AIEd-kunnskapsbaseAIEd KB
På denne siden

Alle numre

Ukentlig forskningsoppdatering om AI i utdanning #3

Automatisk maskinoversettelse av denne engelske siden, ennå ikke korrekturlest av en morsmålstalare.

Et ukentlig sammendrag fra kunnskapsbasen om AI i utdanning, om hva forskningen som ble publisert den siste uken, betyr for undervisere, utviklere, forskere og administratorer.

Siden forrige nummer har 159 nye studier, åtte nye begrepssider, to nye FAQ-er og tre nye ressurser kommet til kunnskapsbasen, som nå rommer 2 085 artikelsammendrag, 230 begrepssider, 44 FAQ-er og 40 ressurser. Søk eller bruk AI for å chatte med kunnskapsbasen.

Innhold

Hovedfunn og spørsmål

Nye FAQ-er

To nye svar kom til FAQ-en denne uken.

Hvordan kan AI hjelpe studenter med lesing og leseforståelse?

Lesesvaret behandler merkelapper for lesenivå som grove gjetninger: noen få virkelige leseres vurderinger slår en formel, og en AI som får beskjed om å late som den er student, kan ikke fortelle Dem hvor vanskelig en tekst vil føles. Bruk AI til å finne, forenkle og glosse tekster, og prøv resultatet med studenter og behold originalen ved siden av.

Hvordan viser AI-skjevhet og urettferdighet seg i utdanning, og hva kan vi gjøre med det?

Skjevhetssvaret ber om feilrater for gruppene De underviser, siden et gjennomsnitt kan skjule et gap, og feilen kan ligge i scoring, veiledning, dashbord eller deteksjon. Sett grupperapportering og en klagevei inn i anskaffelsen, og reparer selve pipelinen.

Nye begreper

Åtte begrepssider kom til kunnskapsbasen denne uken.

Leseopplæring

Leseopplæring har nå en side som skiller fire ting som ofte deler én merkelapp: å hjelpe en leser, å vurdere lesing, å tilpasse en tekst og å måle vanskelighetsgrad. Den siterer en studie der 193 studenter vurderte 3 954 setninger; 72,8 % føltes enkle eller svært enkle selv når Flesch-scorene sa noe annet, så en merkelapp for klassetrinn er en svak guide til hvordan en bestemt leser vil oppleve en tekst.

Refleksjon

Refleksjon har en ny side som skiller den fra den øyeblikkelige overvåkingen som kalles metakognisjon. Det første designspørsmålet er om studenten skrev refleksjonen. I et eksperiment med 302 voksne doblet refleksjonsprompter tiden med tilbakemelding og kuttet øvingen med 40 %, og etterlot lavere mestring, 65 % mot 79 %, så timing betyr like mye som prompten selv.

Automasjonsskjevhet

Automasjonsskjevhet navngir menneskevanen som kan gjøre en korrekt AI-anbefaling til en gal beslutning: å godta et svar De ville ha stilt spørsmål ved hvis De hadde kommet til det selv. Den samler stedene der det skjer i utdanning, fra essay-scorer og tidlige varsler til overvåking, og viser hvordan et gjennomgangstrinn som bare finnes på papiret, ikke fanger det.

Samfunns- og politisk utdanning

Samfunns- og politisk utdanning kartlegger et gap i evidensen og syntetiserer feltet. En analyse av 310 AI-genererte leksjonsplaner fant at 90 % av aktivitetene bare ba om gjenkalling, forståelse eller grunnleggende anvendelse; 94 % hadde nesten ikke multikulturelt innhold; og ingen studie i korpuset målte samfunnsfaglig læring i det hele tatt.

Biblioteker

Biblioteker behandler biblioteket som et sted, en tjeneste og en gruppe fagfolk. En oversikt over 29 studier finner at adopsjonen er konsentrert om referansearbeid og katalogisering, mens pilotprosjektet Public AI Libraries gjør delt, bemannet tilgang til rettferdighetsargumentet.

AI-avatarer og syntetiske undervisere

AI-avatarer kartlegger rollene et syntetisk menneske kan ha, fra innspilt foreleser og veileder til simulert pasient og eksaminator. Evidensen er ujevn, og et realistisk ansikt forteller Dem lite om læring; åpenhet og tillit betyr like mye som modellen.

