Hoe kunnen AI-agents studenten en docenten ondersteunen?

Automatische machinale vertaling van deze Engelse pagina, nog niet nagekeken door een moedertaalspreker.

Een demonstratie door een leverancier duurt veertig minuten. De agent leest de syllabus, stelt de quiz van volgende week op, markeert drie studenten die de literatuur niet hebben geopend, en biedt aan hen te mailen. Uw rector wil eind deze maand een beslissing over een licentie.

Een agent plant, roept hulpmiddelen aan, houdt context vast, splitst werk in deeltaken en past zich gaandeweg de beurten aan, wat meer is dan een chatbot doet. De rollen aan studenten- en docentenzijde die dat opent, zijn reëel. Het bewijs laat niet zien dat meer autonomie meer leren oplevert: in de ene directe vergelijking hier eindigden een agent en een chatbot gelijk. Leg autonomie waar een mens de uitvoer controleert, houd het plannen bij de lerende, en scoor onderwijskwaliteit tegen uw eigen beoordelingsrubriek.

De korte versie

1. Benoem de taak voordat u het product benoemt.

2. Begin aan de docentenzijde, waar een docent het werk toch al inspecteert.

3. Behandel toegevoegde autonomie als een kostenpost tot bewijs het tegendeel zegt.

4. Houd het plannen en beoordelen bij de lerende, want dat is wat de opdracht beoogt op te bouwen.

5. Scoor de agent tegen uw beoordelingsrubriek, en plan een ongeassisteerde controle voordat de pilot eindigt.

Kies de taak voordat u de agent kiest

Agentische workflows in het onderwijs noemt vier terugkerende vermogens: reflectie, planning, gebruik van hulpmiddelen en samenwerking tussen meerdere agents. Elk daarvan voegt een kostenpost toe naast de mogelijkheid, in uitlegbaarheid, coördinatie, vertrouwen, latentie en toezicht.

De rollen aan studentenzijde lopen van adaptief tutoren en studieplanning via formatieve feedback, begeleid probleemoplossen en het genereren van oefeningen tot aanbevelingen over voorkennis en reflectieve metacognitieve prompting. De rollen aan docentenzijde omvatten materiaalontwikkeling, vraaggeneratie en validatie, triage van feedback, analytics over de cursus, onderwijskundig ontwerp, het ophalen van bronnen en de orkestratie van gespecialiseerde subagents.

Twee daarvan zijn vroeg veiliger, omdat beide een artefact opleveren dat een mens leest voordat studenten dat doen: een vraaggenerator gekoppeld aan een validator, en tekst die een docent bewerkt.

Begin waar een mens het werk al controleert

Tutor CoPilot, de eerste gerandomiseerde gecontroleerde trial van een mens-AI-systeem in live tutoring, gaf beginnende tutoren realtime begeleiding ontleend aan de redeneringen van ervaren tutoren, over 900 tutoren en ruwweg 1.800 studenten. Studenten van tutoren met toegang hadden 4 procentpunt meer kans om onderwerpen te beheersen, oplopend tot 9 punten bij de laagst beoordeelde tutoren, wier studenten de studenten van beter beoordeelde tutoren in de controlegroep bijhaalden. Het kostte ongeveer 20 dollar per tutor per jaar, en analyse van meer dan 550.000 tutorberichten liet zien dat tutoren verschoven van antwoorden geven naar sturende vragen stellen. Dat is AI die de docent versterkt.

De agent onderwees de student niet. Hij voorzag een mens van input tijdens het gesprek, en die mens besliste wat er gezegd werd. Een mens in de lus en een uitkomst dicht bij het werk zijn wat het resultaat overdraagbaar maakt naar een andere cursus.

Ga er niet van uit dat meer autonomie meer leren koopt

Een onderzoek onder 130 studenten in een e-commercecursus vond dat zowel generatieve AI-chatbots als agents hoger werden beoordeeld dan traditioneel e-learning op leren en personalisering, zonder significant verschil tussen de chatbot en de agent. Meer autonomie, geen toegevoegde waarde op die maten.

Het kader van die studie behandelt agents als begrensde, door mensen begeleide leerpartners, met doelen, controlepunten en eindbeslissingen bij mensen. Verder dan het agent-label maakt daar een bestuurlijke regel van: autonomie mag niet groter zijn dan de volwassenheid van het bewijs of de sterkte van aantoonbare menselijke controle, en het bewijs is het sterkst bij uitkomsten op artefactniveau en het zwakst bij duurzaam leren en rechtvaardigheid.

