. Valuti l'intera conversazione alla fine.

La revisione delle prove di Stanford sull'IA nel K-12 è stata aggiornata questa settimana all'edizione di novembre 2026, e la base causale è raddoppiata fino a 52 studi. Usare l'IA per spiegare e guidare predice un apprendimento migliore, usarla per produrre il lavoro predice il contrario, e una sperimentazione ha rilevato che un assistente generalista abbassava la motivazione degli studenti.

Nuove FAQ

Due risposte si sono aggiunte alle FAQ questa settimana. Entrambe riguardano decisioni che arrivano prima che qualcuno scelga uno strumento.

Quali sono le opzioni e le questioni da considerare quando si adottano strumenti IA?

La risposta sull'adozione separa tre decisioni che un elenco di fornitori mescola insieme: quali dati entrano nello strumento, se l'istituzione lo permette e chi gestisce il modello. Un chatbot gratuito tiene la conversazione sui server del fornitore. Un gateway di campus la tiene sui tuoi server e può tagliare l'accesso. Parta dalla domanda sui dati, perché è quella che non può annullare più tardi.

Che cosa dovrebbero evitare di fare gli educatori con l'IA?

La risposta su che cosa evitare nomina tre errori. Non usi l'IA per fare il pensiero che un compito esiste per insegnare. Non tratti clic, tempo sulla pagina o completamento come prove di apprendimento. E non scriva una regola che dice «usi l'IA in modo responsabile» lasciando un compito che un chatbot può finire in un minuto. Quest'ultimo è il fallimento comune: una frase di politica non cambia ciò che gli studenti possono fare. Lo cambiano il compito e le prove che raccoglie.

Nuovi concetti

Otto pagine di concetti si sono aggiunte alla base di conoscenza questa settimana.

Shadow AI è l'uso dell'IA che avviene prima che qualcuno lo approvi. Un docente abbozza un feedback in un account ChatGPT personale e l'istituzione non viene mai a sapere che il lavoro di uno studente è passato di lì.
Infrastruttura IA istituzionale è l'impianto che sta dietro all'uso dell'IA nel campus: chi ha accesso, quale modello gira, che cosa viene registrato e chi paga. Un esempio è un gateway universitario che assegna una quota a ogni dipartimento e tiene un registro di controllo.
Funzioni esecutive coprono la pianificazione, il tenere informazioni a mente e il fermare un impulso. Pensi a uno studente che sa pianificare un saggio ma perde il filo a metà. Uno strumento può sostenere quella pianificazione, oppure farla al posto suo senza che nessuno se ne accorga.
Psicologia dello sviluppo è lo studio di come il pensiero dei bambini cambia con l'età. Un bambino di sette anni può aver bisogno che lo strumento legga la domanda ad alta voce. Un diciassettenne può giudicare se la risposta sia buona.
Ricerca longitudinale segue gli stessi studenti per mesi o anni. La domanda è se il guadagno nella scrittura di ottobre sia ancora lì a maggio, non se sia comparso nella verifica di fine unità.
Empatia separa il capire che cosa sente qualcuno dal sentirlo insieme a lui. Un chatbot può riscrivere con gentilezza un commento duro. Non può accorgersi che lo studente ha smesso di provarci.
Apprendimento basato sui casi insegna attraverso una situazione specifica su cui gli studenti devono ragionare. Immagini un paziente con dolore al petto e due risultati di esami che non concordano. L'apprendimento sta nelle domande che gli studenti pongono sul caso, non nel testo del caso.
Metafore e analogie sono le immagini che usiamo per spiegare l'IA, come scatola nera, aiutante o specchio. La chiami tutor e gli studenti si aspettano che sappia la risposta. La chiami compagno di studio e sono più propensi a verificarla.

Nuove risorse

Tredici risorse si sono aggiunte alla libreria di risorse questa settimana.

