이 페이지의 목차

AIEd 연구 주간 업데이트 #42026년 11월 14일

영어 페이지의 자동 번역이며, 아직 원어민의 검수를 받지 않았습니다.

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

지난 호 이후 199편의 새 연구, 8개의 새 개념 페이지, 2개의 새 FAQ, 13개의 새 자료가 지식 기반에 합류했습니다. 지식 기반은 이제 2,277개의 논문 요약, 238개의 개념 페이지, 46개의 FAQ, 53개의 자료를 보유합니다. 검색하거나 AI를 사용해 지식 기반과 대화할 수 있습니다.

이번 주 주요 내용과 질문

채점 평균을 신뢰할 수 있는가? 두 가지 ChatGPT 버전이 같은 에세이를 채점하면서 모든 글을 중간으로 몰아갔습니다. 강사가 50점으로 낙제시킨 글은 66점으로, 80점이던 글은 67점으로 돌아왔으므로, 가장 약한 학생과 가장 강한 학생이 같은 점수를 받게 되었습니다. AI 논평은 학생이 수정하도록 돕는 데 쓰고, 기록되는 성적은 사람이 맡게 하십시오.
과제는 바뀌었는데 성적이 그대로라면 어떻게 되는가? 대학들은 에세이를 발표와 구두 변론으로 바꾸었지만, 성적표에는 여전히 같은 단일 성적을 남겼습니다. 학생은 자기 작업을 소리 내어 변론하고도, 자신이 어떻게 사고했는지에 대해 아무것도 말해 주지 않는 숫자 하나를 들고 떠날 수 있습니다. 성적표가 보고하는 내용을 바꾸지 않으면, 개혁은 서류만 바꾸는 셈입니다.
챗봇이 필기보다 학생의 텍스트 이해를 더 돕는가? 같은 지문에 대해 필기를 한 학생들이 챗봇에게 질문한 학생들보다 더 많이 배웠고, 챗봇을 쓴 학생들은 종종 그 답변을 필기에 옮겨 적었습니다. 그래도 그들은 챗봇을 더 쉽고, 더 유용하고, 더 즐겁다고 평가했습니다. 필기 과제는 남기십시오. 읽은 내용을 요약해 주는 도구는 배움을 만들어 내는 작업을 대신하고 있기 때문입니다.
우리는 에세이를 채점하는가, 사고를 채점하는가? 그 에세이는 쓰는 동안 생각이 바뀌는 모습을 보여 주도록 설계되었는데, 완성된 텍스트만 채점하는 것은 그것을 버리는 일이었습니다. 초안, 그에 대한 비판, 무엇이 왜 바뀌었는지 밝히는 수정본을 요구하십시오. 챗봇은 마지막 초안을 만들어 낼 수 있습니다. 거기까지 도달하는 작업을 보여 주지는 못합니다.
AI가 손글씨 시험을 채점할 수 있는가? Claude는 객관식과 단답형에서 강사와 거의 똑같이 손글씨 시험을 채점했고, 손으로 그린 도표는 절반 정도 맞혔습니다. 암기형 문항은 미리 채점하게 하고, 그림과 판단이 필요한 부분은 직접 채점하십시오.
챗봇이 구술 시험을 진행할 수 있는가? 챗봇은 루브릭을 한 번도 보지 않고 학생을 면접할 수 있고, 시스템의 두 번째 숨은 부분이 그 대화를 채점하므로 학생은 프롬프트로 점수를 얻어 낼 수 없습니다. 그들의 시스템은 답변을 하나씩 채점할 때 너무 관대하게 점수를 주었습니다. 대화 전체를 끝에서 채점하십시오.

K-12 AI에 관한 스탠퍼드 증거 검토가 이번 주에 2026년 11월판으로 갱신되었고, 인과적 증거 기반은 52편의 연구로 두 배가 되었습니다. AI를 설명과 안내에 쓰는 것은 더 나은 학습을 예측하고, 작업을 산출하는 데 쓰는 것은 더 나쁜 학습을 예측하며, 한 시험에서는 범용 어시스턴트가 학생의 동기를 낮추는 것으로 나타났습니다.

새로운 FAQ

이번 주에 두 개의 답변이 FAQ에 합류했습니다. 둘 다 누군가 도구를 고르기 전에 도착하는 결정에 관한 것입니다.