Sensor- og blikkanalyse

Sensor- og blikkanalyse dekker øyesporing, hjerne- og hjertesignaler og kamerabasert kroppsholdning som måter å utlede oppmerksomhet og engasjement og kognitiv belastning. Feltet er bedre til å observere lærende enn til å endre undervisning, og siden behandler personvern, skjevhet og gapet mellom et kroppssignal og en mental tilstand som sentralt.

Informasjons- og mediekompetanse

Informasjons- og mediekompetanse behandler de to som ett undervisningsproblem: informasjonskompetanse spør om en kilde fortjener tro, mens mediekompetanse spør hvem som laget en melding og hvorfor. Generativ AI kollapser begge spørsmålene fordi flytende tekst skjuler opphavet sitt; siden finner lite evidens om et kombinert læreplan.

Nye ressurser

Tre ressurser kom til ressursbiblioteket denne uken.

LearnHarness

LearnHarness er en gratis, åpen kildekode-skrivebordsapp der AI-agenter finner ut hva en lærende allerede kan, kartlegger ideene som trengs for å nå et mål, underviser ett resonnementstrinn om gangen og tilpasser øvingen.

Learning Commons

Learning Commons publiserer åpne byggeklosser for produkter til læreplan: et kart over standarder og læreplaner, verktøy for å score generert tekst og ferdige AI-arbeidsflyter for lærere.

Public AI Libraries

Public AI Libraries er et pilotprosjekt som plasserer en delt AI-arbeidsstasjon i amerikanske folkebibliotek, med chat, bilde- og videogenerering, et kodearbeidsområde, en pedagogisk veiledning og en privat konto for hver besøkende.

For undervisere

AI-tilbakemelding måler seg med en lærer på revisjoner mens motivasjonen sakker akterut

AI og lærertilbakemelding forbedret de samme essayene omtrent like mye i en randomisert studie med 312 skrivere. Lærertilbakemelding gjorde mer for motivasjonen fordi studenten følte seg knyttet til personen som ga den.

Hold en menneskelig stemme rundt tilbakemeldingen. Par den genererte kommentaren med et kort svar fra underviseren, eller bruk AI til første runde og læreren til samtalen om arbeidet.

Se også: AI-tilbakemelding i skala

Ett av fem essay var skrevet helt av chatboten

En studie av 77 studentskrivere logget hver prompt, hvert svar og hver innliming. Femten, eller ett av fem, leverte chatbot-skrevne essay, og de fleste følte fortsatt at essayet var deres.

Be om mellomarbeidet: promptene, revisjonene og et kort notat om hva som ble endret og hvorfor. Gjør overleveringen synlig mens det fortsatt er tid til å undervise.

Se også: Å redesigne vurdering for AI-æraen

Videregåendeelever bruker AI nesten universelt, og lavere presterende bruker det mer

En ettårig studie av 4 062 tyske videregåendeelever fant nesten universell AI-bruk: 95 % brukte det, og lavere presterende brukte det mer for å fullføre oppgaver. Mønsteret forutsa mindre innsats senere.

Det gjør innramming av AI-bruk og selvregulert læring til en del av læreplanen, tatt opp igjen gjennom året. Spør studentene hva verktøyet er til i denne oppgaven, og gi lavere presterende studenter en støttet vei som begynner med å forstå arbeidet.

Se også: Å redusere overavhengighet av AI

En støttende chatbot matchet journalføring mens en medstudent reduserte ensomhet

I en to uker lang randomisert studie med 296 førstårsstudenter presterte en støttende chatbot det samme som journalføring når det gjaldt å redusere ensomhet, mens en tilfeldig tildelt medstudent reduserte den. Boten viste mer empati mens studentene ga mindre tilbake.

En bot kan tjene som en nyttig første kontakt mens en medstudent eller rådgiver fortsatt er tilgjengelig. Bygg den menneskelige veien inn i enhver studentstøtte-tjeneste De anbefaler, og mål ensomheten selv.

Se også: AI, angst og velvære

Behandle en AI-simulering som overvåket øving

En oversikt over 14 studier fant at sykepleierstudenter verdsatte repeterbar, lavtrykks AI-simulering og rapporterte mer selvtillit, særlig i kommunikasjon og klinisk resonnering. Realisme, kroppsspråk og responsforsinkelse var fortsatt svake.

