Розробники освітніх технологій

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Розробники освітніх технологій — люди та організації, що будують освітні технології: проєктувальники продуктів, розробники програмного забезпечення, інженери навчання, проєктувальники аналітики навчання та edtech-компанії, університетські лабораторії та проєкти Відкритий код, в яких вони працюють. В освіті зі ШІ це роль, що перетворює можливість моделі на щось, чим викладач чи здобувач може справді користуватися, і вона несе рішення, які жодна пізніша стадія не може скасувати: на яких доказах спочиває проєктувальне твердження, наскільки конвеєр analytics або система tutoring згрунтовані на власному ліцензованому матеріалі установи, чи включені викладачі та здобувачі в проєктування, які припущення instructional design закладені в налаштування за замовчуванням, і що стається з продуктом після того, як закінчується фінансування. У системних звітах і дослідженнях впровадження цієї бази знань повторюваним уроком є те, що обмежувальним чинником зазвичай буває контекст впровадження, а не модель.

Питання для роздумів

Якщо метааналізи, що стверджують, ніби «ШІ покращує навчання», спочивають на невалідній методології, як виявив аудит у Presumed Effective: The Manufacturing of an Evidence Base for AI-in-Education Through Flawed Meta-Analysis, то на яких доказах продуктовій дорожній карті насправді дозволено будувати?
Чи мають пояснення алгоритму бути написані мовою навчального плану викладача, навіть якщо це коштує більше проєктувальних зусиль, ніж викладення важливості ознак, — і хто платить за ці зусилля?
Коли інструмент співпроєктується зі студентами, чий вердикт вирішує: виміряні навчальні здобутки чи ті 96%, які сказали, що хочуть його зберегти?
Чи є розгортання на власній інфраструктурі з відкритою ліцензією технічним чи врядувальним вибором, — і чи мають вимоги прозорості стати умовою придбання?
Що розробник винен установі, коли закінчується грант: підтримуваний продукт, репозиторій, який можна форкнути, чи відверте твердження, що система ніколи не була перевіреною інтервенцією?

Вступ

Розробник сидить на один рівень нижче за платформу. Платформа EdTech описує розгорнуту систему та стейкхолдера, яким вона стає, коли опиняється в школі чи університеті; ця сторінка — про людей, які вирішують, що ця система робить. Це розрізнення має значення, оскільки результати на рівні платформи — низьке впровадження, перекіс щодо справедливості, тертя в закупівлях, — зазвичай є наслідками проєктувальних рішень, ухвалених раніше кимось, хто ніколи не зустрічав здобувачів.

Роль також відрізняється від своїх сусідів. Проєктування навчання та Конструювання навчальної програми проєктують курс для відомої когорти; розробник технологій проєктує продукт, яким користуватимуться багато курсів, викладаних людьми, яких він ніколи не зустрічав, — чому налаштування за замовчуванням, можливості конфігурації та документація несуть педагогічну вагу. Освітній розвиток підтримує викладацький склад установи зсередини; розробники сидять ззовні або поруч, постачаючи інструменти, які цей склад потім просять узяти. А Дизайн-орієнтоване дослідження, є стандартом доказовості, який від таких розробників дедалі частіше вимагають: ітеративним, контекстуальним і повідомленим із власними обмеженнями.

Хто будує освітній ШІ

Дослідницькі лабораторії, що будують публічну інфраструктуру. OATutor був побудований в UC Berkeley як перша повністю відкритокодна адаптивна система тьюторства на принципах ITS: кодова база з ліцензією MIT, бібліотека алгебри з ліцензією Creative Commons, оцінювання опанування на основі Bayesian Knowledge Tracing, інфраструктура A/B-тестування та підтримка LTI. Причина його існування — це проєктувальне рішення: пропрієтарні платформи ув’язнили дослідження Адаптивне навчання в закритих системах, — і його маршрут створення матеріалу є ще одним таким рішенням: 16 творців створили курс College Algebra за шість місяців після 2,27 години навчання.

