Na tejto stránke

Týždenný prehľad výskumu AI vo vzdelávaní #231. októbra 2026

Automatický strojový preklad tejto anglickej stránky, ktorý ešte nebol skontrolovaný rodeným hovorcom.

Týždenný prehľad bázy poznatkov o AI vo vzdelávaní o tom, čo výskum publikovaný za posledný týždeň znamená pre vyučujúcich, vývojárov, výskumníkov a administrátorov.

Od posledného čísla pribudlo do bázy poznatkov 121 nových štúdií, štyri nové zdroje, päť nových FAQ a dve nové stránky konceptov, o otvorenom vzdelávaní a vzdelávaní v štatistike a dátovej vede; báza teraz obsahuje 1 926 zhrnutí článkov, 222 stránok konceptov, 42 FAQ a 37 zdrojov. Stránka časopisu uvádza každú štúdiu pridanú za posledný týždeň. Bázu poznatkov môžete aj prehľadávať alebo použiť AI na rozhovor s ňou.

Hlavné zistenia a otázky

Väčšina výsledkov tohto týždňa sa týka práce, ktorá sa deje okolo odpovede, a toho, čo zmeniť, keď odpoveď príde príliš rýchlo alebo príliš sebaisto. Dva experimenty izolovali ten istý mechanizmus v rôznych miestnostiach.

Predregistrovaná štúdia so 317 dospelými zadala tú istú úlohu hĺbkového spracovania ako pracovný list alebo ako otvorené chatové okno; chatové okno zvýšilo dezorganizáciu úlohy o 0,84 smerodajnej odchýlky a nič v modeli to nevysvetlilo, takže riešením je štruktúra okolo poradia a zastavenia, nie väčšia obsahová podpora. Štúdia fóra zistila, že asistent výučby AI odpovedal prvý v 97 % vlákien začatých študentmi, v mediáne 0,92 minúty oproti 490 minútam u spolužiakov, kým jazyk sebaregulácie vo vlákne klesol zo 49 % na 36 %, čo ukazuje na odloženie prvej odpovede, nie na odstránenie asistenta.

Keď vám asistent na prípravu hodín ušetrí celé hodiny, zlepší aj samotnú hodinu? Dvestoštyria učitelia v randomizovanej štúdii: ušetrený čas je skutočný, lepšie materiály nie.
Ak je publikovaný efekt 0,86, máte s ním počítať vo svojom kurze? Metaanalýza 58 štúdií, ktorá po korekcii skreslenia stratí dve tretiny svojej veľkosti.
Stojí za námahu pridať AI k zadaniu, ktoré už používate? Dve skupiny toho istého kurzu, 113 študentov, žiadny rozdiel v tom, čo uviedli, že sa naučili.
Ako si vybrať, ktorého asistenta budú študenti používať? Spýtajte sa, čo urobí, keď študent trvá na tom, že sa mýli: trinásť modelov potvrdilo správnu prácu v miere od 46,5 % do 98,5 %.
Je bezpečné hovoriť študentom, že chatbotu záleží na tom, ako sa cítia? Tri experimenty a jeden prieskum: rámcovanie AI ako empatickej presunulo zodpovednosť preč od ľudí.
Čo chatbot vo vašom kurze posiela tretej strane? Odchytávanie sieťovej prevádzky na 42 platformách, z toho 17 vzdelávacích agentov: polovica posielala názvy konverzácií sledovaciemu nástroju.
Keď asistent odpovie prvý, kto ešte premýšľa? 28 123 kódovaných viet z fóra: odpovede spolužiakov niesli väčšinu sebaregulácie a prestali prichádzať.

Nové FAQ

Tento týždeň pribudlo päť nových odpovedí, každá napísaná na otázku, ktorú kolega skutočne položí, nie na tému. Index FAQ bol tiež preusporiadaný do deviatich sekcií podľa úlohy, ktorú sa snažíte dokončiť, takže otázku, s ktorou prichádzate, nájdete bez toho, aby ste vedeli, ako ju odbor nazýva.

Môžem použiť AI na spravodlivé a spoľahlivé známkovanie študentskej práce?

