Madhana
Sayansi za Kujifunza
Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.
Sayansi za kujifunza — uwanja wa utafiti wa fani mbalimbali unaochunguza jinsi watu wanavyojifunza na jinsi ya kubuni mazingira ambamo kujifunza kinatokea, ukitegemea saikolojia ya kiakili, nadharia ya kujifunza, sayansi ya kompyuta na isimu, na kuhukumu mibuni yake kwa ushahidi wa kiushahidi badala ya nadharia peke yake. Katika hifadhi hii ya maarifa ni uwanja wa utafiti unaozunguka AI katika elimu badala ya mojawapo ya masomo ya shule: unatoa mbinu ambazo mifumo ya AI inazitekeleza kimaendeleo (vipengele vya maarifa, vizingiti vya ustadi, uhamishaji), vitu vya ubuni ambavyo imewekwa ndani yao (mlolongo wa kozi uliopangwa, walimu wa ziada, mifumo ya Maoni) na viwango ambavyo vinahukumiwa navyo (Faida za Kujifunza, Uhalali wa Tathmini, usawa). Swali lake la kuandaa si iwapo zana inafanya vizuri bali iwapo mwanafunzi alibadilika.
Maswali ya Kutafakari
- Mwanafunzi hupitisha kila kipimo cha mazoezi, hivyo kizingiti cha ustadi kinakamilisha seti — kisha anatumia kanuni vibaya pale kitendo kinapaswa kuzuiwa. Makosa hayo ni ya nani: ya mwanafunzi, ya mfano, au ya kanuni ya kusimamisha?
- Uchimbaji wa mlolongo unaweza kuelezea kozi 554 kama miundo bila kuchunguza darasa moja. Uwanja unapata nini, na unapoteza nini, kwa kuchunguza nia zilizobuniwa badala ya shughuli iliyotekelezwa?
- Ufahamu wa viwango vya kijamii katika maoni ya LLM unaonekana kama mabadiliko ya kufaa unapofuatilia kiwango cha elimu kilichotangazwa cha mwanafunzi na kama upendeleo unapobadilisha hisia. Je, uwanja ambao hauwezi kutenganisha viwili hivi unapaswa kuendelea kutumia mifano ya wazi kutathmini?
- Je, shauku ya sayansi za kujifunza kwa ubuni wa sababu — ugawanyaji wa nasibu, ukaguzi wa mantiki mbadala, mifano inayoweza kutekelezwa ya mwanafunzi — inapunguza kile kinachohesabiwa kama ushahidi katika AI katika elimu?
Utangulizi
Sayansi za kujifunza zinachunguza kujifunza na ubuni wa mazingira ya kujifunza, na zinafafanuliwa na mbinu zao kiasi kile kama mada zao: majaribio, majaribio ya darasa, upimaji wa kiwango wa data ya wanafunzi, uchanganuzi wa kina wa mibuni na miktadha, na utafiti unaotegemea ubuni unaojenga uingiliaji na kuuboresha katika matumizi. Upana huo unatofautisha ukurasa huu kutoka majirani yanayotoa miundo, mazoezi na vyombo; sehemu iliyo chini inaeleza kila mpaka na kile uwanja umeanzisha upande mwingine wake.
Ukurasa huu unashughulikia maarifa ya kimsingi ambayo mbinu kama hizi yamezalisha — kile wanaojifunza wanachofanya na mfano wa kuzalisha, mpangilio upi unaobadilisha matokeo, na mahali vyombo vya uwanja vya wenyewe vinaposhindwa. AIEd katika Taaluma inachukua mkata tofauti, ikishikilia kuwa mada ya taaluma hubadilisha kile ambacho msaada unapaswa kufanya; sayansi za kujifunza zinachukua mwonekano wa kupitisha, na mbinu wanazozipima zimekusanywa chini ya Saikolojia ya Kiakili.
