Madhana Maswali Yanayoulizwa Mara kwa Mara Tafuta

Kwenye ukurasa huu

Taarifa ya Kila Wiki ya Utafiti wa AI katika Elimu #414 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 ulioongezwa wiki iliyopita kwa walimu, watengenezaji, watafiti na wasimamizi.

Tangu toleo lililopita, tafiti 199 mpya, kurasa nane mpya za dhana, FAQ mbili mpya na rasilimali kumi na tatu mpya zimejiunga na hifadhi ya maarifa. Sasa inashikilia muhtasari 2,277 wa makala, kurasa 238 za dhana, FAQ 46 na rasilimali 53. Tafuta au tumia AI kuzungumza na hifadhi ya maarifa.

Mambo makuu na maswali

Je, unaweza kuamini wastani wa alama? Matoleo mawili ya ChatGPT yaliweka alama kwenye insha zile zile na kusukuma kila kazi kuelekea katikati: insha ambayo mhadhiri aliifeli kwa 50 ilirudi kwa 66, na ile ya 80 ilirudi kwa 67, hivyo wanafunzi dhaifu na hodari zaidi waliishia na alama sawa. Tumia maoni ya AI kumsaidia mwanafunzi kurekebisha, na uache alama iliyorekodiwa kwa mtu.
Nini kinatokea kazi inapobadilika lakini alama haibadiliki? Vyuo vikuu vilibadilisha insha kwa mawasilisho na utetezi wa mdomo, kisha vikaweka alama moja ile ile kwenye ripoti. Mwanafunzi anaweza kutetea kazi yake kwa sauti na bado kutoka na namba moja ambayo haisemi chochote kuhusu jinsi alivyofikiri. Badilisha kile ripoti inaripoti, la sivyo mageuzi yanabadilisha tu makaratasi.
Je, chatbot huwasaidia wanafunzi kuelewa maandishi vizuri zaidi kuliko kuandika maelezo? Wanafunzi walioandika maelezo walijifunza zaidi kuliko wale waliouliza chatbot kuhusu kifungu kile kile, na wanafunzi wa chatbot mara nyingi walinakili majibu yake kwenye maelezo yao. Bado walikadiria chatbot kuwa rahisi zaidi, yenye msaada zaidi na ya kufurahisha zaidi. Weka kazi ya kuandika, kwa sababu zana inayofupisha usomaji inafanya kazi inayozalisha kujifunza.
Je, tunatoa alama kwa insha au kwa fikra? Insha iliundwa kuonyesha akili ikibadilika inapoandika, na kutoa alama kwa maandishi ya mwisho pekee kulitupa hilo. Omba rasimu ya kwanza, uhakiki wake, na marekebisho yanayosema kilichobadilika na kwa nini. Chatbot inaweza kutoa rasimu ya mwisho. Haiwezi kuonyesha kazi ya kufika hapo.
Je, AI inaweza kutoa alama kwa mitihani ya mkono? Claude iliweka alama kwa mitihani ya mkono karibu sawa kabisa na mhadhiri kwenye maswali ya chaguo na majibu mafupi, na ikapata michoro ya mkono sahihi takriban nusu ya muda. Iache ikague maswali ya kukumbuka, na wewe toa alama kwa michoro na maamuzi ya hukumu.
Je, chatbot inaweza kuendesha mtihani wa mdomo? Chatbot inaweza kumhoji mwanafunzi bila kuona rubriki kabisa wakati sehemu ya pili, iliyofichwa ya mfumo inatoa alama kwa mazungumzo, hivyo wanafunzi hawawezi kuandika maagizo ili kufikia alama. Mfumo wao ulitoa alama kwa ukarimu kupita kiasi ulipopima kila jibu ulipoendelea. Toa alama kwa mazungumzo yote mwishoni.