Het risico aan de zijde van de lerende wijst dezelfde kant op. Een agent die voor een student plant en monitort, neemt de oefening weg die zelfregulering opbouwt en nodigt offloading uit. Richtlijnen voor goede praktijk vragen om bewuste wrijving, Scaffolding die afbouwt en menselijk toezicht. Productieve wrijving heeft werkende voorbeelden. Agents voor constructief conflict, die met een zwak ontwerp in discussie gaan, verbeterden ontwerpuitkomsten in het onderzochte onderzoek. Gesimuleerde medestudenten ondersteunen samenwerkend leren en socratisch doorvragen, en klinische simulaties laten lerenden oefenen waar een fout goedkoop is.

De toets voor elk daarvan: wat kan de student na de sessie dat de agent daarvoor deed? Het oordeel overdragen kost de student de oefening in het gebruiken ervan.

Controleer de agent tegen uw eigen oordeel

Acht AI-onderwijsagents die in een medisch curriculum werden ingezet werden verschillend gerangschikt door platformscores en door een onafhankelijke rubriek van deskundigen. De agent die op het platform derde stond, eindigde als laatste op onderwijskwaliteit. Platformscores indexeren de prestatie van studenten, en die beweegt om redenen die niets met onderwijs te maken hebben.

Vraag wat een getal op een dashboard telt, wie de rubriek erachter schreef, en hoe een lage score er in het werk van studenten uit zou zien. Didactische veiligheid hoort in dezelfde beoordeling, want een keten van agents maakt het moeilijk te zeggen welk onderdeel verantwoordelijk is wanneer een antwoord fout is.

Plan voor het uitzetten

Gerandomiseerde trials laten zien dat korte AI-ondersteuning latere ongeassisteerde prestatie kan drukken, en het interval na het wegnemen, cognitieve uitspoeling, is vrijwel volledig ongemeten. De synthese achter deze pagina put uit een scoping review van 474 onderzoeken en vindt het werk geconcentreerd in hoger onderwijs, bèta- en techniekonderwijs, kortlopende ontwerpen en tekstgebaseerd tutoren, met slechts een minderheid die expliciet op onderwijstheorie is gegrond. Een pilot die eindigt wanneer de licentie eindigt, heeft het verkeerde venster gemeten.

Wat bestuurders hieraan verkeerd doen

Een agent is een opgewaardeerde chatbot, dus de upgrade zou in uitkomsten zichtbaar moeten zijn. In de vergelijking met 130 studenten versloegen beide AI-condities e-learning en versloeg geen van beide de andere.

Het dashboard rangschikt onderwijskwaliteit. Het rangschikt de prestatie van studenten, en acht agents leverden een rangschikking op die de derde en de laatste plaats omkeerde ten opzichte van een deskundigenrubriek.

Autonomie is de functie om te kopen. De evenredigheidsregel wijst de andere kant op, en het bewijs is het dunst waar de autonomie het grootst is.

Toegang dicht de rechtvaardigheidskloof. Ongelijke toegang tot krachtige agentische systemen kan haar verbreden, en een agent reproduceert bias uit trainingsdata op schaal.

Wat er op u afkomt

"Studenten laten het gewoon het werk doen." Sommigen wel, en de architectuur bepaalt hoe gemakkelijk. Agents die voor de student plannen en schrijven, nodigen dat uit. Agents die eerst een poging eisen en dan een vraag stellen, doen dat niet.

"De evaluatie van de leverancier zegt dat het werkt." Vraag wat het getal telt. Als het door het platform gemeten prestatie van studenten is, meet het de studenten evenzeer als de agent.

"Niemand kan zeggen welke agent in een keten verantwoordelijk is." Dat geldt voor de meeste huidige implementaties. Benoem een eigenaar voor de keten, log welk onderdeel welke uitvoer produceerde, en houd een menselijk controlepunt voordat iets een studentdossier bereikt.

Wat u deze week kunt doen

1. Schrijf de taak en de uitkomst waarop u die zult beoordelen op, elk in één zin, voordat het volgende gesprek met de leverancier plaatsvindt.

2. Scoor de uitvoer van één agent tegen uw beoordelingsrubriek op tien stukken echt studentenwerk, en bewaar de scores.

3. Voeg een gedateerde ongeassisteerde taak met een verantwoordelijke toe aan het plan voor de pilot.

Waar u verder kunt gaan

Wat zijn de beste praktijken voor het ontwikkelen van een effectieve AI-tutor? behandelt de studentgerichte opbouw van doelstelling tot hulpladder, en Welke meetinstrumenten en onderzoeksmethoden kan een docent gebruiken om AI-gerelateerde interventies te evalueren? behandelt of het ding werkte. Intelligent Tutoring en AI-geletterdheid leveren het ontwerpvocabulaire dat deze pagina veronderstelt.