Taarifa ya Kila Wiki ya Utafiti wa AI katika Elimu #37 Novemba 2026

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 159 mpya, kurasa nane mpya za dhana, FAQ mbili mpya na rasilimali tatu mpya zimejiunga na hifadhi ya maarifa, ambayo sasa inashikilia muhtasari 2,085 wa makala, kurasa 230 za dhana, FAQ 44 na rasilimali 40. Tafuta au tumia AI kuzungumza na hifadhi ya maarifa.

Yaliyomo

• Mambo makuu na maswali
• Maswali mapya ya mara kwa mara
• Dhana mpya
• Rasilimali mpya
• Kwa walimu
• Kwa watengenezaji
• Kwa watafiti
• Kwa wasimamizi
• Mengineyo yaliyoongezwa wiki hii
• Maelezo kuhusu tovuti
• Fuatilia taarifa

Mambo makuu na maswali

• Je, maoni ya AI yanaweza kuchukua nafasi ya maoni ya mwalimu? Maoni yanayotolewa na AI na maoni ya mwalimu yaliboresha marekebisho ya insha kwa usawa katika jaribio la nasibu na waandishi 312 wa mwaka wa kwanza. Maoni ya mwalimu yalipandisha motisha zaidi kwa sababu wanafunzi walihisi kuhusiana na mtu aliyekuwa akiyatoa. AI inaweza kubeba mzunguko wa marekebisho; mwalimu bado anabeba uhusiano.
• Je, chatbot yenye msaada inaweza kuchukua nafasi ya mwenza? Chatbot yenye msaada ilifanya sawa na kuandika jarida katika kupunguza upweke katika jaribio la nasibu na wanafunzi 296 wa mwaka wa kwanza; mwenza aliyepangwa kwa bahati nasibu ulipunguza. Bot ilionyesha huruma zaidi wakati wanafunzi walirudisha kidogo, hivyo pima upweke wenyewe.
• Je, moduli fupi ya maadili inabadilisha uamuzi kuhusu AI? Moduli ya maadili ya taarifa ya wiki nne ilipandisha alama za wanafunzi kwenye mazingira ya uamuzi wa kimaadili yanayohusiana na AI katika jaribio lililopanga madarasa 16 kwa bahati nasibu. Takriban 60% ya ongezeko lilidumu wiki nne baadaye, na watumiaji wakubwa zaidi wa AI walipata zaidi. Ufundishaji unaotegemea kesi unaonyesha ahadi.
• Je, msaada zaidi wa AI unaboresha kazi ya ubunifu? Majaribio manne ya nasibu na watu wazima 728 yaligundua kwamba AI ilipofanya kazi zaidi, mahakimu walikadiria mapendekezo ya uvumbuzi yaliyotokea chini zaidi, hasa kwa sababu washiriki walifanya kazi ndogo ya kiakili. Msaada zaidi ulikuja na kazi dhaifu zaidi.
• Je, mchezo ulioandikwa na AI unaweza kufundisha vizuri kuliko mhadhara? Mchezo wa kuigiza jukumu wa fumbo ulishinda mhadhara wa mwalimu huyo huyo kwenye maarifa ya kisheria na hoja katika jaribio la nasibu na wanafunzi 84 wa sheria. Mchezo ulijengwa kwa AI jenereta; ulinganisho ulikuwa mchezo dhidi ya mhadhara, hivyo matokeo yanaunga mkono kujifunza kwa mchezo na kuacha matumizi ya chatbot bila kujaribiwa.
• Je, ripoti za utendaji wa wanafunzi zinabadilisha ufundishaji? Walimu wapya kwenye mfumo wa ufafanuzi wa hesabu mtandaoni walihimizwa kwa bahati nasibu kufungua ripoti ya dashibodi ya takwimu za kujifunza kuhusu utendaji wa wanafunzi wao kwenye kazi ya kwanza. Kuifungua hakukubadilisha sehemu iliyoanza kazi iliyofuata wala ongezeko la alama za mtihani za wanafunzi, ingawa ukamilishaji wa kazi iliyofuata ulipanda, hasa katika madarasa madogo.
• Je, kuoanisha na watoa alama wa binadamu kunafanya mtoa alama wa AI kuwa salama? Ukaguzi wa modeli sita za AI zilizotoa alama kwa majibu mafupi 300 uligundua zote ziliweka alama za juu kwa kazi ile ile zilipoambiwa mwanafunzi alikuwa na ufaulu wa juu, kwa pointi 0.28 hadi 0.75 kwenye kipimo cha pointi kumi. Makubaliano yanaweza kuficha upendeleo unaohusiana na rekodi ya ufaulu wa awali wa mwanafunzi; zuia rekodi hiyo.
• Kwa nini lugha inayotengenezwa na AI ni ngumu kuelewa hivyo? Maandishi ya AI hutumia kupita kiasi michanganyiko ya maneno adimu, vitenzi vilivyotokana na nomino, vitu visivyo hai, vifungu vya yambwa vilivyofupishwa, nomino zilizorundikwa na vitegemezi virefu kwa sababu mafunzo ya baada kwa hesabu, msimbo na hoja hulipa majibu yaliyobanwa badala ya maelezo wazi. Maana yake kwa elimu ni kwamba maelezo, maoni na nyenzo za kusoma zilizoandikwa na AI zinaweza kuwa ngumu kwa wanafunzi kuchakata hata wakati alama za usomaji zinaonekana sawa, tatizo kwa elimu ya kusoma ambalo fomula hazilioni. [Dokezo la uhariri: Kama ukumbusho, taarifa hii na Hifadhi ya Maarifa ya AIED zinazalishwa na AI. Mtengenezaji wa tovuti alitoa mwongozo mkubwa wa uhariri ili kuboresha usomaji na manufaa; baada ya mwongozo huo, wakala wa AI alitumia ujuzi wa Humanizer na kufuata maagizo ya wazi ya kuandika kwa uthibitisho na kuepuka muundo wa "si X, bali Y".]