Primer permette a un docente di descrivere un gioco di ruolo o una simulazione in linguaggio naturale invece di scrivere codice, per esempio un esercizio di negoziazione in cui l'IA interpreta un genitore difficile.
Agentic Builds è una galleria di piccole app costruite da docenti, con i prompt che stanno dietro e che può copiare per la propria classe.
Vibe-Coding Center offre tre file di istruzioni da incollare in un assistente di programmazione, così l'app web che scrive è accessibile, privata e abbastanza sicura per gli studenti.
AI Guidance by Age prende un ruolo e una fascia d'età e suggerisce che cosa dovrebbero saper fare gli studenti con l'IA a quell'età, e dice quali parti sono ancora congetture.
Voice-First Written Assessment fa spiegare agli studenti la propria risposta ad alta voce, poi scrivere una revisione dalla trascrizione, così il pensiero resta registrato e la scrittura avviene comunque.
Amplify GenAI è la piattaforma di chat di Vanderbilt, che un campus gestisce dentro il proprio account cloud perché le conversazioni degli studenti restino con l'istituzione.
conText è un tutor vocale che pone la domanda successiva invece di dare la risposta, e mostra al docente il percorso seguito dallo studente.
MindRouter è un controllore davanti alle GPU del campus, con quote per dipartimento, accesso unico e un registro di chi ha usato che cosa.
Moodle AI Text Question Type aggiunge una domanda valutata dall'IA ai quiz di Moodle, con la rubrica scritta nel prompt e i voti che finiscono direttamente nel registro.
MyEssayFeedback fa consegnare agli studenti una bozza, leggere i commenti dell'IA sulle parti che sceglie, poi registrare quali commenti accettano prima di rivedere.
NowComment permette a una classe di discutere un documento riga per riga, e ora un'IA può aggiungere un commento bozza che gli studenti devono modificare.
Teacher Hive raccoglie piccole app fatte da docenti che non richiedono accessi per gli studenti, pubblicate come esempi che altri docenti possono copiare.
AI Tutor Pro and AI Teaching Assistant Pro sono strumenti di studio gratuiti con conversazione vocale, quiz e presa di appunti in otto lingue, per studenti che si esercitano da soli.

Un cambio di nome: la risorsa EduPrompts si chiamava EduGems fino a questa settimana. La raccolta di prompt è la stessa, e ora si trova su eduprompts.ai.

Per i docenti

Smetta di chiedersi se il lavoro è dello studente e chieda che cosa mostra

Bayraktar sostiene che gli strumenti di rilevamento, i divieti e le riscritture in classe rispondono a una sola domanda: se un prodotto sia stato realizzato in modo indipendente. Non dicono nulla sul fatto che lo studente capisca ciò che il compito doveva dimostrare. Il quadro proposto tiene il lavoro finito come una fonte tra diverse e aggiunge prove dove il costrutto lo richiede: un registro delle decisioni, una breve nota su quale consiglio è stato rifiutato, una risposta a un colloquio. Rende anche l'uso dell'IA stesso qualcosa che gli studenti giudicano, per esempio indicando dove la risposta dello strumento era sbagliata.

Decida quale apprendimento il compito deve dimostrare prima di scegliere una contromisura. Aggiunga un artefatto che colma il divario invece di trasformare ogni corso in un corso a portfolio, e chieda agli studenti dove l'IA è stata poco utile. Un paragrafo su questo vale più di una dichiarazione di trasparenza.

Vedi anche: Ridisegnare la valutazione per l'era dell'IA

Tenga il compito, aggiunga una traccia documentale

Winstone, Gravett ed Elkington sostengono che la maggior parte delle risposte universitarie all'IA generativa è solo parole: semafori, dichiarazioni, regole di uso consentito. Il loro Black Box Assessment tiene il compito e chiede agli studenti di consegnare finestre sul processo, come bozze, registri delle revisioni e brevi riflessioni, con rubriche riscritte perché la revisione dia credito. Non riportano alcun progetto pilota, e lo dicono.