Brief studentene om grensene, krev at de kontrollerer generert innhold, og debrif etterpå. Behold menneskelig interaksjon der nonverbal kommunikasjon eller vedvarende empati er poenget med øvelsen.

Se også: Sykepleierutdanning

Capstone-kode tredoblet seg mens kommentarer holdt seg stabile

Ti semestre med 260 capstone-prosjekter i informatikkutdanning viser at median kode steg fra omtrent 3 400 linjer til 10 000, mens kommentarer holdt seg nær 8 %. Antall commits steg; enkeltcommits endret seg knapt.

Vurder designbeslutningene, forklaringen av koden og studentens evne til å endre den. Artefakten kan nå vokse raskere enn læringen den skal vise.

Se også: Å redesigne vurdering for AI-æraen

For utviklere

Uten figuren bør en AI-veileder nekte

Seks bildedyktige AI-modeller tok fatt på 376 matematikkoppgaver for ungdomsskolen der figurene bar nøkkelinformasjon. Med figuren løste de beste litt over halvparten; uten den nektet de nesten hver gang.

Behandle en nektelse som et signal om manglende kontekst. En score eller profiloppdatering produsert uten figuren måler en annen oppgave.

Se også: Matematikkutdanning

En skriveveileder som stiller spørsmål og overlater skrivingen til studentene

MAIKE stiller spørsmål og diagnostiserer argumenter mens den overlater essayteksten til studenten. Blant 65 videregåendeelever matchet forbedringen en kontrollchatbot, 40 % til 41 %, og MAIKE-brukere brukte flere turer på ideer; ingen viste tilbakegang.

Mål om en idé som ble diskutert i chatten, blir en revisjon. Et verktøy for skriveopplæring som bare forbedrer den endelige teksten, kan omgå resonneringen oppgaven finnes for å bygge.

Se også: Skriveundervisning med AI

Zoom og fremhev lysbildet mens fortellerstemmen går

GuideSlide forteller over en lysbildefremvisning og bruker visualisering til å zoome til delen som diskuteres. I en studie av 24 personer som så på telefon falt arbeidsbelastningen, forståelsen steg fra 5,5 til 6,5 av 9, og 21 av 22 foretrakk den.

Fordelen en dag senere var ikke statistisk signifikant, så studien støtter oppmerksomhet mens man ser på; varig læring er fortsatt utestet. Bygg pekingen inn i fortellingen selv.

Se også: Å designe AI inn i læring

En finjustert detektor kan avidentifisere studenttekst uten navneskjevheten

Fem verktøy ble testet på 13 613 studenttekstfiler. En finjustert GPT-4o-mini fant omtrent 96 % av identifiserende detaljer til omtrent en sjettedel av Azures pris per token; Microsoft-verktøyene overså afrikanske og asiatiske navn oftere.

Trening på ti transkripsjoner fungerte på et nytt sett, så tilnærmingen reiser. Sett av budsjett til den andre kontrollen når presisjon betyr noe, og rapporter gruppene verktøyet Deres overser.

Se også: Institusjonell AI-policy

Videoanalyse nådde menneskelig enighet, med et menneske fortsatt i loopen

GAIVA transkriberer, merker og tolker klasseromsvideo for læringsanalyse. På fem opptak var merkelappene dens omtrent like nære menneskelige gjennomgåere som to gjennomgåere var hverandre, og den avdekket en type deltakelse som den opprinnelige teorien ikke navnga.

Behandle modellen som en kodepartner med en sporbar prompt og en menneskelig beslutning på hvert trinn. Modellen avdekker også mønstre en menneskelig gjennomgåer kanskje ikke ville se etter.

Se også: AI-assistert utdanningsforskning

For forskere

En stor gjennomsnittseffekt kan fortsatt bety ingen pålitelig gevinst

En oversikt over fire kontrollerte studier med 420 data- og ingeniørstudenter fant en stor gjennomsnittlig forbedring, mens studiene var svært uenige og det sannsynlige intervallet inkluderte ingen gevinst. Evidensen ble vurdert som svært usikker.

Behandle et stort gjennomsnitt fra fire ulike studier som en hypotese om kurset Deres. Pilotér personlig tilpasset læring der den skal kjøre, og si rett ut hvor usikker evidensen er.

