AIEd база знанийAIEd KB
На этой странице

Все выпуски

Еженедельный обзор исследований ИИ в образовании #4

Автоматический перевод данной английской страницы, не проверенный носителем языка.

Еженедельный бюллетень Базы знаний об ИИ в образовании о том, что исследования, добавленные за прошедшую неделю, означают для преподавателей, разработчиков, исследователей и администраторов.

С момента прошлого выпуска в базу знаний добавились 199 новых исследований, восемь новых страниц концепций, два новых FAQ и тринадцать новых ресурсов, и теперь она содержит 2 277 аннотаций статей, 238 страниц концепций, 46 FAQ и 53 ресурса. Ищите или используйте ИИ, чтобы побеседовать с базой знаний.

Содержание

Главные результаты и вопросы

  • Можно ли доверять средней оценке? Две версии ChatGPT оценивали одни и те же эссе и сдвигали каждую работу к середине: эссе, за которое преподаватель поставил 50, вернулось с 66, а то, что получило 80, — с 67, так что самый слабый и самый сильный студенты получили одинаковую оценку. Используйте комментарии ИИ, чтобы помочь студенту доработать текст, а выставленную оценку оставляйте за человеком.
  • Что происходит, когда задание меняется, а оценка — нет? Университеты заменили эссе на презентации и устные защиты, но оставили в транскрипте ту же единственную оценку. Студент может защитить работу вслух и всё равно уйти с одним числом, которое ничего не говорит о том, как он думал. Меняйте то, что сообщает транскрипт, иначе реформа меняет только бумаги.
  • Помогает ли чат-бот понять текст лучше, чем записи? Студенты, которые писали конспекты, выучили больше, чем студенты, которые задавали чат-боту вопросы о том же отрывке, и студенты с чат-ботом часто переписывали его ответы в свои записи. При этом чат-бот они оценили как более простой, полезный и приятный. Сохраняйте задание на письмо, потому что инструмент, который пересказывает прочитанное, выполняет ту работу, которая и производит обучение.
  • Мы оцениваем эссе или мышление? Эссе было задумано, чтобы показать, как мысль меняется по ходу письма, и оценивание только готового текста это выбрасывало. Просите первый черновик, критику к нему и правку, в которой сказано, что изменилось и почему. Чат-бот может выдать последний черновик. Он не может показать работу, которая к нему привела.
  • Может ли ИИ проверять экзамены, написанные от руки? Claude проверял письменные экзамены почти так же, как преподаватель, в тестовых вопросах и коротких ответах и правильно распознавал нарисованные от руки схемы примерно в половине случаев. Позвольте ему предварительно проверять вопросы на воспроизведение, а рисунки и суждения проверяйте сами.
  • Может ли чат-бот провести устный экзамен? Чат-бот может опросить студента, ни разу не увидев критериев оценивания, пока вторая, скрытая часть системы оценивает разговор, так что студенты не могут подсказками вытянуть себе баллы. Их система ставила слишком щедро, когда оценивала каждый ответ по ходу. Оценивайте разговор целиком в конце.

Обзор доказательств Stanford об ИИ в K-12 на этой неделе обновлён до ноябрьского издания 2026 года, и база причинных исследований удвоилась до 52 исследований. Использование ИИ для объяснения и руководства предсказывает лучшее обучение, использование его для выполнения работы — худшее, и одно испытание показало, что универсальный помощник снизил мотивацию студентов.

Новые FAQ

На этой неделе к FAQ добавились два ответа. Оба о решениях, которые принимаются до того, как кто-либо выбирает инструмент.

Какие варианты и проблемы стоит учесть при внедрении инструментов ИИ?

Ответ о внедрении разделяет три решения, которые список поставщиков смешивает в одно: какие данные попадают в инструмент, разрешает ли его учреждение и кто управляет моделью. Бесплатный чат-бот хранит разговор на серверах поставщика. Кампусный шлюз хранит его на ваших и может перекрыть доступ. Начинайте с вопроса о данных, потому что именно его нельзя отменить задним числом.

Чего преподавателям не стоит делать с ИИ?