Prenda un compito e richieda un artefatto di processo: la scaletta, la prima bozza o un paragrafo su che cosa ha cambiato il feedback. Valuti quell'artefatto con un criterio dichiarato. Gli studenti hanno allora un motivo per tenere il registro, e l'integrità accademica vive nel compito invece che in una frase di politica.

Vedi anche: Ridisegnare la valutazione per l'era dell'IA

Il feedback del docente e quello dell'IA sono finiti pari

Meyer e colleghi hanno randomizzato 391 studenti del decimo e undicesimo anno in Germania in tre condizioni: feedback scritto dal docente, feedback immediato dell'IA, oppure feedback dell'IA consegnato in ritardo perché fonte e tempi potessero essere separati. Ogni confronto standard è risultato nullo. Le revisioni sono migliorate, il compito di scrittura successivo non è cambiato, e tempo sul compito, motivazione e affetto erano statisticamente indistinguibili tra feedback del docente e feedback dell'IA.

Gli studenti hanno giudicato il feedback immediato dell'IA più utile e più motivante di quello del docente, ma il gruppo con feedback ritardato dell'IA non ha ottenuto gli stessi giudizi, quindi il vantaggio veniva dalla velocità e non da chi lo scriveva. Usi il feedback dell'IA quando un docente non può rispondere in fretta, e si aspetti che tenga il livello invece di alzarlo. Verifichi se gli studenti stanno scambiando un commento veloce per un commento utile.

Vedi anche: Ridisegnare la valutazione per l'era dell'IA

Per gli sviluppatori

Un tutor che cede quando lo studente dice «i miei appunti dicono altro»

Liu e Korolova hanno sottoposto undici modelli commerciali a due esperimenti simulati di tutoraggio matematico nel K-12: 400 domande con un protocollo di revisione della risposta in cinque turni e 1.884 con un protocollo di diagnosi in due turni. Se lo studente apriva con una risposta sbagliata, l'accuratezza al primo turno calava di 5,5 punti. Tra le risposte corrette al primo turno, un semplice «non sono d'accordo» ha capovolto il 5,2% verso la scelta sbagliata dello studente, «i miei appunti dicono B» ha capovolto il 12,7% e un ragionamento esplicitamente errato ha capovolto il 3,1%. Delle conversazioni corrette che sono finite sulla risposta sbagliata, l'86% si è capovolto alla prima obiezione. Dubitare di un lavoro corretto ha anche ridotto l'accuratezza diagnostica dal 66,5% al 58,0% e alzato i falsi positivi dal 33,5% al 42,0%.

Tratti un appello all'autorità come una richiesta di ricalcolare il passaggio, non di rispondere di nuovo, e non chiuda mai una diagnosi di misconcezione su un lavoro che lo studente ha appena messo in dubbio. Testi i tutor su un dialogo multi-turno scriptato e riporti il tasso di capovolgimento separatamente dall'accuratezza al primo turno, perché due modelli con lo stesso punteggio iniziale differivano di 7,5 punti nella frequenza con cui cedevano.

Vedi anche: Addestrare i tutor IA a guidare invece di rispondere

La rubrica è lo strumento di misura, non il modello

Roy e colleghi mostrano che lo stesso giudice abbinato a due rubriche produce due misure diverse, e che una rubrica vaga, che chiede risposte «utili e fattuali», può premiare una risposta forbita ma sbagliata. Su quattro set di dati pubblici sulle preferenze, sei fonti di rubriche e tre giudici con pesi aperti, nessuna fonte di rubrica era migliore su tutti gli assi: accordo tra giudici, aderenza alle preferenze e resistenza al gioco. Riordinare i criteri secondo i dati sulle preferenze ha alzato l'accuratezza su dati tenuti da parte dal 65,0% al 68,6%, e riscrivere i criteri per chiudere le scappatoie ha ridotto il successo degli attacchi dal 46,4% al 36,0%.

Tratti la rubrica come lo strumento e la versioni insieme al modello. Registri testo della rubrica, data e configurazione del giudice accanto ai voti, e testi la sfruttabilità separatamente dall'accordo: scriva alcune risposte che rispettano la formulazione violando l'intento, e guardi se ottengono punteggi alti.