Mapitio ya ushahidi ya Stanford kuhusu AI katika K-12 yalisasishwa hadi toleo la Novemba 2026 wiki hii, na msingi wa ushahidi wa kisababishi uliongezeka mara mbili hadi tafiti 52. Kutumia AI kueleza na kuongoza kunatabiri kujifunza bora, kuitumia kuzalisha kazi kunatabiri kujifunza mbaya, na jaribio moja liligundua msaidizi wa jumla alipunguza motisha ya mwanafunzi.

Maswali mapya ya mara kwa mara

Majibu mawili mapya yalijiunga na FAQ wiki hii. Yote yanahusu maamuzi yanayofika kabla mtu yeyote hajachagua zana.

Ni chaguo na masuala gani ya kuzingatia wakati wa kutumia zana za AI?

Jibu la upokeaji linatenganisha maamuzi matatu ambayo orodha ya muuzaji huyachanganya: data gani inaingia kwenye zana, kama taasisi inaruhusu, na nani anaendesha modeli. Chatbot ya bure huweka mazungumzo kwenye seva za muuzaji. Lango la chuo huweka kwenye lako na linaweza kukata ufikiaji. Anza na swali la data, kwa sababu ni lile ambalo huwezi kulibatilisha baadaye.

Waelimishaji wanapaswa kuepuka kufanya nini na AI?

Jibu la kuepuka linataja makosa matatu. Usitumie AI kufanya fikra ambazo kazi ipo kufundisha. Usichukulie mibofyo, muda kwenye ukurasa au ukamilishaji kama ushahidi wa kujifunza. Na usiandike kanuni inayosema "tumia AI kwa uwajibikaji" huku ukiacha kazi ambayo chatbot anaweza kuimaliza kwa dakika moja. Hilo la mwisho ni kushindwa kwa kawaida: sentensi ya sera haibadilishi wanafunzi wanachoweza kufanya. Kazi na ushahidi unaokusanya hufanya hivyo.

Dhana mpya

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

Shadow AI ni matumizi ya AI yanayotokea kabla ya mtu yeyote kuyaidhinisha. Mhadhiri huandaa maoni kwenye akaunti ya kibinafsi ya ChatGPT na taasisi haijui kamwe kwamba kazi ya mwanafunzi ilipitia humo.
Institutional AI infrastructure ni miundombinu ya nyuma ya matumizi ya AI chuoni: nani anapata ufikiaji, modeli gani inaendeshwa, nini kinarekodiwa, na nani analipa. Mfano mmoja ni lango la chuo kikuu linalompa kila idara kiwango na kuweka kumbukumbu ya ukaguzi.
Executive function inahusu kupanga, kushikilia taarifa akilini, na kuzuia msukumo. Fikiria mwanafunzi anayeweza kupanga insha lakini anapoteza mwelekeo katikati. Zana inaweza kusaidia upangaji huo, au kuufanya kwa ajili yake bila mtu yeyote kugundua.
Developmental psychology ni utafiti wa jinsi fikra za watoto zinavyobadilika kwa umri. Mtoto wa miaka saba anaweza kuhitaji zana isome swali kwa sauti. Kijana wa miaka kumi na saba anaweza kuamua kama jibu linafaa.
Longitudinal research hufuatilia wanafunzi wale wale kwa miezi au miaka. Swali ni kama ongezeko la uandishi la Oktoba bado lipo Mei, si kama lilionekana kwenye mtihani wa muhula.
Empathy inatenganisha kuelewa anachohisi mtu na kuhisi pamoja naye. Chatbot inaweza kuandika upya maoni makali kwa upole. Haiwezi kugundua kwamba mwanafunzi ameacha kujaribu.
Case-based learning hufundisha kupitia hali moja mahususi ambayo wanafunzi wanapaswa kuifikiria. Fikiria mgonjwa mwenye maumivu ya kifua na matokeo mawili ya vipimo yanayopingana. Kujifunza kuko kwenye maswali wanafunzi wanaouliza kuhusu kesi, si kwenye maandishi ya kesi.
Metaphors and analogies ni picha tunazotumia kueleza AI, kama sanduku jeusi, msaidizi au kioo. Iuite mwalimu wa ziada na wanafunzi wanatarajia ijue jibu. Iuite mwenza wa masomo na wana uwezekano mkubwa wa kuikagua.

