AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Matoleo yote

Taarifa ya Kila Wiki ya Utafiti wa AI katika Elimu #2

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

Muhtasari wa kila wiki kutoka Hifadhi ya Maarifa ya AI katika Elimu, kuhusu maana ya utafiti uliochapishwa wiki iliyopita kwa walimu, watengenezaji, watafiti na wasimamizi.

Tangu toleo lililopita, tafiti 121 mpya, rasilimali nne mpya, FAQ tano mpya na kurasa mbili mpya za dhana, kuhusu elimu huria na elimu ya takwimu na sayansi ya data, zimejiunga na hifadhi ya maarifa, ambayo sasa inashikilia muhtasari 1,926 wa makala, kurasa 222 za dhana, FAQ 42 na rasilimali 37. Ukurasa wa jarida unaorodhesha kila utafiti ulioongezwa wiki iliyopita. Unaweza pia kutafuta hifadhi ya maarifa au kutumia AI kuzungumza nayo.

Yaliyomo

Mambo makuu na maswali

Matokeo mengi ya wiki hii yanahusu kazi inayotokea kuzunguka jibu, na nini cha kubadilisha jibu linapofika haraka mno au kwa ujasiri mno. Majaribio mawili yalitenga utaratibu ule ule katika vyumba tofauti.

Jaribio lililosajiliwa mapema na watu wazima 317 lilitoa kazi ile ile ya uchakataji wa kina kama karatasi ya kazi au kama dirisha la mazungumzo lililo wazi, na dirisha la mazungumzo lilipandisha upangaji mbovu wa kazi kwa mikengeuko ya kawaida 0.84 bila chochote katika modeli kueleza hilo, hivyo suluhisho ni muundo wa mfuatano na kusimama badala ya msaada zaidi wa maudhui. Utafiti wa jukwaa uligundua msaidizi wa ufundishaji wa AI alijibu kwanza katika 97% ya mijadala iliyoanzishwa na wanafunzi, kwa wastani wa dakika 0.92 dhidi ya 490 kwa wanafunzi wenzao, wakati lugha ya kujidhibiti katika mjadala ilishuka kutoka 49% hadi 36%, jambo linaloelekeza kuchelewesha jibu la kwanza badala ya kuondoa msaidizi.

Maswali mapya ya mara kwa mara

Majibu mapya matano yalipanda wiki hii, kila moja likiandikwa kwa swali ambalo mwenzako huuliza kweli badala ya mada. Orodha ya FAQ pia ilipangwa upya katika sehemu tisa kwa kazi unayojaribu kukamilisha, hivyo swali unalokuja nalo linaweza kupatikana bila kujua jinsi uwanja unaliita.

Naweza kutumia AI kutoa alama kwa kazi za wanafunzi kwa haki na kwa uhakika?

Jibu la kutoa alama linampa AI nafasi kama msomaji wa pili anayesimamiwa kwenye kazi ambayo tayari umeiweka alama, na si kama mtoa alama wa rekodi. Makubaliano hayavuki aina za tathmini, na ukaguzi ulioonekana wenye nguvu zaidi uliendeshwa ukiwa na ufunguo wa majibu mkononi, ambao si mtihani unaoendesha unapotoa alama bila kujua.

Ninawezaje kukagua kama maswali ya jaribio na mtihani yanayotengenezwa na AI ni mazuri?

Jibu la ubora wa maswali huanza kwa kutatua kila kitu mwenyewe kisha kuuliza kinachohitaji mwanafunzi afanye, kwa sababu funguo za majibu na mahitaji ya kazi hushindwa mara nyingi zaidi kuliko maneno. Swali lililotengenezwa ambalo hakuna aliyelijibu ni mgombea, si tathmini.

AI inawezaje kusaidia wanafunzi wa lugha nyingi bila kufuta sauti yao?

Jibu la lugha nyingi linakuomba uamue lugha inafanya nini katika kazi kabla ya kuamua zana inaweza kufanya nini. Pale lugha ni ya pembeni, AI inaweza kuondoa kizuizi kisichohusiana na kipimo chako; pale lugha ndiyo kipimo, zana hiyo hiyo inafanyia mwanafunzi kazi.

