YZ Ajanları Öğrencileri ve Öğretim Elemanlarını Nasıl Destekleyebilir?

Bu İngilizce sayfanın bir ana dili konuşanı tarafından gözden geçirilmemiş otomatik çevirisidir.

YZ ajanları, tek turlu soru yanıtlamanın ötesine geçebilir: bir dizi etkileşim boyunca plan yaparak, araç kullanarak, ilgili bağlamı hatırlayarak, alt görevleri koordine ederek ve desteği uyarlayarak. Öğrenciler için olası roller şunlardır: uyarlanabilir özel ders, çalışma planlaması, biçimlendirici geri bildirim, yönlendirmeli problem çözme, alıştırma üretimi, simülasyon, ön koşul önerileri ve yansıtıcı ya da üstbilişsel istek metni yazımı. Öğretim elemanları için ajanlar; materyal geliştirme, soru üretimi ve doğrulaması, geri bildirim önceliklendirmesi, kurs analitiği, öğretim tasarımı iş akışları, kaynak erişimi ve özelleşmiş ajanların orkestrasyonuna yardım edebilir.

Yineleyici ajan yetenekleri

Eğitimde Ajan İş Akışları makalesi dört yineleyici ajan yeteneği tanımlar: yansıtma, planlama, araç kullanımı ve çok ajanlı iş birliği. Her biri olanaklar eklerken aynı zamanda yorumlanabilirlik, koordinasyon, güven, gecikme ve gözetim zorluklarını da beraberinde getirir.

YZ ajanlarının iyi yapabildikleri (olumlu çıkarımlar)

• Sürdürülebilir, uyarlanabilir destek. Tek turlu sohbet robotlarının aksine ajanlar, bir öğrenenin ne bildiğini hatırlayarak, zorluğu uyarlayarak ve çok adımlı İskeleleme (Scaffolding) dizisini oluşturarak öğrenme konuşmasını birçok tur boyunca sürdürebilir. Bu, ölçekte uyarlanabilir ve kişiselleştirilmiş öğrenmeyi destekler.
• Öğretim elemanlarının yükünü hafifletmek. Ajanlar materyal taslakları hazırlayabilir, soru üretebilir ve doğrulayabilir (örneğin bir üretici + doğrulayıcı eşleşmesi), geri bildirimleri önceliklendirebilir ve özelleşmiş alt ajanları orkestre edebilir; öğretmenleri daha yüksek değerli etkileşim için serbest bırakır.
• Zengin etkileşim ve verimli sürtünme. Çok ajanlı sınıflar ve simüle edilmiş akranlar—akran benzeri söylem, yapıcı anlaşmazlık, rol yapma—biçiminde çeşitli dinamikler yaratır ve bu dinamikler işbirlikçi öğrenmeyi ve Sokratik tarzda sorgulamayı destekler. Anlamak yerine meydan okumacılığı seçen ajanlar, öğrenenleri daha derin yeniden değerlendirmeye yönlendirebilir (araştırmada yapıcı çatışma ajanları tasarım sonuçlarını iyileştirmiştir).
• Düşük riskli alıştırma ve simülasyon. Ajan tabanlı simülasyonlar (simüle edilmiş öğrenciler, klinik senaryolar), öğrenenlerin gerçek dünya uygulamasından önce güvenli, tekrarlanabilir ortamlarda pratik yapmalarına olanak tanır.

Temel riskler ve uyarılar (olumsuz çıkarımlar)

• Aşırı otomasyon öğrenmeyi içi boşaltabilir. Bir ajan ne kadar çok otomasyon uygularsa, öğrenen o kadar az bilişsel iş yapar. Proaktif ajanlar, öğrencileri pasif tüketiciler olarak bırakabilir; dayanıklı öğrenmeyi oluşturan çabayı gerektiren süreçleri zayıflatabilir ve aşırı güven riskini artırabilir.
• Azalan üstbilişsel katılım. Ajanlar planlama ve izlemeyi üstlenirse, öğrenenler eğitimin inşa etmeyi hedeflediği Metabiliş ve öz düzenlemeyi geliştirmeyebilir. Ajanlar bu süreçleri yerine getmeli, onların yerini almamalıdır.
• Yerinde olmayan güven ve doğrulama boşlukları. Özerk ajanlar olası görünen ancak doğrulanmamış çıktı üretebilir; öğrenenler ve öğretmenler ona aşırı güvenebilir. Ajanlar özerkliği arttıkça güçlü doğrulama ve YZ Okuryazarlığı daha önemli hale gelir.
• Opaklık ve hesap verebilirlik. Çok ajanlı sistemler insan gözetimini karmaşıklaştırır—bir hatadan hangi ajan sorumludur ve insan nerede müdahale eder? Koordinasyon hataları ve kişilik kayması, güvenilirliği ve Pedagojik Güvenlikı zayıflatabilir.
• Eşitlik ve yanlılık. Ajanlar, eğitim verisi yanlılığını ölçekte yeniden üretebilir ve yetenekli ajan sistemlerine eşitsiz erişim eşitsizliği derinleştirebilir.

