AIEd 지식베이스AIEd KB
이 페이지의 목차

전체 호

AIEd 연구 주간 업데이트 #3

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

AI 교육 지식 기반에서 보내는 주간 브리핑으로, 지난 한 주에 발표된 연구가 강사, 개발자, 연구자, 관리자에게 무엇을 의미하는지 다룹니다.

지난 호 이후 159편의 새 연구, 8개의 새 개념 페이지, 2개의 새 FAQ, 3개의 새 자료가 지식 기반에 합류했습니다. 지식 기반은 이제 2,085개의 논문 요약, 230개의 개념 페이지, 44개의 FAQ, 40개의 자료를 보유합니다. 검색하거나 AI를 사용해 지식 기반과 대화할 수 있습니다.

목차

이번 주 주요 내용과 질문

  • AI 피드백이 교사의 피드백을 대체할 수 있는가? AI 생성 피드백과 교사 피드백은 312명의 1학년 글쓰기 학생을 대상으로 한 무작위 시험에서 에세이 수정을 똑같이 개선했습니다. 교사 피드백은 학생들이 피드백을 주는 사람과 연결감을 느꼈기 때문에 동기를 더 높였습니다. AI는 수정 회차를 맡을 수 있지만, 관계는 여전히 교사가 맡습니다.
  • 지지적 챗봇이 또래를 대체할 수 있는가? 지지적 챗봇은 296명의 1학년 학생을 대상으로 한 무작위 시험에서 외로움을 줄이는 데 일기 쓰기와 같은 성과를 냈습니다. 무작위로 배정된 또래는 외로움을 줄였습니다. 봇은 더 많은 공감을 표현했지만 학생들은 덜 돌려주었으므로, 외로움 자체를 측정하십시오.
  • 짧은 윤리 모듈이 AI 판단을 바꾸는가? 4주짜리 정보 윤리 모듈은 16개 반을 무작위 배정한 시험에서 AI 관련 윤리 판단 시나리오에 대한 학생 점수를 높였습니다. 이득의 약 60%가 4주 뒤에도 유지되었고, AI를 가장 많이 쓰는 학생들이 가장 많이 얻었습니다. 사례 기반 교수가 가능성을 보여 줍니다.
  • AI 지원이 많을수록 창의적 작업이 나아지는가? 성인 728명을 대상으로 한 네 개의 무작위 실험에서 AI가 작업을 더 많이 할수록 판정자들이 결과 혁신 제안을 더 낮게 평가했으며, 주로 참가자들이 인지 작업을 덜 했기 때문이었습니다. 지원이 많을수록 결과물은 약해졌습니다.
  • AI가 쓴 게임이 강의보다 잘 가르칠 수 있는가? 추리 역할극 게임이 84명의 법학 학생을 대상으로 한 무작위 시험에서 같은 강사의 강의를 법률 지식과 추론에서 이겼습니다. 게임은 생성형 AI로 만들어졌고 비교는 게임 대 강의였으므로, 이 결과는 게임 기반 학습을 지지하며 챗봇 사용은 검증되지 않은 채로 남깁니다.
  • 학생 수행 보고서가 교수 방식을 바꾸는가? 온라인 수학 튜터링 시스템이 처음인 교사들에게 첫 과제에 대한 학생 수행 학습 분석 대시보드 보고서를 열도록 무작위로 안내했습니다. 보고서를 여는 것은 다음 과제를 시작하는 비율도, 학생들의 시험 점수 향상도 바꾸지 못했지만, 다음 과제 완료율은 주로 소규모 학급에서 올랐습니다.
  • 인간 채점자와 일치하면 AI 채점자가 안전한가? 300개의 단답형 답안을 채점한 6개 AI 모델 감사에서, 모든 모델이 학생이 성취도가 높다고 들었을 때 동일한 작업을 더 높게 채점했습니다. 10점 척도에서 0.28~0.75점 높았습니다. 일치도는 학생의 사전 성취 기록에 묶인 편향을 숨길 수 있으므로, 그 기록을 가려야 합니다.
  • AI가 생성한 언어는 왜 이렇게 이해하기 어려운가? AI 텍스트는 수학, 코드, 추론을 위한 사후 훈련이 명확한 설명보다 압축된 답을 보상하기 때문에 희귀한 단어 조합, 명사화 동사, 무생물 주어, 축약된 목적격 관계절, 겹친 명사, 긴 의존 구조를 과도하게 사용합니다. 교육에 대한 함의는 AI가 쓴 설명, 피드백, 읽기 자료가 가독성 점수가 괜찮아 보여도 학생이 처리하기 더 어려울 수 있다는 것이며, 이는 공식이 놓치는 읽기 교육의 문제입니다. [편집자 주: 다시 말씀드리면, 이 뉴스레터와 AIEd 지식 기반은 AI가 생성합니다. 사이트 개발자는 가독성과 유용성을 높이기 위해 광범위한 편집 지침을 제공했고, 그 지침 뒤에 AI 에이전트는 Humanizer 스킬을 적용하고 긍정적으로 쓰며 "not X, but Y" 구문을 피하라는 명시적 지시를 따랐습니다.]

