Bu sayfada

Eğitimde Yapay Zeka Araştırmaları Haftalık Güncellemesi #414 Kasım 2026

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

Eğitimde Yapay Zeka Bilgi Tabanı'ndan haftalık bir özet: geçen hafta eklenen araştırmaların eğitmenler, geliştiriciler, araştırmacılar ve yöneticiler için ne anlama geldiği üzerine.

Son sayıdan bu yana bilgi tabanına 199 yeni çalışma, sekiz yeni kavram sayfası, iki yeni SSS ve on üç yeni kaynak katıldı. Bilgi tabanı artık 2.277 makale özeti, 238 kavram sayfası, 46 SSS ve 53 kaynak barındırıyor. Arayın veya bilgi tabanıyla sohbet etmek için yapay zekayı kullanın.

Öne çıkanlar ve sorular

Bir not ortalamasına güvenebilir misiniz? İki ChatGPT sürümü aynı denemeleri notlandırdı ve her kâğıdı ortalamaya doğru itti: öğretim görevlisinin 50 verdiği bir kâğıt 66 olarak döndü, 80 alan bir kâğıt ise 67 olarak döndü; yani en zayıf ve en güçlü öğrenciler aynı notla çıktı. Yapay zeka yorumlarını öğrencinin revizyon yapmasına yardımcı olmak için kullanın, kayda geçen notu ise bir insanda tutun.
Ödev değiştiğinde ama not değişmediğinde ne olur? Üniversiteler denemelerin yerine sunumları ve sözlü savunmaları koydu, sonra transkriptte aynı tek notu korudu. Bir öğrenci çalışmasını yüksek sesle savunup yine de nasıl düşündüğüne dair hiçbir şey söylemeyen tek bir sayıyla ayrılabilir. Transkriptin ne bildirdiğini değiştirin, yoksa reform yalnızca kâğıt işini değiştirir.
Bir sohbet botu, öğrencilerin bir metni not alarak çalışmasından daha iyi anlamasına yardımcı olur mu? Aynı metin hakkında not yazan öğrenciler, bir sohbet botuna soran öğrencilerden daha çok öğrendi ve sohbet botunu kullanan öğrenciler çoğu zaman botun yanıtlarını notlarına kopyaladı. Yine de botu daha kolay, daha yardımcı ve daha keyifli buldular. Yazma görevini koruyun, çünkü okumayı özetleyen bir araç, öğrenmeyi üreten işi yapıyor demektir.
Denemeyi mi notlandırıyoruz, düşünmeyi mi? Deneme, yazarken değişen bir zihni göstermek için tasarlanmıştı ve yalnızca bitmiş metni notlandırmak bunu çöpe attı. Bir ilk taslak, ona dair bir eleştiri ve neyin neden değiştiğini söyleyen bir revizyon isteyin. Bir sohbet botu son taslağı üretebilir. Oraya varışın emeğini gösteremez.
Yapay zeka el yazısı sınavları notlandırabilir mi? Claude, el yazısı sınavları çoktan seçmeli ve kısa yanıtlarda neredeyse öğretim görevlisiyle aynı şekilde notlandırdı ve elle çizilmiş şemaları yaklaşık yarısında doğru buldu. Hatırlama sorularını önceden notlandırmasına izin verin, çizimleri ve yargı gerektiren kararları kendiniz notlandırın.
Bir sohbet botu sözlü sınav yapabilir mi? Bir sohbet botu, rubriği hiç görmeden bir öğrenciyle görüşme yapabilir; sistemin ikinci ve gizli bir parçası da konuşmayı notlandırır, böylece öğrenciler istem yazarak nota ulaşamaz. Ancak sistemleri her yanıtı anında puanladığında fazla cömert notlandırdı. Konuşmanın tamamını sonunda notlandırın.

Stanford'un K-12'de yapay zeka kanıt incelemesi bu hafta Kasım 2026 baskısına güncellendi ve nedensel kanıt tabanı 52 çalışmaya ikiye katlandı. Yapay zekayı açıklamak ve yönlendirmek için kullanmak daha iyi öğrenmeyi öngörüyor, işi üretmek için kullanmak daha kötü öğrenmeyi öngörüyor ve bir deneme genel bir asistanın öğrenci motivasyonunu düşürdüğünü buldu.