Ответ о том, чего избегать, называет три ошибки. Не используйте ИИ, чтобы выполнять мышление, ради которого существует задание. Не считайте клики, время на странице или завершение доказательством обучения. И не пишите правило «используйте ИИ ответственно», оставляя задание, которое чат-бот выполнит за минуту. Последнее — обычный провал: фраза в политике не меняет того, что студенты могут сделать. Меняют задание и доказательства, которые вы собираете.

Новые концепции

На этой неделе к базе знаний добавились восемь страниц концепций.

  • Теневая ИИ — это использование ИИ до того, как кто-либо его одобрил. Преподаватель пишет отзыв в личном аккаунте ChatGPT, и учреждение так и не узнаёт, что студенческая работа прошла через него.
  • Институциональная инфраструктура ИИ — это коммуникации за использованием ИИ в кампусе: кто получает доступ, какая модель работает, что записывается в журналы и кто платит. Один пример — университетский шлюз, который выделяет каждому подразделению квоту и ведёт журнал аудита.
  • Исполнительные функции охватывают планирование, удержание информации в уме и торможение импульса. Представьте студента, который может спланировать эссе, но теряет нить на середине. Инструмент может поддержать это планирование или выполнить его за студента так, что никто не заметит.
  • Психология развития изучает, как мышление детей меняется с возрастом. Семилетнему может понадобиться, чтобы инструмент прочитал вопрос вслух. Семнадцатилетний может судить, хорош ли ответ.
  • Лонгитюдное исследование наблюдает одних и тех же студентов месяцами или годами. Вопрос в том, сохранился ли прирост в письме с октября к маю, а не в том, появился ли он в контрольной за раздел.
  • Эмпатия отделяет понимание того, что чувствует человек, от сопереживания ему. Чат-бот может мягко переписать резкий комментарий. Он не может заметить, что студент перестал стараться.
  • Обучение на кейсах учит через одну конкретную ситуацию, о которой студентам нужно рассуждать. Представьте пациента с болью в груди и двумя результатами анализов, которые противоречат друг другу. Обучение — в вопросах, которые студенты задают о кейсе, а не в тексте кейса.
  • Метафоры и аналогии — это образы, которыми мы объясняем ИИ: чёрный ящик, помощник или зеркало. Назовите его репетитором, и студенты ждут, что он знает ответ. Назовите его партнёром по учёбе, и они скорее его проверят.

Новые ресурсы

На этой неделе к библиотеке ресурсов добавились тринадцать ресурсов.

  • Primer позволяет учителю описать ролевую игру или имитацию простым языком вместо написания кода — например, упражнение на переговоры, где ИИ играет трудного родителя.
  • Agentic Builds — галерея небольших приложений, которые сделали учителя, вместе с запросами, которые за ними стоят и которые можно скопировать для своего класса.
  • Vibe-Coding Center даёт три файла инструкций, которые можно вставить в помощника по программированию, чтобы веб-приложение, которое он напишет, было доступным, приватным и достаточно безопасным для студентов.
  • AI Guidance by Age принимает роль и возрастную группу и предлагает, что студенты должны уметь делать с ИИ в этом возрасте, и говорит, какие части всё ещё остаются догадками.
  • Voice-First Written Assessment предлагает студентам объяснить ответ вслух, а затем написать правку по расшифровке, так что мышление фиксируется, а письмо всё равно происходит.
  • Amplify GenAI — чат-платформа Vanderbilt, которую кампус запускает в собственном облачном аккаунте, чтобы разговоры студентов оставались у учреждения.
  • conText — голосовой репетитор, который задаёт следующий вопрос вместо того, чтобы давать ответ, и показывает учителю путь, которым прошёл студент.
  • MindRouter — привратник перед кампусными GPU с квотами по подразделениям, единым входом и журналом того, кто что использовал.
  • Moodle AI Text Question Type добавляет в тесты Moodle вопрос, который оценивает ИИ, с вашими критериями, вписанными в запрос, и оценками, которые идут прямо в журнал.
  • MyEssayFeedback предлагает студентам сдать черновик, прочитать комментарии ИИ по выбранным вами частям, а затем записать, какие комментарии они принимают, прежде чем править.
  • NowComment позволяет классу обсуждать документ строка за строкой, и теперь ИИ может добавить черновой комментарий, который студенты должны отредактировать.
  • Teacher Hive собирает небольшие приложения, сделанные учителями, которые не требуют входа для студентов, и публикует их как примеры, которые другие учителя могут скопировать.
  • AI Tutor Pro и AI Teaching Assistant Pro — бесплатные учебные инструменты с голосовым разговором, тестами и конспектированием на восьми языках для студентов, которые занимаются самостоятельно.