AI 도구를 도입할 때 고려할 옵션과 쟁점은 무엇인가?

도입 답변은 공급업체 목록이 한데 뒤섞어 놓은 세 가지 결정을 분리합니다. 어떤 데이터가 도구에 들어가는지, 기관이 그것을 허용하는지, 누가 모델을 운영하는지입니다. 무료 챗봇은 대화를 공급업체 서버에 보관합니다. 캠퍼스 게이트웨이는 대화를 기관 서버에 두고 접근을 차단할 수 있습니다. 데이터 질문부터 시작하십시오. 나중에 되돌릴 수 없는 것이 바로 그것입니다.

교육자들이 AI로 하지 말아야 할 일은 무엇인가?

회피 답변은 세 가지 실수를 지목합니다. 과제가 가르치기 위해 존재하는 사고를 AI로 대신하게 하지 마십시오. 클릭, 페이지 체류 시간, 완료를 학습의 증거로 취급하지 마십시오. 그리고 "AI를 책임감 있게 사용하라"는 규칙을 쓰면서 챗봇이 1분 만에 끝낼 수 있는 과제를 그대로 두지 마십시오. 마지막 것이 흔한 실패입니다. 정책 문장 하나는 학생이 할 수 있는 일을 바꾸지 않습니다. 과제와 수집하는 증거가 바꿉니다.

새로운 개념

이번 주에 여덟 개의 개념 페이지가 지식 기반에 합류했습니다.

섀도 AI는 누군가 승인하기 전에 이루어지는 AI 사용입니다. 강사가 개인 ChatGPT 계정에서 피드백 초안을 쓰고, 기관은 학생 작업이 그 계정을 거쳐 갔다는 사실을 전혀 알지 못합니다.
기관 AI 인프라는 캠퍼스의 AI 사용 뒤에 있는 배관입니다. 누가 접근 권한을 갖는지, 어느 모델이 돌아가는지, 무엇이 기록되는지, 누가 비용을 내는지입니다. 한 예로 각 부서에 할당량을 주고 감사 로그를 남기는 대학 게이트웨이가 있습니다.
실행 기능은 계획하고, 정보를 머릿속에 유지하고, 충동을 멈추는 일을 포괄합니다. 에세이를 계획할 수 있지만 중간에 흐름을 놓치는 학생을 떠올려 보십시오. 도구는 그 계획을 지원할 수도 있고, 아무도 모르는 사이에 대신 해 버릴 수도 있습니다.
발달 심리학은 아동의 사고가 나이에 따라 어떻게 변하는지 연구하는 분야입니다. 일곱 살은 도구가 질문을 소리 내어 읽어 주기를 필요로 할 수 있습니다. 열일곱 살은 그 답이 좋은지 스스로 판단할 수 있습니다.
종단 연구는 같은 학생을 몇 달 또는 몇 년에 걸쳐 추적합니다. 질문은 10월의 쓰기 향상이 5월에도 남아 있는지이지, 단원 시험에 나타났는지가 아닙니다.
공감은 누군가가 느끼는 것을 이해하는 일과 함께 느끼는 일을 구분합니다. 챗봇은 가혹한 논평을 친절하게 고쳐 쓸 수 있습니다. 학생이 시도를 멈췄다는 것을 알아차리지는 못합니다.
사례 기반 학습은 학생이 추론해야 하는 하나의 구체적 상황을 통해 가르칩니다. 가슴 통증을 호소하고 두 검사 결과가 서로 어긋나는 환자를 그려 보십시오. 배움은 사례 텍스트가 아니라 학생이 그 사례에 대해 던지는 질문에 있습니다.
은유와 비유는 AI를 설명할 때 쓰는 그림입니다. 블랙박스, 조력자, 거울 같은 것입니다. 그것을 튜터라고 부르면 학생은 답을 알고 있을 것이라 기대합니다. 학습 파트너라고 부르면 확인해 볼 가능성이 더 큽니다.

새로운 자료

이번 주에 열세 개의 자료가 자료 라이브러리에 합류했습니다.