Jinsi AI inavyoonekana katika sayansi za kujifunza
- Mbinu kwanza, kisha mfano. An, McLaren na Stamper (2026) walitekeleza majaribio kumi na moja (N = 192) na mifumo ya Ufafanuzi wa Akili Bandia ya Riichi Mahjong na wakaonyesha kuwa wanaojifunza ambao walikusanya uzalishaji wa kupita wingi — kitendo bila kizuizi chake cha matumizi — walitumia vibaya kwenye kipimo cha kwanza cha "usitende" kwa 61.5%–100%, dhidi ya kosa la 12% linalotarajiwa chini ya ufuatiliaji wa maarifa wa Bayesian. Kwa kizingiti cha ustadi cha 95% mfumo ulisimamisha mazoezi kabla ya wanaojifunza kupata kesi inayohitaji kitendo kuzuiwa, hivyo kasoro haikugunduliwa. Mazoezi mafupi ya usitende yenye Maoni inayotaja kizuizi kilichokosekana yalipunguza matumizi mabaya hadi 0.0%–23.1% (Cohen's h 1.70–2.44), na uchanganuzi wa pili wa seti za data kumi na tatu za K-12 za Decimal Point ziligundua muundo ule ule katika upendeleo wa namba kamili (84%–88% ya makosa ya kulinganisha).
- Chaguo bora hutegemea maudhui. Rachatasumrit, Koedinger na Carvalho (2025) wanachukua uwiano wa mfano–tatizo kama mwingiliano wa maudhui–matibabu: katika jaribio la 2×2 lenye washiriki 95 kwenye nyenzo za eneo la jiometri, mafunzo ya mazoezi peke yake yalizalisha faida za kujifunza kubwa zaidi kwa ukweli wa nakala huku mafunzo yaliyounganishwa na mfano yakizalisha faida kubwa zaidi kwa ujuzi unaoweza kuenea (β = 0.41, p = .038, d = 0.38). Mwanafunzi wa kufuatilia (Apprentice Learner) alirudia mvukio huo tu alipopewa mbinu ya kumbukumbu-na-kusahau ya mtindo wa ACT-R. Mazoezi zaidi si bora zaidi kwa mpango mmoja: maudhui yanayoelekea kumbukumbu yanastahili kurejesha, na ujuzi unaoelekea kuhitimisha unastahili mifano iliyounganishwa.
- Ubuni kama kitu kinachoweza kuchanganuliwa. Divjak, Svetec na Horvat (2026) waligeuza Takwimu za Kujifunza kwenye Muundo wa Kujifunza yenyewe, wakiweka kodi shughuli 29,064 katika kozi 554 zilizopangwa katika zana huru ya kubuni kozi. Upataji ulikuwa aina ya kujifunza ya kawaida zaidi na sehemu ya kawaida zaidi ya kuingia; mpito wenye nguvu zaidi wa Markov ulikuwa Tathmini → Majadiliano (0.332) na kanuni yenye uaminifu wa juu zaidi ilikuwa Upataji → Tathmini → Mazoezi → Mazoezi (0.743, lift 1.45). Aina ya kujifunza ilifuatilia kiwango cha matokeo yaliyokusudiwa, Upataji ukishuka kutoka takribani 50% ya shughuli katika kiwango cha Bloom 1 hadi karibu 20% katika kiwango 6. Waandishi wanasisitiza kuwa hizi ni mibuni ya kabla ya utekelezaji: kufanana na mlolongo uliogeuzwa, unaotegemea uchunguzi au unaotegemea mradi si ushahidi wa nia.