Vedi anche: Verificare se l'IA educativa funziona

Il tutor di lettura ha aiutato quando gli studenti lo hanno usato abbastanza

Una scuola charter ha dato a ogni docente di prima e seconda elementare un tutor di fonetica e fluidità e ha lasciato l'uso alla discrezione del docente. Gli studenti che lo usavano molto hanno guadagnato più di quelli che lo usavano poco, con g = 0,56 nella fluidità di lettura orale. Il confronto tra uso alto e nessun uso non ha superato la soglia di significatività corretta. La differenza tra le classi si è ridotta ai minuti registrati.

Registri i minuti per studente dal primo giorno e li riporti accanto all'esito. Se il registro è vuoto, quello è un risultato sull'avvio, non sul tutor. Un distretto che conta le licenze invece dell'uso vedrà un risultato piatto e non imparerà nulla.

Vedi anche: Verificare se l'IA educativa funziona

Copilot ha reso i principianti più veloci e li ha lasciati dove erano

Ventidue programmatori principianti e intermedi hanno svolto due compiti di programmazione da 20 minuti, una volta con un partner umano e una volta con Copilot, poi hanno ripetuto i compiti da soli circa una settimana dopo. Con Copilot hanno ottenuto 14 punti in più su 100 e dichiarato una richiesta mentale e uno sforzo molto inferiori. Una settimana dopo il vantaggio era sparito: i punteggi alla riprova erano 4,8 punti più bassi, non statisticamente diversi, e il calo di ogni persona rispetto alla prima sessione era di circa 19 punti maggiore dopo la sessione con l'IA.

Aggiunga una riprova senza assistenza a qualsiasi assistente di programmazione che costruisce o acquista. Il guadagno che vede in classe può essere preso in affitto, ed è massimo per gli studenti che sapevano già di più. L'abbinamento con una persona ha prodotto punteggi più bassi e un carico maggiore in questo studio, ma anche un coinvolgimento migliore e una tendenza alla ritenzione.

Vedi anche: Progettare l'IA nell'apprendimento

Per i ricercatori

Una meta-analisi più severa dimezza l'effetto del tutoraggio

Leite e colleghi hanno riunito 18 esperimenti, 77 dimensioni dell'effetto e 11 sistemi di tutoraggio intelligente usati nelle scuole K-12 statunitensi. L'effetto medio sul rendimento era g = 0,271, ben sotto gli effetti riportati da meta-analisi precedenti, perché questa si è attenuta a disegni sperimentali in un solo sistema nazionale. Il contesto contava: le scuole rurali mostravano g = 0,146 contro 0,298 nelle scuole urbane. Contava anche chi controlla il supporto, con esempi svolti a 0,324 e suggerimenti su richiesta a 0,316, e la durata raggiungeva il picco tra due settimane e tre mesi (0,449) prima di scendere a 0,110, non significativo, oltre i sei mesi.

Tratti le dimensioni dell'effetto più vecchie sul tutoraggio come ottimistiche finché non controlla il disegno dello studio e il contesto. Riporti i moderatori invece di una media aggregata, e si aspetti che un impiego rurale con infrastruttura debole produca circa la metà dell'effetto urbano. La curva della durata è il risultato da testare in seguito: quasi nessuna prova copre un anno intero.

Vedi anche: Verificare se l'IA educativa funziona

L'IA generativa aiuta di più chi impara le lingue quando dà feedback, non istruzione

Zhang, Aubrey, Wu e Chiu hanno riunito 67 dimensioni dell'effetto da 48 studi controllati con 5.196 discenti. L'effetto non corretto era grande, g = 0,76, e scendeva a g = 0,57 togliendo tre valori anomali. Il ruolo dello strumento spiegava più della media: feedback e valutazione raggiungevano g = 1,15, un partner di interazione 0,81 e un integratore didattico 0,28. L'uso guidato dal discente batteva l'uso guidato dall'IA, 0,92 contro 0,34. Le sperimentazioni randomizzate riportavano effetti maggiori dei quasi-esperimenti, 1,02 contro 0,48.