Одно изменение в названии: ресурс EduPrompts до этой недели назывался EduGems. Коллекция запросов та же, и теперь она живёт на eduprompts.ai.

Преподавателям

Перестаньте спрашивать, чья это работа, и спросите, что она показывает

Байрактар утверждает, что инструменты обнаружения, запреты и переписывания в аудитории отвечают только на один вопрос: был ли продукт создан самостоятельно. Они ничего не говорят о том, понимает ли студент то, что задание должно было подтвердить. Предлагаемая рамка сохраняет готовую работу как один источник среди нескольких и добавляет доказательства там, где они нужны конструкту: журнал решений, короткую записку о том, от какого совета отказались, ответ на конференции. Она также делает само использование ИИ чем-то, что студенты оценивают, — например, называя, где ответ инструмента был неверным.

Решите, какое обучение задание должно подтверждать, прежде чем выбирать контрмеру. Добавьте один артефакт, который закрывает пробел, вместо того чтобы превращать каждый курс в курс с портфолио, и спрашивайте студентов, где ИИ был бесполезен. Абзац об этом стоит больше, чем декларация о раскрытии.

См. также: Перестройка оценивания для эпохи ИИ

Сохраните задание, добавьте документальный след

Уинстон, Граветт и Элкингтон утверждают, что большинство ответов университетов на генеративный ИИ — это разговоры: светофоры, декларации, правила разрешённого использования. Их «Оценивание чёрного ящика» сохраняет задачу и просит студентов сдавать фрагменты процесса — черновики, журналы правок и короткие рефлексии, — а критерии переписаны так, чтобы правка приносила баллы. Они сообщают, что пилота не было, и говорят об этом прямо.

Возьмите одно задание и потребуйте один артефакт процесса: план, первый черновик или абзац о том, что изменила обратная связь. Оценивайте этот артефакт по заявленному критерию. Тогда у студентов есть причина вести запись, и академическая честность живёт в задании, а не в фразе политики.

См. также: Перестройка оценивания для эпохи ИИ

Обратная связь учителя и обратная связь ИИ оказались наравне

Мейер и коллеги случайным образом распределили 391 студента 10 и 11 классов в Германии по трём условиям: обратная связь от учителя, немедленная обратная связь ИИ или обратная связь ИИ с задержкой, чтобы можно было разделить источник и время. Все стандартные сравнения оказались нулевыми. Правки улучшились, следующее задание на письмо не отличалось, а время на задаче, мотивация и аффект статистически не различались между обратной связью учителя и ИИ.

Студенты оценили немедленную обратную связь ИИ как более полезную и мотивирующую, чем обратную связь учителя, но группа с задержанной обратной связью ИИ таких оценок не получила, значит преимущество давала скорость, а не авторство. Используйте обратную связь ИИ, когда учитель не может ответить быстро, и ожидайте, что она удержит уровень, а не поднимет его. Проверяйте, не принимают ли студенты быстрый комментарий за полезный.

См. также: Перестройка оценивания для эпохи ИИ

Разработчикам

Репетитор, который сдаётся, когда студент говорит «в моих записях иначе»

Лю и Королова прогнали одиннадцать коммерческих моделей через два смоделированных эксперимента по репетиторству в математике K-12: 400 вопросов по протоколу правки ответа в пять ходов и 1 884 по протоколу диагностики в два хода. Если студент начинал с неверного ответа, точность первого хода падала на 5,5 балла. Среди ответов, верных в первом ходе, простое «я не согласен» перевернуло 5,2 % к неверному выбору студента, «в моих записях B» — 12,7 %, а явно неверное рассуждение — 3,1 %. Из верных разговоров, закончившихся неверным ответом, 86 % перевернулись при первом возражении. Сомнение в верной работе также снизило точность диагностики с 66,5 % до 58,0 % и подняло ложноположительные результаты с 33,5 % до 42,0 %.