- Kukagua mifano inayotathmini. Rooein, Benedetto na Hovy (2026) walikagua LLM sita katika kuwia alama za insha, maoni ya kuunda na majibu ya maswali, wakiweka ingizo la kazi sawa huku wakibadilisha muktadha wa viwango vya kijamii tu (miito 192,480). Uwia wa alama ulikuwa thabiti chini ya hadhira za wazi, lakini Llama-70B ilipandisha alama zake mwenyewe kwa pointi 1.57 chini ya historia ya mazungumzo ya siri (p < 0.001), na elimu ya juu ilivuta majibu yasiyo na urahisi wa kusoma na yenye hisia chanya zaidi — pengo la hisia la takribani mabadiliko ya kawaida manne. Athari za uwezo wa kusoma zilipungua wakati athari za urefu zilikuwa, na baadhi ya koeffisheni zilibadilisha ishara kati ya hali. Waandishi wanaitoa kama kifaa cha ukaguzi, si hukumu ya uenezaji, na wanasoma mgawanyiko wa ishara ya viwango vya kijamii na ya mada kama tishio kwa uhalali na usawa.
- Kupima uwezo, na mipaka yake. Verí (2026) anaandaa vyombo vya matumizi yenye uwezo ya Akili Bandia ya Kizazi katika nyanja nne — maarifa na matumizi, usimamizi wa kiakili-elimu, usawazishaji wa kutegemea, na udhibiti wa mawakala wanaotumia zana — akikataa kuvibana kuwa mwendo mmoja wa ufasaha. Mahusiano matatu ya sampuli moja kati ya ujuzi wa AI uliojikadiriwa na ulioonyeshwa yalikusanywa kuwa r = .055 (95% CI [-.047, .156], N iliyoripotiwa = 2,765), ambayo mwandishi anasoma ni ya kutosha kukataa kuchukua makadirio ya kujitangaza kama yanayobadilishana na alama za utendaji, ingawa si ya kutosha kuweka kizingiti. Hakuna kifaa kilichothibitishwa kilichojumuisha seti kamili ya maamuzi ambayo mawakala wanaotumia zana huunda; betri iliyopendekezwa ya tabaka ni dhana ya ubuni.
- Kujitangaza kuhusu kupunguza mzigo wa mwanafunzi mwenyewe. Alam (2026) anatafsiri fasihi ya Kupunguza Mzigo wa Kiakili katika PAUSE, ukaguzi wa kibinafsi wa kivinjari peke yake wenye nyanja nne, kila kipimo cha enzi ya LLM kimefungwa kwenye chanzo, hakuna muunganisho, hakuna hifadhi na hakuna mfano katika uzalishaji; vikanda vyake ni vya kuelezea badala ya vya kawaida, na usomaji haupaswi kuhalalisha maamuzi ya tathmini, kujiunga au kuajiri. Mipaka yake iliyotangaza ina maana: kujitangaza kuhusu kupunguza mzigo ni dhaifu dhidi ya taaluma inayoihusisha, mjibu anayetumia AI kwa makusudi kama ngazi ya msaada anasomeka kama kupunguza mzigo kwenye vipimo kadhaa, na iwapo kupunguza mzigo unaohusiana na AI ni tofauti na utegemezi wa jumla wa teknolojia unabaki wazi.
- Mahali utaalamu wa binadamu unapo. Wang et al. (2024) wanaripoti mgawanyo wazi zaidi wa kazi: katika jaribio la nasibu linalodhibitiwa la miezi miwili lenye walimu wapya wa K-12 takribani 900 na wanafunzi takribani 1,800, mapendekezo ya wakati halisi yaliyotokana na mawazo ya walimu wenye uzoefu yalipandisha ustadi wa mada kwa asilimia 4 (62% hadi 66%, p < 0.01), na kwa pointi 9 kwa walimu wenye ukadiriaji wa chini, kwa gharama ya takribani $20 kwa mwalimu kwa mwaka, na kusogeza ufundishaji wa ziada kwenda maswali ya uongozi. Faida zilikuwa za karibu — mitihani ya mwisho wa mwaka haikusonga. Reichert et al. (2026) wanagundua walimu wakifika katika nafasi ile ile kwa ubuni: walimu sita wa sekondari wakiunda mifano wa chatbot walibainisha mtaalamu mwenye mipaka, wakishikilia mipaka ya mamlaka (uwajibikisho wa kujifunza na usalama hauwezi kuhamishwa) na mipaka ya utaalamu (mfano hauna maarifa yao ya wanafunzi binafsi), na kuhamisha wasilisho la maudhui, mazoezi na Maoni ya marekebisho huku wakihifadhi kuweka malengo na tathmini ya mwisho.