Yeni SSS

Bu hafta SSS'ye iki yanıt katıldı. İkisi de kimse bir araç seçmeden önce gelen kararlarla ilgili.

Yapay zeka araçlarını benimserken hangi seçenekler ve sorunlar dikkate alınmalı?

Benimseme yanıtı, bir satıcı listesinin birbirine karıştırdığı üç kararı ayırıyor: araca hangi verilerin girdiği, kurumun buna izin verip vermediği ve modeli kimin çalıştırdığı. Ücretsiz bir sohbet botu konuşmayı satıcının sunucularında tutar. Kampüs içi bir ağ geçidi konuşmayı sizinkinde tutar ve erişimi kesebilir. Veri sorusuyla başlayın, çünkü sonradan geri alamayacağınız soru odur.

Eğitimciler yapay zekayla neler yapmaktan kaçınmalı?

Kaçınma yanıtı üç hata sayıyor. Yapay zekayı, bir ödevin öğretmek için var olduğu düşünmeyi yapmak için kullanmayın. Tıklamaları, sayfada geçirilen süreyi veya tamamlamayı öğrenme kanıtı saymayın. Ve bir sohbet botunun bir dakikada bitirebileceği bir ödev dururken "yapay zekayı sorumlu kullanın" diyen bir kural yazmayın. Sonuncusu en yaygın başarısızlık: bir politika cümlesi öğrencilerin yapabildiklerini değiştirmez. Görev ve topladığınız kanıt değiştirir.

Yeni kavramlar

Bu hafta bilgi tabanına sekiz kavram sayfası katıldı.

Gölge yapay zeka, kimse onaylamadan önce gerçekleşen yapay zeka kullanımıdır. Bir öğretim görevlisi kişisel bir ChatGPT hesabında geri bildirim taslaklıyor ve kurum, öğrenci çalışmasının oradan geçtiğini hiç öğrenmiyor.
Kurumsal yapay zeka altyapısı, kampüsteki yapay zeka kullanımının arkasındaki tesisattır: kimin erişimi var, hangi model çalışıyor, ne kaydediliyor ve kim ödüyor. Bir örnek, her bölüme kota veren ve bir denetim günlüğü tutan bir üniversite ağ geçidir.
Yürütücü işlevler planlamayı, bilgiyi akılda tutmayı ve bir dürtüyü durdurmayı kapsar. Bir denemeyi planlayabilen ama yarısında ipi kaçıran bir öğrenciyi düşünün. Bir araç bu planlamayı destekleyebilir ya da kimse fark etmeden onun yerine yapabilir.
Gelişim psikolojisi, çocukların düşünmesinin yaşla nasıl değiştiğini inceleyen alandır. Yedi yaşındaki bir çocuk, soruyu yüksek sesle okuması için araca ihtiyaç duyabilir. On yedi yaşındaki bir öğrenci yanıtın iyi olup olmadığını değerlendirebilir.
Boylamsal araştırma, aynı öğrencileri aylar ya da yıllar boyunca izler. Soru, ekimdeki yazma kazancının mayısta hâlâ orada olup olmadığıdır; ünite sınavında görünüp görünmediği değil.
Empati, birinin ne hissettiğini anlamayı onunla birlikte hissetmekten ayırır. Bir sohbet botu sert bir yorumu kibarca yeniden yazabilir. Öğrencinin denemeyi bıraktığını fark edemez.
Vaka temelli öğrenme, öğrencilerin üzerine akıl yürütmesi gereken tek ve belirli bir durum üzerinden öğretir. Göğüs ağrısı olan ve iki test sonucu birbiriyle çelişen bir hastayı düşünün. Öğrenme, vaka metninde değil öğrencilerin vakaya dair sorduğu sorulardadır.
Metaforlar ve analojiler, yapay zekayı açıklamak için kullandığımız resimlerdir: kara kutu, yardımcı ya da ayna gibi. Ona özel ders öğretmeni derseniz öğrenciler yanıtı bildiğini bekler. Çalışma ortağı derseniz kontrol etme olasılıkları daha yüksektir.