Wanafunzi wanapaswa kujifunza nini kwa taaluma ambazo AI imeenea?

Jibu la taaluma ni kufundisha kazi yote ya kitaalamu na kutathmini zao lililosaidiwa na kile mwanafunzi anaweza kufanya bila msaada. Ushahidi unaunga mkono maarifa ya taaluma pamoja na uamuzi, uthibitishaji na uhamishaji, na hauungi mkono orodha yoyote ya ujuzi wa zana.

Kujifunza kilichobinafsishwa kunamaanisha nini kweli, na kunasaidia lini?

Jibu la ubinafsishaji linatenganisha vitu vitano vinavyopata lebo moja, kuanzia kupanga upya mazoezi hadi kumruhusu mwanafunzi kuchagua cha kujifunza kinachofuata. Kinachohitimu ni kile kinachobadilishwa, ushahidi gani unaongoza, na kama kinaboresha kujifunza ulikokusudia, jambo ambalo mfano unaoujua au mazungumzo yanayojibu yanaweza kuhisi kama yanafanya bila kufanya.

Dhana inayoangaziwa

Kurasa tano za dhana zilichukua matokeo ya wiki hii, mbili kati yao zikiwa mpya. Kila moja ni ukurasa wa kudumu badala ya wa mara moja, hivyo ushahidi mpya unakaa pamoja na kile ukurasa ulikwisha hoji.

Elimu huria

Ukurasa ni mpya, na uliandikwa kwa sababu tafiti kumi na tatu zilifika kwa wakati mmoja kuhusu kile AI jenereta hufanya kwa ufundishaji wenye leseni huria. Hoja yake ni kwamba leseni, si modeli, ndiyo kitu cha kuchunguza, na rasilimali mbili mpya hapa chini zote zinaeleza taasisi zinazobadilisha maudhui huria kwa AI kwa kasi zaidi kuliko wanavyoweza kurekodi nani aliandika nini. Soma ukurasa wa elimu huria kabla ya kuandika kifungu cha AI kwenye sera ya OER.

Kupunguza mzigo wa kiakili

Sasa unatenganisha kile zana inachukua kutoka kwa kiasi ambacho mwanafunzi aliitumia, na huo ndio utofautishaji ambao ngazi ya uhamishaji inauchora na majaribio ya huruma yanaonyesha mahali ambapo watu wengi hawangeiangalia. Ukurasa wa kupunguza mzigo wa kiakili pia unabeba matokeo ya mikengeuko ya kawaida 0.84, kwa sababu ni ushahidi safi zaidi wa kisababishi ambao ukurasa unao.

Uamuzi wa kutathmini

Ushahidi wake mpya unahusu kile hakimu anaombwa kufanya: mbinu za kutoa alama zilihamisha uthabiti wa kurudia kutoka 2.9% hadi 15.9%, na modeli kumi na tatu zilikunja chini ya upinzani wa mwanafunzi kwa viwango kuanzia 46.5% hadi 98.5%. Ukurasa wa uamuzi wa kutathmini sasa unachukulia upinzani dhidi ya marekebisho ya uongo kama uwezo tofauti na kupata jibu sahihi.

Ujuzi wa AI

Matokeo mawili yalibana kipimo hicho: fikra makini ilipitia jinsi wanafunzi walivyogawanya na kufanyia kazi upya kazi ya kiakili, si kupitia uzoefu wa zana, na rubriki iliyojengwa kutoka makala 16 za msingi ilionyesha jinsi rasilimali chache zinavyotaja uwezo wanaodai kujenga. Ukurasa wa ujuzi wa AI unabakisha vyote viwili, kwa sababu jaribio la ujuzi na rasilimali ya ujuzi vinapima vitu tofauti.

Ukurasa mwingine mpya ni elimu ya takwimu na sayansi ya data, ambao hoja yake ya kwanza ni kwamba swali la AI la taaluma hiyo linategemea zao la kazi, kwa kuwa seti za data, chati na msimbo sasa vinaweza kuzalishwa haraka kuliko mtu yeyote anavyoweza kuvithibitisha.