Rasilimali mpya

Rasilimali kumi na tatu zilijiunga na maktaba ya rasilimali wiki hii.

Primer humruhusu mwalimu kueleza mchezo wa kuigiza au uigaji kwa lugha rahisi badala ya kuandika msimbo, kwa mfano zoezi la majadiliano ambapo AI inaigiza mzazi mgumu.
Agentic Builds ni ghala la programu ndogo walimu waliotengeneza, pamoja na maagizo yaliyo nyuma yao unayoweza kunakili kwa darasa lako.
Vibe-Coding Center hukupa faili tatu za maagizo za kubandika kwenye msaidizi wa msimbo, ili programu ya wavuti anayoandika iwe nafuu kufikia, ya faragha na salama vya kutosha kwa wanafunzi.
AI Guidance by Age huchukua jukumu na kundi la umri na kupendekeza wanafunzi wanapaswa kuweza kufanya nini na AI katika umri huo, na kusema sehemu gani bado ni makisio.
Voice-First Written Assessment huwafanya wanafunzi waeleze jibu lao kwa sauti, kisha waandike marekebisho kutoka kwenye nakala, hivyo fikra zinarekodiwa na uandishi bado unafanyika.
Amplify GenAI ni jukwaa la mazungumzo la Vanderbilt, ambalo chuo huendesha ndani ya akaunti yake ya wingu ili mazungumzo ya wanafunzi yabaki na taasisi.
conText ni mwalimu wa ziada wa sauti anayeuliza swali linalofuata badala ya kutoa jibu, na kumwonyesha mwalimu njia ambayo mwanafunzi aliichukua.
MindRouter ni mlinzi mbele ya GPU za chuo, na viwango kwa idara, kuingia kwa mara moja na kumbukumbu ya nani alitumia nini.
Moodle AI Text Question Type huongeza swali linalopimwa na AI kwenye maswali ya Moodle, na rubriki yako imeandikwa kwenye agizo na alama zinaenda moja kwa moja kwenye kitabu cha alama.
MyEssayFeedback huwafanya wanafunzi wawasilishe rasimu, wasome maoni ya AI kwenye sehemu unazochagua, kisha warekodi maoni wanayokubali kabla ya kurekebisha.
NowComment huruhusu darasa kujadili hati mstari kwa mstari, na sasa AI inaweza kuongeza maoni ya rasimu ambayo wanafunzi wanatarajiwa kuyahariri.
Teacher Hive hukusanya programu ndogo zilizotengenezwa na walimu ambazo hazihitaji kuingia kwa wanafunzi, zilizochapishwa kama mifano ambayo walimu wengine wanaweza kunakili.
AI Tutor Pro and AI Teaching Assistant Pro ni zana za masomo za bure zenye mazungumzo ya sauti, maswali na kuandika maelezo katika lugha nane, kwa wanafunzi wanaojifunza peke yao.

Badiliko moja la jina: rasilimali ya EduPrompts iliitwa EduGems hadi wiki hii. Mkusanyiko wa maagizo ni ule ule, na sasa upo kwenye eduprompts.ai.

Kwa walimu

Acha kuuliza kama kazi ni ya mwanafunzi na uulize inaonyesha nini

Bayraktar anasema kwamba zana za ugunduzi, marufuku na kuandika upya darasani hujibu swali moja tu: kama zao lilitolewa kwa kujitegemea. Hazisemi chochote kuhusu kama mwanafunzi anaelewa kitu ambacho kazi ilikusudiwa kuthibitisha. Mfumo unaopendekezwa unaweka kazi iliyokamilika kama chanzo kimoja kati ya vingi na kuongeza ushahidi pale dhana inapouhitaji: kumbukumbu ya maamuzi, dokezo fupi la ushauri uliokataliwa, jibu la kongamano. Pia unafanya matumizi ya AI yenyewe kuwa kitu wanafunzi wanahukumu, kwa mfano kwa kutaja pale jibu la zana lilipokosea.