Primer는 교사가 코드를 쓰는 대신 역할극이나 시뮬레이션을 평범한 언어로 설명할 수 있게 합니다. 예를 들어 AI가 까다로운 학부모 역할을 맡는 협상 연습이 있습니다.
Agentic Builds는 교사들이 만든 작은 앱들의 갤러리로, 그 뒤에 있는 프롬프트가 함께 있어 자기 수업에 복사해 쓸 수 있습니다.
Vibe-Coding Center는 코딩 어시스턴트에 붙여 넣을 세 개의 지시 파일을 제공하므로, 그것이 작성하는 웹 앱이 학생에게 쓸 만큼 접근 가능하고 비공개이며 안전해집니다.
AI Guidance by Age는 역할과 연령대를 입력하면 그 나이에 학생이 AI로 무엇을 할 수 있어야 하는지 제안하고, 어느 부분이 아직 추측인지 밝힙니다.
Voice-First Written Assessment는 학생이 답을 소리 내어 설명한 뒤 전사본에서 수정본을 쓰게 하므로, 사고가 기록에 남고 쓰기도 그대로 이루어집니다.
Amplify GenAI는 Vanderbilt의 채팅 플랫폼으로, 캠퍼스가 자체 클라우드 계정 안에서 운영하므로 학생 대화가 기관에 남습니다.
conText는 다음 질문을 던지고 답을 주지 않는 음성 튜터로, 교사에게 학생이 지나온 경로를 보여 줍니다.
MindRouter는 캠퍼스 GPU 앞의 문지기로, 부서별 할당량, 통합 로그인, 누가 무엇을 썼는지에 대한 로그를 갖추고 있습니다.
Moodle AI Text Question Type는 Moodle 퀴즈에 AI가 채점하는 문항을 추가하며, 루브릭을 프롬프트에 넣고 점수는 성적부로 바로 들어갑니다.
MyEssayFeedback은 학생이 초안을 제출하고, 교사가 고른 부분에 대한 AI 논평을 읽은 뒤, 어떤 논평을 받아들일지 기록하고 수정합니다.
NowComment는 학급이 문서를 줄 단위로 토론할 수 있게 하며, 이제 AI가 학생들이 고쳐 쓰도록 기대되는 초안 논평을 추가할 수 있습니다.
Teacher Hive는 학생 로그인이 필요 없는 교사 제작 소형 앱을 모아, 다른 교사가 복사할 수 있는 예시로 공개합니다.
AI Tutor Pro and AI Teaching Assistant Pro는 음성 대화, 퀴즈, 필기를 여덟 개 언어로 제공하는 무료 학습 도구로, 혼자 연습하는 학생을 위한 것입니다.

이름 변경 하나: EduPrompts 자료는 이번 주까지 EduGems라고 불렸습니다. 프롬프트 모음은 같고, 이제 eduprompts.ai에 있습니다.

강사를 위한 내용

작업이 학생의 것인지 묻기를 멈추고 그것이 무엇을 보여 주는지 물으십시오

Bayraktar는 탐지 도구, 금지, 교실 내 재작성이 오직 한 가지 질문에만 답한다고 주장합니다. 산출물이 독립적으로 생산되었는가입니다. 그것들은 학생이 과제가 증거하려던 것을 이해하는지에 대해서는 아무 말도 하지 않습니다. 제안된 프레임워크는 완성된 작업을 여러 출처 중 하나로 두고, 구성개념이 필요로 하는 곳에 증거를 더합니다. 의사 결정 로그, 어떤 조언을 거부했는지에 대한 짧은 메모, 학회 응답 같은 것입니다. 또한 AI 사용 자체를 학생이 판단할 대상으로 만듭니다. 예를 들어 도구의 답이 어디서 틀렸는지 지목하게 하는 것입니다.

대응책을 고르기 전에 과제가 어떤 학습을 증거해야 하는지 정하십시오. 모든 강좌를 포트폴리오 강좌로 바꾸는 대신 격차를 메우는 산출물 하나를 더하고, AI가 도움이 되지 않은 지점을 학생에게 묻으십시오. 그것에 관한 한 단락이 공개 진술서보다 가치 있습니다.

관련 항목: AI 시대의 평가 재설계

과제는 그대로 두고 과정 기록을 더하십시오

Winstone, Gravett, Elkington은 대학의 생성형 AI 대응 대부분이 말뿐이라고 주장합니다. 신호등, 선언문, 허용 사용 규칙입니다. 그들의 Black Box Assessment는 과제를 그대로 두고, 학생이 과정을 들여다볼 수 있는 창을 제출하게 합니다. 초안, 수정 로그, 짧은 성찰 같은 것이며, 수정이 학점을 얻도록 루브릭을 다시 씁니다. 그들은 파일럿을 보고하지 않았고, 그렇게 말합니다.