Odpoveď o známkovaní dáva AI miesto ako kontrolovanému druhému čitateľovi práce, ktorú ste už oznámkovali, a nie ako známkujúcemu subjektu. Zhoda sa neprenáša medzi typmi hodnotenia a kontrola, ktorá pôsobila najsilnejšie, bola spustená s kľúčom odpovedí v ruke, čo nie je test, ktorý robíte, keď známkujete naslepo.

Ako overiť, či sú otázky kvízu a skúšky generované AI dobré?

Odpoveď o kvalite otázok začína tým, že každú položku sami vyriešite, a potom sa pýta, čo od študenta vyžaduje, pretože kľúče odpovedí a náročnosť úlohy zlyhávajú častejšie než formulácia. Vygenerovaná otázka, ktorú nikto nezodpovedal, je kandidát, nie hodnotenie.

Ako môže AI podporiť viacjazyčných študentov bez toho, aby im vzala hlas?

Odpoveď o viacjazyčnosti žiada, aby ste rozhodli, čo v úlohe robí jazyk, skôr než rozhodnete, čo smie nástroj. Tam, kde je jazyk vedľajší, môže AI odstrániť prekážku, ktorá s vaším konštruktom nesúvisí; tam, kde je jazykom samotný konštrukt, ten istý nástroj urobí zadanie za študenta.

Čo by sa študenti mali učiť pre kariéru, kde je AI bežná?

Odpoveď o kariére je učiť celú profesionálnu úlohu a hodnotiť aj podporovaný produkt, aj to, čo študent dokáže bez pomoci. Dôkazy podporujú odborové vedomosti plus úsudok, overovanie a transfer a nepodporujú žiadny zoznam zručností s nástrojmi.

Čo personalizované učenie vlastne znamená a kedy pomáha?

Odpoveď o personalizácii oddeľuje päť vecí, ktoré dostávajú ten istý názov, od preusporiadania praxe až po to, že si študent vyberie, čo bude študovať ďalej. Záleží na tom, čo sa prispôsobuje, aké dôkazy to riadia a či to zlepšuje učenie, ktoré ste zamýšľali, čo známy príklad alebo pohotová konverzácia môžu navodiť bez toho, aby sa to dialo.

Koncepty pod lupou

Päť stránok konceptov prevzalo zistenia tohto týždňa, dve z nich sú nové. Každá je stála stránka, nie jednorazová, takže nové dôkazy stoja vedľa toho, čo stránka už tvrdila.

Otvorené vzdelávanie

Stránka je nová a vznikla preto, že naraz prišlo trinásť štúdií o tom, čo generatívna AI robí s otvorene licencovaným vyučovaním. Jej argumentom je, že predmetom skúmania je licencia, nie model, a dva nové zdroje nižšie obidva opisujú inštitúcie, ktoré prispôsobujú otvorený obsah pomocou AI rýchlejšie, než stíhajú zaznamenať, kto čo autoroval. Prečítajte si stránku o otvorenom vzdelávaní skôr, než do politiky OER napíšete doložku o AI.

Kognitívne odľahčenie

Teraz oddeľuje, čo nástroj zbaví, od toho, koľko ho študent použil, čo je rozdiel, ktorý kreslí rebrík odľahčenia a ktorý experimenty s empatiou demonštrujú na mieste, kde by ho väčšina ľudí nehľadala. Stránka o kognitívnom odľahčení nesie aj výsledok 0,84 smerodajnej odchýlky, pretože je to najčistejší kauzálny dôkaz, ktorý stránka má.

Hodnotiaci úsudok

Jej nový dôkaz sa týka toho, čo sa od sudcu žiada: metódy známkovania posunuli stabilitu opakovaného behu z 2,9 % na 15,9 % a trinásť modelov sa zlomilo pod tlakom študenta v miere od 46,5 % do 98,5 %. Stránka o hodnotiacom úsudku teraz chápe odolnosť voči nesprávnej oprave ako samostatnú schopnosť od správnej odpovede.

AI gramotnosť

Dva výsledky zúžili konštrukt: kritické myslenie prechádzalo tým, ako študenti rozdeľovali a prepracúvali kognitívnu prácu, nie oboznámenosťou s nástrojmi, a rubrika postavená zo 16 kľúčových článkov ukázala, ako málo zdrojov menuje kompetenciu, ktorú tvrdia, že budujú. Stránka o AI gramotnosti si necháva obidve, pretože test gramotnosti a zdroj gramotnosti merajú odlišné veci.