Amua kujifunza gani kazi inapaswa kuthibitisha kabla ya kuchagua kinga. Ongeza kitu kimoja cha ushahidi kinachoziba pengo badala ya kugeuza kila kozi kuwa kozi ya jalada la kazi, na waulize wanafunzi pale AI haikusaidia. Aya kuhusu hilo ina thamani zaidi kuliko taarifa ya ufichuzi.

Tazama pia: Kubuni upya tathmini kwa enzi ya AI

Weka kazi ile ile, ongeza msururu wa nyaraka

Winstone, Gravett na Elkington wanasema kwamba majibu mengi ya vyuo vikuu kwa GenAI ni maneno: taa za rangi, matamko, kanuni za matumizi yaliyoruhusiwa. Black Box Assessment yao inaweka kazi ile ile na kuomba wanafunzi wawasilishe vipande vya mchakato, kama rasimu, kumbukumbu za marekebisho na tafakari fupi, na rubriki zimeandikwa upya ili marekebisho yapate alama. Hawaripoti jaribio la awali, na wanasema hivyo.

Chukua kazi moja na udai kitu kimoja cha mchakato: muhtasari, rasimu ya kwanza, au aya kuhusu maoni yaliyobadilisha nini. Toa alama kwa kitu hicho kwa kigezo kilichotajwa. Wanafunzi wanapata sababu ya kuweka kumbukumbu, na uaminifu wa kitaaluma unaishi kwenye kazi badala ya sentensi ya sera.

Tazama pia: Kubuni upya tathmini kwa enzi ya AI

Maoni ya mwalimu na maoni ya AI yalitoka sawa

Meyer na wenzake waliwagawa kwa bahati nasibu wanafunzi 391 wa darasa la 10 na 11 nchini Ujerumani katika hali tatu: maoni yaliyoandikwa na mwalimu wao, maoni ya AI ya papo hapo, au maoni ya AI yaliyotolewa baadaye ili chanzo na muda vitenganishwe. Kila ulinganisho wa kawaida ulitoka bila tofauti. Marekebisho yaliboreshwa, kazi iliyofuata ya uandishi haikutofautiana, na muda kazini, motisha na hisia hazikutofautiana kitakwimu kati ya maoni ya mwalimu na ya AI.

Wanafunzi walikadiria maoni ya AI ya papo hapo kuwa yenye msaada zaidi na yenye motisha zaidi kuliko maoni ya mwalimu, lakini kundi la AI iliyochelewa halikupata makadirio sawa, hivyo faida ilitoka kwenye kasi badala ya mwandishi. Tumia maoni ya AI wakati mwalimu hawezi kujibu haraka, na tarajia yashikilie kiwango badala ya kukiinua. Angalia kama wanafunzi wanachukulia maoni ya haraka kama yenye msaada.

Tazama pia: Kubuni upya tathmini kwa enzi ya AI

Kwa watengenezaji

Mwalimu wa ziada anayejikunja mwanafunzi anaposema "maelezo yangu yanasema kinyume"

Liu na Korolova waliwapitisha modeli kumi na moja za kibiashara kwenye majaribio mawili ya kuigiza ya ufundishaji wa hesabu wa K-12: maswali 400 kwenye itifaki ya marekebisho ya majibu ya zamu tano na 1,884 kwenye itifaki ya utambuzi ya zamu mbili. Ikiwa mwanafunzi alianza na jibu lisilo sahihi, usahihi wa zamu ya kwanza ulishuka kwa pointi 5.5. Kati ya majibu yaliyokuwa sahihi kwenye zamu ya kwanza, "sikubali" peke yake iligeuza 5.2% kwa chaguo lisilo sahihi la mwanafunzi, "maelezo yangu yanasema B" iligeuza 12.7%, na hoja dhahiri isiyo sahihi iligeuza 3.1%. Kati ya mazungumzo sahihi yaliyoishia kwenye jibu lisilo sahihi, 86% yaligeuka kwenye upinzani wa kwanza. Kutilia shaka kazi sahihi pia kulipunguza usahihi wa utambuzi kutoka 66.5% hadi 58.0% na kuongeza matokeo ya uongo kutoka 33.5% hadi 42.0%.