- Uwezo katika ngazi ya uwanja. Sutedjo, Chowdhury na Liu (2026) walikagua waelimishaji 127 kwa kifaa cha TPACK kilichobadilishwa kwa AI ya kuzalisha: maarifa yenye nguvu ya maudhui na ya maarifa ya maudhui ya mbinu za kufundisha (M = 4.70–5.15) karibu na maarifa yenye ufahamu mdogo zaidi yaliyounganishwa na teknolojia, huku TPACK kamili ikiwa ya chini zaidi kwa 2.55, maarifa ya maudhui hayahusiani na nyanja yoyote iliyounganishwa na teknolojia, na nyanja tatu zilizounganishwa zikihusiana kwa juu zaidi (r = .81–.91) hata zinaweza kufanya kazi kama kigezo kimoja. Perrotta (2026) anasomeka tabaka la utawala kupitia mfano wa huduma ya kiraia ya Uingereza ulioachwa ambapo msimbo wake wa msingi ulikuwa ilani ya mfumo pamoja na mfumo wa urejeshaji wa mifano ya kibiashara, akidai kuwa ujumla wa mifano ya msingi unawawezesha watu kwa haraka kurekebisha vifaa vya sera na unafanya matokeo yasiyo ya kawaida kuwa hatari ya kupunguza tu kwa kudumu — usimamizi unaoangalia juu ya kitanzi badala ya kukaa ndani yake.
- Pengo la muunganisho, ramani: Malik na Bashir (2026) walijumuisha masudio 32 (PRISMA 2020, uchanganuzi wa mada) katika mada nne: kugawanywa kwa epistemolojia ndani ya uwanja, kupingana nadharia–teknolojia (mifumo ya kikokotozi inaendesha utabiri na tabia inayopimika huku nadharia za elimu zikisisitiza muktadha na mwingiliano wa kijamii), datafication ya kujifunza kupitia uchanganuzi, na akili bandia ya mseto kama paradigma inayoibuka. Fremu yao ya Akili Bandia ya Mseto ni muunganisho wa dhana, si mfano uliothibitishwa — waandishi wanasema unasubiri kupimwa kwa kiushahidi — lakini ramani ya mada nne ni lenzi muhimu ya ukaguzi kwa tatizo la tafsiri ya nadharia-hadi-kikokotozi ambao uwanja huu unaendelea kukutana.
Jinsi sayansi za kujifunza zinavyohusiana na majirani yao
Utafiti unaotegemea ubuni ni mbinu ambayo uwanja huu uliendelea badala ya kukopa: uingiliaji unajengwa na kuboreshwa ndani ya darasa linalofanya kazi, na mantiki yake ya kinadharia inaboreshwa pamoja nayo, hivyo utafiti mmoja huzalisha kitu cha ubuni na kanuni ya ubuni. Hilo ndilo linalotofautisha na jaribio la maabara, ambalo hutenganisha sababu kwa kushikilia muktadha bila kubadilika, na ndiyo maana matokeo ya uwanja hufika kama maarifa ya ubuni badala ya kama ukubwa wa athari. Mbinu za Utafiti katika AIED inachukua mkata mwingine: ukurasa huo unapitia repertwa yote — majaribio, dodoso, kazi za kina, viwango, mapitio, mbinu za makubaliano — kama chaguo kati ya vyombo, vilivyopimwa kwa uhalali wa dai ambalo kila kimoja kinaweza kusaidia. Ukurasa huu unasoma korpusi ile ile kutoka upande wa kimsingi, ukiliuliza kile repertwa imeanzisha kuhusu kujifunza na kuhukumu mbinu kwa iwapo dai lake la ubuni linadumu baada ya kukutana na wanaojifunza.
