Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

How Can AI Agents Support Students and Instructors?

Wakala wa AI wanaweza kwenda zaidi ya kujibu maswali ya zamu moja kwa kupanga, kutumia zana, kukumbuka muktadha unaohusika, kuratibu kazi ndogo, na kubadilisha msaada katika mfululizo wa mwingiliano. Kwa wanafunzi, majukumu yanayowezekana ni pamoja na mafunzo yanayobadilika, kupanga masomo, maoni ya kufanya tathmini, utatuzi wa matatizo yaliyoongozwa, uzalishaji wa mazoezi, uigizaji, mapendekezo ya mahitaji ya awali, na kutoa ilani kwa ajili ya kutafakari au metaji. Kwa wakufunzi, wakala wanaweza kusaidia katika maendeleo ya nyenzo, kuzalisha maswali na kuthibitisha, kupanga maoni kwa kipaumbele, uchanganuzi wa kozi, mtiririko wa kazi wa kubuni mafunzo, urejeshaji wa nyenzo, na kuratibu wakala mahususi.

Uwezo wa kiwakala unaojirudia

Makala Agentic Workflows in Education inaeleza uwezo unaojirudia wa kiwakala: kutafakari, kupanga, matumizi ya zana, na ushirikiano wa wakala wengi. Kila moja inaongeza uwezekano lakini pia inaleta changamoto za uwezekano wa kufasiriwa, kuratibu, uaminifu, ucheleweshaji, na usimamizi.

Wakala wa AI wanaweza kufanya vizuri nini (athari chanya)

• Msaada wa kudumu na unaobadilika. Tofauti na chatbot za zamu moja, wakala wanaweza kudumisha mazungumzo ya kujifunza katika zamu nyingi — wakikumbua kile mwanafunzi anajua, wakibadilisha ugumu, na kupanga Ngazi za Msaada ya hatua nyingi. Hii inaunga mkono kujifunza kwa kubadilika na kubinafsishwa kwa kiwango kikubwa.
• Kupunguza mzigo wa wakufunzi. Wakala wanaweza kuandika rasimu ya nyenzo, kuzalisha na kuthibitisha maswali (mfano., uunganishaji wa kizalishaji + kihakiki), kupanga maoni kwa kipaumbele, na kuratibu wakala mahususi, wakiwaachia wataalam wakati wa mwingiliano wenye thamani zaidi.
• Mwingiliano tajiri na msisitizo wenye tija. Madarasa ya wakala wengi na marika walioigwa huunda mienendo tofauti — mazungumzo ya kiwango cha marika, kutokubaliana kwa kujenga, kuigiza majukumu — yanayounga mkono kujifunza kwa ushirikiano na Uchunguzi wa Mtindo wa Sokratiki. Wakala waliobuniwa kushindua badala ya kukubali wanaweza kusukumia wanafunzi kuelekea kuzingatia upya kwa kina (wakala wa migogoro ya kujenga waliboresha matokeo ya ubuni katika utafiti).
• Mazoezi ya hatari ndogo na uigizaji. Uigizaji unaotegemea wakala (migogoro ya wanafunzi walioigwa, hali za kliniki za matukio) unawaruhusu wanafunzi kufanya mazoezi katika mazingira salama na yanayojirudia kabla ya matumizi ya ulimwengu halisi.

Hatari kuu na tahadhari (athari hasi)

• Otomatiki kupita kiasi inaweza kupunguza kujifunza. Kadiri wakala wanavyoendesha otomatiki, ndivyo mwanafunzi anafanya kazi ndogo ya kiakili. Wakala wa kuchukua hatua wanaweza kuwaacha wanafunzi kama wateja wenye kupitisha, wakidhoofisha mchakato wa juhudi unaojenga kujifunza la kudumu na kuongeza hatari ya kutegemea kupita kiasi.
• Ushirikiano wa metaji uliopunguzwa. Ikiwa wakala wanashughulikia kupanga na kufuatilia, wanafunzi wanaweza kushindwa kukuza Metaji (Kufikiri Kuhusu Kufikiri) na kujidhibiti ambayo elimu inakusudia kujenga. Wakala wanapaswa kuvuta, si kubadilisha, mchakato huu.
• Uaminifu uliopotoshwa na pengo la uhakiki. Wakala wa kujitegemea wanaweza kuzalisha matokeo yanayoelezekana lakini yasiyothibitishwa; wanafunzi na wataalam wanaweza kuwatumini kupita kiasi. Uhakiki thabiti na Ujuzi wa AI inakuwa muhimu zaidi kadiri wakala wanavyopata ujitegemea.
• Ukosefu na uwajibikisho. Mifumo ya wakala wengi inaondoa usimamizi wa binadamu — ni wakala gani anayewajibika kwa kosa, na binadamu anaingilia wapi? Kushindwa kwa kuratibu na mwelekeo wa tabia unaweza kudhoofisha uaminifu na Usalama wa Kipatolojia.
• Usawa na upendeleo. Wakala wanaweza kuzalisha upendeleo wa data ya mafunzo kwa kiwango kikubwa, na upatikanaji usio sawa wa mifumo yenye uwezo wa kiwakala unaweza kupanua ukosefu wa usawa.