Kwa walimu

Dirisha la mazungumzo lililo wazi linahitaji kanuni ya kusimama, si msaada zaidi wa maudhui

Kuoanisha kazi ya uchakataji wa kina na dirisha la mazungumzo lililo wazi huwapoteza wanafunzi umiliki wa kazi yenyewe, na suluhisho ni ngazi za msaada kuzunguka mfuatano na kusimama badala ya maelezo zaidi. Katika jaribio lililosajiliwa mapema na watu wazima 317, hali ya mazungumzo ilipandisha upangaji mbovu kwa mikengeuko ya kawaida 0.84 (kipindi cha uaminifu 0.47 hadi 1.21) na athari ya moja kwa moja ya 0.77 ambayo hakuna mpatanishi katika modeli aliyeeleza, wakati uchakataji wa kina haukusonga upande wowote (wastani kasoro 0.22, kipindi kinachovuka sifuri).

Jibu la kwanza chini ya dakika moja huwaondoa wenzao waliokuwa wakifikiri

Chelewesha au weka kikomo cha jibu la kwanza la msaidizi kwenye jukwaa la majadiliano, kwa sababu wanafunzi wenzao wanaofikiri kwa sauti ndio wanaokoma kuchapisha. Katika kozi nne za shahada ya pili na sentensi 28,123 zilizowekwa alama, msaidizi wa ufundishaji wa AI alijibu kwanza katika 97% ya mijadala iliyoanzishwa na wanafunzi, kwa wastani wa dakika 0.92 dhidi ya 490 kwa wenzao, na lugha ya kujidhibiti ilishuka kutoka 49% hadi 36% wakati majibu ya wenzao yaliposhuka kutoka 91% hadi 45% ya ufuatiliaji, huku majibu ya wenzao yakiwa yamebeba takriban 70% ya udhibiti huo dhidi ya 27% kwa wanafunzi walioanzisha mjadala. Kujidhibiti katika jukwaa kunazalishwa na majibu, si na jibu.

Mafunzo ya ilani huwapa walimu muda, si nyenzo bora

Panga kazi ya uwezo wa AI wa mwalimu kama uingiliaji wa mzigo wa kazi, na usitarajie iongeze ubora wa kile walimu wanazalisha. Katika jaribio la nasibu la walimu 204, mafunzo ya kuandika ilani yaliongeza uokoaji wa 21% wa muda wa maandalizi juu ya ufikiaji wa kawaida wa ChatGPT bila ongezeko la ubora wa nyenzo zilizopimwa, kwa sababu walimu waliopata mafunzo waliandika ilani ndefu na kuhitaji marekebisho machache.

Msaidizi wa somo huokoa muda kwa kipimo kidogo cha masomo

Ijaribu kwa masaa inayorudisha na si bado kwa masomo inayozalisha. Jaribio huru la nguzo la Aila la Oak National Academy lilifuata walimu 416 wa shule za msingi za Uingereza na kupima maandalizi kwa saa 2.51 kwa wiki dhidi ya 3.32 bila zana, ambayo ni takriban dakika 49 kwa wiki, wakati ilifunika 7% ya masomo na ubora ulijaribiwa kwa kutokuwa duni badala ya kuboreshwa.

Kuongeza AI kwenye kazi huria hakuongezi chochote chenyewe

Fadhili kazi ya elimu huria unayoendesha tayari badala ya kuiongezea zana na kusubiri ongezeko la ujuzi. Sehemu mbili za kozi ya utangulizi ya ukuaji wa mtoto, wanafunzi 55 wakifanya kazi kama kawaida na 58 wakiwa wameongezewa zana za utafutaji za AI jenereta, ziliripoti ongezeko lile lile la ujuzi wa vyanzo lililoonekana, 0.50 dhidi ya 0.48 kwenye kipimo cha pointi tano, huku kipengele cha mwingiliano kikiwa karibu sifuri (F(1, 84) = 0.04, p = 0.85).