새로운 FAQ

이번 주에 새 답변 2개가 FAQ에 합류했습니다.

AI가 학생의 읽기와 독해를 어떻게 도울 수 있는가?

읽기 답변은 읽기 수준 레이블을 대략적인 추측으로 다룹니다. 실제 독자 몇 명의 평가가 공식보다 낫고, 학생인 척하라고 지시받은 AI는 텍스트가 얼마나 어렵게 느껴질지 알려 줄 수 없습니다. AI로 읽기 자료를 찾고, 단순화하고, 주석을 달되, 결과를 학생과 함께 시도하고 원본을 옆에 두십시오.

AI 편향과 불공정은 교육에서 어떻게 나타나며, 무엇을 할 수 있는가?

편향 답변은 가르치는 집단에 대한 오류율을 요구합니다. 평균이 격차를 숨길 수 있고, 실패가 채점, 튜터링, 대시보드, 탐지 중 어디에나 있을 수 있기 때문입니다. 조달 과정에 집단별 보고와 이의 제기 경로를 넣고, 파이프라인 자체를 고치십시오.

새로운 개념

이번 주에 여덟 개의 개념 페이지가 지식 기반에 합류했습니다.

읽기 교육

읽기 교육은 이제 흔히 하나의 이름표를 공유하는 네 가지를 구분하는 페이지가 있습니다. 독자를 돕는 일, 읽기 평가, 텍스트 적응, 난이도 측정입니다. 이 페이지는 193명의 학생이 3,954개 문장을 평가한 연구를 인용합니다. 72.8%가 쉽거나 매우 쉽다고 느꼈고 Flesch 점수는 다른 말을 했으므로, 학년 수준 레이블은 특정 독자가 텍스트를 어떻게 경험할지에 대한 약한 안내입니다.

성찰

성찰은 순간적인 점검인 메타인지와 그것을 구분하는 새 페이지가 있습니다. 첫 번째 설계 질문은 학생이 성찰을 직접 썼는지입니다. 성인 302명 실험에서 성찰 프롬프트는 피드백에 쓰는 시간을 두 배로 늘리고 연습을 40% 줄여 숙달도를 65% 대 79%로 낮췄습니다. 따라서 시점이 프롬프트 자체만큼 중요합니다.

자동화 편향

자동화 편향은 올바른 AI 권고를 잘못된 결정으로 바꿀 수 있는 인간의 습관을 명명합니다. 스스로 도달했다면 의심했을 답을 받아들이는 것입니다. 이 페이지는 에세이 점수와 조기 경보에서 원격 감독에 이르기까지 교육에서 그것이 일어나는 곳을 모으고, 서류상으로만 존재하는 검토 단계가 왜 그것을 잡지 못하는지 보여 줍니다.

시민 및 정치 교육

시민 및 정치 교육은 증거의 공백을 지도화하고 분야를 종합합니다. 310개의 AI 생성 수업 계획 분석에서 활동의 90%가 암기, 이해, 기초 적용만 요구했습니다. 94%는 다문화 내용이 거의 없었고, 코퍼스의 어떤 연구도 시민 학습을 측정하지 않았습니다.