Nadharia za Kujifunza inakusanya miundo ya wagombea — ubinadamu wa tabia, ubinadamu wa kiakili, ubinadamu wa ujenzi, maelezo ya kitamaduni-kijamii, motisha na kujidhibiti — kama lenzi za kusoma AI. Sayansi za kujifunza zinashiriki msamiati huo lakini si msimamo huo: hapa nadharia ni dai kuhusu mbinu ambalo ubini lazima uwezeshe au ukatae, na hadhi ya uwanja inategemea kazi ya kiushahidi na ya ubuni badala ya uthabiti wa mfumo. Ukurasa wa nadharia ndio wa kufungua kwa kile mfumo unadai; ukurasa huu ni wa ushahidi ambao mfumo umekusanya.
Uwanja pia hujenga nadharia badala ya kupima tu miundo iliyokopwa: Uundaji wa Nadharia katika AI katika Elimu inashughulikia kazi ya kiutambuzi inayoeleza jinsi wanaojifunza, walimu na mifumo ya AI wanavyoingiliana, na ndipo ambapo dhana za uwanja zenyewe zinajadiliwa kabla ya kupimwa. Kile ambayo mibini yake mara nyingi huombwa kuzalisha ni uhamishaji — maarifa na ujuzi unaodumu zaidi ya mwalimu wa ziada, somo au kazi walijifunza — ambayo ni kwa nini faida iliyopimwa ndani ya zana inahesabiwa kama dai dhaifu kuliko ile iliyopimwa bila yake. Na kwa sababu mazingira yaliyobuniwa ni uingiliaji muundo, kuhusisha matokeo na kipengele kimoja ni tatizo la kupima la kudumu la uwanja: Upimaji wa Kielimu inatoa vifaa vya kimetriki vya saikolojia vinavyofanya uhusishaji uweze kujadiliwa kabisa, ambayo ni kwa nini maswali ya kupima yafika mapema hapa badala ya baadaye.
Saikolojia ya Kiakili ni taaluma ya ngazi ya mbinu ambayo uwanja unategemea zaidi, ikitoa kumbukumbu ya kazi yenye mipaka, usimbaji na urejeshaji, vipengele vya maarifa vinavyoweza kugawanyika na lugha ya uchunguzi wa uundaji wa mwanafunzi. Sayansi za kujifunza zinatumia mbinu hiyo bila kupunguza kwazo: kitengo chao cha uchanganuzi ni mazingira yaliyobuniwa yanayobeba vigezo vya kijamii, vya motisha na vya muktadha ambavyo maelezo ya maabara ya kumbukumbu hayana, na majaribio yao yanatekelezwa kwa uingiliaji kamili badala ya athari za kiakili zilizotengwa.
Mbinu za Kufundisha na Mikakati ya Kufundisha na Muundo wa Kujifunza zinashughulikia mazoezi — ni mkakati upi wa kufundisha wa kutumia, na jinsi ya kupanga malengo, shughuli na tathmini katika kozi. Zote mbili ni kile sayansi za kujifunza zinachunguza kutoka nje, kama vitu vya maelezo na tathmini; uwanja hamwambii mwalimu ni mkakati upi wa kufikia ijayo, unaripoti kile mbinu zimeonyeshwa kufanya. Ubuni wa kujifunza ni jamaa wa karibu zaidi, kwa sababu zote mbili huzalisha kitu kinachoweza kutekelezwa na kupimwa, lakini matokeo ya mbuni ni kozi inayoweza kufundishwa na matokeo ya uwanja ni maarifa kuhusu mibini kwa ujumla.