Maswali mapya ya mara kwa mara

Majibu mawili mapya yalijiunga na FAQ wiki hii.

AI inawezaje kusaidia wanafunzi kwenye kusoma na ufahamu wa kusoma?

Jibu la kusoma linachukulia lebo za kiwango cha kusoma kama makisio mabovu: ukadiriaji wa wasomaji halisi wachache unashinda fomula, na AI inayoambiwa kujifanya mwanafunzi haiwezi kukuambia maandishi yatakuwaje magumu. Tumia AI kupata, kurahisisha na kufafanua maandishi, kisha jaribu matokeo na wanafunzi na uweke ya awali kando yake.

Upendeleo na ukosefu wa haki wa AI unaonekanaje katika elimu, na tunaweza kufanya nini?

Jibu la upendeleo linaomba viwango vya makosa kwa makundi unayofundisha, kwa kuwa wastani unaweza kuficha pengo na kushindwa kunaweza kuwa kwenye kutoa alama, ufafanuzi, dashibodi au ugunduzi. Weka kuripoti kwa makundi na njia ya kukata rufaa kwenye ununuzi, na rekebisha mtiririko wenyewe.

Dhana mpya

Kurasa nane za dhana zilijiunga na hifadhi ya maarifa wiki hii.

Elimu ya kusoma

Elimu ya kusoma sasa ina ukurasa unaotenganisha vitu vinne vinavyoshiriki lebo moja mara nyingi: kumsaidia msomaji, kutathmini kusoma, kubadilisha maandishi na kupima ugumu. Unataja utafiti ambapo wanafunzi 193 walikadiria sentensi 3,954; 72.8% zilihisi rahisi au rahisi sana hata alama za Flesch ziliposema kinyume, hivyo lebo ya kiwango cha darasa ni mwongozo dhaifu wa jinsi msomaji fulani atakavyopitia maandishi.

Kutafakari

Kutafakari kuna ukurasa mpya unaokutenganisha na ufuatiliaji wa wakati huo unaoitwa metakognisheni. Swali la kwanza la muundo ni kama mwanafunzi aliandika tafakari. Katika jaribio la watu wazima 302, vichocheo vya kutafakari viliongeza mara mbili muda na maoni na kupunguza mazoezi kwa 40%, wakiacha umahiri wa chini, 65% dhidi ya 79%, hivyo wakati ni muhimu kama kichocheo chenyewe.

Upendeleo wa kiotomatiki

Upendeleo wa kiotomatiki unataja tabia ya binadamu inayoweza kugeuza pendekezo sahihi la AI kuwa uamuzi mbaya: kukubali jibu ambalo ungelitilia shaka ikiwa ungelifikia mwenyewe. Unakusanya mahali ambapo hilo hutokea katika elimu, kutoka alama za insha na tahadhari za mapema hadi usimamizi wa mitihani, na unaonyesha jinsi hatua ya mapitio inayokuwepo kwenye karatasi pekee inavyoshindwa kuikamata.

Elimu ya kiraia na kisiasa

Elimu ya kiraia na kisiasa inachora pengo la ushahidi na kuunganisha uwanja. Uchambuzi wa mipango ya somo 310 iliyotengenezwa na AI uligundua 90% ya shughuli zilihitaji kukumbuka, kufahamu au kutumia kwa msingi pekee; 94% zilikuwa karibu bila maudhui ya tamaduni nyingi; na hakuna utafiti katika hifadhi uliopima kujifunza kiraia kabisa.

Maktaba

Maktaba huchukulia maktaba kama mahali, huduma na kundi la wataalamu. Mapitio ya tafiti 29 yanagundua utekelezaji umejikita kwenye marejeleo na uorodheshaji, wakati mradi wa Maktaba za AI za Umma unafanya ufikiaji wa pamoja wenye wafanyakazi kuwa hoja ya usawa.

Avatar za AI na walimu wa sanisi

Avatar za AI zinaonyesha majukumu ambayo mtu wa sanisi anaweza kuchukua, kutoka mhadhiri aliyerekodiwa na mwalimu wa ziada hadi mgonjwa aliyeigwa na mtihani. Ushahidi hautofautiani kwa usawa, na uso unaofanana na halisi hukuambii kidogo kuhusu kujifunza; kufichua na uaminifu ni muhimu kama modeli.

Takwimu za sensor na mtazamo

Takwimu za sensor na mtazamo zinashughulikia ufuatiliaji wa macho, ishara za ubongo na moyo, na mkao wa kamera kama njia za kukisia umakini na ushiriki, na mzigo wa kiakili. Uwanja ni bora katika kuwatazama wanafunzi kuliko kubadilisha ufundishaji, na ukurasa unachukulia faragha, upendeleo na pengo kati ya ishara ya mwili na hali ya akili kuwa msingi.