도서관

도서관은 도서관을 장소이자 서비스이자 전문가 집단으로 다룹니다. 29편 연구 검토는 도입이 참고 서비스와 목록 작성에 집중되어 있음을 발견하며, Public AI Libraries 파일럿은 공유되고 직원이 상주하는 접근을 형평성 논거로 삼습니다.

AI 아바타와 합성 교수자

AI 아바타는 녹화된 강의자와 튜터에서 시뮬레이션 환자와 시험관에 이르기까지 합성 인간이 차지할 수 있는 역할을 지도화합니다. 증거는 고르지 않고, 사실적인 얼굴은 학습에 대해 거의 알려 주지 않으며, 공개와 신뢰가 모델만큼 중요합니다.

센서 및 시선 분석

센서 및 시선 분석은 시선 추적, 뇌와 심장 신호, 카메라 자세를 통해 주의와 참여, 인지 부하를 추론하는 방법을 다룹니다. 이 분야는 교수를 바꾸는 것보다 학습자를 관찰하는 데 더 능하며, 이 페이지는 프라이버시, 편향, 신체 신호와 정신 상태 사이의 간극을 핵심으로 다룹니다.

정보 및 미디어 리터러시

정보 및 미디어 리터러시는 둘을 하나의 교수 문제로 다룹니다. 정보 리터러시는 출처가 믿을 만한지 묻고, 미디어 리터러시는 누가 왜 메시지를 만들었는지 묻습니다. 생성형 AI는 유창한 텍스트가 그 기원을 숨기기 때문에 두 질문을 모두 무너뜨립니다. 이 페이지는 결합된 교육과정에 관한 증거가 거의 없음을 발견합니다.

새로운 자료

이번 주에 세 개의 자료가 자료 라이브러리에 합류했습니다.

LearnHarness

LearnHarness는 무료 오픈소스 데스크톱 앱으로, AI 에이전트가 학습자가 이미 아는 것을 파악하고, 목표에 도달하는 데 필요한 개념을 지도화하고, 한 번에 하나의 추론 단계를 가르치고, 연습을 적응시킵니다.

Learning Commons

Learning Commons는 교육과정 제품을 위한 개방형 구성 요소를 출판합니다. 표준과 교육과정 지도, 생성 텍스트 채점 도구, 교사를 위한 기성 AI 워크플로입니다.

Public AI Libraries

Public AI Libraries는 미국 공공 도서관에 공유 AI 워크스테이션을 배치하는 파일럿으로, 대화, 이미지 및 영상 생성, 코딩 작업 공간, 교육 가이드, 이용자별 비공개 계정을 제공합니다.

강사를 위한 내용

AI 피드백은 수정본에서 교사와 맞먹지만 동기는 뒤처진다

AI와 교사 피드백은 312명의 글쓰기 학생을 대상으로 한 무작위 시험에서 같은 에세이를 비슷한 정도로 개선했습니다. 교사 피드백은 학생이 피드백을 주는 사람과 연결감을 느꼈기 때문에 동기에 더 기여했습니다.

피드백 주변에 인간의 목소리를 남기십시오. 생성된 논평에 짧은 강사 응답을 짝지어 주거나, 첫 회차는 AI로 하고 작품에 대한 대화는 교사가 맡으십시오.

관련 항목：대규모 AI 피드백

다섯 편 중 한 편은 챗봇이 전부 작성했다

대학 글쓰기 학생 77명을 대상으로 한 연구는 모든 프롬프트, 응답, 붙여 넣기를 기록했습니다. 열다섯 명, 즉 다섯 명 중 한 명이 챗봇이 쓴 에세이를 제출했고, 대부분은 여전히 그 에세이가 자신의 것이라고 느꼈습니다.

중간 작업을 요구하십시오. 프롬프트, 수정본, 무엇이 왜 바뀌었는지에 대한 짧은 메모입니다. 가르칠 시간이 남아 있을 때 넘겨주기를 보이게 만드십시오.