Yeni kaynaklar

Bu hafta kaynak kütüphanesine on üç kaynak katıldı.

Primer, bir öğretmenin kod yazmak yerine sade bir dille bir rol yapma ya da simülasyon tarif etmesini sağlıyor; örneğin yapay zekanın zor bir veliyi oynadığı bir müzakere alıştırması.
Agentic Builds, öğretmenlerin yaptığı küçük uygulamalardan oluşan bir galeri; arkalarındaki istemler de var ve kendi sınıfınız için kopyalayabilirsiniz.
Vibe-Coding Center, bir kodlama asistanına yapıştıracağınız üç talimat dosyası veriyor; böylece yazdığı web uygulaması öğrenciler için yeterince erişilebilir, gizliliği korunmuş ve güvenli oluyor.
AI Guidance by Age, bir rol ve yaş aralığı alıyor, öğrencilerin o yaşta yapay zekayla neler yapabildiğini öneriyor ve hangi kısımların hâlâ tahmin olduğunu söylüyor.
Voice-First Written Assessment, öğrencilerin yanıtlarını yüksek sesle açıklamasını, sonra transkriptten bir revizyon yazmasını istiyor; böylece düşünme kayda geçiyor ve yazma yine de gerçekleşiyor.
Amplify GenAI, Vanderbilt'in sohbet platformu; kampüs onu kendi bulut hesabında çalıştırıyor, böylece öğrenci konuşmaları kurumda kalıyor.
conText, yanıtı vermek yerine bir sonraki soruyu soran ve öğretmene öğrencinin izlediği yolu gösteren bir sesli özel ders aracı.
MindRouter, kampüs GPU'larının önünde bir kapı bekçisi: bölümlere göre kotalar, tek oturum açma ve kimin neyi kullandığına dair bir günlük.
Moodle AI Text Question Type, Moodle sınavlarına yapay zeka tarafından notlandırılan bir soru ekliyor; rubriğiniz isteme yazılıyor ve notlar doğrudan not defterine gidiyor.
MyEssayFeedback, öğrencilerin bir taslak teslim etmesini, seçtiğiniz bölümlerdeki yapay zeka yorumlarını okumasını ve revizyondan önce hangi yorumları kabul ettiklerini kaydetmesini sağlıyor.
NowComment, bir sınıfın bir belgeyi satır satır tartışmasına izin veriyor ve artık bir yapay zeka, öğrencilerin düzenlemesi beklenen bir taslak yorum ekleyebiliyor.
Teacher Hive, öğrenci oturumu gerektirmeyen, öğretmenlerin yaptığı küçük uygulamaları topluyor ve başka öğretmenlerin kopyalayabileceği örnekler olarak yayımlıyor.
AI Tutor Pro and AI Teaching Assistant Pro, sekiz dilde sesli konuşma, sınavlar ve not tutma sunan ücretsiz çalışma araçları; kendi başına pratik yapan öğrenciler için.

Bir adlandırma değişikliği: EduPrompts kaynağının adı bu haftaya kadar EduGems idi. İstem koleksiyonu aynı ve artık eduprompts.ai adresinde.

Eğitmenler için

İşin öğrenciye ait olup olmadığını sormayı bırakın, neyi gösterdiğini sorun

Bayraktar, algılama araçlarının, yasakların ve sınıf içi yeniden yazmaların yalnızca tek bir soruyu yanıtladığını savunuyor: bir ürünün bağımsız olarak üretilip üretilmediğini. Bunlar, öğrencinin ödevin kanıtlamak için var olduğu şeyi anlayıp anlamadığına dair hiçbir şey söylemiyor. Önerilen çerçeve, bitmiş işi birkaç kaynaktan biri olarak tutuyor ve kanıtı yapının ihtiyaç duyduğu yere ekliyor: bir karar günlüğü, hangi tavsiyenin reddedildiğine dair kısa bir not, bir konferans yanıtı. Ayrıca yapay zeka kullanımını öğrencilerin yargıladığı bir şeye dönüştürüyor; örneğin aracın yanıtının nerede yanlış olduğunu adlandırarak.