Chieda quale ruolo svolge lo strumento prima di chiedere se funziona. Se sta aggregando studi, modelli il tipo di disegno come moderatore, perché sposta la stima quanto l'intervento. Per un corso di lingua, feedback e pratica con lo studente al comando è la configurazione che le prove favoriscono.

Vedi anche: Verificare se l'IA educativa funziona

Che cosa significa alfabetizzazione all'IA dipende dall'età dello studente

Guo, Ali e Wong hanno letto 118 studi K-12 e hanno ordinato il campo in nove categorie e 35 sottocategorie. Il loro quadro PACES distribuisce l'alfabetizzazione all'IA su quattro fasce scolastiche, con l'argomento che ciò che deve sapere un bambino di seconda elementare differisce di natura da ciò che deve sapere un maturando. Il loro esame delle misure validate ha trovato quasi tutto rivolto alla scuola secondaria, e nulla che misuri il processo di lavorare con l'IA.

Costruisca uno strumento che catturi che cosa fa uno studente con un modello: se pone una domanda di seguito, verifica un'affermazione o rivede dopo un feedback. Poi verifichi se si comporta diversamente nelle quattro fasce. Finché qualcuno non lo fa, l'affermazione sullo sviluppo resta un principio di progettazione senza prove dietro.

Vedi anche: Prove sull'alfabetizzazione all'IA

Per gli amministratori

Quasi tutti usano l'IA al lavoro e metà non ha visto la politica

EDUCAUSE ha intervistato 1.960 dipendenti dell'istruzione superiore nel 2026. Il 94% aveva usato l'IA per lavoro negli ultimi sei mesi, e il 73% di questi la usava ogni giorno o ogni settimana. Solo il 54% conosceva la politica pensata per orientare quell'uso, compreso appena il 38% dei dirigenti. Il 56% usava strumenti che la propria istituzione non fornisce. Il 92% delle istituzioni dichiarava di avere una strategia sull'IA, e il 13% ne misurava il ritorno.

Pubblichi la politica dove le persone lavorano già, e conti gli strumenti che le persone usano davvero prima di scrivere la strategia successiva. Un divario tra ciò che fa il personale e ciò che i leader pensano di permettere è un problema di governance, non di formazione, ed è invisibile in un documento di strategia.

Vedi anche: Adottare strumenti IA

I docenti soppesano il tempo risparmiato contro il lavoro che perdono

Dangol e colleghi hanno intervistato 22 docenti in un grande distretto statunitense che incoraggiava l'IA generativa dalla fine del 2023, la maggior parte dei quali lavorava senza una politica di classe a livello di distretto. I docenti erano contenti di perdere burocrazia e progettazione delle lezioni. Temevano di perdere le parti del lavoro che richiedono di conoscere uno studente: scrivere il commento che arriva, o decidere di che cosa ha bisogno una classe dopo. L'articolo descrive uno scambio, non una resistenza.

Nomini a che cosa serve il sollievo e dove si ferma. Un distretto che automatizza la correzione o la progettazione delle lezioni dovrebbe dire quale lavoro sta togliendo, e proteggere il lavoro che i docenti dicono di non voler scambiare. Lasci spazio al giudizio professionale invece di aggiungere un altro strumento obbligatorio.

Vedi anche: Adottare strumenti IA

I sistemi poco appariscenti cambiano di più le istituzioni

Pardos e Borchers sostengono che riconoscimento dei crediti, orientamento, classificazione dei curricoli e produzione della valutazione contano più del chatbot alla reception. Il loro filo comune è la rappresentazione. Trasformi corsi, programmi di studio, transcript e registri di apprendimento in embedding, e può prendere decisioni che prima erano troppo costose da tentare, come valutare corso per corso un transcript proveniente da un altro paese. Lo stesso passo rende gli errori più difficili da vedere.