관련 항목：AI 시대의 평가 재설계

중등학생은 거의 보편적으로 AI를 사용하며, 성취도가 낮은 학생이 더 많이 사용한다

독일 중등학생 4,062명을 1년간 추적한 연구는 AI 사용이 거의 보편적임을 발견했습니다. 95%가 사용했고, 성취도가 낮은 학생들은 과제를 끝내기 위해 더 많이 사용했습니다. 그 패턴은 이후 더 적은 노력을 예측했습니다.

그러므로 AI 사용의 틀 제시하기와 자기조절 학습이 교육과정의 일부가 되어야 하며, 학년 내내 다시 다루어야 합니다. 학생들에게 이 과제에서 도구가 무엇을 위한 것인지 묻고, 성취도가 낮은 학생에게는 작업을 이해하는 것에서 시작하는 지원 경로를 주십시오.

관련 항목：AI 과의존 줄이기

지지적 챗봇은 일기 쓰기와 맞먹었고, 또래는 외로움을 줄였다

1학년 학생 296명을 대상으로 한 2주 무작위 시험에서 지지적 챗봇은 외로움을 줄이는 데 일기 쓰기와 같은 성과를 냈고, 무작위로 배정된 또래는 외로움을 줄였습니다. 봇은 더 많은 공감을 보였지만 학생들은 덜 돌려주었습니다.

봇은 또래나 상담자가 계속 이용 가능한 상태에서 유용한 첫 접촉이 될 수 있습니다. 권하는 모든 학생 지원 서비스에 그 인간 경로를 넣고, 외로움 자체를 측정하십시오.

관련 항목：AI, 불안, 웰빙

AI 시뮬레이션을 감독 아래의 리허설로 다루라

14편의 연구를 검토한 결과, 간호 학생들은 반복 가능하고 부담이 낮은 AI 시뮬레이션을 가치 있게 여겼고 특히 의사소통과 임상 추론에서 더 큰 자신감을 보고했습니다. 사실감, 신체 언어, 응답 지연은 여전히 약점이었습니다.

학생들에게 한계를 간단히 설명하고, 생성된 내용을 확인하도록 요구하고, 사후 디브리핑을 하십시오. 비언어적 의사소통이나 지속적인 공감이 연습의 핵심인 곳에는 인간 상호작용을 남기십시오.

관련 항목：간호 교육

캡스톤 코드는 세 배가 되었지만 주석은 그대로였다

컴퓨터 과학 교육의 캡스톤 프로젝트 260개를 10개 학기 동안 살펴본 결과, 코드 중앙값은 약 3,400줄에서 10,000줄로 늘었지만 주석은 8% 근처에 머물렀습니다. 커밋 수는 늘었고 개별 커밋은 거의 변하지 않았습니다.

설계 결정, 코드에 대한 설명, 그리고 학생이 코드를 바꿀 수 있는 능력을 평가하십시오. 이제 산출물은 그것이 보여 주려는 학습보다 빠르게 성장할 수 있습니다.

관련 항목：AI 시대의 평가 재설계

개발자를 위한 내용

그림이 없으면 AI 튜터는 거절해야 한다

이미지 처리 가능한 AI 모델 6개가 그림에 핵심 정보가 담긴 중학교 수학 문항 376개를 풀었습니다. 그림이 있을 때 최고 모델은 절반을 조금 넘게 풀었고, 없을 때는 거의 매번 거절했습니다.

거절을 맥락 결손 신호로 다루십시오. 그림 없이 생성된 점수나 프로필 업데이트는 다른 과제를 측정한 것입니다.

관련 항목：수학 교육

질문을 던지고 글쓰기는 학생에게 남기는 글쓰기 튜터

MAIKE는 질문을 하고 논증을 진단하면서 에세이 텍스트는 학생에게 남깁니다. 중등학생 65명 중 개선은 통제 챗봇과 비슷했고 40% 대 41%였으며, MAIKE 사용자는 아이디어에 더 많은 턴을 썼고 아무도 거절하지 않았습니다.

채팅에서 논의된 아이디어가 수정본으로 이어지는지 측정하십시오. 최종 텍스트만 개선하는 글쓰기 교육 도구는 과제가 기르려는 추론을 우회할 수 있습니다.