Druhou novou stránkou je vzdelávanie v štatistike a dátovej vede, ktorého prvým argumentom je, že otázka AI v tomto odbore sa točí okolo artefaktu, pretože datasety, grafy a kód sa dnes generujú rýchlejšie, než ich ktokoľvek stíha validovať.

Pre vyučujúcich

Otvorené chatové okno potrebuje pravidlo zastavenia, nie viac obsahovej podpory

Spojenie úlohy hĺbkového spracovania s otvoreným chatovým oknom berie študentom uchopenie samotnej úlohy a riešením je scaffolding okolo poradia a zastavenia, nie viac vysvetľovania. V predregistrovanom experimente so 317 dospelými zvýšila podmienka s chatom dezorganizáciu o 0,84 smerodajnej odchýlky (kredibilný interval 0,47 až 1,21) s priamym efektom 0,77, ktorý nevysvetlil žiadny mediátor v modeli, kým hĺbkové spracovanie sa nepohlo ani jedným smerom (medián mínus 0,22, interval zahŕňajúci nulu).

Prvá odpoveď do minúty odstráni spolužiakov, ktorí premýšľali nahlas

Odložte alebo ohraničte prvú odpoveď asistenta na diskusnom fóre, pretože spolužiaci, ktorí uvažujú nahlas, sú tí, ktorí prestanú prispievať. Naprieč štyrmi postgraduálnymi kurzami a 28 123 kódovanými vetami asistent výučby AI odpovedal prvý v 97 % vlákien začatých študentmi, v mediáne 0,92 minúty oproti 490 minútam u spolužiakov, a jazyk sebaregulácie klesol zo 49 % na 36 %, keď odpovede spolužiakov klesli z 91 % na 45 % nadväzujúcich reakcií, pričom odpovede spolužiakov nesú približne 70 % tejto regulácie oproti 27 % u študentov, ktorí vlákno otvorili. Sebaregulované učenie na fóre vzniká z odpovedí, nie z odpovede.

Tréning písania výziev kupuje učiteľom čas, nie lepšie materiály

Rozpočítajte prácu na kompetencii učiteľa v AI ako intervenciu do pracovnej záťaže a nečakajte, že zvýši kvalitu toho, čo učitelia vytvoria. V randomizovanej štúdii so 204 učiteľmi priniesol tréning v písaní výziev úsporu času na prípravu 21 % navyše oproti samotnému prístupu k ChatGPT, bez zisku v hodnotenej kvalite materiálu, pretože trénovaní učitelia písali dlhšie výzvy a potrebovali menej kôl spresňovania.

Asistent na prípravu hodín šetrí čas pri malej dávke hodín

Vyskúšajte ho pre hodiny, ktoré vráti, a zatiaľ nie pre hodiny, ktoré vytvorí. Nezávislá klastrová štúdia Aila z Oak National Academy sledovala 416 anglických učiteľov na prvom stupni a namerala prípravu 2,51 hodiny týždenne oproti 3,32 bez nástroja, čo je približne 49 minút týždenne, kým pokrývala 7 % hodín a kvalita sa testovala iba na nehoršenie, nie na zlepšenie.

Pridanie AI k otvorenému zadaniu samo o sebe nič neprináša

Financujte zadanie o otvorenom vzdelávaní, ktoré už používate, namiesto pridávania nástroja a čakania na prínos v gramotnosti. Dve skupiny úvodného kurzu vývinu dieťaťa, 55 študentov pracujúcich ako obvykle a 58 s pridanými nástrojmi generatívneho vyhľadávania AI, uviedli rovnaký vnímaný prínos v zručnosti práce so zdrojmi, 0,50 oproti 0,48 na päťbodovej škále, s interakčným členom blízkym nule (F(1, 84) = 0,04, p = 0,85).

Vyberajte asistenta podľa toho, čo urobí, keď študent povie, že sa mýli

Odolnosť voči nesprávnej oprave oddeľuje modely ostrejšie než presnosť, preto ju urobte prvou vecou, ktorú testujete. Naprieč 200 overenými úlohami o priehradových nosníkoch a trinástimi modelmi sa presnosť riešenia pohybovala od 64,5 % do 97,0 %, čo je rozptyl 32,5 bodu, ale po tvrdení, že správna práca je nesprávna, modely potvrdili správnu prácu v miere od 46,5 % do 98,5 %, čo je rozptyl 52,0 bodu, ktorý patrí do kontroly hodnotiaceho úsudku, ktorú robíte pred zavedením.