Ujuzi wa taarifa na vyombo vya habari

Ujuzi wa taarifa na vyombo vya habari unachukulia vyote viwili kama tatizo moja la ufundishaji: ujuzi wa taarifa unauliza kama chanzo kinastahili kuaminiwa, wakati ujuzi wa vyombo vya habari unauliza nani alifanya ujumbe na kwa nini. AI jenereta huangusha maswali yote mawili kwa sababu maandishi fasaha huficha chanzo chake; ukurasa unapata ushahidi mdogo kuhusu mtaala wa pamoja.

Rasilimali mpya

Rasilimali tatu zilijiunga na maktaba ya rasilimali wiki hii.

LearnHarness

LearnHarness ni programu ya kompyuta ya bure na chanzo huria ambapo mawakala wa AI hubaini kile mwanafunzi anachokijua tayari, huchora ramani ya mawazo yanayohitajika kufikia lengo, hufundisha hatua moja ya hoja kwa wakati, na hurekebisha mazoezi.

Learning Commons

Learning Commons huchapisha vipengele vya msingi huria kwa bidhaa za mtaala: ramani ya viwango na mitaala, zana za kutoa alama kwa maandishi yaliyotengenezwa, na mitiririko ya AI iliyo tayari kwa walimu.

Public AI Libraries

Public AI Libraries ni mradi wa majaribio unaoweka kituo cha kazi cha AI cha pamoja katika maktaba za umma za Marekani, kikiwa na mazungumzo, utengenezaji wa picha na video, nafasi ya kazi ya msimbo, mwongozo wa kielimu na akaunti ya faragha kwa kila mtumiaji.

Kwa walimu

Maoni ya AI yanalingana na mwalimu kwenye marekebisho wakati motisha inabaki nyuma

AI na maoni ya mwalimu yaliboresha insha zile zile kwa kiasi kinachokaribia sawa katika jaribio la nasibu la waandishi 312. Maoni ya mwalimu yalifanya zaidi kwa motisha kwa sababu mwanafunzi alihisi kuhusiana na mtu aliyekuwa akiyatoa.

Weka sauti ya binadamu kuzunguka maoni. Oanisha maoni yaliyotengenezwa na jibu fupi la mwalimu, au tumia AI kwa mzunguko wa kwanza na mwalimu kwa mazungumzo kuhusu kazi.

Tazama pia: Maoni ya AI kwa kiwango kikubwa

Mmoja kati ya watano wa insha aliandikwa kikamilifu na chatbot

Utafiti wa waandishi 77 wa chuo ulirekodi kila ilani, jibu na ubandikaji. Kumi na tano, au mmoja kati ya watano, walikabidhi insha zilizoandikwa na chatbot, na wengi bado walihisi insha ilikuwa yao.

Omba kazi ya kati: ilani, marekebisho, na dokezo fupi la kile kilichobadilika na kwa nini. Fanya ukabidhishaji uonekane wakati bado kuna muda wa kufundisha.

Tazama pia: Kubuni upya tathmini kwa enzi ya AI

Wanafunzi wa sekondari hutumia AI karibu wote, na wenye ufaulu wa chini hutumia zaidi

Utafiti wa mwaka mmoja wa wanafunzi 4,062 wa shule za sekondari za Ujerumani uligundua matumizi ya AI karibu ya wote: 95% walitumia, na wanafunzi wenye ufaulu wa chini walitumia zaidi kumaliza kazi. Mfumo huo ulitabiri juhudi ndogo baadaye.

Hilo hufanya kuweka wazi matumizi ya AI na kujidhibiti kuwa sehemu ya mtaala, zikirejelewa katika mwaka. Waulize wanafunzi zana ni ya nini kwenye kazi hii, na wape wanafunzi wenye ufaulu wa chini njia yenye msaada inayoanza na kuelewa kazi.

Tazama pia: Kupunguza utegemezi kupita kiasi wa AI

Chatbot yenye msaada ililingana na kuandika jarida wakati mwenza alipunguza upweke

Katika jaribio la nasibu la wiki mbili na wanafunzi 296 wa mwaka wa kwanza, chatbot yenye msaada ilifanya sawa na kuandika jarida katika kupunguza upweke, wakati mwenza aliyepangwa kwa bahati nasibu ulipunguza. Bot ilionyesha huruma zaidi wakati wanafunzi walirudisha kidogo.

Bot inaweza kuwa mawasiliano ya kwanza yenye manufaa wakati mwenza au mshauri anabaki patikana. Jenga njia hiyo ya binadamu kwenye huduma yoyote ya msaada wa wanafunzi unayopendekeza, na pima upweke wenyewe.

Tazama pia: AI, wasiwasi na ustawi

Chukulia uigaji wa AI kama mazoezi yanayosimamiwa

Mapitio ya tafiti 14 yaligundua wanafunzi wa uuguzi walithamini uigaji wa AI unaoweza kurudiwa na usio na shinikizo, na waliripoti kujiamini zaidi, hasa kwenye mawasiliano na hoja za kliniki. Uhalisia, lugha ya mwili na ucheleweshaji wa majibu vilibaki dhaifu.

Waeleze wanafunzi mipaka, wahitaji kukagua maudhui yaliyotengenezwa, na fanya majadiliano baadaye. Weka mwingiliano wa binadamu pale mawasiliano yasiyo ya maneno au huruma endelevu ndio lengo la zoezi.