Ushahidi unaonyesha nini hadi sasa

Matokeo halisi — na tahadhari — yanajumuika. Tutor CoPilot — jaribio la kwanza la randomized controlled trial la mfumo wa binadamu-AI katika mafunzo ya moja kwa moja — liliwapa walezi wapya mwongozo wa kitaalamu wa muda halisi uliotolewa kutoka hoja za walezi wenye uzoefu: katika walezi 900 na wanafunzi ~1,800, wanafunzi wa walezi wenye upatikanaji walikuwa na uwezekano zaidi wa pointi 4 za asilimia kumiliki mada, ukiongezeka hadi pointi 9 za asilimia miongoni mwa walezi wenye alama za chini zaidi, ambao wanafunzi wao walifikia kiwango cha walezi wenye alama za juu zaidi katika kikundi cha kudhibiti. Iligharimu takribani $20 kwa kila mwalimu kwa mwaka, na uchanganuzi wa ujumbe zaidi ya 550,000 za mafunzo ulionyesha wataalam wakibadilika kuelekea kuuliza maswali ya kuongoza badala ya kutoa majibu — mfano wazi wa AI kuimarisha mwalimu badala ya kumbadilisha.

Lakini "kiwakala" si bora kiotomatiki. Somo lenye wanafunzi 130 katika kozi ya biashara ya mtandaoni liligundua kuwa chatbot za Akili Bandia ya Kizazi na wakala wa GAI wote walipewa alama za juu ya kujifunza kwa kawaida la e-learning juu ya kuboresha kujifunza na kubinafsishwa — lakini hakuna tofauti yenye umuhimu wa takwimu kati ya hali ya chatbot na hali ya wakala, kwa hivyo ujitegemea ulioongezwa haukufanya kazi hadi thamani ya kujifunza iliyoongezwa. Mfumo Unaotumika wa Kujifunza Unaosaidiwa na GAI wa Kijakala unachukua kwa hivyo wakala kama wenzi wa kujifunza wenye mipaka, waliosimamiwa na binadamu, wenye malengo, pointi za ukaguzi na maamuzi ya mwisho yaliyowekwa kwa binadamu.

Tahadhari mbili zaidi zina maana. Kwanza, kuondolewa: majaribio ya nasibu yanaonyesha kuwa hata msaada mfupi wa AI unaweza kupunguza utendaji wa baadaye bila msaada, na kipindi cha baada ya kuondolewa — kilichoitwa kupotea kwa kiakili — hakipimwi karibu kabisa, kwa hivyo udumu wa faida za kujifunza zinazosaidiwa na wakala hazijulikani. Pili, tathmini: kuweka wakala wanane wa kufundisha wa AI katika mtaala wa matibabu, alama zilizozalishwa na jukwaa ziliwapa wakala mpangilio tofauti na rubriki huru ya wataalam (wakala wa tatu wa jukwaa alikuja wa mwisho kwenye ubora wa kufundisha) kwa sababu alama za jukwaa zinaonyesha utendaji wa mwanafunzi badala ya ubora wa kufundisha wa wakala. Mapitio ya Utawala wa AI Beyond the Agent Label yanaongeza kanuni ya uwiano — ujitegemea haupaswi kupita ukomavu wa ushahidi au nguvu ya udhibiti wa binadamu unaowajibika — yakitahadharisha kuwa ushahidi ni mkubwa zaidi kwa matokeo ya ngazi ya kitu na dhaifu zaidi kwa kujifunza la kudumu na usawa. Kwa jinsi ya kujenga moja, ona Mbinu Bora za Kukuza Mwalimu wa AI Mwenye Ufanisi ni Zipi?; kwa jinsi ya kutathmini kama inafanya kazi, ona Vipimo na Mbinu Gani za Utafiti Mkufunzi Anaweza Kutumia Kutathmini Muingilio Unaohusiana na AI?.

Hali ya ushahidi

Msingi wa ushahidi bado unaibuka. Muunganisho wa Agentic AI in Education wa hifadhi ya maarifa unategemea mapitio ya upeo wa masudio 474 lakini yanatahadharisha kuhusu mgawanyo mkubwa katika elimu ya juu, STEM, mipango ya muda mfupi, na mafunzo yanayotegemea maandishi; ni wachache tu katika kazi iliyopitiwa waliweka wazi mifumo yao katika nadharia ya kielimu, na uthibitishaji thabiti wa darasa la muda mrefu unabaki mdogo.

Onyo muhimu ya kubuni ni kwa hivyo kutolinganisha ujitegemea mkubwa zaidi na kujifunza bora zaidi. Agentic AI and Pedagogical Best Practice inapendekeza msisitizo wa kusudi, ngazi za msaada zinazobadilika, na usimamizi wa binadamu ili mpango wa wakala usiondoe kupanga, kufuatilia, hukumu, na juhudi za mwanafunzi mwenyewe. Ona pia Intelligent Tutoring na Human-in-the-Loop AI.