Bir karşı önlem seçmeden önce ödevin hangi öğrenmeyi kanıtlaması gerektiğine karar verin. Her dersi portfolyo dersine çevirmek yerine açığı kapatan tek bir ürün ekleyin ve öğrencilere yapay zekanın nerede yardımcı olmadığını sorun. Bunun üzerine yazılmış bir paragraf, bir beyan metninden daha değerlidir.

İlgili konular: Yapay zeka çağı için değerlendirmeyi yeniden tasarlamak

Ödevi koruyun, üstüne bir kâğıt izi ekleyin

Winstone, Gravett ve Elkington, üniversitelerin üretken yapay zekaya verdiği yanıtların çoğunun lafta kaldığını savunuyor: trafik ışıkları, beyanlar, izin verilen kullanım kuralları. Onların Black Box Assessment yaklaşımı görevi koruyor ve öğrencilerden sürece açılan pencereler sunmalarını istiyor: taslaklar, revizyon günlükleri ve kısa yansımalar; rubrikler de revizyonun puan kazandığı biçimde yeniden yazılıyor. Bir pilot çalışma bildirmiyorlar ve bunu açıkça söylüyorlar.

Bir ödevi alın ve tek bir süreç ürünü isteyin: plan, ilk taslak ya da geri bildirimin neyi değiştirdiğine dair bir paragraf. O ürünü belirtilmiş bir ölçüte göre notlandırın. Böylece öğrencilerin kaydı tutmak için bir nedeni olur ve akademik dürüstlük bir politika cümlesi yerine ödevin içinde yaşar.

İlgili konular: Yapay zeka çağı için değerlendirmeyi yeniden tasarlamak

Öğretmen geri bildirimi ile yapay zeka geri bildirimi başa baş çıktı

Meyer ve meslektaşları, Almanya'da 10. ve 11. sınıflardaki 391 öğrenciyi rastgele üç koşula atadı: öğretmenlerinin yazdığı geri bildirim, anında yapay zeka geri bildirimi ya da kaynak ile zamanlamanın ayrılabilsin diye geç teslim edilen yapay zeka geri bildirimi. Standart karşılaştırmaların hepsi boş çıktı. Revizyonlar iyileşti, sonraki yazma görevi farklılaşmadı ve görev süresi, motivasyon ile duygu durumu öğretmen ve yapay zeka geri bildirimi arasında istatistiksel olarak ayırt edilemedi.

Öğrenciler anında yapay zeka geri bildirimini öğretmen geri bildiriminden daha yararlı ve daha motive edici buldu, ama gecikmeli yapay zeka grubu aynı puanları vermedi; yani avantaj yazarlıktan değil hızdan geldi. Bir öğretmen hızlı yanıt veremediğinde yapay zeka geri bildirimini kullanın ve ondan çıtayı yükseltmesini değil, çıtayı tutmasını bekleyin. Öğrencilerin hızlı bir yorumu yararlı bir yorumla karıştırıp karıştırmadığını kontrol edin.

İlgili konular: Yapay zeka çağı için değerlendirmeyi yeniden tasarlamak

Geliştiriciler için

Öğrenci "notlarım aksini söylüyor" dediğinde geri adım atan bir özel ders aracı

Liu ve Korolova, on bir ticari modeli iki simüle edilmiş K-12 matematik özel ders deneyinden geçirdi: beş turlu bir yanıt revizyon protokolünde 400 soru ve iki turlu bir tanı protokolünde 1.884 soru. Öğrenci yanlış bir yanıtla başladığında ilk tur doğruluğu 5,5 puan düştü. İlk turda doğru olan yanıtlarda, çıplak bir "katılmıyorum" bu yanıtların %5,2'sini öğrencinin yanlış seçimine çevirdi, "notlarım B diyor" %12,7'sini, açık yanlış akıl yürütme ise %3,1'ini. Yanlış yanıtla biten doğru konuşmaların %86'sı ilk itirazda döndü. Doğru işi kuşkuyla karşılamak tanı doğruluğunu da %66,5'ten %58,0'a düşürdü ve yanlış pozitifleri %33,5'ten %42,0'a çıkardı.