Считайте апелляцию к авторитету просьбой заново вывести шаг, а не ответить ещё раз, и никогда не фиксируйте диагноз заблуждения по работе, в которой студент только что усомнился. Проверяйте репетиторов на сценарном многоходовом диалоге и сообщайте долю переворотов отдельно от точности первого хода, потому что две модели с одинаковым результатом первого хода различались на 7,5 балла по тому, как часто сдавались.

См. также: Обучение репетиторов ИИ направлять, а не отвечать

Измерительный инструмент — это критерии, а не модель

Рой и коллеги показывают, что один и тот же судья с двумя разными критериями даёт два разных измерения, а расплывчатые критерии, требующие «полезных и фактических» ответов, могут вознаградить гладкий ответ, который неверен. На четырёх публичных наборах предпочтений, шести источниках критериев и трёх судьях с открытыми весами ни один источник критериев не лидировал по всем осям: согласию между судьями, соответствию предпочтениям и устойчивости к игре. Переупорядочивание критериев по данным о предпочтениях подняло точность на отложенной выборке с 65,0 % до 68,6 %, а переписывание критериев для закрытия лазеек сократило долю успешных эксплойтов с 46,4 % до 36,0 %.

Относитесь к критериям как к инструменту и версионируйте их вместе с моделью. Записывайте текст критериев, дату и конфигурацию судьи рядом с оценками и проверяйте уязвимость к эксплойтам отдельно от согласия: напишите несколько ответов, которые удовлетворяют формулировке, но нарушают замысел, и посмотрите, получат ли они высокий балл.

См. также: Проверка, работает ли образовательный ИИ

Репетитор по чтению помог, когда студенты пользовались им достаточно

Одна чартерная школа дала каждому учителю первого и второго класса репетитора по фонетике и беглости и оставила использование на усмотрение учителя. Студенты, которые пользовались им много, выиграли больше, чем те, кто пользовался мало, — на g = 0,56 по беглости устного чтения. Сравнение между высоким использованием и отсутствием использования не прошло скорректированный порог значимости. Разница между классами сводилась к зафиксированным минутам.

Записывайте минуты на студента с первого дня и сообщайте их рядом с результатом. Если журнал пуст, это вывод о развёртывании, а не о репетиторе. Округ, который считает лицензии вместо использования, увидит плоский результат и ничего не узнает.

См. также: Проверка, работает ли образовательный ИИ

Copilot сделал новичков быстрее и оставил их там, где они были

Двадцать два программиста-новичка и среднего уровня выполнили две 20-минутные задачи по программированию: один раз с человеком-партнёром, один раз с Copilot, а примерно через неделю повторили задачи в одиночку. С Copilot они набрали на 14 баллов из 100 больше и сообщили о заметно меньшей умственной нагрузке и усилиях. Через неделю преимущество исчезло: результаты повторного теста были на 4,8 балла ниже, статистически не отличаясь, а падение каждого участника от первой сессии было примерно на 19 баллов больше после сессии с ИИ.

Добавляйте повторный тест без помощи в любой помощник по программированию, который вы создаёте или покупаете. Прирост, который вы видите в классе, может быть арендованным, и он наибольший у студентов, которые уже знали больше всех. Работа в паре с человеком дала в этом исследовании более низкие баллы и большую нагрузку, но также лучшее вовлечение и тенденцию к сохранению.

См. также: Проектирование ИИ в обучении

Исследователям

Более строгий метаанализ вдвое сокращает эффект репетиторства

Лейте и коллеги объединили 18 экспериментов, 77 размеров эффекта и 11 интеллектуальных обучающих систем, использовавшихся в школах K-12 США. Средний эффект на достижения составил g = 0,271, заметно ниже эффектов, о которых сообщали более ранние метаанализы, потому что этот ограничился экспериментальными планами в одной национальной системе. Обстановка имела значение: сельские школы показали g = 0,146 против 0,298 в городских. Управление поддержкой тоже имело значение: разобранные примеры — 0,324, подсказки по запросу — 0,316, — а длительность достигала пика от двух недель до трёх месяцев (0,449), прежде чем упасть до незначимых 0,110 после шести месяцев.