Prima di comprare, nomini la decisione che il sistema cambia e la persona responsabile quando quella decisione viene sbagliata. Una traccia di controllo e una via di ricorso contano più di un modello migliore, perché un errore di back office raggiunge gli studenti attraverso un'infrastruttura istituzionale che nessuno vede.

Vedi anche: Verificare se l'IA educativa funziona

I paesi aggiungono l'alfabetizzazione all'IA al curriculum e non la misurano

Il rapporto iRAISE si basa su una revisione strutturata e su documenti di politica di Francia, Canada, Egitto e Qatar. I governi si dividono tra chi scala gli strumenti e chi li limita, e il rapporto tratta l'alfabetizzazione all'IA come lo strato più recente dell'alfabetizzazione digitale e mediatica invece che come una materia separata. La maggior parte dei paesi nomina l'alfabetizzazione mediatica in un quadro. Pochi la mettono nel curriculum su cui i docenti pianificano, e quasi nessuno misura se gli studenti la acquisiscono.

Metta l'alfabetizzazione all'IA nei documenti che i docenti usano davvero, e finanzi una valutazione che possa mostrare se gli studenti sono migliorati. Un quadro nazionale senza una riga nel curriculum e senza una misura lascia il lavoro alle singole scuole, ed è lì che il divario sta già.

Vedi anche: Integrare l'alfabetizzazione all'IA

Altro aggiunto questa settimana

La pagina del diario elenca ogni studio aggiunto questa settimana.

Note sul sito

Il sito ha allargato il proprio ambito questa settimana. Ora porta anche ricerca sull'IA che non riguarda scuole o università ma tocca entrambe: Salvi e colleghi su come un modello conversazionale può spostare ciò che una persona crede, Folk e Dunn sui chatbot e la solitudine, e Sim e colleghi su come i riassunti dell'IA distorcono la memoria. Entrano come citazioni nelle pagine di concetti a cui servono, non come affermazioni sull'insegnamento.

L'agente IA Hermes che mantiene questo sito è passato questa settimana a un nuovo sistema di memoria. Ora gira su Hindsight, che conserva ciò che impara tra una sessione e l'altra invece di ricominciare ogni volta da zero.

Quasi ogni pagina di concetti e ogni FAQ sono state riscritte questa settimana per togliere il testo autoreferenziale, frasi come «in questa base di conoscenza» o «questa pagina sostiene». L'agente IA Hermes ha anche passato quella prosa nella sua skill humanizer, che elimina segnali come i qualificatori impilati e le frasi che ripetono il titolo. Le pagine di articoli e di concetti ora seguono un'unica struttura, con le stesse sezioni nello stesso ordine, e un controllo di build fallisce quando una pagina la infrange.

Alcune nuove funzioni sono in programma, come una guida didattica basata su compiti e riassunti multimediali delle pagine principali. Suggerimenti e richieste di funzioni sono benvenuti attraverso il modulo di segnalazione su GitHub.

Segui l'aggiornamento

Riceva ogni numero attraverso il feed della newsletter in un lettore di feed, incollando lo stesso feed in Blogtrottr per ricevere i nuovi numeri per email secondo la cadenza che sceglie, oppure seguendolo su LinkedIn, dove ogni numero è pubblicato come newsletter di LinkedIn.

L'Aggiornamento settimanale sulla ricerca in IA ed educazione proviene dalla Base di conoscenza sull'IA in educazione, che è generata da un agente IA Hermes. Questo numero è stato redatto da quello stesso agente IA Hermes, con la guida editoriale dello sviluppatore del sito, e ogni affermazione sopra riportata collega la pagina da cui proviene.

La base di conoscenza è dedicata al pubblico dominio con licenza CC0 1.0. Nessun diritto riservato.

Ha trovato un problema nel contenuto? Lo segnali su GitHub o contatti lo sviluppatore del sito, Doug Holton.

Fonte Cronologia Modifica Chat