Otoriteye başvuruyu yeniden yanıt verme talebi değil, adımı yeniden türetme talebi olarak ele alın ve bir kavram yanılgısı tanısını öğrencinin az önce kuşku duyduğu iş üzerinde asla kesinleştirmeyin. Özel ders araçlarını senaryolu, çok turlu bir diyalogla test edin ve dönme oranını ilk tur doğruluğundan ayrı bildirin, çünkü ilk tur puanı aynı olan iki model geri adım atma sıklığında 7,5 puan farklıydı.

İlgili konular: Yapay zeka özel ders araçlarını yanıt vermek yerine yönlendirmek için eğitmek

Ölçüm aracı rubriktir, model değil

Roy ve meslektaşları, aynı yargıcın iki farklı rubrikle eşleştirildiğinde iki farklı ölçüm ürettiğini ve "yardımcı ve olgusal" yanıtlar isteyen belirsiz bir rubriğin yanlış ama cilalı bir yanıtı ödüllendirebildiğini gösteriyor. Dört kamu tercih veri kümesi, altı rubrik kaynağı ve üç açık ağırlıklı yargıç genelinde hiçbir rubrik kaynağı her eksende öne geçmedi: yargıçlar arası uyum, tercihe uygunluk ve oyuna karşı direnç. Ölçütleri tercih verisine göre yeniden sıralamak ayrılmış doğruluğu %65,0'tan %68,6'ya çıkardı; kaçamakları kapatmak için ölçütleri yeniden yazmak ise sömürü başarısını %46,4'ten %36,0'a düşürdü.

Rubriği araç olarak ele alın ve modelle birlikte sürümleyin. Rubrik metnini, tarihini ve yargıç yapılandırmasını notların yanında kaydedin; sömürülebilirliği uyumdan ayrı test edin: ifadeyi karşılayıp amacı ihlal eden birkaç yanıt yazın ve yüksek puan alıp almadıklarına bakın.

İlgili konular: Eğitimde yapay zekanın işe yarayıp yaramadığını kontrol etmek

Okuma özel ders aracı, öğrenciler yeterince kullandığında yardımcı oldu

Bir charter okul, her birinci ve ikinci sınıf öğretmenine bir ses bilgisi ve akıcılık özel ders aracı verdi ve kullanımı öğretmenin takdirine bıraktı. Aracı çok kullanan öğrenciler, az kullananlardan sözlü okuma akıcılığında g = 0,56 daha fazla kazandı. Yüksek kullanım ile hiç kullanmama arasındaki karşılaştırma düzeltilmiş anlamlılık eşiğini kaçırdı. Sınıflar arasındaki fark kaydedilen dakikalara indi.

Öğrenci başına dakikaları ilk günden kaydedin ve sonucun yanında bildirin. Günlük boşsa bu, özel ders aracı hakkında değil, hayata geçirme hakkında bir bulgudur. Lisansları kullanım yerine sayan bir bölge düz bir sonuç görür ve hiçbir şey öğrenmez.

İlgili konular: Eğitimde yapay zekanın işe yarayıp yaramadığını kontrol etmek

Copilot acemileri hızlandırdı ve onları başladıkları yerde bıraktı

Yirmi iki acemi ve orta düzey programcı, 20 dakikalık iki kodlama görevini bir kez insan bir eşle, bir kez Copilot ile yaptı, sonra görevleri yaklaşık bir hafta sonra tek başına tekrarladı. Copilot ile 100 üzerinden 14 puan daha yüksek aldılar ve çok daha düşük zihinsel talep ile çaba bildirdiler. Bir hafta sonra avantaj gitmişti: yeniden test puanları 4,8 puan daha düşüktü, istatistiksel olarak farklı değildi ve her kişinin ilk oturumdan düşüşü yapay zeka oturumundan sonra yaklaşık 19 puan daha büyüktü.