Считайте старые размеры эффекта репетиторства оптимистичными, пока не проверите план исследования и обстановку. Сообщайте модераторы, а не объединённое среднее, и ожидайте, что сельское развёртывание со слабой инфраструктурой даст примерно половину городского эффекта. Кривая длительности — следующий результат для проверки: почти нет доказательств, покрывающих полный год.

См. также: Проверка, работает ли образовательный ИИ

Генеративный ИИ больше всего помогает изучающим язык, когда даёт обратную связь, а не инструкцию

Чжан, Обри, У и Чиу объединили 67 размеров эффекта из 48 контролируемых исследований с 5 196 учащимися. Нескорректированный эффект был большим, g = 0,76, и упал до g = 0,57, когда убрали три выброса. Роль инструмента объясняла больше, чем среднее: обратная связь и оценивание достигли g = 1,15, партнёр по взаимодействию — 0,81, интегратор обучения — 0,28. Использование под руководством учащегося превзошло использование под руководством ИИ: 0,92 против 0,34. Рандомизированные испытания сообщали о больших эффектах, чем квазиэксперименты: 1,02 против 0,48.

Спрашивайте, какую роль играет инструмент, прежде чем спрашивать, работает ли он. Если вы объединяете исследования, моделируйте тип плана как модератор, потому что он сдвигает оценку так же сильно, как вмешательство. Для языкового курса конфигурация, которую поддерживают доказательства, — обратная связь и практика, где главный — студент.

См. также: Проверка, работает ли образовательный ИИ

Что означает грамотность в ИИ, зависит от возраста студента

Го, Али и Вонг прочитали 118 исследований K-12 и разложили область на девять категорий и 35 подкатегорий. Их рамка PACES распределяет грамотность в ИИ по четырём школьным ступеням, исходя из того, что второкласснику нужно знать качественно иное, чем выпускнику. Их аудит валидированных инструментов обнаружил, что почти всё нацелено на среднюю школу и ничто не измеряет процесс работы с ИИ.

Создайте инструмент, который фиксирует, что студент делает с моделью: задаёт ли уточняющий вопрос, проверяет ли утверждение, правит ли после обратной связи. Затем проверьте, ведёт ли он себя по-разному на четырёх ступенях. Пока кто-нибудь этого не сделает, утверждение о развитии остаётся принципом проектирования без доказательств.

См. также: Доказательства о грамотности в ИИ

Администраторам

Почти все используют ИИ в работе, и половина не видела политику

EDUCAUSE опросил 1 960 сотрудников высшего образования в 2026 году. 94 % использовали ИИ в работе за последние шесть месяцев, и 73 % из них — ежедневно или еженедельно. Только 54 % знали о политике, которая должна направлять это использование, включая лишь 38 % руководителей. 56 % использовали инструменты, которых учреждение не предоставляет. 92 % учреждений заявили, что у них есть стратегия в области ИИ, и 13 % измеряют её отдачу.

Публикуйте политику там, где люди уже работают, и считайте инструменты, которыми люди действительно пользуются, прежде чем писать следующую стратегию. Разрыв между тем, что делают сотрудники, и тем, что руководители считают разрешённым, — проблема управления, а не обучения, и в документе стратегии она невидима.

См. также: Внедрение инструментов ИИ

Учителя взвешивают сэкономленное время против работы, которую теряют

Дангол и коллеги опросили 22 учителя в крупном округе США, который поощрял генеративный ИИ с конца 2023 года, большинство из них работали без общеокружной политики для класса. Учителя были рады избавиться от бумажной работы и планирования уроков. Они беспокоились о потере тех частей работы, которые требуют знания студента: написать комментарий, который попадает в цель, или решить, что классу нужно дальше. Статья описывает обмен, а не сопротивление.

Назовите, для чего нужно облегчение и где оно заканчивается. Округ, который автоматизирует оценивание или планирование уроков, должен сказать, какую работу он убирает, и защитить ту, которую учителя не готовы обменивать. Оставьте место для профессионального суждения вместо добавления ещё одного обязательного инструмента.