과제 하나를 골라 과정 산출물 하나를 요구하십시오. 개요, 첫 초안, 또는 피드백이 무엇을 바꿨는지에 관한 한 단락입니다. 그 산출물을 명시된 기준으로 채점하십시오. 그러면 학생에게 기록을 남길 이유가 생기고, 학문적 정직성이 정책 문장이 아니라 과제 안에 자리 잡습니다.

관련 항목: AI 시대의 평가 재설계

교사 피드백과 AI 피드백은 대등했다

Meyer와 동료들은 독일의 10, 11학년 학생 391명을 세 조건에 무작위 배정했습니다. 교사가 쓴 피드백, 즉시 제공되는 AI 피드백, 출처와 시점을 분리할 수 있도록 늦게 제공되는 AI 피드백입니다. 모든 표준 비교는 영가설로 나왔습니다. 수정본은 개선되었고, 다음 쓰기 과제는 차이가 없었으며, 과제 시간, 동기, 정서는 교사 피드백과 AI 피드백 사이에 통계적으로 구분되지 않았습니다.

학생들은 즉시 제공되는 AI 피드백을 교사 피드백보다 더 유용하고 더 동기 부여가 된다고 평가했지만, 지연된 AI 집단은 같은 평가를 받지 못했습니다. 따라서 그 이점은 누가 썼는지가 아니라 속도에서 나왔습니다. 교사가 빠르게 응답할 수 없을 때 AI 피드백을 쓰고, 그것이 바닥을 받쳐 주는 것이지 끌어올리는 것은 아니라고 기대하십시오. 학생이 빠른 논평을 유용한 논평으로 착각하고 있는지 확인하십시오.

관련 항목: AI 시대의 평가 재설계

개발자를 위한 내용

학생이 "내 노트에는 다르게 적혀 있는데"라고 말하면 물러나는 튜터

Liu와 Korolova는 11개의 상용 모델을 두 개의 모의 K-12 수학 튜터링 실험에 통과시켰습니다. 5턴 답변 수정 프로토콜의 400개 질문과 2턴 진단 프로토콜의 1,884개 질문입니다. 학생이 틀린 답으로 시작하면 첫 턴 정확도가 5.5포인트 떨어졌습니다. 첫 턴에 정답이었던 답변 중에서, 짧은 "동의하지 않습니다"가 5.2%를 학생의 틀린 선택으로 뒤집었고, "내 노트에는 B라고 되어 있습니다"가 12.7%, 명시적인 틀린 추론이 3.1%를 뒤집었습니다. 틀린 답으로 끝난 정답 대화 중 86%가 첫 반박에서 뒤집혔습니다. 정답을 의심하는 것은 진단 정확도도 66.5%에서 58.0%로 낮추고 거짓 양성을 33.5%에서 42.0%로 높였습니다.

권위에 호소하는 것을 다시 답하라는 요청이 아니라 그 단계를 다시 유도하라는 요청으로 다루고, 학생이 방금 의심한 작업에 대해 오개념 진단을 확정하지 마십시오. 튜터를 대본이 있는 다중 턴 대화로 시험하고, 뒤집힘 비율을 첫 턴 정확도와 따로 보고하십시오. 첫 턴 점수가 같은 두 모델이 물러나는 빈도에서 7.5포인트 차이를 보였기 때문입니다.

관련 항목: AI 튜터가 답 대신 안내하도록 훈련하기

측정 도구는 모델이 아니라 루브릭이다

Roy와 동료들은 같은 판정자가 두 개의 루브릭과 짝을 이루면 두 개의 다른 측정을 낸다는 것, 그리고 "도움이 되고 사실에 맞는" 답을 요구하는 모호한 루브릭이 매끄럽지만 틀린 답에 점수를 줄 수 있다는 것을 보여 줍니다. 네 개의 공개 선호도 데이터셋, 여섯 개의 루브릭 출처, 세 개의 오픈 웨이트 판정자에 걸쳐, 어떤 루브릭 출처도 모든 축에서 앞서지 못했습니다. 판정자 간 일치도, 선호도 적합성, 조작 저항성입니다. 선호도 데이터로 기준을 재정렬하면 홀드아웃 정확도가 65.0%에서 68.6%로 올랐고, 허점을 막도록 기준을 다시 쓰면 악용 성공률이 46.4%에서 36.0%로 떨어졌습니다.