Učte písanie s AI ako žáner a skóre sa prestanú prekrývať

Chápať písanie s podporou AI ako niečo, čo sa má učiť, a nie niečo, čo sa má kontrolovať, patrí do kurikula vzdelávania v písaní a medzera, ktorú to otvorilo, nebola okrajová. Priemery v postteste boli 9,8750 v skupine vyučovanej týmto spôsobom oproti 3,8125 v kontrolnej skupine, bez prekrytia oboch rozdelení (Mann-Whitney U = 0,00, r = 0,86).

Pre vývojárov

Stavajte scenár, nie personu doučovateľa

Vložte scaffolding do scenára a pracovného prostredia skôr, než ladenie hlasu, pretože efekt nesídli v persone. V dvoch predregistrovaných trojramenných štúdiách, so 131 študentmi právneho uvažovania a 54 v ramene súťažného programovania, dosiahol štruktúrovaný systém 22,8 percentuálneho bodu oproti 15,7 pri bežnom asistentovi, čo je výhoda 7,0 bodu (p = 0,018, d = 0,56), kým persona LLM ako učiteľ nad tým istým modelom získala 2,8 bodu a neoddelila sa (p = 0,121).

Doučovanie, ktoré ako prvé menuje riešenie hrubou silou, vedie študentov zle

Auditujte, ktoré riešenie doučovanie menuje, skôr než ho vydáte na problém s viacerými riešeniami, a udržte tento audit v akceptačných testoch inteligentného doučovania. Na 150 problémoch spustených so simulovanými študentmi bola hrubá sila menovaným prístupom v 22,2 až 32,1 percenta otvorení špecifických pre riešenie oproti 13,0 až 19,4 percenta pre optimálne riešenie a v konverzáciách začínajúcich sondou všetky štyri základné modely posunuli študentov k horšiemu prístupu v 6,1 až 7,1 percenta prípadov.

Počítanie volaní AI nemeria nič o pokroku

Počty interakcií sú najľahší signál, ktorý môže pipeline učebnej analytiky zbierať, a najslabšia vec na dashboard, preto namiesto toho instrumentujte stav vykonávania na oboch stranách každého volania. Naprieč 140 dvojicami študent–zadanie od 35 študentov korelovali interakcie s AI s úspešne vykonanými bunkami na r = 0,12 a s dotknutými bunkami na rovnakom r = 0,12.

Hodnoťte reláciu podľa toho, ako sa zvrháva, nie podľa počtu otázok

Relácia, ktorá sa v druhej polovici posúva k hľadaniu odpovedí, predpovedá horší posttest a povinná kontrola primeranosti po každej odpovedi je lacná intervencia. Z 880 podstatných ťahov od 112 študentov vo veku 14 a 15 rokov pridala strmosť trajektórie hľadania pomoci zmenu R-squared o 0,110 k modelu, ktorý už obsahoval skóre pretestu (beta = 0,34), kým statické črty interakcie pridali 0,023 a minuli významnosť (p = 0,684), a 81,5 % ťahov boli žiadosti oproti 2,2 % hodnotenia.

Skóre benchmarku rozhoduje pravidlo hodnotenia viac než model

Ak váš rámec hlási jedno číslo, ešte neviete, čo meria. Tých istých 2 250 dialógov medzi piatimi doučovateľmi a simulovanými študentmi dosiahlo 42,1 % pri presnej zhode a 81,3 % pri ľuďmi kalibrovanom sudcovi, čo je rozptyl 39,2 bodu väčší než kombinované efekty modelu, stratégie a pipeline, a štyria sudcovia od troch dodávateľov sa zhodli v rozmedzí 6 bodov, kým štruktúrované označenia pipeline nepriniesli výhodu (p = 0,263).

Reprodukovateľnosť určuje metóda známkovania, nie model sudcu

Zverejnite vyhlásenie o rozhodovaní menujúce metódu, rámec, opakovaný beh a to, koľko známkovaných položiek stojí za každým tvrdením, pretože metóda je to, čo hýbe výsledkom. Opakované behy zmenili 2,9 % až 6,1 % výsledkov pri polotvrdej rubrike a 13,5 % až 15,9 % pri voľnom holistickom známkovaní, kým výmena modelu sudcu posunula len asi tri body.