Chagua msaidizi kwa kile anachofanya mwanafunzi anaposema amekosea

Upinzani dhidi ya marekebisho ya uongo hutenganisha modeli kwa ukali zaidi kuliko usahihi, hivyo iweke kuwa kitu cha kwanza kujaribu. Katika matatizo 200 ya truss yaliyothibitishwa na modeli kumi na tatu, usahihi wa utatuzi ulikuwa kuanzia 64.5% hadi 97.0%, tofauti ya pointi 32.5, lakini zilipoambiwa kazi sahihi ilikuwa mbaya, modeli ziliithibitisha kwa viwango kuanzia 46.5% hadi 98.5%, tofauti ya pointi 52.0, ambayo inafaa kwenye ukaguzi wa uamuzi wa kutathmini unaoendesha kabla ya kupeleka.

Fundisha uandishi unaosaidiwa na AI kama aina ya maandishi na alama zitaacha kuingiliana

Kuchukulia uandishi unaosaidiwa na AI kama kitu cha kufundisha badala ya kitu cha kudhibiti ni sehemu ya mtaala wa elimu ya uandishi, na pengo lililofunguliwa halikuwa dogo. Wastani wa mtihani wa baada ulikuwa 9.8750 kwa sehemu iliyofundishwa hivyo dhidi ya 3.8125 kwa kikundi cha udhibiti, bila mwingiliano kati ya usambazaji huo miwili (Mann-Whitney U = 0.00, r = 0.86).

Kwa watengenezaji

Jenga hali, si utu wa mwalimu wa ziada

Weka ngazi za msaada kwenye hali na kwenye benchi ya kazi kabla ya kurekebisha sauti, kwa sababu utu si mahali ambapo athari ipo. Katika majaribio mawili ya mikono mitatu yaliyosajiliwa mapema, wanafunzi 131 kwenye hoja za kisheria na 54 waliokamilisha mkono wa programu ya ushindani, mfumo uliojengwa ulifikia pointi za asilimia 22.8 dhidi ya 15.7 kwa msaidizi wa kawaida, faida ya pointi 7.0 (p = 0.018, d = 0.56), wakati utu wa LLM-kama-Mwalimu juu ya modeli ile ile ulipata pointi 2.8 na haukutofautisha (p = 0.121).

Mwalimu wa ziada anayetaja suluhisho la nguvu kwanza anawaelekeza wanafunzi vibaya

Kagua ni suluhisho gani mwalimu wa ziada anataja kabla ya kupeleka kwenye tatizo lenye suluhisho nyingi, na weka ukaguzi huo kwenye majaribio ya kukubalika ya ufafanuzi wa akili bandia. Kwenye matatizo 150 yaliyoendeshwa na wanafunzi walioigwa, nguvu ilikuwa njia iliyotajwa katika asilimia 22.2 hadi 32.1 ya mianzi maalum ya suluhisho dhidi ya asilimia 13.0 hadi 19.4 kwa suluhisho bora, na katika mazungumzo ya kuchunguza kwanza modeli zote nne za msingi ziliwaelekeza wanafunzi kwenye njia mbaya zaidi katika asilimia 6.1 hadi 7.1 ya kesi.

Kuhesabu wito za AI hakupimi chochote kuhusu maendeleo

Hesabu za mwingiliano ni ishara rahisi zaidi kwa mfumo wa takwimu za kujifunza kukusanya na kitu dhaifu zaidi kuweka kwenye dashibodi, hivyo pima hali ya utekelezaji kila upande wa wito. Katika jozi 140 za mwanafunzi na kazi kutoka wanafunzi 35, mwingiliano wa AI ulihusiana na seli zilizotekelezwa kwa mafanikio kwa r = 0.12, na na seli zilizoguswa kwa r = 0.12 hiyo hiyo.

Pima kikao kwa jinsi kinavyoteleza, si kwa idadi ya maswali yaliyoulizwa

Kikao kinachoteleza kuelekea kutafuta jibu katika nusu yake ya pili kinatabiri mtihani wa baada mbaya zaidi, na ukaguzi wa lazima wa utoshelevu baada ya kila jibu ndio uingiliaji wa bei nafuu. Kutoka zamu 880 za maudhui na wanafunzi 112 wenye umri wa miaka 14 na 15, mwinuko wa mwelekeo wa kutafuta msaada uliongeza mabadiliko ya R mraba ya .110 kwenye modeli iliyokuwa tayari na alama ya mtihani wa kabla (beta = .34), wakati vipengele tuli vya mwingiliano viliongeza .023 na vikakosa umuhimu (p = .684), na 81.5% ya zamu zilikuwa maombi dhidi ya 2.2% tathmini.