Будівничі моделей. LearnLM: Improving Gemini for Learning перекадровує покращення моделі для навчання як pedagogical instruction following: поведінка встановлюється для кожного застосування через системні інструкції, а не через одне фіксоване визначення Педагогіки та стратегії викладання, і експертні рецензенти надавали йому перевагу на +31% над GPT-4o та +13% над базовим Gemini. Практичний зміст у тому, що педагогіка надто залежить від контексту, щоб визначатися глобально; корисною можливістю є дотримання інструкцій, які пише розробник, вимірюване сценаріями на рівні розмови, а не поодинокими benchmarks.

Архітектори моделей знань. Ontology-Based Layered Hybrid AI-Driven Knowledge Model for Personalized E-Learning стверджує, що Персоналізоване навчання потрібно більше, ніж статична онтологія, пропонуючи системи зіставлених онтологій плюс правил та аналітики замість класичної чотиримодельної архітектури ITS, а також рамку повторного використання з восьми класів метаданих, що має на меті скоротити вартість кожної нової побудови.

Інженери інфраструктури та вимірювання. Generalizing a Highly Configurable Analytics Pipeline to Replicate and Support Educational Research Across Multiple Domains описує модульний, не залежний від предметної області конвеєр для даних про взаємодію здобувачів, перевірений на трьох освітніх асистентах із ШІ, де методи, побудовані для однієї області, поширювалися на іншу, — багаторазова інфраструктура Аналітика навчання, а не панель для одного курсу. StanBKT: Rethinking Parameter Estimation in Bayesian Knowledge Tracing показує доповнювальний випадок: байєсовська реалізація дала тотожне прогнозування встановленому інструменту точкової оцінки (AUC 0,711), відрізняючись лише вартістю та достовірними інтервалами, що роблять порівняння умов інтерпретованим.

Будівничі всередині установ. From Surface Learning to Deep Understanding: A Grounded AI Tutoring System for Moodle вбудовує тьюторство на основі LLM в наявну LMS, а не постачає окремий інструмент, знижуючи поріг впровадження, який література ITS називає причиною того, що системи зазнають невдачі на практиці. SAVVY: Student Attention Visualization for Video-based Learning Analysis перетворює мультимодальні сигнали уваги на інтерфейс, який викладачі можуть прочитати перед випуском відео. Instructional Agents автоматизують перші три фази ADDIE агентами зі спеціалізованими ролями, і його абляція є уроком проєктування: базовий варіант з одним агентом набрав найгірший результат, Full Co-Pilot переміг Autonomous на 0,5–0,9 бала, і відсутність різниці в якості між бекендами зробила найдешевший типовим.

На чому може спочивати проєктувальне твердження

Докова база є слабшою, ніж здається. Presumed Effective: The Manufacturing of an Evidence Base for AI-in-Education Through Flawed Meta-Analysis 14 метааналізів, що стверджують, ніби ШІ покращує освіту, виявив, що жоден не обґрунтував свої твердження: усі, крім двох, визначали обробку як інструмент, а не як педагогічну інтервенцію, 61% із 59 перевірених первинних досліджень мали проблеми валідності, гетерогенність була високою всюди, де її повідомляли, аналізи модераторів були недостатньо потужними, а упередженість публікації ніколи не оцінювалася валідно. Відкликаний метааналіз усе ще цитувався як авторитетний 60% вибіркових пізніших статей. Для розробника «ШІ покращує навчання» є твердженням продуктової категорії, а не проєктувальним вхідним данним.

Повідомляйте невизначеність і повну вартість, а не лише точність. Для StanBKT байєсовський висновок не дає нічого в прогнозуванні і дає все в можливості сказати, які ефекти були достовірними. Towards sustainable AI knowledge-base assistants in computer science education: on-premise deployment and optimization with open educational resources повідомляє абляції пошуку, точне налаштування з усвідомленням квантування, VRAM, енергію на запит і галюцинації, виміряні проти відкритих ресурсів, отриманих пошуком, — з власною застерегою авторів, що система не є перевіреним тьютором. Це дисципліна evaluation, яка робить твердження про впровадження перевірюваним.