İnşa ettiğiniz ya da satın aldığınız her kodlama asistanına desteksiz bir yeniden test ekleyin. Derste gördüğünüz kazanç kiralık olabilir ve en çok, zaten en çok bilen öğrenciler için büyüktür. Bu çalışmada bir insanla eşleşmek daha düşük puan ve daha yüksek iş yükü üretti, ama aynı zamanda daha iyi katılım ve kalıcılığa doğru bir eğilim üretti.

İlgili konular: Yapay zekayı öğrenmeye tasarlamak

Araştırmacılar için

Daha sıkı bir meta-analiz özel ders etkisini yarıya indiriyor

Leite ve meslektaşları, ABD'deki K-12 okullarında kullanılan 18 deneyi, 77 etki büyüklüğünü ve 11 akıllı özel ders sistemini bir araya getirdi. Başarı üzerindeki ortalama etki g = 0,271 idi; önceki meta-analizlerin bildirdiği etkilerin oldukça altında, çünkü bu çalışma tek bir ulusal sistemde deneysel tasarımlara bağlı kaldı. Ortam önemliydi: kırsal okullar g = 0,146 gösterirken kent okullarında 0,298 görüldü. Desteği kimin kontrol ettiği de önemliydi; çözümlü örnekler 0,324, istek üzerine ipuçları 0,316 düzeyindeydi ve süre iki hafta ile üç ay arasında zirve yapıp (0,449) altı aydan sonra anlamlı olmayan 0,110'a düştü.

Eski özel ders etki büyüklüklerini, çalışma tasarımını ve ortamı kontrol edene kadar iyimser sayın. Birleştirilmiş bir ortalama yerine düzenleyici değişkenleri bildirin ve zayıf altyapılı bir kırsal uygulamadan kent etkisinin kabaca yarısını bekleyin. Süre eğrisi sırada test edilecek bulgudur: tam bir yılı kapsayan neredeyse hiç kanıt yok.

İlgili konular: Eğitimde yapay zekanın işe yarayıp yaramadığını kontrol etmek

Üretken yapay zeka dil öğrenenlere en çok geri bildirim verdiğinde yardımcı oluyor, öğrettiğinde değil

Zhang, Aubrey, Wu ve Chiu, 5.196 öğrenenle yapılmış 48 kontrollü çalışmadan 67 etki büyüklüğünü birleştirdi. Düzeltilmemiş etki büyüktü, g = 0,76, ve üç aykırı değer çıkarıldığında g = 0,57'ye düştü. Aracın oynadığı rol ortalamadan daha fazlasını açıkladı: geri bildirim ve değerlendirme g = 1,15'e, etkileşim ortağı 0,81'e, öğretimsel bütünleştirici ise 0,28'e ulaştı. Öğrenci yönlendirmeli kullanım, yapay zeka yönlendirmeli kullanımı yendi: 0,92'ye karşı 0,34. Rastgele atamalı denemeler yarı deneysel çalışmalardan daha büyük etki bildirdi: 1,02'ye karşı 0,48.

İşe yarayıp yaramadığını sormadan önce aracın hangi rolü oynadığını sorun. Çalışmaları birleştiriyorsanız tasarım türünü bir düzenleyici değişken olarak modelleyin, çünkü tahmini en az müdahalenin kendisi kadar kaydırıyor. Bir dil dersi için kanıtın desteklediği yapılandırma, öğrencinin kontrolünde geri bildirim ve pratik.

İlgili konular: Eğitimde yapay zekanın işe yarayıp yaramadığını kontrol etmek

Yapay zeka okuryazarlığının ne anlama geldiği öğrencinin yaşına bağlı

Guo, Ali ve Wong 118 K-12 çalışmasını okudu ve alanı dokuz kategori ile 35 alt kategoriye ayırdı. PACES çerçeveleri yapay zeka okuryazarlığını dört okul kademesine yayıyor; çünkü ikinci sınıf öğrencisinin bilmesi gerekenlerle son sınıf öğrencisinin bilmesi gerekenler tür olarak farklı. Doğrulanmış ölçekler üzerine yaptıkları denetim, neredeyse her şeyin ortaöğretimi hedeflediğini ve yapay zekayla çalışma sürecini ölçen hiçbir şeyin olmadığını buldu.