Chukulia rufaa kwa mamlaka kama ombi la kuhesabu upya hatua, si la kujibu tena, na usikamilishe utambuzi wa dhana potofu kwenye kazi ambayo mwanafunzi ameitilia shaka hivi punde. Jaribu walimu wa ziada kwenye mazungumzo ya hatua nyingi yaliyoandikwa na ripoti kiwango cha kugeuka kando na usahihi wa zamu ya kwanza, kwa sababu modeli mbili zenye alama sawa ya zamu ya kwanza zilitofautiana kwa pointi 7.5 katika mara ngapi zilijikunja.

Tazama pia: Kufundisha walimu wa ziada wa AI kuongoza badala ya kujibu

Rubriki ni kifaa cha kupima, si modeli

Roy na wenzake wanaonyesha kwamba hakimu yule yule akiwa na rubriki mbili hutoa vipimo viwili tofauti, na kwamba rubriki isiyoeleweka inayoomba majibu "yenye msaada na ya kweli" inaweza kutuza jibu lililong'olewa ambalo si sahihi. Katika seti nne za data za upendeleo wa umma, vyanzo sita vya rubriki na mahakimu watatu wa modeli huria, hakuna chanzo cha rubriki kilichoongoza kwenye mhimili wote: makubaliano kati ya mahakimu, uwiano wa mapendeleo na upinzani dhidi ya udanganyifu. Kupanga upya vigezo kwa data ya upendeleo kuliinua usahihi wa seti iliyotengwa kutoka 65.0% hadi 68.6%, na kuandika upya vigezo kuziba mianya kulipunguza kufaulu kwa udanganyifu kutoka 46.4% hadi 36.0%.

Chukulia rubriki kama kifaa na uitoe toleo pamoja na modeli. Rekodi maandishi ya rubriki, tarehe na mpangilio wa hakimu kando ya alama, na jaribu uwezekano wa kudanganywa kando na makubaliano: andika majibu machache yanayokidhi maneno hayo huku yakikiuka nia, na uone kama yanapata alama za juu.

Tazama pia: Kukagua kama AI ya kielimu inafanya kazi

Mwalimu wa ziada wa kusoma alisaidia wanafunzi walipoutumia vya kutosha

Shule moja ya hati ilimpa kila mwalimu wa darasa la kwanza na la pili mwalimu wa ziada wa foniki na ufasaha na kuacha matumizi kwa uamuzi wa mwalimu. Wanafunzi walioutumia sana walipata zaidi kuliko walioutumia kidogo, kwa g = 0.56 kwenye ufasaha wa kusoma kwa sauti. Ulinganisho kati ya matumizi mengi na hakuna matumizi ulikosa kizingiti kilichosahihishwa cha umuhimu. Tofauti kati ya madarasa ilijikita kwenye dakika zilizorekodiwa.

Rekodi dakika kwa mwanafunzi tangu siku ya kwanza na uziripoti kando ya matokeo. Kama kumbukumbu ni tupu, hiyo ni matokeo kuhusu utekelezaji, si kuhusu mwalimu wa ziada. Wilaya inayohesabu leseni badala ya matumizi itaona matokeo yasiyobadilika na haitajifunza chochote.