Tazama pia: Elimu ya uuguzi

Msimbo wa mradi wa mwisho uliongezeka mara tatu wakati maoni yalibaki sawa

Mihula kumi ya miradi 260 ya mwisho katika elimu ya sayansi ya kompyuta zinaonyesha msimbo wa wastani ukipanda kutoka takriban mistari 3,400 hadi 10,000, wakati maoni yalibaki karibu 8%. Hesabu za commits zilipanda; commits binafsi karibu hazikubadilika.

Tathmini maamuzi ya muundo, maelezo ya msimbo, na uwezo wa mwanafunzi kuubadilisha. Zao la kazi sasa linaweza kukua haraka kuliko kujifunza ambako linapaswa kuonyesha.

Tazama pia: Kubuni upya tathmini kwa enzi ya AI

Kwa watengenezaji

Bila mchoro, mwalimu wa ziada wa AI anapaswa kukataa

Modeli sita za AI zenye uwezo wa picha zilishughulikia hesabu 376 za shule ya kati ambazo michoro yake ilibeba taarifa muhimu. Kukiwa na mchoro, bora ilitatua zaidi ya nusu kidogo; bila mchoro, zilikataa karibu kila mara.

Chukulia kukataa kama ishara ya muktadha unaokosekana. Alama au sasisho la wasifu linalozalishwa bila mchoro hupima kazi tofauti.

Tazama pia: Elimu ya hesabu

Mwalimu wa ziada wa uandishi anayeuliza maswali na kuachia uandishi kwa wanafunzi

MAIKE huuliza maswali na kuchambua hoja wakati akiachia maandishi ya insha kwa mwanafunzi. Miongoni mwa wanafunzi 65 wa sekondari, uboreshaji ulilingana na chatbot ya udhibiti, 40% hadi 41%, na watumiaji wa MAIKE walitumia zamu zaidi kwenye mawazo; hakuna aliyeshuka.

Pima kama wazo lililojadiliwa kwenye mazungumzo linakuwa marekebisho. Zana ya elimu ya uandishi inayoboresha maandishi ya mwisho pekee inaweza kupita hoja ambayo kazi ipo kujenga.

Tazama pia: Kufundisha uandishi kwa AI

Kuza na uangazie slaidi wakati simulizi inaendelea

GuideSlide husimulia kwa sauti mkusanyiko wa slaidi na kutumia taswira kukuza sehemu inayojadiliwa. Katika utafiti wa watu 24 wanaotazama kwenye simu, mzigo wa kazi ulishuka, ufahamu ulipanda kutoka 5.5 hadi 6.5 kati ya 9, na 21 kati ya 22 walipendelea.

Faida siku moja baadaye haikuwa na umuhimu wa kitakwimu, hivyo utafiti unaunga mkono umakini wakati wa kutazama; kujifunza kudumu bado hakujajaribiwa. Jenga ishara hizo ndani ya simulizi yenyewe.

Tazama pia: Kubuni AI ndani ya kujifunza

Kigunduzi kilichorekebishwa kinaweza kufuta utambulisho wa maandishi ya wanafunzi bila upendeleo wa majina

Zana tano zilijaribiwa kwenye faili 13,613 za maandishi ya wanafunzi. GPT-4o-mini iliyorekebishwa iligundua takriban 96% ya maelezo ya utambulisho kwa takriban moja ya sita ya bei ya Azure kwa tokeni; zana za Microsoft zilikosa majina ya Kiafrika na Kiasia mara nyingi zaidi.

Mafunzo kwenye nakala kumi yalifanya kazi kwenye seti mpya, hivyo mbinu hiyo inasafiri. Panga bajeti ya ukaguzi wa pili pale usahihi unahitajika, na ripoti makundi ambayo zana yako inayakosa.

Tazama pia: Sera ya AI ya kitaasisi

Uchambuzi wa video ulifikia makubaliano ya kiwango cha binadamu, huku binadamu akiwa bado ndani ya mchakato

GAIVA hunakili, huweka lebo na kufasiri video za darasani kwa ajili ya takwimu za kujifunza. Kwenye rekodi tano, lebo zake zilikubaliana na wakaguzi wa binadamu karibu kwa ukaribu kama wakaguzi wawili walivyokubaliana, na ilionyesha aina ya ushiriki ambayo nadharia ya awali haikuitaja.

Chukulia modeli kama mshirika wa uwekaji alama mwenye ilani inayofuatilika na uamuzi wa binadamu katika kila hatua. Modeli pia huonyesha mifumo ambayo mkaguzi wa binadamu huenda hakuitafuta.

Tazama pia: Utafiti wa kielimu unaosaidiwa na AI

Kwa watafiti

Athari kubwa ya wastani inaweza bado kumaanisha hakuna faida ya kutegemewa

Mapitio ya tafiti nne zenye udhibiti na wanafunzi 420 wa kompyuta na uhandisi yaligundua uboreshaji mkubwa wa wastani, wakati tafiti zilitofautiana kwa ukali na anuwai inayowezekana ilijumuisha hakuna faida. Ushahidi ulikadiriwa kuwa hauna uhakika sana.

Chukulia wastani mkubwa kutoka tafiti nne zisizofanana kama dhana kuhusu kozi yako. Fanya jaribio la awali la kujifunza kilichobinafsishwa pale litakapoendeshwa, na sema wazi jinsi ushahidi usivyo na uhakika.