루브릭을 측정 도구로 다루고 모델과 함께 버전을 관리하십시오. 루브릭 텍스트, 날짜, 판정자 구성을 점수 옆에 기록하고, 악용 가능성을 일치도와 별도로 시험하십시오. 문구는 만족시키면서 의도는 위반하는 답을 몇 개 써 보고, 그것이 높은 점수를 받는지 확인하십시오.

관련 항목: 교육용 AI가 작동하는지 확인하기

읽기 튜터는 학생이 충분히 사용했을 때 도움이 되었다

한 차터 스쿨이 모든 1, 2학년 교사에게 파닉스와 유창성 튜터를 주고 사용은 교사 재량에 맡겼습니다. 많이 사용한 학생들이 적게 사용한 학생들보다 구두 읽기 유창성에서 g = 0.56만큼 더 많이 향상되었습니다. 많이 사용과 전혀 사용하지 않음의 비교는 보정된 유의성 기준을 넘지 못했습니다. 교실 간 차이는 기록된 분으로 귀결되었습니다.

첫날부터 학생별 분을 기록하고 결과 옆에 보고하십시오. 로그가 비어 있다면 그것은 튜터에 관한 것이 아니라 배포에 관한 발견입니다. 라이선스 수를 세는 교육구는 사용을 세지 않으므로 평평한 결과를 보고 아무것도 배우지 못합니다.

관련 항목: 교육용 AI가 작동하는지 확인하기

Copilot은 초보자를 빠르게 했지만 출발점에 남겨 두었다

22명의 초보 및 중급 프로그래머가 20분짜리 코딩 과제 두 개를 인간 파트너와 한 번, Copilot과 한 번 수행한 뒤, 약 일주일 후에 혼자서 다시 반복했습니다. Copilot과 함께할 때 그들은 100점 만점에 14점 더 높은 점수를 받았고 정신적 요구와 노력이 훨씬 낮다고 보고했습니다. 일주일 뒤 그 이점은 사라졌습니다. 재시험 점수는 4.8점 낮았고 통계적으로 다르지 않았으며, 각 사람의 첫 세션 대비 하락 폭은 AI 세션 이후 약 19점 더 컸습니다.

구축하거나 구매하는 모든 코딩 어시스턴트에 도움 없는 재시험을 추가하십시오. 수업에서 보이는 이득은 임대된 것일 수 있고, 이미 가장 많이 알고 있던 학생에게 가장 큽니다. 이 연구에서 사람과 짝을 이루는 것은 더 낮은 점수와 더 높은 작업 부하를 냈지만, 더 나은 참여와 유지에 대한 경향도 보였습니다.

관련 항목: 학습에 AI 설계하기

연구자를 위한 내용

더 엄격한 메타분석이 튜터링 효과를 절반으로 줄인다

Leite와 동료들은 미국 K-12 학교에서 사용된 18개 실험, 77개 효과 크기, 11개 지능형 튜터링 시스템을 통합했습니다. 성취에 대한 평균 효과는 g = 0.271로, 이전 메타분석이 보고한 효과보다 훨씬 낮았습니다. 이번 분석은 한 국가 시스템 안의 실험 설계만 고수했기 때문입니다. 환경이 중요했습니다. 농촌 학교는 g = 0.146, 도시 학교는 0.298이었습니다. 지원을 누가 통제하는지도 중요했는데, 예제 풀이가 0.324, 요청 시 제공되는 힌트가 0.316이었고, 기간은 2주에서 3개월(0.449)에서 정점을 찍은 뒤 6개월을 넘으면 유의하지 않은 0.110으로 떨어졌습니다.

오래된 튜터링 효과 크기는 연구 설계와 환경을 확인할 때까지 낙관적으로 다루십시오. 통합 평균 대신 조절 변수를 보고하고, 인프라가 약한 농촌 배포는 도시 효과의 대략 절반을 낼 것으로 예상하십시오. 기간 곡선이 다음에 시험할 발견입니다. 1년 전체를 다루는 증거는 거의 없습니다.