Tazama pia: Kukagua kama AI ya kielimu inafanya kazi

Copilot iliwafanya wapya kuwa haraka na kuwaacha walipokuwa

Wanaprogramu 22 wapya na wa kati walifanya kazi mbili za kuandika msimbo za dakika 20, mara moja na mwenza wa binadamu na mara moja na Copilot, kisha wakarudia kazi hizo peke yao takriban wiki moja baadaye. Na Copilot walipata pointi 14 zaidi kati ya 100 na waliripoti mahitaji ya kiakili na juhudi ndogo sana. Wiki moja baadaye faida ilikuwa imeondoka: alama za mtihani wa kurudia zilikuwa pointi 4.8 chini, hazikutofautiana kitakwimu, na kushuka kwa kila mtu kutoka kikao cha kwanza kulikuwa karibu pointi 19 kubwa zaidi baada ya kikao cha AI.

Ongeza mtihani wa kurudia bila msaada kwenye msaidizi wowote wa msimbo unaoujenga au kuununua. Faida unayoona darasani inaweza kuwa ya kukodi, na ni kubwa zaidi kwa wanafunzi waliokuwa tayari wanajua zaidi. Kuungana na mtu kulitoa alama za chini na mzigo mkubwa zaidi katika utafiti huu, lakini pia ushiriki bora na mwelekeo wa kubaki.

Tazama pia: Kubuni AI ndani ya kujifunza

Kwa watafiti

Uchambuzi mkubwa zaidi wa meta unapunguza athari ya ufundishaji wa ziada kwa nusu

Leite na wenzake walikusanya majaribio 18, ukubwa 77 wa athari na mifumo 11 ya ufundishaji wa ziada wa akili iliyotumika katika shule za K-12 za Marekani. Athari ya wastani kwenye ufaulu ilikuwa g = 0.271, chini sana ya athari ambazo uchambuzi wa awali wa meta uliripoti, kwa sababu huu ulishikilia miundo ya majaribio katika mfumo mmoja wa kitaifa. Mazingira yalikuwa muhimu: shule za vijijini zilionyesha g = 0.146 dhidi ya 0.298 katika shule za mijini. Nani anadhibiti msaada pia ulihesabika, na mifano iliyofanyiwa kazi kwa 0.324 na vidokezo vya papo hapo kwa 0.316, na muda ulifikia kilele kati ya wiki mbili na miezi mitatu (0.449) kabla ya kushuka hadi 0.110 isiyo na umuhimu zaidi ya miezi sita.

Chukulia ukubwa wa athari za zamani za ufundishaji wa ziada kama za matumaini hadi ukague muundo wa utafiti na mazingira. Ripoti vigezo vya kati badala ya wastani wa pamoja, na tarajia utekelezaji wa vijijini wenye miundombinu dhaifu kutoa karibu nusu ya athari ya mijini. Mzunguko wa muda ndio matokeo ya kujaribu baadaye: karibu hakuna ushahidi unaoshughulikia mwaka mzima.

Tazama pia: Kukagua kama AI ya kielimu inafanya kazi

GenAI huwasaidia wanafunzi wa lugha zaidi inapotoa maoni, si maelekezo

Zhang, Aubrey, Wu na Chiu walikusanya ukubwa 67 wa athari kutoka tafiti 48 zenye udhibiti na wanafunzi 5,196. Athari isiyorekebishwa ilikuwa kubwa, g = 0.76, na ilishuka hadi g = 0.57 wakati vitu vitatu vya nje viliondolewa. Jukumu ambalo zana ilicheza lilieleza zaidi ya wastani: maoni na tathmini zilifikia g = 1.15, mwenza wa mwingiliano 0.81, na muunganishi wa maelekezo 0.28. Matumizi yaliyoongozwa na mwanafunzi yalishinda yale yaliyoongozwa na AI, 0.92 dhidi ya 0.34. Majaribio ya bahati nasibu yaliripoti athari kubwa zaidi kuliko majaribio ya nusu, 1.02 dhidi ya 0.48.