Matokeo yana maana tu yanapofika kwenye ufundishaji, na safari hiyo inapitia kurasa tatu. Maendeleo ya Kielimu ni mazoezi ya kitaasisi inayoyabeba — maendeleo ya waelimishaji, viwango, sera na kazi ya utambulisho hufanya uamuzi kama ubini uliothibitishwa unafika darasa, ambayo ni kwa nini ushahidi wa uwanja mara nyingi unaongoza kile taasisi zimetekeleza. Maendeleo ya Kitaaluma ni mahali maarifa yanapaswa kufika kabla ya mwalimu kuingia chumbani, na Kufundisha ni mahali yanafika baadaye, katika hukumu ya wakati hadi wakati kuhusu lini kuingilia, ni kifaa kipi cha kutumia, na lini kumuacha mwanafunzi peke yake. Hakuna kati ya hizo tatu inayozalisha matokeo ya sayansi za kujifunza; zote tatu hufanya uamuzi kama matokeo hayo yanabadilisha mazoezi.
Dhana Zilizounganishwa
- Nadharia za Kujifunza
- Saikolojia ya Kiakili
- Mbinu za Kufundisha na Mikakati ya Kufundisha
- Muundo wa Kujifunza
- Mbinu za Utafiti katika AIED
- Uundaji wa Nadharia katika AI katika Elimu
- Utafiti Unaotegemea Ubuni
- Maendeleo ya Kitaaluma
- Maendeleo ya Kielimu
- AIEd katika Taaluma
- Ufafanuzi wa Akili Bandia
- Takwimu za Kujifunza
- Uhalali wa Tathmini
- Upimaji wa Kielimu
- Kupunguza Mzigo wa Kiakili
- Faida za Kujifunza
- Uhamishaji wa Kujifunza
- Kufundisha
- Usawa
- Sera ya AI katika Elimu
Makala Zilizounganishwa
- Beyond AI Literacy: A Structured Review and Exploratory Meta-Analysis of Measures for Competent Generative-AI Use — Mapitio na uchanganuzi wa mwanya wa kuchunguza wa vipimo vya matumizi yenye uwezo ya AI ya kuzalisha (Verí 2026)
- Deceptive Overgeneralization: When Adaptive Learning Enables Systematic Misapplication — Usahihi unaficha kanuni isiyokamilika: kanuni za kusimamisha ustadi katika kujifunza kunakofaa (An, McLaren & Stamper 2026)
- The Role of Implicit and Explicit Demographic Signals in Large Language Model-based Student Assessment — Ukaguzi wa mantiki mbadala wa ishara za viwango vya kijamii katika tathmini ya wanafunzi ya LLM (Rooein, Benedetto & Hovy 2026)
- Learning paths and patterns in learning design: Insights from 500+ courses — Mnyororo wa Markov na uchimbaji wa miundo juu ya shughuli 29,064 katika kozi 554 (Divjak, Svetec & Horvat 2026)
- PAUSE: A Privacy-Preserving Self-Reflection Tool for AI-Associated Cognitive Offloading — Ukaguzi wa kibinafsi usio ya uchunguzi na unaohifadhi faragha kwa kupunguza mzigo unaohusiana na AI (Alam 2026)
- Zero-shot governance — Utawala wa zero-shot: AI wa madhumuni ya jumla katika sera, unasomwa kupitia msimbo wa msingi wa Redbox (Perrotta 2026)
- Evidence and Theory for why the Best Example-Problem Ratio To Optimize Learning Gain Depends on Knowledge Content — Kwa nini uwiano bora wa mfano–tatizo hutegemea maudhui (Rachatasumrit, Koedinger & Carvalho 2025)
- Human-Centered Design of LLM-Powered Educational Chatbots: A Study with Secondary Teachers — Walimu wanabuni chatbot za mtaalamu mwenye mipaka, na uhamishaji wa kuchagua wa ufundishaji (Reichert et al. 2026)
- Assessing faculty self-perceived knowledge in using generative AI to teach 21st-century skills — TPACK ya GenAI ya waelimishaji: maarifa yenye nguvu ya maudhui, maarifa dhaifu yaliyounganishwa na teknolojia (Sutedjo, Chowdhury & Liu 2026)
- Tutor CoPilot: A Human-AI Approach for Scaling Real-Time Expertise — Tutor CoPilot: jaribio la nasibu la ufundishaji wa ziada wa moja kwa moja wa binadamu–AI katika kiwango kikubwa (Wang et al. 2024)