Kanuni ya alama huamua alama ya kipimo zaidi kuliko modeli

Ikiwa mfumo wako unaripoti namba moja, bado hujui inapima nini. Mazungumzo yale yale 2,250 kati ya walimu wa ziada watano na wanafunzi walioigwa yalipata 42.1% chini ya ulinganifu kamili na 81.3% chini ya hakimu aliyesawazishwa na binadamu, tofauti ya pointi 39.2 kubwa kuliko athari zilizojumuishwa za modeli, mkakati na mtiririko, na mahakimu wanne kutoka wauzaji watatu walikubaliana ndani ya pointi 6 wakati lebo za mtiririko zilizopangwa hazikutoa faida (p = 0.263).

Mbinu ya kutoa alama, si modeli ya hakimu, huweka uwezo wa kurudiwa

Chapisha tamko la uamuzi linalotaja mbinu, mfumo, jaribio la kurudia, na ni vitu vingapi vilivyopimwa vilivyo nyuma ya kila dai, kwa sababu mbinu ndiyo inayohamisha matokeo. Kurudia kulibadilisha 2.9% hadi 6.1% ya matokeo chini ya rubriki isiyobadilika kwa ukamilifu na 13.5% hadi 15.9% chini ya upimaji huria wa jumla, wakati kubadilisha modeli ya hakimu kulihamisha takriban pointi tatu pekee.

Rafiki wa AI anayekubaliana na kila kitu hupoteza watumiaji wake

Sanidi mawakala kushikilia kutokuwa na uhakika na kukataa kukubaliana kwa msingi, kwa kuwa usawazishaji wa uaminifu ni tabia unayoandika badala ya sifa ambayo modeli inayo. Wataalamu saba kila mmoja alitumia dakika 20 katika jukumu la mwanafunzi na wakala aliyeigizwa kama mwenza, na kilichofanya isomeke kama mwenza kilikuwa cha kijamii: hoja zenye mashaka na kutokamilika kwa makusudi vilijenga uaminifu, wakati kukubaliana kipofu na kila kitu mwanafunzi alisema kuliharibu.

Kwa watafiti

Panga athari ndogo, si wastani uliochapishwa

Katika mazingira mapya athari kuu ya ufundishaji wa AI jenereta si ile ya kupanga, hivyo fanya jaribio la awali kabla ya kupanua. Uchambuzi wa jumla wa ngazi tatu wa tafiti 58 na washiriki 6,941 ulijumlisha hadi g = 0.864, kisha ukiripoti utofauti wa karibu 87.9%, kipindi cha utabiri kutoka kasoro 0.213 hadi 1.942, na athari iliyosahihishwa kwa upendeleo ya g = 0.258; chapisha kipindi hicho kando ya kadirio lililojumuishwa mahali ambapo msomaji hawezi kukikosa.

Fikra makini hufuata mgawanyo wa kazi, si uzoefu wa zana

Toa mgawanyo wa kazi ulio wazi na wahitaji wanafunzi kufanyia kazi upya matokeo, kwa sababu uzoefu wa AI jenereta ulifikia fikra makini kupitia njia hizo mbili pekee. Miongoni mwa wanafunzi 891 nchini Marekani na Uturuki, kubobea na kuratibu kazi ya kiakili kulikuwa na b = 0.636 na kubadilisha matokeo kwa kutafakari b = 0.367, bila njia ya moja kwa moja yenye umuhimu, jambo linalogeuza swali la kupunguza mzigo wa kiakili kuwa chaguo la muundo badala ya onyo.