관련 항목: 교육용 AI가 작동하는지 확인하기

생성형 AI는 지시가 아니라 피드백을 줄 때 언어 학습자에게 가장 도움이 된다

Zhang, Aubrey, Wu, Chiu는 5,196명의 학습자가 참여한 48개 통제 연구에서 67개 효과 크기를 통합했습니다. 보정하지 않은 효과는 g = 0.76으로 컸고, 이상치 세 개를 제거하면 g = 0.57로 떨어졌습니다. 도구가 한 역할이 평균보다 더 많이 설명했습니다. 피드백과 평가는 g = 1.15, 상호작용 파트너는 0.81, 교수 통합자는 0.28이었습니다. 학습자 주도 사용이 AI 주도 사용을 이겼습니다. 0.92 대 0.34입니다. 무작위 시험은 준실험보다 큰 효과를 보고했습니다. 1.02 대 0.48입니다.

도구가 작동하는지 묻기 전에 어떤 역할을 하는지 물으십시오. 연구를 통합한다면 설계 유형을 조절 변수로 모형화하십시오. 그것은 중재만큼이나 추정치를 움직입니다. 언어 강좌라면 학생이 주도하는 피드백과 연습이 증거가 선호하는 구성입니다.

관련 항목: 교육용 AI가 작동하는지 확인하기

AI 리터러시의 의미는 학생의 나이에 달려 있다

Guo, Ali, Wong은 118편의 K-12 연구를 읽고 이 분야를 9개 범주와 35개 하위 범주로 분류했습니다. 그들의 PACES 프레임워크는 AI 리터러시를 네 개의 학교 단계에 걸쳐 배열하며, 2학년이 알아야 할 것과 고등학생이 알아야 할 것은 종류가 다르다는 논거를 폅니다. 검증된 측정 도구에 대한 그들의 감사는 거의 모든 것이 중등학교를 겨냥하고 있으며, AI와 함께 작업하는 과정을 측정하는 것은 아무것도 없다는 것을 발견했습니다.

학생이 모델로 무엇을 하는지 포착하는 도구를 만드십시오. 후속 질문을 하는지, 주장을 확인하는지, 피드백 후에 수정하는지입니다. 그런 다음 그것이 네 단계에서 다르게 작동하는지 시험하십시오. 누군가 그렇게 하기 전까지는 발달적 주장은 증거 없는 설계 원리로 남습니다.

관리자를 위한 내용

거의 모든 사람이 업무에서 AI를 쓰고, 절반은 정책을 본 적이 없다

EDUCAUSE는 2026년에 고등교육 직원 1,960명을 설문했습니다. 94%가 지난 6개월 동안 업무에 AI를 사용했고, 그중 73%는 매일 또는 매주 사용했습니다. 그 사용을 안내하려는 정책을 아는 사람은 54%뿐이었고, 임원은 38%에 그쳤습니다. 56%는 기관이 제공하지 않는 도구를 사용했습니다. 92%의 기관이 AI 전략이 있다고 답했고, 13%가 그 수익을 측정합니다.

사람들이 이미 일하는 곳에 정책을 공개하고, 다음 전략을 쓰기 전에 사람들이 실제로 쓰는 도구를 세십시오. 직원이 하는 일과 지도자가 허용한다고 생각하는 것 사이의 간극은 거버넌스 문제이지 교육 문제가 아니며, 전략 문서에서는 보이지 않습니다.

교사는 절약한 시간과 잃는 작업을 저울질한다

Dangol과 동료들은 2023년 말부터 생성형 AI를 장려해 온 미국의 한 대형 교육구에서 교사 22명을 인터뷰했습니다. 대부분은 교육구 차원의 교실 정책 없이 일하고 있었습니다. 교사들은 서류와 수업 계획을 잃는 것을 반가워했습니다. 그들은 학생을 아는 데 필요한 업무의 일부를 잃는 것을 걱정했습니다. 마음을 움직이는 논평을 쓰는 일, 학급에 다음으로 무엇이 필요한지 결정하는 일입니다. 그 논문은 저항이 아니라 맞바꿈을 설명합니다.

구제가 무엇을 위한 것이고 어디서 멈추는지 이름 붙이십시오. 채점이나 수업 계획을 자동화하는 교육구는 어떤 업무를 없애는지 말하고, 교사가 맞바꾸지 않겠다고 말하는 업무를 보호해야 합니다. 또 하나의 의무 도구를 추가하는 대신 전문적 판단의 여지를 남기십시오.