Tazama pia: Kujifunza kilichobinafsishwa kunamaanisha nini

Mtoa alama wa AI anayejua rekodi ya mwanafunzi hupima kazi ile ile tofauti

Modeli sita za AI zilipima majibu mafupi 300 yale yale kwa dokezo la kweli na lililobadilishwa kuhusu ufaulu wa awali. Kila modeli iliweka alama za juu kwa kazi ile ile chini ya lebo ya juu, kwa pointi 0.28 hadi 0.75 kwenye kipimo cha pointi kumi.

Muktadha wa mwanafunzi unafanya kazi kama upendeleo hapa. Ripoti athari ya muktadha kando ya namba ya makubaliano, na jaribu kutoa alama bila rekodi ya mwanafunzi kabla ya kuita modeli inayotegemewa.

Tazama pia: Haki na uhakika wa kutoa alama kwa AI

Mwalimu wa ziada anayeonekana wa haki anaweza kuficha pengo la ujuzi la 26%

Miaka miwili ya kumbukumbu kutoka wanafunzi 8,549 wanaotumia MATHia, mwalimu wa ziada wa hesabu anayebadilika, zilionyesha kwamba wanafunzi waliokuwa bado wakijifunza kusoma walimiliki ujuzi kwa 68.7% dhidi ya 77.6%, wakati kipimo cha haki kwa ujumla kilionekana karibu kisicho na upande. Ujuzi mmoja ulificha pengo la 26% katika umahiri uliotabiriwa.

Mwalimu wa ziada hakuwa na sehemu ya ujuzi wa kusoma, hivyo elimu ya kusoma ilikuwa sababu iliyokosekana katika mfumo wa hesabu. Weka ujuzi huo kwenye modeli, na ripoti mapengo katika kiwango ambacho mwalimu angeingilia.

Tazama pia: Upendeleo na haki wa AI katika elimu

Matokeo ya uongo ya ugunduzi ni tatizo la utawala

Mapitio ya tafiti 90 yaligundua vigunduzi vya AI vinabainisha maandishi halali kwa viwango ambavyo haviwezi kuunganishwa, kwa sababu zana, vizingiti, seti za data na lugha zinatofautiana. Muhtasari, mapitio ya fasihi, majibu ya mitihani, maandishi yaliyotafsiriwa na maandishi yaliyohaririwa yaliendelea kubainishwa.

Tiba ni ya kiutaratibu: matumizi ya wazi, mapitio ya binadamu, ujuzi wa AI, sera ya kitaasisi iliyo wazi na njia ya kukata rufaa. Hilo ni la utawala, huku mipangilio ya kigunduzi ikiwa sehemu moja.

Tazama pia: Je, tutumie vigunduzi vya AI?

Kuoanisha na watoa alama wa binadamu kunaweza bado kukosa kazi

Modeli ishirini na mbili za AI zilipima vitu 100 kwa kazi katika majibu mafupi, msimbo na insha. Nyingi zililingana na binadamu kwenye majibu mafupi, nne zililingana au kuzidi kwenye msimbo, na hakuna iliyofikia kiwango cha binadamu kwenye insha.

Namba ya makubaliano ya juu inaweza kuendana na mtoa alama wa AI anayepima dokezo na kukosa jibu. Ongeza majibu yaliyobadilishwa kwenye tathmini na ripoti pale modeli inapotofautiana na kazi.

Tazama pia: Haki na uhakika wa kutoa alama kwa AI

Kwa wasimamizi

Ushahidi wa teknolojia ya elimu kwa wenye tofauti za neva umejikita na unaongozwa na watafiti

Mapitio ya tafiti 93 yaligundua autismi ilitawala ushahidi kuhusu teknolojia ya elimu kwa wanafunzi wenye tofauti za neva kwa 39.8%, mbele ya ulemavu wa akili, ADHD na disleksia. Uhalisia uliopanuliwa (VR na AR) ulichunguzwa zaidi; matokeo ya kijamii na ya wenzao yalipata umakini mdogo, na watoto walikuwa na sauti ndogo.

Omba matokeo ambayo darasa linayajali na wanafunzi waliojumuishwa kwenye tathmini. Dai lililothibitishwa na watafiti pekee linaweza kujitenga na watu ambalo linapaswa kuwahudumia.

Tazama pia: AI kwa wanafunzi wenye ulemavu na tofauti za neva

Wanafunzi walitaka msaidizi wa kitaasisi kwa ajili ya maoni

Programu ya usanifu wa pamoja ya miezi 13 na wanafunzi 315 na wafanyakazi 20 iligundua 73% walithamini maoni ya saa zote yanayohusiana na masomo yao. Kadi za kumbukumbu na maswali vilipata maoni chanya zaidi kuliko mazungumzo huria, na 16 kati ya 18 wa wajarabia wa beta walitaka msaidizi huyo.

Waliopinga kwa misingi ya maadili, 10% hadi 15%, ndio hatari ya utekelezaji. Chukulia wasiwasi wao kama wa maudhui. Eleza jinsi data ya wanafunzi inavyoshughulikiwa na kile msaidizi hawezi kufanya kabla ya jaribio, na wape wanafunzi njia ya kujiondoa.