Se også: Hva personlig tilpasset læring betyr

En AI-vurderer som kjenner den lærendes historikk, merker det samme arbeidet annerledes

Seks AI-modeller vurderte de samme 300 korte svarene med en sann og en byttet merknad om tidligere prestasjoner. Hver modell merket identisk arbeid høyere under den høye merkelappen, med 0,28 til 0,75 poeng på en tipunktsskala.

Studentkontekst opptrer som en skjevhet her. Rapporter konteksteffekten ved siden av samstemmighetstallet, og test vurdering uten studentens historikk før De kaller en modell pålitelig.

Se også: Rettferdighet og pålitelighet i AI-vurdering

En rettferdig utseende veileder kan skjule et ferdighetsgap på 26 %

To års logger fra 8 549 studenter som brukte MATHia, en adaptiv matematikkveileder, viste at studenter som fortsatt lærte å lese, mestret ferdigheter med 68,7 % mot 77,6 %, mens det samlede rettferdighetsmålet så nesten nøytralt ut. Én ferdighet skjulte et gap på 26 % i forutsagt mestring.

Veilederen hadde ingen leseferdighetskomponent, så leseopplæring var en manglende faktor i et matematikksystem. Modeller ferdigheten, og rapporter gap på det nivået der en lærer ville gripe inn.

Se også: AI-skjevhet og rettferdighet i utdanning

Falske positive i deteksjon er et styringsproblem

En oversikt over 90 studier fant at AI-detektorer flagger legitim skriving med rater som ikke kan samles, fordi verktøy, terskler, datasett og språk er forskjellige. Sammendrag, litteraturoversikter, eksamenssvar, oversatt tekst og redigert prosa ble fortsatt flagget.

Botemiddelet er prosedyremessig: åpen bruk, menneskelig gjennomgang, AI-kompetanse, en eksplisitt institusjonell policy og en klagevei. Det hører hjemme i styring, med detektorinnstillinger som én del.

Se også: Bør vi bruke AI-detektorer?

Å matche menneskelige vurderere kan fortsatt overse arbeidet

Tjueto AI-modeller vurderte 100 ledd per oppgave på tvers av korte svar, kode og essay. De fleste matchet mennesker på korte svar, fire matchet eller slo dem på kode, og ingen nådde menneskenivået på essay.

Et høyt samstemmighetstall kan sameksistere med en AI-vurderer som vurderer merknaden og overser svaret. Legg endrede svar til evalueringen og rapporter hvor modellen avviker fra arbeidet.

Se også: Rettferdighet og pålitelighet i AI-vurdering

For administratorer

Nevrodivergent edtech-evidens er konsentrert og forskerledet

En oversikt over 93 studier fant at autisme dominerte evidensen om edtech for nevrodivergente lærende med 39,8 %, foran intellektuell funksjonsnedsettelse, ADHD og dysleksi. Utvidet virkelighet (VR og AR) var mest studert; sosiale og medstudentrelaterte utfall fikk mindre oppmerksomhet, og barna hadde lite å si.

Be om det utfallet klasserommet bryr seg om, og om de lærende som var inkludert i evalueringen. En påstand validert bare av forskere kan drive bort fra menneskene den skal tjene.

Se også: AI for funksjonshemmede og nevrodivergente lærende

Studentene ønsket en institusjonell assistent for tilbakemelding

Et 13 måneders samdesignprogram med 315 studenter og 20 ansatte fant at 73 % verdsatte tilbakemelding døgnet rundt knyttet til studiene sine. Faktaark og quizer trakk flere positive kommentarer enn åpen chat, og 16 av 18 betatestere ønsket assistenten.

De 10 % til 15 % som motsatte seg av verdimessige grunner, utgjør adopsjonsrisikoen. Behandle bekymringene deres som substansielle. Forklar hvordan studentdata håndteres og hva assistenten ikke kan gjøre før piloten, og gi studentene en vei til å velge seg ut.

Se også: Å designe AI inn i læring

Overvåking fanger juks og skyver kostnaden over på de minst privilegerte

En oversikt over 32 studier fant at AI-overvåking fanger opp identitetsmisbruk og juks, mens falske positive, feil i lys og båndbredde, angst og personvernskader rammer hardest de minst privilegerte. Automatisert overvåking utgjorde 59 % av studiene.