AI rovesník, ktorý so všetkým súhlasí, stráca svojich používateľov

Nastavte agentov tak, aby si držali neistotu a štandardne odmietali súhlas, pretože kalibrácia dôvery je správanie, ktoré píšete, nie vlastnosť, ktorú model má. Sedem odborníkov strávilo po 20 minút v role študenta s agentom obsadeným ako rovesník a to, čo ho robilo rovesníkom, bolo sociálne: opatrné uvažovanie a zámerná nedokonalosť budovali dôveru, kým slepý súhlas so všetkým, čo študent povedal, ju zničil.

Pre výskumníkov

Plánujte malý efekt, nie publikovaný priemer

V novom prostredí nie je hlavný efekt výučby generatívnej AI ten, s ktorým treba počítať, preto pilotujte skôr, než rozšírite. Trojúrovňová metaanalýza 58 štúdií a 6 941 účastníkov sa spojila na g = 0,864, potom hlásila heterogenitu blízko 87,9 %, predikčný interval od mínus 0,213 do 1,942 a korigovaný efekt g = 0,258; vytlačte ten interval vedľa spojeného odhadu tam, kde ho čitateľ nemôže prehliadnuť.

Kritické myslenie sleduje rozdelenie práce, nie oboznámenosť s nástrojmi

Zadajte výslovné rozdelenie práce a žiadajte, aby študenti výstup prepracovali, pretože skúsenosť s generatívnou AI dosiahla kritické myslenie iba cez tieto dve cesty. Medzi 891 študentmi v Spojených štátoch a Turecku niesla špecializácia a koordinácia kognitívnej práce b = 0,636 a reflexívne pretváranie výstupu b = 0,367, bez významnej priamej cesty, čo mení otázku kognitívneho odľahčenia na rozhodnutie dizajnu, nie na varovanie.

Menšia medzera vo vzdelaní pri používaní AI nie je rovnosť

Nečítajte užšiu medzeru v používaní ako pokrok a nestavajte ciele prístupu na binárnej položke o posledných troch mesiacoch. Pri zosúladení 16 európskych krajín podľa ich miery prijatia v roku 2025 s ich vlastným rokom internetovej éry klesla mediánová medzera medzi najvzdelanejšími a najmenej vzdelanými z 56,4 bodu na 28,6, záporne v 15 zo 16 krajín (p = 0,0005), ale zosúladenie zohľadňujúce zloženie zmenšuje zmenu na mínus 11,5 a mínus 10,0, takže tvrdenie o rovnosti potrebuje silnejší nástroj.

Nízke používanie nie je nízka ochota

Financujte prístup a základné zručnosti pre najstarších a najmenej vzdelaných namiesto kampane o dôvere, pretože používanie a dôvera cestujú oddelene. V roku 2025 použilo generatívnu AI za predchádzajúce tri mesiace 48,4 % Dánov a 17,8 % Rumunov oproti 32,7 % v celej EÚ, no Rumuni hodnotili svoju dôveru na 4,1 oproti 3,8 na sedembodovej škále a 47 % z nich označilo súčasné zákony a záruky za primerané oproti 36 % Dánov.

Odľahčenie je erozívne iba vtedy, keď obchádza cieľ

Pýtajte sa, ktoré kognitívne operácie nástroj zbaví, nie koľko ho študent použil. Odľahčenie pomáha, keď preberá prácu okrajovú voči učebnému cieľu, a hrozí eróziou, keď obchádza spracovanie, ktoré je pre ten cieľ konštitutívne, a následné spracovanie výstupu môže zachrániť inak konštitutívne odľahčenie; sedem podmienených tvrdení nahrádza jedno smerové tvrdenie a regulácia odľahčenia sa stáva naučiteľnou dimenziou AI gramotnosti.

Nástroje na sentiment prehliadnu približne polovicu negatívnych odpovedí

Berte automatické kódovanie otvoreného textu ako argument platnosti, nie ako voľbu nástroja, pretože presnosť skrýva práve tie prípady, na ktoré by ste konali. Voči 1 220 ručne kódovaným odpovediam dosiahol najlepší transformer presnosť 0,79, ale iba kappu 0,42 a zachytil približne polovicu negatívnych prípadov, kým lexikónové nástroje nesprávne zaradili približne jedného z piatich, v korpuse, ktorý bol zo 76,5 % pozitívny.