Tazama pia: Kubuni AI ndani ya kujifunza

Usimamizi wa mitihani hukamata udanganyifu na kuhamishia gharama kwa wasio na bahati

Mapitio ya tafiti 32 yaligundua usimamizi wa mitihani kwa AI unakamata kujifanya mtu mwingine na udanganyifu, wakati matokeo ya uongo, kushindwa kwa mwanga na bandwidth, wasiwasi na madhara ya faragha yanaangukia kwa ukali zaidi wenye bahati mbaya zaidi. Usimamizi wa kiotomatiki ulikuwa 59% ya tafiti.

Wakaguzi wanapendekeza tathmini mbadala na mchanganyiko wa ufuatiliaji wa binadamu na wa kiotomatiki. Punguza mtihani wa mtandaoni wenye hatari kubwa kabla ya kuongeza kigunduzi kingine.

Tazama pia: Sera ya AI ya kitaasisi

Ripoti ya dashibodi ilipandisha ukamilishaji wakati alama za mtihani zilibaki sawa

Walimu wapya kwenye mwalimu wa ziada wa hesabu mtandaoni walihimizwa kwa bahati nasibu kufungua ripoti ya dashibodi ya takwimu za kujifunza kuhusu utendaji wa wanafunzi kwenye kazi ya kwanza. Haikubadilisha sehemu iliyoanza kazi iliyofuata wala ongezeko la alama za mtihani za wanafunzi, ingawa ukamilishaji ulipanda katika madarasa madogo.

Jaribu kama walimu wanafungua ripoti, wanachukua hatua nayo, na wanaona ongezeko la kujifunza kabla ya kununua takwimu; ongezeko la ukamilishaji peke yake halitoshi.

Tazama pia: Kukagua kama AI ya kielimu inafanya kazi

Karibu hakuna taasisi inayoweza kutaja nani anamiliki usimamizi wa AI

Utafiti wa wanafunzi na wafanyakazi 387 katika nchi 13 uligundua 17% pekee walijua jukumu maalum la utawala wa AI. Kati ya waliobaki, 71% walidhani moja lilikuwa la lazima na 76% walitarajia lingeboresha uzoefu wao.

Washiriki walieleza jukumu lenye mamlaka; kamati isiyo na mamlaka huacha jukumu hilo bila mmiliki. Mpe mmiliki mamlaka juu ya mafunzo, usalama wa data, mapitio ya maadili na mkakati, na chapisha ni nani anashikilia.