Pengo dogo la elimu katika matumizi ya AI si usawa

Usisome pengo dogo la matumizi kama maendeleo, na usijenge malengo ya ufikiaji kwenye kipengele cha ndiyo au hapana cha miezi mitatu iliyopita. Kuoanisha nchi 16 za Ulaya kwa viwango vyao vya matumizi ya 2025 na mwaka wao wa enzi ya intaneti, pengo la wastani kati ya wenye elimu zaidi na wachache lilishuka kutoka pointi 56.4 hadi 28.6, likiwa hasi katika nchi 15 kati ya 16 (p = 0.0005), lakini kuoanisha kwa kuzingatia muundo hupunguza mabadiliko hadi kasoro 11.5 na kasoro 10.0, hivyo dai la usawa linahitaji chombo chenye nguvu zaidi.

Matumizi machache si utayari mdogo

Fadhili ufikiaji na ujuzi wa msingi kwa wazee zaidi na wasio na elimu kubwa badala ya kampeni kuhusu uaminifu, kwa sababu matumizi na uaminifu husafiri tofauti. Mwaka 2025, 48.4% ya Wadani na 17.8% ya Waromania walikuwa wametumia AI jenereta katika miezi mitatu iliyopita dhidi ya 32.7% kote katika Umoja wa Ulaya, lakini Waromania walikadiria uaminifu wao kwa 4.1 dhidi ya 3.8 kwenye kipimo cha pointi saba, na 47% yao walisema sheria na ulinzi wa sasa unatosha dhidi ya 36% ya Wadani.

Uhamishaji ni wa kumomonyoa tu unapopita lengo

Uliza ni shughuli gani za kiakili zana inachukua badala ya kiasi ambacho mwanafunzi aliitumia. Uhamishaji husaidia unapochukua kazi ya pembeni kwa lengo la kujifunza na huhatarisha mmomonyoko unapopita kwenye uchakataji unaounda lengo hilo, na kuchakata matokeo baadaye kunaweza kuokoa uhamishaji ambao kwa njia nyingine unaunda; hoja saba zenye masharti hubadilisha dai moja la mwelekeo, na udhibiti wa uhamishaji unakuwa kipimo kinachoweza kujifunzwa cha ujuzi wa AI.

Zana za hisia hukosa takriban nusu ya majibu hasi

Chukulia uwekaji alama wa kiotomatiki wa maandishi huria kama hoja ya uhalali badala ya chaguo la zana, kwa sababu usahihi huficha kesi hasa ambazo ungezichukulia hatua. Dhidi ya majibu 1,220 yaliyowekwa alama kwa mkono, transformer bora ilifikia usahihi wa .79 lakini kappa ya .42 pekee na ikakamata takriban nusu ya kesi hasi, wakati zana za leksikoni zilikosea takriban moja kati ya tano, katika hifadhi ambayo 76.5% ilikuwa chanya.

Kwa wasimamizi

Uliza chatbot inatuma nini kabla ya kuipa leseni

Hitaji orodha ya skripti za wahusika wengine kabla ya kuipa leseni au kupangisha chatbot ya kozi, na uliza hasa ni lebo gani zinaweza kusoma kichwa cha ukurasa, URL na sehemu ya kuingiza. Kupima majukwaa 42 kuligundua 21 yakituma vichwa vya mazungumzo kwa kifuatiliaji kimoja au zaidi na tisa yakipitisha ilani neno kwa neno, 11 kati ya 13 majukwaa yanayovujisha ya matumizi ya jumla pia yalituma barua pepe ya usajili, na majukwaa ya elimu yalikuwa na wastani wa maombi 367 ya kifuatiliaji kila moja huku 24% yakiwa na maudhui ya mtumiaji.

Uwezo wa kukumbuka uliosimbwa ni sehemu ya sifa inayopoteza thamani

Linda mazoezi yanayosimamiwa na uamuzi chini ya kutokuwa na uhakika, na soma maana yake kwa muundo wa mtaala kabla ya ile ya masoko ya programu. Tofauti-kwa-tofauti juu ya uchunguzi 655,919 wa utafiti kutoka 2018 hadi Juni 2026 iligundua kurudi kwa mwaka wa elimu katika taaluma zilizo wazi zaidi kwa AI kulishuka kwa pointi 0.55 za logi baada ya Novemba 2022, takriban 7% ya kiwango chake kabla ya mshtuko, wakati kurudi kwa uzoefu kulipanda pointi 0.26 za logi kwa miaka mitatu na kushuka 0.12 kwa miaka ishirini na mitano.