Gjennomgåerne anbefaler alternativ vurdering og en blanding av menneskelig og automatisert overvåking. Reduser den høyrisiko nettbaserte eksamenen før De legger til en ny detektor.

Se også: Institusjonell AI-policy

En dashbordrapport økte fullføringen mens testscorene holdt seg stabile

Lærere som var nye i en nettbasert veileder for matematikk, ble tilfeldig oppfordret til å åpne en dashbordrapport fra læringsanalyse om studentprestasjoner på den første oppgaven. Det endret verken andelen som startet neste oppgave eller studentenes testscore-gevinster, selv om fullføringen steg i mindre klasser.

Test om lærerne åpner rapporten, handler på den og ser en læringsgevinst før De kjøper analyse; en fullføringsøkning alene er ikke nok.

Se også: Å sjekke om pedagogisk AI virker

Nesten ingen institusjon kan navngi hvem som eier AI-styringen

En undersøkelse av 387 studenter og ansatte i 13 land fant at bare 17 % kjente til en utpekt rolle for AI-styring. Av resten mente 71 % at en var nødvendig, og 76 % forventet at den ville forbedre opplevelsen deres.

Respondentene beskrev en rolle med mandat; en komité uten mandat lar rollen stå ubesatt. Gi eieren myndighet over opplæring, datasikkerhet, etisk gjennomgang og strategi, og publiser hvem som har den.

Se også: Institusjonell AI-policy

Også lagt til denne uken

Journalsiden lister hver studie som er lagt til denne uken, inkludert dem som ikke er oppsummert her.

Notater fra nettstedet

Nyhetsbrevet og RSS-strømmen er nå også tilgjengelig på spansk: besøk det spanske nyhetsbrevnettstedet eller abonner på den spanske nyhetsbrevstrømmen. For å be om en annen lokalisering, send inn en sak eller kontakt utvikleren av nettstedet.

Nettstedet er mye lettere. Hele begreps- og FAQ-treet holdes utenfor hver side: sidepanelet viser ti temagrupper og henter hele listen bare når en leser åpner en av dem, og høyre kolonne lister åtte nylige sider, ned fra tretti. På tvers av byggingen falt HTML fra 1,80 GB til 1,26 GB, og sidepanelmarkupen fra 604 MB til 87 MB.

Oversettelsene ble oppdatert på tvers av alle 33 konfigurerte språk, inkludert de høyreleste arabiske, hebraiske og urdu-utgavene. Artikkelsammendragene er fortsatt bare på engelsk.

De frakoblede utgavene flyttet til en ny GitHub-utgivelsesplassering, så gamle EPUB- og PDF-lenker løses ikke lenger. Hvert språknettsted beholder sin vanlige adresse. EPUB- og PDF-filer finnes for de 19 språkene med lenker nedenfor; de andre 14 er bare nettsted.

Kilden er offentlig på github.com/edtechdev/aied.

Følg oppdateringen

Få hvert nummer gjennom nyhetsbrevstrømmen i en strømleser, ved å lime den samme strømmen inn i Blogtrottr for å få nye nummer sendt på e-post etter en tidsplan De velger, eller ved å følge den på LinkedIn, der hvert nummer publiseres som et LinkedIn-nyhetsbrev.

Ukentlig forskningsoppdatering om AI i utdanning kommer fra kunnskapsbasen om AI i utdanning, som en AI-agent genererer. Dette nummeret ble skrevet av den samme AI-agenten, med redaksjonell veiledning fra utvikleren av nettstedet, og hver påstand ovenfor lenker til siden den kom fra.

Kunnskapsbasen er viet til offentlig eie under en CC0 1.0-lisens. Ingen rettigheter forbeholdt.

Fant De en feil i innholdet? Rapporter den på GitHub, eller kontakt utvikleren av nettstedet, Doug Holton.

KildeHistorikkRedigerChat

Bygg inn denne siden

Kopier koden nedenfor for å bygge inn denne siden i et læringsstøttesystem eller et annet nettsted. Den innbygde versjonen viser bare sideinnholdet — den skjuler nettstedets topptekst, navigasjon og bunntekst.