Співпроєктування з викладачами та здобувачами

Пояснення мають говорити мовою викладача. The Impact of Explainable AI on Teachers' Trust and Acceptance of AI EdTech Recommendations: The Power of Domain-specific Explanations провело внутрішньосуб’єктний експеримент із 41 викладачем хімії над інструментом рекомендацій на основі машинного навчання: зрозумілість, Довіра та прийняття корелювали позитивно, і пояснення, керовані предметною області, мовою навчального плану, давали значно вищу зрозумілість, навчену trust та прийняття, ніж пояснення важливості ознак. Довіра була також динамічною — кілька викладачів сказали, що лише досвід у аудиторії її вирішить, — а прийняття залежало від педагогічного узгодження та зниження навантаження.

Співпроєктування в інституційному масштабі. AIDA у Відкритому університеті була побудована через шість досліджень, заснованих на дизайні, упродовж 18 місяців із 498 студентами та 20 співробітниками. Близько 20% спочатку ставилися скептично; після практичного використання 96% хотіли її зберегти, а дослідницький РВД виявив удвічі більший час використання, але жодних суттєвих різниць у даних про навчальний процес. Уможливлюючими чинниками були організаційними — старше спонсорство, співпраця між підрозділами, ітерація на основі даних, — з прогалинами в потужності системного мислення.

Закупівлі, відкритість і життя після завершення фінансування

Towards sustainable AI knowledge-base assistants in computer science education: on-premise deployment and optimization with open educational resources дає вхідні дані, потрібні рішенню про закупівлю: нижню межу апаратного забезпечення 12 ГБ VRAM, стелю точності для моделі класу 7B, енергію на запит і порядок виборів — спочатку пошук (без нього модель набрала 52,3%, нижче за базову лінію TF-IDF), потім точне налаштування, потім стиснення з усвідомленням квантування; відкрите ліцензування є передумовою для обслуговування корпусу локально. Reclaiming Epistemic Agency: A Critical Framework for Human-Generative AI Co-Agency in Education кадрує те саме рішення як врядування: вимоги прозорості перетворюють придбання на епістемологічне врядування, оскаржуваність і походження стають умовами, а райони з найменшою потужністю стикаються з найвищою планкою. What Does the Credential Still Certify? Cognitive Stewardship for AI-Mediated Education додає, що врядування постачальників з’являлося лише в 29% із 30 перевірених пакетів політики, які визначали, що ШІ може робити, значно охочіше, ніж те, які докази навчання залишалися. Generative AI (GenAI) as a mindtool that supports generative learning (GL) ставить проєктувальне питання — чи заохочує продукт навчання з інструментом, чи перекладає когнітивну роботу на нього, — а What Makes Words Hard? Sakura at BEA 2026 Shared Task on Vocabulary Difficulty Prediction показує цей компроміс в мініатюрі: модель із найвищим балом «чорна скринька» (r > 0,91) була менш пояснюваною, ніж інтерпретована (r > 0,77).

Пов’язані поняття

Пов’язані статті

Пов’язані ресурси

Playlab
Некомерційна платформа для творців, де викладачі будують, діляться й оцінюють власні застосунки ШІ — спираючись на власний навчальний план, працюючи на вибраній ними моделі, із вбудованою видимістю для викладача.

Метадані

Цільова аудиторія	Instructional Designers, Software Developers, Learning Analytics Designers, Institutions, Educational Technology Developers
Технології та методи	Аналітика навчання, Платформа EdTech, Відкритий код
Методи досліджень та оцінка	Дизайн-орієнтоване дослідження
Основи ШІ в освіті	Освітній розвиток, Проєктування навчання
Вид сторінки	Evaluation

Source History Edit Chat