Kuita chatbot yenye huruma huhamisha huruma mbali na watu

Weka mfumo kama upangaji wa vipaumbele unaowarudisha wanafunzi kwa watu, na angalia kutafuta msaada kama tabia inayotoweka kimya kimya. Katika tafiti nne zenye washiriki 249, 494, 743 na 737, kuwasilisha AI kama yenye uwezo wa huruma kulipandisha utayari wa kuhamisha uwajibikaji wa huruma (athari jumla 0.83) kikamilifu kupitia uwezo unaohisiwa (isiyo ya moja kwa moja 0.73), na kusikia kwamba mwenza alikuwa amepeleka tatizo kwa ChatGPT kulipunguza usahihi wa kusoma hisia hadi 7.13 sahihi kati ya 12 dhidi ya 7.73 (p = .012).

Vigezo vimepita, watoto bado wanadhurika

Tathmini katika kiwango cha kikao na taasisi badala ya API, kwa sababu kichujio cha kila zao hakiwezi kufikia mwingiliano wa mwenzi ambapo hakuna zamu moja inayovuka kizingiti. Zilizowekwa alama kutoka matukio 1,331 yaliyoripotiwa yanayohusiana na watoto, uasherati ni aina ndogo kubwa ya madhara kwa 316, mbele ya unyonyaji wa kingono kwa 131, na madhara hukusanyika pamoja na kupelekwa, utawala na kushindwa kwa matumizi mabaya badala ya kasoro za modeli.

Andika sera ya uadilifu kwa mtumiaji wa mara kwa mara mwenye mgongano

Taja kukataa, msaada na kubadilisha kama makundi matatu ambayo kazi moja hukutana nayo, kwa sababu karibu hakuna mtu anayetumia kila siku. Tafiti mbili zisizo na majina katika chuo kimoja cha Uingereza ziligundua 81.05% ya wanafunzi 94 wa mwaka wa kwanza walikuwa wametumia zana ya AI jenereta kusaidia kukamilisha kazi dhidi ya 4.21% waliyoripoti matumizi ya kila siku na 9.47% waliyoripoti hakuna, jambo linalofanya uadilifu wa kitaaluma kuwa sera ya katikati ya usambazaji badala ya mgawanyiko wa mwizi na asiye mwizi.

Moduli za maadili hazifundishi chanzo cha data kinatoka wapi

Ongeza kazi ya mapitio ya chanzo cha data kwenye moduli ya maadili unayoendesha tayari, ambayo ni mabadiliko ya muundo wa mtaala badala ya kozi mpya. Sensa ya programu 36 katika vyuo 21 iligundua maadili yakifundishwa katika 29 (80.6%) lakini chanzo cha data kikifikia kiwango cha waandishi katika 8 (22.2%), bila programu yoyote ya shahada ya pili au ya watendaji kufikia kiwango hicho na 22 kati ya 29 za programu zinazofundisha maadili zikikosa chanzo cha data kabisa.

Rasilimali mpya

Rasilimali nne zilijiunga na maktaba ya rasilimali wiki hii, na zote nne zinaeleza uamuzi wa kitaasisi badala ya ujanja wa darasani.

Learning Design Wiki

Learning Design Wiki ni marejeleo yenye leseni huria yanayogawanya muundo wa ufundishaji katika kanuni, vipengele, mifumo na mikakati, kila kimoja kikihusishwa na marejeleo yaliyo nyuma yake, na ripoti yake ya ushahidi yenyewe inasema 98% ya madai yanategemea utafiti mmoja. Modeli za lugha huidumisha chini ya msimamizi mmoja wa binadamu na hakuna ukurasa uliokaguliwa na mtu, hivyo ni seti ya miongozo yenye vyanzo vizuri badala ya matokeo.

teacher.dev

teacher.dev ni studio isiyo ya faida inayotoa programu moja ya bure ya darasa kwa siku, 34 hadi sasa, kila moja ikilenga wakati mmoja kama kizalishaji cha michoro kinachochapishwa au ubao wa Kwanza/Kisha kwa elimu maalum. Nyingi zinafanya kazi kwanza ndani ya kifaa bila akaunti, hivyo hakuna data ya mwanafunzi inayotoka kwenye kifaa.