Pre administrátorov

Pred licencovaním sa spýtajte, čo chatbot posiela

Vyžadujte inventár skriptov tretích strán skôr, než licencujete alebo hostujete kurzového chatbota, a pýtajte sa konkrétne, ktoré značky môžu čítať titulok stránky, URL a vstupné pole. Instrumentovanie 42 platforiem zistilo 21, ktoré posielali názvy konverzácií aspoň jednému sledovaciemu nástroju, a deväť, ktoré prenášali doslovnú výzvu; 11 z 13 unikajúcich všeobecných platforiem posielalo aj registračný e-mail a vzdelávacie platformy mali v priemere asi 367 požiadaviek na sledovače, pričom 24 % nieslo obsah používateľa.

Kodifikovaná pamäť je tá časť kvalifikácie, ktorá stráca hodnotu

Chráňte supervidovanú prax a úsudok v neistote a čítajte dôsledok pre dizajn kurikula skôr než ten pre marketing programu. Rozdiel v rozdieloch na 655 919 pozorovaniach z prieskumu od roku 2018 do júna 2026 zistil, že návratnosť roka školského vzdelania v povolaniach najviac vystavených AI klesla o 0,55 logaritmického bodu po novembri 2022, čo je asi 7 % jej úrovne pred šokom, kým návratnosť skúseností stúpla o 0,26 logaritmického bodu pri troch rokoch a klesla o 0,12 pri dvadsiatich piatich.

Nazývať chatbota empatickým presúva empatiu preč od ľudí

Umiestnite systém ako triáž, ktorá vracia študentov k ľuďom, a sledujte hľadanie pomoci ako správanie, ktoré potichu mizne. Naprieč štyrmi štúdiami s 249, 494, 743 a 737 účastníkmi rámcovanie AI ako schopnej empatie zvýšilo ochotu odľahčiť empatickú zodpovednosť (celkový efekt 0,83) úplne cez vnímanú kapacitu (nepriamy 0,73) a informácia, že rovesník zobral problém na ChatGPT, znížila presnosť čítania emócií na 7,13 správnych z 12 oproti 7,73 (p = 0,012).

Benchmarky prešli, deťom sa stále ubližuje

Hodnoťte na úrovni relácie a inštitúcie, nie na úrovni API, pretože filter na úrovni výstupu nedosiahne na interakciu so spoločníkom, kde žiadny jednotlivý ťah neprekročí prah. Kódované z 1 331 hlásených incidentov týkajúcich sa detí je sexualizácia najväčším podtypom ujmy s 316, pred sexuálnym vykorisťovaním so 131, a ujmy sa zhlukujú s nasadením, správou a riadením a zlyhaniami zneužitia, nie s chybami modelu.

Píšte politiku integrity pre príležitostného, rozpolteného používateľa

Menujte odmietanie, podporu a substitúciu ako tri populácie, ktoré to isté zadanie stretáva, pretože takmer nikto nie je denný používateľ. Dva anonymné prieskumy na jednej britskej univerzite zistili, že 81,05 % z 94 študentov prvého ročníka použilo nástroj generatívnej AI na pomoc s dokončením zadania oproti 4,21 % s denným používaním a 9,47 % bez používania, čo robí z akademickej integrity politiku pre stred rozdelenia, nie rozdelenie na podvodníkov a nepodvodníkov.

Etické moduly neučia, odkiaľ dáta pochádzajú

Pridajte zadanie na revíziu pôvodu dát do etického modulu, ktorý už máte, čo je zmena dizajnu kurikula, nie nový kurz. Sčítanie 36 programov na 21 univerzitách zistilo etiku vyučovanú v 29 (80,6 %), ale pôvod dát na úrovni autorov v 8 (22,2 %), pričom žiadny magisterský ani exekutívny program ju nespĺňal a 22 z 29 programov pokrývajúcich etiku pôvod úplne chýbal.

Nové zdroje

Do knižnice zdrojov tento týždeň pribudli štyri zdroje a všetky štyri opisujú inštitucionálne rozhodnutie, nie trik do triedy.