Tazama pia: Sera ya AI ya kitaasisi

Mengineyo yaliyoongezwa wiki hii

• Assessment of teacher performance and learner behavior using artificial intelligence in higher education: an integrative review of literature
• Process visualization feedback in news translation: a controlled intervention study of human-AI interaction using multimodal process data
• A teamwork framework for preventing breaches of academic integrity and improving students' collaborative skills in the AI era
• Artificial intelligence in higher education and graduate employability: cognitive engagement, self-efficacy, and career adaptability in the AI era
• Uneven automation: comparing authorship anxiety and generative AI use among art and design undergraduate students
• University students’ overreliance on generative AI feedback in the learning process: the effects of perceived cognitive load, cognitive offloading, and metacognitive monitoring
• What Do They Think? Undergraduate Perceptions of Student-AI Use
• Ability of AI detection tools and humans to accurately identify different forms of AI-generated written content
• AI and I-Distributed authorships in the Swedish upper secondary writing classroom
• Beyond Response Scoring: An AI-aware Cognitive Supervision Framework for Automated Mathematical Short Answer Grading
• Data and AI Literacy in Geography Education: A Needs Assessment of Pre-Service Geography Teachers
• Declared, Not Detected: A Blockchain-Anchored, Agentic Framework for Academic Integrity in the Generative AI Era
• Developing Feedback Taxonomy for Math: A Synergy of Perspectives through Data Mining Methods
• Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
• Examining AI interaction profiles in generative AI supported fraction division problem posing
• I'm Sorry, Dave. I'm Afraid This Feedback is not Constructive: Human Perspectives Versus ChatGPT Evaluations of Feedback in an Era of Artificial Intelligence
• Making argumentative work visible in GenAI-mediated assessment: An exploratory LLM simulation and questionnaire study in university ideological and political education
• Owning what one did not make: psychological ownership, agency, and the authorship legitimation deficit in human-AI co-creation
• Preliminary evaluation of an AI-powered chatbot for academic integrity support in higher education
• Automating Self-Affirmation Essay Coding: Fine-Tuned BERT Performance Comparable to Human Coders and Comparison with GPT-4
• Mapping moral reasoning research among college students: a bibliometric analysis of traditional foundations and emerging digital ethics
• The longitudinal relationships among AI-assisted music classroom engagement, flow experience, and musical emotional intelligence: a parallel-process latent growth modeling study
• A Comparative Study of Knowledge Component Granularity in Intelligent Language Tutoring Systems
• Effects of generative AI assisted grammar instruction on Ethiopian EFL learners' self-efficacy, metalinguistic awareness, and writing performance
• Mapping the Integration of AI Literacy Into Information Literacy Instruction in Academic Libraries: A Systematic Review of Emerging Research
• AI in mathematics classrooms: A synergistic strategy for diversity and inclusivity
• Artificial intelligence in embodied learning: A systematic literature review
• Dear Gemini: Agency, Peer Review, and Critical AI Literacies in Student Writing Ecologies
• From design to classroom adoption: Teachers' perspectives on AI-powered writing analytics in resource-constrained contexts
• How does generative AI support inquiry-based learning? A systematic review
• Scaffolding Autonomy: AI-Augmented Self-Paced Learning Environments for Sustainable Learning Outcomes
• Sustained use of generative artificial intelligence (GenAI) in programming education: A systematic review of empirical evidence on adoption, learning outcomes, and continuance intention
• Active Learning with Generative AI in Introductory Physics: A Multi-Institutional Study of the P-A.I.R. Framework
• AI literacy and vocational students’ complex problem-solving skills: a moderated mediation model of systematic thinking, cognitive load, and perceived school ICT support
• AI literacy facets in creative higher education: associations with learning performance and academic well-being
• Artificial intelligence (AI) and information seeking: A comparative exploration of AI chatbots, search engines, and library resources as information sources among university students
• Artificial intelligence in professionally oriented physics education: patterns of use and perceived learning support among future engineers
• Breaking career boundaries in the AI era: how AI literacy relates to university students' perceived employability through future work self salience and boundaryless career mindset
• Designing Safe and Relevant Generative Chats for Math Learning in Intelligent Tutoring Systems
• From generation to judgment: the multidimensional structure of design thinking mindset and differences across learning stages in AIGC-supported fashion film design learning
• Generative AI dependency and perceived learning outcomes among university students: an indirect association involving effort regulation
• Generative artificial intelligence reshapes university students’ sustainable use of academic information resources: mixed evidence from behavioral logs and perceptual survey data
• Learning engagement and creative self-beliefs in generative AI-supported design education: self-reported prompt literacy and dimensions of AI dependence
• Scaffolding GenAI Use in Ethical Essay Writing: A Three-Year Experience Report in Introductory Computing
• Teachers’ basic psychological need satisfactions and their intentions to use generative artificial intelligence: the mediating role of engagement in professional development
• Using Machine Learning to Measure Self-Efficacy Belief Through Learners' Interaction Traces in Technology-Enhanced Learning
• What Am I Really Doing with My Own Brain?": College students on learning, ownership, and AI
• A Framework for Considering Exploration, Interpretation, and Confirmation During Data Analysis: Computationally Assisted Analysis of Teacher-Group Interactions
• A metacognitive approach to learning and performance in human-AI interaction
• Beyond access: How GenAI literacy relates to task performance, motivation, cognitive load and interaction patterns in AI-assisted learning environment
• Characterizing diverse student behaviors, interactions, and perceptions with GAI-augmented learning analytics tool
• ChatGPT and student engagement in L2 writing: a systematic review towards a ChatGPT-enabled smart learning environment framework
• ClickSight: An LLM Framework for Interpreting Student Clickstreams Through Learning Strategies
• CLST: Cold-Start Mitigation in Knowledge Tracing by Aligning a Generative Language Model as a Students' Knowledge Tracer
• Combining AI and corpus technology in language teaching: Professional development and knowledge co-construction using the CoI framework
• Comparing Zero-Shot Large Language Model Prompting with Human Coding of Theory Concepts in Student Essays
• Design and preliminary validation of an AI enhanced game based learning environment for computational thinking in upper secondary education
• Development and validation of the AI cognitive offloading scale for Chinese college students
• Evaluating Generative AI as a Supportive Analytic Partner in Qualitative Coding of Metacognitive Student Reflections
• Exploring AI peer in collaborative mathematics learning
• GenAI-based metacognitive prompting in collaborative inquiry: A comparison across diverse preconception groups
• Generative AI and student motivation: an SDT-guided systematic review of learning activities, motivational regulation, and measurement
• Intrinsic and Contextual Factors Impacting Student Ratings of Automatically Generated Questions: A Large-Scale Data Analysis
• Leveraging Large Language Models to Identify Conversation Threads for Collaborative Learning Analysis
• Motivational organization in AI-supported writing: A self-determination perspective
• Personalizing Second Language Learning: Integrating AI with Learner Preference, Proficiency, and Engagement
• Psychological pathways to responsible generative AI decision-making among teachers: governance clarity, perceived accountability, decision uncertainty, and AI literacy
• Rigor, commitment, and generative AI: a conceptual framework for student engagement in EAP writing
• Should there be a teacher in-the-loop? A study of generative AI-personalized tasks middle school
• To Align Long, Plan Short: Simulating Diverse Profile-Aligned Students by Realizing Short-Term Plans in Long-Horizon Learning Environments
• Using Bayesian Knowledge Tracing to Evaluate Perceptual Scaffolding and Desirable Difficulties in a Math Intervention
• Using LLMs to Identify Indicators of Persistence from Students' Dialogues with a Pedagogical Agent
• What a teacher cannot delegate: a pedagogy-first framework for integrating conversational AI agents across the simulation cycle
• Who Is Doing the Thinking? Characterising Human Agency in First-Year Students’ AI Interactions
• Artificial intelligence and immersive technologies for LGBTQ+ youth: a narrative review
• Who benefits from LLMs? Prompt engineering competence and equity in higher education
• Trusting AI too much? Psychological correlates of overtrust and the role of AI literacy
• AI for eGovernance: Leveraging Language Technologies For Digital Inclusion
• Perceived and demonstrated generative AI literacy in engineering problem solving: the role of verification behavior
• Rethinking the Structure of AI Literacy in Generative AI Educational Systems: Descriptive Patterns of Expert Convergence and Heterogeneity
• Human-AI Collaboration for Qualitative Analysis in Participatory Design: Refining the Writing Analytics Tool
• Why is AI-generated language so hard to understand?
• Generative AI configurations across creative phases: a 2 x 2 experiment on creative performance and immediate knowledge in art and design education
• Supporting creative agency: metacognitive control and trust in generative AI art education
• A model for enhancing the quality of geography education based on the integration of Artificial Intelligence and Geographic Information Systems
• From Policing Provenance to Designing for Evidence: Testing Four Propositions on Generative AI Against Research and Institutional Policy
• Higher education governance under AI and geopolitical disruption: a socio-technical framework for administrative artificial intelligence
• ChatGPT and employability in higher education: exploring creativity, critical thinking, and problem-solving
• From technology adoption to curricular coherence: technology-enhanced simulation as a bridge in health professions education
• A Survey of Graph-Based Knowledge Tracing from Structural and Propagation Perspectives: Models, Applications, and Future Directions
• Integrating Topic Modeling and LLM Prompt Engineering into a Human-driven Approach to Analyze Interview Transcripts
• Leveraging Interview-Informed LLMs to Model Survey Responses: Comparative Insights from AI‑Generated and Human Data
• Analyzing Educational Video Transcripts with LLMs: Accuracy, Named Entities, and Interpretability
• Data Plus Theory Equals Codebook: Leveraging LLMs for Human-AI Codebook Development
• Towards responsible and trustworthy educational data mining: Comparing symbolic, sub-symbolic, and neural-symbolic AI methods
• The Ghost Learner Paradox: A Systematic Review of Metacognitive Laziness in the Age of Generative AI
• Beyond ChatGPT: A Comparative Mapping of AI Research in STEM and Engineering Education and the Contemporary AI Tool Ecosystem
• Generative AI and Cognitive Processes in Education: A Narrative Review and Conceptual Framework
• Fifty years of topic development, thematic combination, and AI's evolving reach in Computers & Education
• From "usefulness" to "dependence": the dynamic evolution mechanism of generative AI use behaviors
• Generative AI in Education and the Erosion of Critical Democratic Citizenship