관련 항목：AI를 활용한 글쓰기 교수

내레이션이 흐르는 동안 슬라이드를 확대하고 강조하라

GuideSlide는 슬라이드 덱을 내레이션하고 시각화를 사용해 논의 중인 부분으로 확대합니다. 휴대전화로 시청한 24명 연구에서 작업 부하는 줄고 이해도는 9점 만점에 5.5에서 6.5로 올랐으며, 22명 중 21명이 이 방식을 선호했습니다.

하루 뒤의 이점은 통계적으로 유의하지 않았으므로, 이 연구는 시청 중 주의를 지지하며 지속적인 학습은 검증되지 않은 채로 남습니다. 큐잉을 내러티브 자체에 넣으십시오.

관련 항목：학습에 AI 설계하기

미세 조정된 탐지기는 이름 편향 없이 학생 텍스트를 비식별화할 수 있다

도구 5개를 13,613개의 학생 텍스트 파일에서 시험했습니다. 미세 조정된 GPT-4o-mini는 식별 정보의 약 96%를 찾아냈고 비용은 Azure 토큰당 가격의 약 6분의 1이었습니다. Microsoft 도구는 아프리카와 아시아 이름을 더 자주 놓쳤습니다.

10개의 전사본으로 훈련한 것이 새 세트에서도 작동했으므로 이 접근은 전이됩니다. 정밀도가 중요할 때는 두 번째 확인 비용을 책정하고, 도구가 놓치는 집단을 보고하십시오.

관련 항목：기관 AI 정책

영상 분석은 인간 수준 일치에 도달했지만 여전히 인간이 루프 안에 있다

GAIVA는 교실 영상을 전사, 라벨링, 해석해 학습 분석에 제공합니다. 다섯 개 녹화에서 그 라벨은 두 인간 검토자가 서로 일치한 정도만큼 인간 검토자와 일치했고, 원래 이론이 명명하지 않은 참여 유형을 드러냈습니다.

모델을 추적 가능한 프롬프트와 각 단계의 인간 결정을 갖춘 코딩 파트너로 다루십시오. 모델은 인간 검토자가 찾아보지 않았을 패턴도 드러냅니다.

관련 항목：AI 지원 교육 연구

연구자를 위한 내용

큰 평균 효과도 신뢰할 만한 이득이 없음을 뜻할 수 있다

통제 연구 4편을 검토한 결과, 컴퓨팅 및 공학 학생 420명에서 큰 평균 개선이 나타났지만 연구들 사이의 불일치가 컸고 가능한 범위에는 이득이 없는 경우도 포함되었습니다. 증거는 매우 불확실한 것으로 평가되었습니다.

서로 다른 네 연구의 큰 평균은 자신의 강좌에 대한 가설로 다루십시오. 개인화 학습을 실제로 운영될 곳에서 시범 운영하고, 증거가 얼마나 불확실한지 분명히 밝히십시오.

관련 항목：개인화 학습이란 무엇인가

학습자 기록을 아는 AI 채점자는 같은 작업을 다르게 채점한다

AI 모델 6개가 같은 300개의 단답형 답안을, 사전 성취에 관한 진짜 메모와 뒤바꾼 메모를 곁들여 채점했습니다. 모든 모델이 높은 레이블 아래에서 동일한 작업을 더 높게 채점했고, 10점 척도에서 0.28~0.75점 차이였습니다.

여기서 학생 맥락이 편향처럼 작용합니다. 일치도 수치 옆에 맥락 효과를 보고하고, 모델을 신뢰할 만하다고 부르기 전에 학생 기록 없이 채점을 시험하십시오.

관련 항목：AI 채점의 공정성과 신뢰성

공정해 보이는 튜터가 26%의 기술 격차를 숨길 수 있다

적응형 수학 튜터 MATHia를 사용한 학생 8,549명의 2년치 로그는 아직 읽기를 배우는 학생들이 기술을 68.7% 숙달한 반면 다른 학생들은 77.6%였음을 보여 주었습니다. 전체 공정성 측정은 거의 중립적으로 보였습니다. 한 기술은 예측 숙달도에서 26% 격차를 숨겼습니다.