AI + OER Case Studies: A DOERS Project

AI + OER Case Studies ni mkusanyiko huria wa kesi kumi na moja kuhusu mahali AI jenereta inakutana na rasilimali zenye leseni huria katika elimu ya juu, kutoka chuo kikuu shirikishi kinachoandaa mwongozo chini ya mkataba wa chama cha wafanyakazi hadi marekebisho ya kitabu cha kiada yenye binadamu ndani ya mchakato. Hakuna sura mbili zinazoshiriki chombo kimoja, hivyo ni mazoezi ya kuazima badala ya ushahidi wa kunukuu, na mkusanyiko ni CC BY 4.0 wakati kila sura ina leseni yake.

Integrating AI in TVET: a practical guide for institutions

Integrating AI in TVET ni mwongozo wa 2026 wa UNESCO-UNEVOC kwa taasisi zinazofunza mafundi na wafanyabiashara, na nyenzo inayoweza kutumika iko katika viambatisho vitatu: chombo cha kujitafakari kuhusu utayari, rejista ya hatari na mfumo wa viashiria. Hauripoti data yoyote ya matokeo na unaita kipimo chake cha ukomavu msaada wa majadiliano, hivyo utumie kupanga uamuzi wa kwanza wa kitaasisi badala ya kuhalalisha ule uliofanywa tayari.

Mengineyo yaliyoongezwa wiki hii

Tafiti nyingine, pamoja na mbinu na muhtasari, zimeorodheshwa siku kwa siku kwenye ukurasa wa jarida.

Maelezo kuhusu tovuti

Kurasa zote 222 za dhana sasa zina sehemu ya dhana potofu za kawaida inayotaja imani isiyo sahihi ambayo msomaji anaweza kuwa nayo tayari na kuirekebisha kwa ushahidi wa ukurasa huo.

Kila FAQ iliandikwa upya wiki hii, na tano mpya zilijiunga nazo, zikifikisha mkusanyiko kwenye majibu 42 yaliyoandikwa kwa swali ambalo mwenzako huuliza kweli badala ya mada. Orodha inazipanga katika sehemu tisa kwa kazi ambayo msomaji anajaribu kukamilisha, hivyo kufika na swali hakuhitaji tena kujua jinsi uwanja unaliita.

Tafsiri zilisonga zaidi kuliko Kiingereza: kurasa kumi na mbili za dhana katika sehemu ya Misingi na FAQ zote sasa zimetafsiriwa kikamilifu katika kila lugha.

Kila lugha ina ukurasa wake wa mwanzo, na kumi na sita kati yao pia zinatoa EPUB na PDF zinazoweza kupakuliwa:

Mambo yote hapo juu ni ya umma katika github.com/edtechdev/aied.

Fuatilia taarifa

Pata kila toleo kupitia mlisho wa taarifa katika kisomaji cha milisho, kwa kuweka mlishe huo huo kwenye Blogtrottr ili matoleo mapya yatumwe kwako kwa barua pepe kwa ratiba unayochagua, au kwa kuifuatilia kwenye LinkedIn, ambapo kila toleo huchapishwa kama taarifa ya LinkedIn.

AIEd Research Weekly Update linatoka kwenye Hifadhi ya Maarifa ya AI katika Elimu, ambayo wakala wa AI huizalisha. Toleo hili liliandaliwa na wakala huyo huyo wa AI, kwa mwongozo wa uhariri kutoka kwa mtengenezaji wa tovuti, na kila dai hapo juu linaunganisha ukurasa lilikotoka.

Hifadhi ya maarifa imewekwa wakfu kwa uwanja wa umma chini ya leseni ya CC0 1.0. Hakuna haki iliyohifadhiwa.

Umepata tatizo na maudhui? Ripoti kwenye GitHub, au wasiliana na mtengenezaji wa tovuti, Doug Holton.

ChanzoHistoriaHaririGumzo

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.