Kanıtlar şu ana dek ne gösteriyor

Somut sonuçlar—ve uyarılar—birikmektedir. Tutor CoPilot—canlı özel derslerde bir insan-YZ sisteminin ilk randomize kontrollü denemesi—deneyimli özel ders öğretmenlerinin akıl yürütmesinden derlenen gerçek zamanlı, uzman benzeri rehberlik sağladı: 900 özel ders öğretmeni ve ~1.800 öğrenci boyunca, erişimi olan öğretmenlerin öğrencileri konuları öğrenme olasılığı yüzde 4 puan daha yüksekti ve en düşük puanlı öğretmenlerde yüzde 9 puan değerine yükseldi; bu öğretmenlerin öğrencileri, kontrol grubundaki daha yüksek puanlı öğretmenlerin öğrencilerine yetişti. Her özel ders öğretmeni için yıllık yaklaşık $20’ye mal oldu ve 550.000’den fazla özel ders mesajının analizi, öğretmenlerin yanıtları hemen vermek yerine yönlendirici sorular sormaya doğru kaydığını gösterdi—bu, YZ’nin öğretmenin yerini almak yerine onu güçlendirdiğinin açık bir örneğidir.

Ancak “ajansal” olmak otomatik olarak daha iyi değildir. Bir e-ticaret kursunda 130 öğrenciyle yapılan bir çalışma, hem Üretici YZ sohbet robotlarının hem de GAI ajanlarının geleneksel e-öğrenmeden yüksek puan aldığını—hem öğrenme gelişimi hem de kişiselleştirme açısından—buldu; yine de sohbet robotu ile ajan koşulları arasında istatistiksel olarak anlamlı bir fark yoktu, dolayısıyla eklenen özerklik eklenen öğrenme değerine dönüşmedi. Önerilen Ajan GAI Destekli Öğrenme Çerçevesi buna göre ajanları sınırlı, insan gözetimli öğrenme ortakları olarak ele alır; hedefler, kontrol noktaları ve nihai kararlar insanlar için ayrılmıştır.

İki uyarı daha önemlidir. Birincisi, geri çekilme: randomize denemeler, kısa süreli YZ yardımının bile sonraki desteksiz performansı düşürebileceğini gösterir ve geri çekilme sonrası aralık—bilişsel yıkanma olarak adlandırılır—neredeyse tamamen ölçülmemiştir, dolayısıyla ajan destekli öğrenme kazanımlarının kalıcılığı bilinmemektedir. İkincisi, değerlendirme: bir tıp müfredatında sekiz YZ öğretim ajanının dağıtılmasında, platform tarafından üretilen puanlar ajanları bağımsız bir uzman rubriğinden farklı sıraladı (platformun üçüncü sıradaki ajanı öğretme kalitesinde sonuncu oldu), çünkü platform puanları ajanın öğretme kalitesi yerine öğrenci performansını endeksler. YZ Yönetişimi incelemesi olan Beyond the Agent Label, özerkliğin kanıtların olgunluğunu ya da hesap verebilir insan kontrolünün gücünü aşmaması gerektiğini belirten bir orantılılık kuralı ekler ve kanıtların eser düzeyinde sonuçlar için en güçlü, kalıcı öğrenme ve eşitlik için en zayıf olduğunu not eder. Bir tane nasıl oluşturulacağı için bkz. Etkili Bir YZ Eğitmeni Geliştirmeye Yönelik En İyi Uygulamalar Nelerdir?; işe yarayıp yaramadığını nasıl değerlendireceğiniz için bkz. Bir Eğitmen YZ İle İlgili Müdahaleleri Değerlendirmek İçin Hangi Ölçütleri ve Araştırma Yöntemlerini Kullanabilir?.

Kanıt tabanının durumu

Kanıt tabanı hâlâ ortaya çıkmaktadır. Bilgi tabanının Eğitimde Ajan YZ sentezi, 474 çalışmanın bir kapsam taramasına dayanır; ancak yükseköğretimde, STEM’de, kısa vadeli tasarımarda ve metin tabanlı özel derste önemli bir yoğunlaşma olduğunu not eder; incelenen çalışmaların yalnızca azınlığı sistemlerini açıkça eğitim teorisine dayandırmıştır ve titiz uzun vadeli sınıf içi doğrulama sınırlı kalmaktadır.

Temel tasarım uyarısı bu nedenle daha fazla özerkliği daha iyi öğrenmeyle eşitlememektir. Ajan YZ ve Pedagojik En İyi Uygulamalar, ajan inisiyatifinin öğrenenin kendi planlamasını, izlemesini, yargısını ve çabasını ortadan kaldırmaması için kasıtlı sürtünme, dinamik iskeleleme ve insan gözetimi önermektedir. Ayrıca bkz. Akıllı Öğretim ve İnsan-Devrede YZ.