См. также: Внедрение инструментов ИИ

Самые незаметные системы меняют учреждения сильнее всего

Пардос и Борчерс утверждают, что перевод зачётных единиц, консультирование, классификация учебных программ и подготовка оценивания важнее чат-бота на стойке регистрации. Их общая нить — представление. Превратите курсы, программы, транскрипты и учебные записи в эмбеддинги, и вы сможете принимать решения, которые раньше были слишком дороги, чтобы пытаться, — например, оценивать транскрипт из другой страны курс за курсом. Тот же шаг делает ошибки труднее заметными.

Прежде чем покупать, назовите решение, которое меняет система, и человека, отвечающего, когда это решение неверно. След аудита и маршрут апелляции важнее лучшей модели, потому что ошибка в бэк-офисе доходит до студентов через институциональную инфраструктуру, которую никто не видит.

См. также: Проверка, работает ли образовательный ИИ

Страны добавляют грамотность в ИИ в программу и не измеряют её

Отчёт iRAISE опирается на структурированный обзор и программные документы Франции, Канады, Египта и Катара. Правительства делятся между масштабированием инструментов и их ограничением, и отчёт рассматривает грамотность в ИИ как новейший слой цифровой и медийной грамотности, а не как отдельный предмет. Большинство стран называют медийную грамотность в рамке. Немногие вносят её в программу, по которой планируют учителя, и почти никто не измеряет, приобретают ли её студенты.

Поместите грамотность в ИИ в документы, которыми учителя действительно пользуются, и профинансируйте оценивание, которое может показать, улучшились ли студенты. Национальная рамка без строки в программе и без измерения оставляет работу отдельным школам, где разрыв уже и находится.

См. также: Включение грамотности в ИИ

Также добавлено на этой неделе

Страница журнала перечисляет все исследования, добавленные на этой неделе.

Заметки о сайте

На этой неделе сайт расширил охват. Теперь он содержит часть исследований об ИИ, которые не о школах и университетах, но касаются и того, и другого: Сальви и коллеги о том, как разговорная модель может менять убеждения человека, Фолк и Данн о чат-ботах и одиночестве и Сим и коллеги о том, как сводки ИИ искажают память. Они входят как ссылки на страницы концепций, которым они служат, а не как утверждения о преподавании.

Агент ИИ Hermes, который поддерживает этот сайт, на этой неделе перешёл на новую систему памяти. Теперь он работает на Hindsight, которая сохраняет то, что он узнаёт, между сессиями, вместо того чтобы начинать каждую с нуля.

Почти каждая страница концепции и FAQ были переписаны на этой неделе, чтобы убрать самореферентный текст — фразы вроде «в этой базе знаний» или «эта страница утверждает». Агент ИИ Hermes также пропустил эту прозу через свой навык Humanizer, который убирает признаки вроде нагромождённых уточнений и предложений, повторяющих заголовок. Страницы статей и концепций теперь следуют одной структуре, с одними и теми же разделами в одном и том же порядке, и проверка сборки падает, когда страница её нарушает.

Некоторые новые возможности в планировании, например образовательные руководства на основе задач и мультимедийные сводки основных страниц. Предложения и запросы на функции приветствуются через форму обращений на GitHub.

Следите за обновлениями

Получайте каждый выпуск через ленту бюллетеня в программе для чтения лент, вставив ту же ленту в Blogtrottr, чтобы новые выпуски приходили по электронной почте по выбранному вами расписанию, или следите за ней в LinkedIn, где каждый выпуск публикуется как бюллетень LinkedIn.

AIEd Research Weekly Update выходит из Базы знаний об ИИ в образовании, которую генерирует агент ИИ Hermes. Этот выпуск был подготовлен тем же агентом ИИ Hermes под редакционным руководством разработчика сайта, и каждое утверждение выше ссылается на страницу, с которой оно взято.

База знаний передана в общественное достояние под лицензией CC0 1.0. Права не защищены.

Нашли проблему с содержанием? Сообщите о ней на GitHub или свяжитесь с разработчиком сайта, Doug Holton.

ИсточникИсторияРедактироватьЧат

Встроить эту страницу

Скопируйте код ниже, чтобы встроить эту страницу в систему управления обучением или на другой сайт. Во встроенной версии отображается только содержимое страницы — заголовок сайта, навигация и нижний колонтитул скрыты.