Ukurasa wa jarida unaorodhesha kila utafiti ulioongezwa wiki hii, ikiwemo wale ambao hawajafupishwa hapa.

Maelezo kuhusu tovuti

Taarifa na mlishe wake wa RSS sasa zinapatikana pia kwa Kihispania: tembelea tovuti ya taarifa ya Kihispania au jisajili kwa mlishe wa RSS wa taarifa ya Kihispania. Ili kuomba ujanibishaji mwingine, wasilisha hoja au wasiliana na mtengenezaji wa tovuti.

Tovuti ni nyepesi zaidi. Mti kamili wa dhana na FAQ haubaki kwenye kila ukurasa: upau wa kando unaonyesha makundi kumi ya mada na huchukua orodha kamili tu wakati msomaji anafungua moja, na reli ya kulia inaorodhesha kurasa nane za hivi karibuni, kutoka thelathini. Katika ujenzi wote, HTML ilishuka kutoka 1.80 GB hadi 1.26 GB, na alama za upau wa kando kutoka 604 MB hadi 87 MB.

Tafsiri zilisasishwa katika lugha zote 33 zilizosanidiwa, ikiwemo matoleo ya Kiarabu, Kiebrania na Kiurdu yanayosomwa kutoka kulia kwenda kushoto. Muhtasari wa makala unabaki wa Kiingereza pekee.

Matoleo ya nje ya mtandao yalihamia mahali mapya ya matoleo ya GitHub, hivyo viungo vya zamani vya EPUB na PDF havifanyi kazi tena. Kila tovuti ya lugha inabaki na anwani yake ya kawaida. Faili za EPUB na PDF zipo kwa lugha 19 zilizo na viungo hapa chini; nyingine 14 ni za tovuti pekee.

• English: EPUB na PDF
• Español (Spanish): EPUB na PDF
• Français (French): EPUB na PDF
• 中文 (Chinese): EPUB na PDF
• Deutsch (German): EPUB na PDF
• 日本語 (Japanese): EPUB na PDF
• 한국어 (Korean): EPUB na PDF
• Português (Portuguese): EPUB na PDF
• العربية (Arabic): EPUB na PDF
• עברית (Hebrew): EPUB na PDF
• हिन्दी (Hindi): EPUB na PDF
• Русский (Russian): EPUB na PDF
• Українська (Ukrainian): EPUB na PDF
• Italiano (Italian): EPUB na PDF
• বাংলা (Bengali): EPUB na PDF
• اردو (Urdu): EPUB na PDF
• Bahasa Indonesia (Indonesian): EPUB na PDF
• Tiếng Việt (Vietnamese): tovuti pekee
• Nederlands (Dutch): tovuti pekee
• Svenska (Swedish): tovuti pekee
• Dansk (Danish): tovuti pekee
• Suomi (Finnish): tovuti pekee
• Norsk bokmål (Norwegian Bokmål): tovuti pekee
• Română (Romanian): tovuti pekee
• Magyar (Hungarian): tovuti pekee
• Čeština (Czech): tovuti pekee
• Български (Bulgarian): tovuti pekee
• Slovenčina (Slovak): tovuti pekee
• Hrvatski (Croatian): tovuti pekee
• Ελληνικά (Greek): tovuti pekee
• Polski (Polish): tovuti pekee
• Kiswahili (Swahili): EPUB na PDF
• Türkçe (Turkish): EPUB na PDF

Chanzo ni cha 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.