Bir öğrencinin modelle ne yaptığını yakalayan bir ölçek geliştirin: takip sorusu soruyor mu, bir iddiayı kontrol ediyor mu, geri bildirimden sonra revizyon yapıyor mu. Sonra dört kademede farklı davranıp davranmadığını test edin. Biri bunu yapana kadar gelişimsel iddia, arkasında kanıt olmayan bir tasarım ilkesi olarak kalıyor.

İlgili konular: Yapay zeka okuryazarlığı kanıtı

Yöneticiler için

Neredeyse herkes işte yapay zeka kullanıyor ve yarısı politikayı görmemiş

EDUCAUSE 2026'da 1.960 yükseköğretim çalışanına anket uyguladı. %94'ü son altı ayda iş için yapay zeka kullanmış ve bunların %73'ü günlük ya da haftalık kullanmış. Bu kullanımı yönlendirmesi gereken politikayı yalnızca %54 biliyordu; yöneticilerin ise sadece %38'i. %56'sı kurumlarının sağlamadığı araçları kullanmış. Kurumların %92'si bir yapay zeka stratejisi olduğunu söyledi ve %13'ü getirisini ölçüyor.

Politikayı insanların zaten çalıştığı yerde yayımlayın ve bir sonraki stratejiyi yazmadan önce insanların gerçekte kullandığı araçları sayın. Personelin yaptıklarıyla liderlerin izin verdiğini sandıkları arasındaki açık bir eğitim sorunu değil, bir yönetişim sorunudur ve bir strateji belgesinde görünmez.

İlgili konular: Yapay zeka araçlarını benimsemek

Öğretmenler kazanılan zamanı kaybettikleri işle tartıyor

Dangol ve meslektaşları, 2023 sonundan beri üretken yapay zekayı teşvik eden büyük bir ABD bölgesinde 22 öğretmenle görüşme yaptı; çoğu bölge genelinde bir sınıf politikası olmadan çalışıyordu. Öğretmenler kâğıt işinden ve ders planlamasından kurtuldukları için memnundu. İşin, bir öğrenciyi tanımayı gerektiren kısımlarını kaybetmekten kaygı duyuyorlardı: yerine ulaşan yorumu yazmak ya da bir sınıfın sırada neye ihtiyacı olduğuna karar vermek. Makale bir direnişi değil, bir takası anlatıyor.

Rahatlama neyin yerine geçiyor ve nerede duruyor, adlandırın. Notlandırmayı ya da ders planlamasını otomatikleştiren bir bölge hangi işi ortadan kaldırdığını söylemeli ve öğretmenlerin takas etmeyeceğini söylediği işi korumalı. Bir araç daha zorunlu kılmak yerine mesleki yargıya yer bırakın.

İlgili konular: Yapay zeka araçlarını benimsemek

Göz alıcı olmayan sistemler kurumları en çok değiştiriyor

Pardos ve Borchers, kredi transferi, danışmanlık, müfredat sınıflandırması ve değerlendirme üretiminin resepsiyondaki sohbet botundan daha önemli olduğunu savunuyor. Ortak paydaları temsil. Dersleri, izlenceleri, transkriptleri ve öğrenme kayıtlarını gömmelere dönüştürdüğünüzde, eskiden denemesi çok pahalı olan kararları verebilirsiniz; örneğin başka bir ülkeden gelen bir transkripti ders ders değerlendirmek. Aynı adım hataları görmeyi zorlaştırıyor.

Satın almadan önce sistemin değiştirdiği kararı ve o kararı yanlış verdiğinde hesap verecek kişiyi adlandırın. Bir denetim izi ve itiraz yolu daha iyi bir modelden daha önemlidir, çünkü arka ofisteki bir hata öğrencilere kimsenin göremediği kurumsal altyapı üzerinden ulaşır.