눈에 띄지 않는 시스템이 기관을 가장 많이 바꾼다

Pardos와 Borchers는 학점 이전, 진로 지도, 교육과정 분류, 평가 제작이 프런트 데스크의 챗봇보다 더 중요하다고 주장합니다. 그들의 공통 실마리는 표상입니다. 강좌, 강의계획서, 성적표, 학습 기록을 임베딩으로 바꾸면, 예전에는 시도하기에 너무 비쌌던 결정을 할 수 있습니다. 다른 나라의 성적표를 강좌별로 평가하는 것 같은 일입니다. 같은 단계가 오류를 더 보기 어렵게 만듭니다.

구매 전에 그 시스템이 바꾸는 결정과 그 결정이 틀렸을 때 책임질 사람을 지목하십시오. 감사 추적과 이의 제기 경로가 더 나은 모델보다 중요합니다. 백오피스 오류는 아무도 볼 수 없는 기관 인프라를 통해 학생에게 도달하기 때문입니다.

관련 항목: 교육용 AI가 작동하는지 확인하기

국가들은 교육과정에 AI 리터러시를 더하고 측정하지 않는다

iRAISE 보고서는 구조화된 검토와 프랑스, 캐나다, 이집트, 카타르의 정책 문서를 바탕으로 합니다. 정부들은 도구를 확장하는 쪽과 제한하는 쪽으로 갈리며, 보고서는 AI 리터러시를 별도 교과가 아니라 디지털 및 미디어 리터러시의 가장 새로운 층으로 다룹니다. 대부분의 국가가 프레임워크에 미디어 리터러시를 명시합니다. 교사가 수업을 계획하는 교육과정에 그것을 넣는 나라는 적고, 학생이 그것을 얻었는지 측정하는 나라는 거의 없습니다.

AI 리터러시를 교사가 실제로 쓰는 문서에 넣고, 학생이 향상되었는지 보여 줄 수 있는 평가에 자금을 대십시오. 교육과정 항목도 측정도 없는 국가 프레임워크는 그 일을 개별 학교에 남기며, 격차는 이미 거기에 있습니다.

관련 항목: AI 리터러시 통합하기

이번 주에 추가된 다른 글

저널 페이지는 이번 주에 추가된 모든 연구를 나열합니다.

사이트 관련 참고 사항

사이트가 이번 주에 범위를 넓혔습니다. 학교나 대학에 관한 것은 아니지만 둘 모두에 관련되는 AI 연구를 이제 일부 담습니다. 대화형 모델이 사람의 믿음을 어떻게 바꿀 수 있는지에 관한 Salvi와 동료들, 챗봇과 외로움에 관한 Folk와 Dunn, AI 요약이 기억을 어떻게 왜곡하는지에 관한 Sim과 동료들입니다. 그것들은 가르침에 관한 주장이 아니라, 그것이 기여하는 개념 페이지의 인용으로 들어갑니다.

이 사이트를 유지하는 Hermes AI 에이전트가 이번 주에 새 기억 시스템으로 전환했습니다. 이제 Hindsight에서 실행되며, 세션 사이에 배운 것을 보관하므로 매번 아무것도 없는 상태에서 시작하지 않습니다.

거의 모든 개념 페이지와 FAQ가 이번 주에 다시 작성되어 자기 지시적인 텍스트, 즉 "이 지식 기반에서"나 "이 페이지는 주장한다" 같은 표현을 제거했습니다. Hermes AI 에이전트는 그 산문을 Humanizer 스킬에도 통과시켰는데, 그것은 겹친 수식어나 제목을 반복하는 문장 같은 흔적을 걷어냅니다. 논문 및 개념 페이지는 이제 같은 순서의 같은 섹션으로 하나의 구조를 따르며, 페이지가 그것을 어기면 빌드 검사가 실패합니다.

교육 과제 기반 안내, 주요 페이지의 멀티미디어 요약 같은 몇 가지 새 기능이 계획 중입니다. 제안과 기능 요청은 GitHub 이슈 양식으로 환영합니다.

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 Hermes AI 에이전트가 생성하는 AI 교육 지식 기반에서 나옵니다. 이 호는 같은 Hermes 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.

출처 기록 편집 대화