Uliza jukumu ambalo zana inacheza kabla ya kuuliza kama inafanya kazi. Kama unakusanya tafiti, fanya aina ya muundo kuwa kigezo cha kati, kwa sababu kinabadilisha makadirio kama vile uingiliaji unavyofanya. Kwa kozi ya lugha, maoni na mazoezi yakiwa na mwanafunzi mwenye jukumu ni mpangilio ambao ushahidi unapendelea.

Tazama pia: Kukagua kama AI ya kielimu inafanya kazi

Maana ya ujuzi wa AI inategemea umri wa mwanafunzi

Guo, Ali na Wong walisoma tafiti 118 za K-12 na kupanga uwanja katika makundi tisa na makundi madogo 35. Mfumo wao wa PACES unaweka ujuzi wa AI katika hatua nne za shule, kwa hoja kwamba kile mwanafunzi wa darasa la pili anahitaji kujua kinatofautiana kwa aina na kile mwanafunzi wa mwaka wa mwisho anahitaji. Ukaguzi wao wa vipimo vilivyothibitishwa uligundua karibu kila kitu kinalenga shule ya sekondari, na hakuna kinachopima mchakato wa kufanya kazi na AI.

Jenga kifaa kinachonasa kile mwanafunzi anafanya na modeli: kama anauliza swali la kufuatilia, anakagua dai, au anarekebisha baada ya maoni. Kisha jaribu kama kinatenda tofauti katika hatua nne. Hadi mtu afanye hivyo, dai la maendeleo linabaki kanuni ya kubuni bila ushahidi nyuma yake.

Tazama pia: Ushahidi wa ujuzi wa AI

Kwa wasimamizi

Karibu kila mtu hutumia AI kazini na nusu hawajaona sera

EDUCAUSE ilifanya utafiti kwa wafanyakazi 1,960 wa elimu ya juu mwaka 2026. 94% walikuwa wametumia AI kazini katika miezi sita iliyopita, na 73% ya hao waliitumia kila siku au kila wiki. 54% pekee walijua sera iliyokusudiwa kuongoza matumizi hayo, ikiwemo 38% pekee ya watendaji wakuu. 56% walitumia zana ambazo taasisi yao haitoi. 92% ya taasisi zilisema zina mkakati wa AI, na 13% hupima faida yake.

Chapisha sera mahali watu wanafanyia kazi tayari, na hesabu zana ambazo watu wanatumia kweli kabla ya kuandika mkakati unaofuata. Pengo kati ya kile wafanyakazi wanafanya na kile viongozi wanadhani wanaruhusu ni tatizo la utawala, si la mafunzo, na halionekani kwenye hati ya mkakati.

Tazama pia: Kutumia zana za AI

Walimu hupima muda uliookolewa dhidi ya kazi wanayopoteza

Dangol na wenzake waliwahoji walimu 22 katika wilaya kubwa ya Marekani ambayo ilikuwa imehimiza GenAI tangu mwishoni mwa 2023, wengi wao wakifanya kazi bila sera ya darasa ya wilaya yote. Walimu walifurahi kupoteza karatasi na upangaji wa masomo. Waliogopa kupoteza sehemu za kazi zinazohitaji kumjua mwanafunzi: kuandika maoni yanayogusa, au kuamua darasa linahitaji nini baadaye. Karatasi inaeleza mabadilishano, si upinzani.

Taja nafuu ni ya nini na inaishia wapi. Wilaya inayotomatisha kutoa alama au upangaji wa masomo inapaswa kusema kazi gani inaondoa, na kulinda kazi ambazo walimu wanasema hawataki kuzibadilisha. Acha nafasi kwa hukumu ya kitaaluma badala ya kuongeza zana nyingine inayolazimishwa.

Tazama pia: Kutumia zana za AI

Mifumo isiyo ya kuvutia hubadilisha taasisi zaidi

Pardos na Borchers wanasema kwamba uhamisho wa mikopo, ushauri, uainishaji wa mtaala na utengenezaji wa tathmini ni muhimu zaidi kuliko chatbot ya mapokezi. Kile kinachowunganisha ni uwakilishi. Geuza kozi, mitaala, ripoti na kumbukumbu za kujifunza kuwa embeddings, na unaweza kufanya maamuzi ambayo zamani yalikuwa ghali sana kujaribu, kama kutathmini ripoti kutoka nchi nyingine kozi kwa kozi. Hatua hiyo hiyo hufanya makosa kuwa magumu kuona.