Learning Design Wiki

Learning Design Wiki je otvorene licencovaná referencia, ktorá delí dizajn vyučovania na princípy, prvky, vzory a stratégie, každý previazaný s citáciami, ktoré za ním stoja, a jej vlastná správa o dôkazoch uvádza, že 98 % tvrdení stojí na jednej štúdii. Udržiavajú ju jazykové modely pod jedným ľudským správcom a žiadnu stránku neoveril človek, takže je to súbor dobre podložených stôp, nie zistení.

teacher.dev

teacher.dev je neziskové štúdio, ktoré každý deň vydá jednu bezplatnú aplikáciu do triedy, doteraz 34, každú zameranú na jeden okamih, ako generátor tlačiteľných obrázkov alebo tabuľa First/Then pre špeciálne vzdelávanie. Väčšina beží lokálne, bez účtu, takže žiadne údaje o študentoch neopúšťajú zariadenie.

AI + OER Case Studies: A DOERS Project

AI + OER Case Studies je otvorená antológia jedenástich prípadov o tom, kde sa generatívna AI stretáva s otvorene licencovanými zdrojmi vo vysokom školstve, od federálnej univerzity tvoriacej usmernenia pod odborovou zmluvou až po revíziu učebnice s človekom v slučke. Žiadne dve kapitoly nezdieľajú nástroj, takže je to prax na prispôsobenie, nie dôkaz na citovanie, a zbierka je pod CC BY 4.0, kým každá kapitola nesie vlastnú licenciu.

Integrating AI in TVET: a practical guide for institutions

Integrating AI in TVET je príručka UNESCO-UNEVOC z roku 2026 pre inštitúcie, ktoré vzdelávajú technikov a remeselníkov, a použiteľný materiál je v troch prílohách: nástroj sebareflexie pripravenosti, register rizík a rámec ukazovateľov. Neuvádza žiadne údaje o výsledkoch a svoju vlastnú škálu zrelosti nazýva pomôckou na diskusiu, takže ju používajte na štruktúrovanie prvého inštitucionálneho rozhodnutia, nie na obhájenie už urobeného.

Tento týždeň pribudlo

Ostatné štúdie, s metódami a abstraktmi, sú zoradené po dňoch na stránke časopisu.

Poznámky k stránke

Všetkých 222 stránok konceptov teraz nesie sekciu o bežných mylných predstavách, ktorá menuje nesprávne presvedčenie, ktoré čitateľ už môže mať, a opravuje ho dôkazmi na tej stránke.

Každá FAQ bola tento týždeň prepísaná a pribudlo k nim päť nových, čím sa zbierka dostala na 42 odpovedí písaných na otázku, ktorú kolega skutočne položí, nie na tému. Index ich zoskupuje do deviatich sekcií podľa úlohy, ktorú sa čitateľ snaží dokončiť, takže príchod s otázkou už nevyžaduje vedieť, ako ju odbor nazýva.

Preklady sa posunuli ďalej než angličtina: dvanásť stránok konceptov v sekcii Základy a všetky FAQ sú teraz preložené úplne vo všetkých jazykoch.

Každý jazyk má vlastnú domovskú stránku a šestnásť z nich dodáva aj stiahnuteľný EPUB a PDF:

Všetko vyššie je verejné na github.com/edtechdev/aied.

Sledujte prehľad

Každé číslo dostanete cez kanál noviniek v čítačke kanálov, vložením toho istého kanála do Blogtrottr, aby vám nové čísla chodili e-mailom podľa vami zvoleného harmonogramu, alebo sledovaním na LinkedIn, kde každé číslo vychádza ako newsletter na LinkedIn.

Týždenný prehľad výskumu AIEd pochádza z bázy poznatkov o AI vo vzdelávaní, ktorú generuje agent AI. Toto číslo navrhol ten istý agent AI s redakčným vedením vývojára stránky a každé tvrdenie vyššie odkazuje na stránku, z ktorej vzišlo.

Báza poznatkov je venovaná verejnej doméne pod licenciou CC0 1.0. Žiadne práva vyhradené.

Našli ste problém s obsahom? Nahláste ho na GitHube alebo kontaktujte vývojára stránky, Doug Holton.

Zdroj História Upraviť Chat