튜터에는 읽기 기술 구성 요소가 없었으므로, 읽기 교육이 수학 시스템에서 빠진 요인이었습니다. 그 기술을 모델링하고, 교사가 개입할 수준에서 격차를 보고하십시오.

관련 항목：교육에서의 AI 편향과 공정성

탐지 오탐은 거버넌스 문제다

90편의 연구를 검토한 결과, AI 탐지기는 정당한 글을 도구, 임계값, 데이터셋, 언어가 달라 통합할 수 없는 비율로 표시했습니다. 초록, 문헌 검토, 시험 답안, 번역된 텍스트, 교정된 산문이 계속 표시되었습니다.

해법은 절차적입니다. 투명한 사용, 인간 검토, AI 리터러시, 명시적 기관 정책, 이의 제기 경로입니다. 이는 거버넌스에 속하며, 탐지기 설정은 그 일부일 뿐입니다.

관련 항목：AI 탐지기를 사용해야 하는가?

인간 채점자와 일치해도 작업을 놓칠 수 있다

AI 모델 22개가 단답형, 코드, 에세이 전반에서 과제당 100개 항목을 채점했습니다. 대부분은 단답형에서 인간과 일치했고, 네 개는 코드에서 인간과 일치하거나 능가했으며, 에세이에서 인간 수준에 도달한 모델은 없었습니다.

높은 일치도 수치는 답안의 메모를 채점하고 답은 놓치는 AI 채점자와 공존할 수 있습니다. 평가에 변형된 답안을 추가하고 모델이 작업에서 벗어나는 지점을 보고하십시오.

관련 항목：AI 채점의 공정성과 신뢰성

관리자를 위한 내용

신경다양성 에드테크 증거는 집중되어 있고 연구자 주도다

93편의 연구를 검토한 결과, 신경다양성 학습자를 위한 에드테크 증거에서 자폐가 39.8%로 지배적이었고, 지적 장애, ADHD, 난독증이 그 뒤를 이었습니다. 확장 현실(VR 및 AR)이 가장 많이 연구되었고, 사회적 및 또래 결과는 덜 주목받았으며, 아동은 거의 발언권이 없었습니다.

교실이 신경 쓰는 결과와 평가에 포함된 학습자를 요구하십시오. 연구자만 검증한 주장은 그것이 섬기려는 사람들에게서 멀어질 수 있습니다.

관련 항목：장애 및 신경다양성 학습자를 위한 AI

학생들은 피드백을 위한 기관 어시스턴트를 원했다

학생 315명과 직원 20명이 참여한 13개월 공동 설계 프로그램에서 73%가 자신의 학습과 연결된 24시간 피드백을 가치 있게 여겼습니다. 플래시카드와 퀴즈는 개방형 채팅보다 더 긍정적인 의견을 받았고, 베타 테스터 18명 중 16명이 어시스턴트를 원했습니다.

가치관을 이유로 저항한 10~15%가 도입 위험을 만듭니다. 그 우려를 실질적으로 다루십시오. 파일럿 전에 학생 데이터가 어떻게 처리되는지와 어시스턴트가 할 수 없는 일을 설명하고, 학생에게 거부할 경로를 주십시오.

관련 항목：학습에 AI 설계하기

감독은 부정행위를 잡지만 비용을 가장 취약한 사람에게 전가한다

32편의 연구를 검토한 결과, AI 감독은 대리 응시와 부정행위를 잡지만 오탐, 조명과 대역폭 고장, 불안, 프라이버시 피해가 가장 취약한 사람에게 가장 크게 떨어집니다. 자동 감독이 연구의 59%를 차지했습니다.

검토자들은 대안 평가와 인간 및 자동 모니터링의 혼합을 권합니다. 또 다른 탐지기를 추가하기 전에 고부담 온라인 시험을 줄이십시오.

관련 항목：기관 AI 정책

대시보드 보고서는 완료율을 높였지만 시험 점수는 그대로였다

온라인 수학 튜터가 처음인 교사들에게 첫 과제에 대한 학생 수행 학습 분석 대시보드 보고서를 열도록 무작위로 안내했습니다. 그것은 다음 과제를 시작하는 비율도, 학생들의 시험 점수 향상도 바꾸지 못했지만, 소규모 학급에서는 완료율이 올랐습니다.