İlgili konular: Eğitimde yapay zekanın işe yarayıp yaramadığını kontrol etmek

Ülkeler müfredata yapay zeka okuryazarlığı ekliyor ve onu ölçmüyor

iRAISE raporu, yapılandırılmış bir incelemeye ve Fransa, Kanada, Mısır ile Katar'dan gelen politika belgelerine dayanıyor. Hükümetler araçları ölçeklendirmek ile kısıtlamak arasında bölünmüş durumda ve rapor yapay zeka okuryazarlığını ayrı bir ders değil, dijital ve medya okuryazarlığının en yeni katmanı olarak ele alıyor. Çoğu ülke bir çerçevede medya okuryazarlığını adlandırıyor. Çok azı onu öğretmenlerin plan yaptığı müfredata koyuyor ve neredeyse hiçbiri öğrencilerin onu kazanıp kazanmadığını ölçmüyor.

Yapay zeka okuryazarlığını öğretmenlerin gerçekte kullandığı belgelere koyun ve öğrencilerin gelişip gelişmediğini gösterebilecek bir değerlendirmeyi finanse edin. Müfredat satırı ve ölçüsü olmayan ulusal bir çerçeve, işi tek tek okullara bırakır; açık zaten orada duruyor.

İlgili konular: Yapay zeka okuryazarlığını dahil etmek

Bu hafta ayrıca eklenenler

Günlük sayfası bu hafta eklenen her çalışmayı listeliyor.

Site notları

Site bu hafta kapsamını genişletti. Artık okullar ya da üniversiteler hakkında olmayan ama ikisini de ilgilendiren bazı yapay zeka araştırmalarını da taşıyor: Salvi ve meslektaşları bir sohbet modelinin bir kişinin neye inandığını nasıl kaydırabildiği üzerine, Folk ve Dunn sohbet botları ve yalnızlık üzerine, Sim ve meslektaşları ise yapay zeka özetlerinin belleği nasıl çarpıttığı üzerine. Bunlar, öğretim hakkında iddialar olarak değil, bilgi verdiği kavram sayfalarında atıf olarak giriyor.

Bu siteyi yürüten Hermes yapay zeka aracısı bu hafta yeni bir bellek sistemine geçti. Artık her oturuma sıfırdan başlamak yerine öğrendiklerini oturumlar arasında tutan Hindsight üzerinde çalışıyor.

Neredeyse her kavram sayfası ve SSS bu hafta, kendine gönderme yapan metni kaldırmak için yeniden yazıldı; "bu bilgi tabanında" ya da "bu sayfa savunuyor" gibi ifadeler. Hermes yapay zeka aracısı bu düzyazıyı, üst üste yığılmış niteleyiciler ve başlığı yineleyen cümleler gibi işaretleri ayıklayan humanizer becerisinden de geçirdi. Makale ve kavram sayfaları artık aynı bölümleri aynı sırada izleyen tek bir yapıya uyuyor ve bir sayfa bunu bozduğunda derleme kontrolü başarısız oluyor.

Eğitim görevlerine dayalı rehberlik ve ana sayfaların çoklu ortam özetleri gibi bazı yeni özellikler planlanıyor. Öneriler ve özellik istekleri GitHub sorun formu üzerinden memnuniyetle karşılanır.

Güncellemeyi takip edin

Her sayıyı bir akış okuyucuda bülten akışı üzerinden alın; aynı akışı Blogtrottr içine yapıştırarak yeni sayıların seçtiğiniz bir programda e-postayla gelmesini sağlayın ya da her sayının bir LinkedIn bülteni olarak yayımlandığı LinkedIn üzerinden takip edin.

AIEd Research Weekly Update, bir Hermes yapay zeka aracısının ürettiği Eğitimde Yapay Zeka Bilgi Tabanı'ndan gelir. Bu sayı aynı Hermes yapay zeka aracısı tarafından, site geliştiricisinin editöryel rehberliğiyle taslaklandı ve yukarıdaki her iddia geldiği sayfaya bağlantı veriyor.

Bilgi tabanı CC0 1.0 lisansı altında kamu malına adanmıştır. Hiçbir hak saklı değildir.

İçerikte bir sorun mu buldunuz? GitHub'da bildirin veya site geliştiricisi Doug Holton ile iletişime geçin.

Kaynak Geçmiş Düzenle Sohbet