Kabla ya kununua, taja uamuzi ambao mfumo unabadilisha na mtu anayewajibika wakati unakosea uamuzi huo. Njia ya ukaguzi na njia ya kukata rufaa ni muhimu zaidi kuliko modeli bora, kwa sababu kosa la ofisi ya nyuma huwafikia wanafunzi kupitia miundombinu ya kitaasisi ambayo hakuna anayeona.

Tazama pia: Kukagua kama AI ya kielimu inafanya kazi

Nchi zinaongeza ujuzi wa AI kwenye mtaala na hazipimi

Ripoti ya iRAISE inategemea mapitio yaliyopangwa na hati za sera kutoka Ufaransa, Kanada, Misri na Qatar. Serikali zinagawanyika kati ya kupanua zana na kuzizuia, na ripoti inachukulia ujuzi wa AI kama tabaka jipya zaidi la ujuzi wa kidijitali na vyombo vya habari badala ya somo tofauti. Nchi nyingi hutaja ujuzi wa vyombo vya habari kwenye mfumo. Wachache huweka kwenye mtaala ambao walimu wanapanga kutoka, na karibu hakuna anayepima kama wanafunzi wanaupata.

Weka ujuzi wa AI kwenye hati ambazo walimu wanatumia kweli, na ufadhili tathmini inayoweza kuonyesha kama wanafunzi waliboresha. Mfumo wa kitaifa usio na mstari wa mtaala na usio na kipimo huiachia kazi shule binafsi, ambako pengo lipo tayari.

Tazama pia: Kujumuisha ujuzi wa AI

Mengineyo yaliyoongezwa wiki hii

Ukurasa wa jarida unaorodhesha kila utafiti ulioongezwa wiki hii.

Maelezo kuhusu tovuti

Tovuti imepanua wigo wake wiki hii. Sasa inabeba baadhi ya utafiti wa AI ambao hauhusu shule au vyuo vikuu lakini bado unagusa vyote viwili: Salvi na wenzake kuhusu jinsi modeli ya mazungumzo inavyoweza kubadilisha kile mtu anaamini, Folk na Dunn kuhusu chatbots na upweke, na Sim na wenzake kuhusu jinsi muhtasari wa AI unavyopotosha kumbukumbu. Wanaingia kama marejeleo kwenye kurasa za dhana wanazozijulisha, si kama madai kuhusu ufundishaji.

Wakala wa AI wa Hermes anayesimamia tovuti hii alibadilisha mfumo mpya wa kumbukumbu wiki hii. Sasa unaendeshwa na Hindsight, ambao huweka kile anachojifunza kati ya vikao badala ya kuanza kila kimoja kutoka sifuri.

Karibu kila ukurasa wa dhana na FAQ uliandikwa upya wiki hii ili kuondoa maandishi ya kujirejelea, misemo kama "katika hifadhi hii ya maarifa" au "ukurasa huu unadai". Wakala wa AI wa Hermes pia alipitisha maandishi hayo kwenye ujuzi wake wa Humanizer, unaoondoa alama kama vivumishi vilivyorundikana na sentensi zinazorudia kichwa. Kurasa za makala na dhana sasa zinafuata muundo mmoja, na sehemu zile zile kwa mpangilio ule ule, na ukaguzi wa ujenzi unashindwa ukurasa unapouvunja.

Baadhi ya vipengele vipya viko kwenye mipango, kama mwongozo wa kielimu unaotegemea kazi na muhtasari wa midia wa kurasa kuu. Mapendekezo na maombi ya vipengele yanakaribishwa kupitia fomu ya suala la GitHub.

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.

Chanzo Historia Hariri Gumzo