분석 제품을 사기 전에 교사가 보고서를 여는지, 그것에 따라 행동하는지, 학습 이득을 보는지 시험하십시오. 완료율 상승만으로는 충분하지 않습니다.

관련 항목：교육용 AI가 작동하는지 확인하기

거의 어떤 기관도 AI 관리 책임자가 누구인지 말할 수 없다

13개국에서 학생과 직원 387명을 대상으로 한 설문에서 지정된 AI 거버넌스 역할을 아는 사람은 17%뿐이었습니다. 나머지 중 71%는 그런 역할이 필요하다고 생각했고 76%는 그것이 자신의 경험을 개선할 것이라고 기대했습니다.

응답자들은 권한을 가진 역할을 설명했습니다. 권한 없는 위원회는 그 역할을 채우지 못한 채로 남깁니다. 책임자에게 훈련, 데이터 보안, 윤리 검토, 전략에 대한 권한을 주고 누가 그 자리에 있는지 공개하십시오.

관련 항목：기관 AI 정책

이번 주에 추가된 연구

저널 페이지는 이번 주에 추가된 모든 연구를 나열하며, 여기 요약되지 않은 연구도 포함합니다.

사이트 소식

뉴스레터와 그 RSS 피드가 이제 스페인어로도 제공됩니다. 스페인어 뉴스레터 사이트를 방문하거나 스페인어 뉴스레터 RSS 피드를 구독하십시오. 다른 로컬라이제이션을 요청하려면 이슈를 제출하거나 사이트 개발자에게 연락하십시오.

사이트가 훨씬 가벼워졌습니다. 전체 개념 및 FAQ 트리는 모든 페이지에서 빠졌습니다. 사이드바는 열 개의 주제 그룹을 보여 주고 독자가 하나를 열 때만 전체 목록을 가져오며, 오른쪽 레일은 최근 페이지를 서른 개에서 여덟 개로 줄였습니다. 빌드 전체에서 HTML은 1.80 GB에서 1.26 GB로, 사이드바 마크업은 604 MB에서 87 MB로 줄었습니다.

번역은 아랍어, 히브리어, 우르두어의 오른쪽에서 왼쪽 판본을 포함해 구성된 33개 로캘 전체에서 갱신되었습니다. 논문 요약은 영어로만 제공됩니다.

오프라인 판본은 새 GitHub 릴리스 위치로 옮겨졌으므로, 이전 EPUB 및 PDF 링크는 더 이상 열리지 않습니다. 모든 로캘 사이트는 평소 주소를 유지합니다. 아래 링크가 있는 19개 언어에는 EPUB와 PDF 파일이 있고, 나머지 14개는 사이트 전용입니다.

소스는 github.com/edtechdev/aied에 공개되어 있습니다.

업데이트 구독

각 호를 피드 리더에서 뉴스레터 피드로 받거나, 같은 피드를 Blogtrottr에 붙여 넣어 원하는 일정에 새 호를 이메일로 받거나, LinkedIn에서 팔로우할 수 있습니다. LinkedIn에서는 각 호가 LinkedIn 뉴스레터로 발행됩니다.

AIEd 연구 주간 업데이트는 AI 에이전트가 생성하는 AI 교육 지식 기반에서 나옵니다. 이 호는 같은 AI 에이전트가 사이트 개발자의 편집 지침을 받아 초안을 작성했으며, 위의 모든 주장은 출처 페이지로 연결됩니다.

지식 기반은 CC0 1.0 라이선스에 따라 퍼블릭 도메인에 헌정됩니다. 모든 권리가 포기되었습니다.

내용에 문제가 있습니까? GitHub에서 보고하거나 사이트 개발자 Doug Holton에게 연락하십시오.

출처기록편집대화

이 페이지 삽입

아래 코드를 복사하여 학습 관리 시스템이나 다른 웹사이트에 이 페이지를 삽입하세요. 삽입된 버전은 페이지 콘텐츠만 표시하며, 사이트의 헤더, 내비게이션, 푸터는 숨겨집니다.