База знань AIEdAIEd KB
На цій сторінці

Ця сторінка перекладена українською. Сторінки статей досі написані англійською. Читати цю сторінку англійською

Концепції

Відео в освіті

Створено 2026-10-13

Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.

Відео в освіті — використання відео як засобу навчання та навчання, і те, як генеративний ШІ його переформатовує: згенеровані ШІ та персоналізовані ним персоналізовані інструкційні відео, аватари та ведущі на основі ШІ, адаптивна генерація відео, аналітика навчання на основі відео та виявлення уваги/залученості, і підтримка ШІ для перегляду відео лекцій. База знань трактує відео і як усталений засіб онлайн-навчання, і як швидкоеволюціонуюче місце інновацій ШІ, що охоплює онлайн, змішане та очне навчання.

Питання для роздумів

  • Освітнє відео довго було ресурсом «один розмір для всіх» — тотожний зміст для кожного здобувача. Генеративний ШІ тепер робить відео для кожного здобувача здійсненним, і дослідження свідчить, що студенти дуже високо цінують таку персоналізацію. Що персоналізація додає понад релевантність — і чого вона може коштувати?
  • Студенти часто кажуть, що все щто цінують присутність і автентичність людського викладача у відео. Проте в порівнянні прямих уподобань персоналізоване відео ШІ може перевершити універсальні записані людиною лекції. Які компроміси насправді роблять здобувачі, і наскільки вони стійкі?
  • Аватари, клоновані з викладачів, можуть генерувати відео у масштабі — але вони також можуть викликати дискомфорт «зловісної долини» та етичні заперечення (вплив на довкілля, праця, академічна доброчесність). Коли відеоведучий на основі ШІ є прийнятним, а коли він переходить межу, яку не вирішує жодне технічне втручання?
  • Багато відеодосліджень спирається на уподобання студентів і самостійні звіти. Наскільки добре заявлені уподобання передбачають фактичні результати навчання — і коли відео, яке «приємне на дотик», може навчати гірше за те, яке не є таким?
  • Аналітика відео може виявляти точки уваги, залученості та відпадання. Які педагогічні та Приватність наслідки має таке щільне інструментування відеонавчання?

Вступ

Відео є наріжним каменем сучасної освіти — особливо онлайн- і змішаного навчання — яке цінується за гнучкість, масштабованість і послідовність. Проте звичайне інструкційне відео створюється як артефакт «один розмір для всіх», подаючи тотожний зміст кожному здобувачу незалежно від його інтересів, передумов або попередніх знань. Генеративний ШІ пересуває відео зі статичного засобу мовлення до динамічного, індивідуально підібраного, а також породжує нові запитання щодо присутності, Довіра, Приватність і вимірювання.

Як кластеруються дослідження бази знань

  • Згенеровані ШІ та персоналізовані інструкційні відео. Центральний напрям запитує, чи приймають студенти відео, створене ШІ, і як воно порівнюється зі змістом, записаним людиною. Опитування студентів в освіті з обчислювальної техніки досліджують сприйняття й уподобання щодо згенерованого ШІ інструкційного відео. У великому польовому розгортанні Tomlinson et al. (2026) виявили, що студенти віддавали перевагу згенерованим ШІ персоналізованим відео над неособистими записаними людиною лекціями — уподобання, у якому ефект персоналізації переважив цінність, надану людському ведучому. Дослідження подвійного контролю показує, як нагляд викладача («контроль») на двох етапах створення відео ШІ дає педагогічно більш обґрунтований результат, пов’язуючи це з проєктуванням людина в циклі.
  • Адаптивна та структурована генерація відео. CourseBlueprint пропонує структурований конвеєр, який генерує адаптивне педагогічне відео, обґрунтоване на корпусах курсів, показуючи, що ефективність відео ШІ визначає явна педагогічна структура — а не лише вільно володіння ШІ. Bespoke застосовує ту саму логіку в масштабі цілих лекцій: з 31 аспірантської лекції він згенерував 209 відео для аудиторій охорони здоров’я, фінансів, енергетики та універсальної аудиторії, і 25 відповідних за доменом експертів, оцінивши 92 з них, поставили 87% на середину або вище, сформульовану як «якість стандартної лекції MOOC» (в середньому 3.42 з 5), за приблизно \$0.22 вартості API на хвилину — при тому що повторюваними дефектами були голос, таймінг слайдів і розкладка.
  • Навчальний цикл перевершує кращий рендер. Ma et al. (2026) планують кожне відео як раскадровку цілей, активації передумов, розібраних прикладів і діагностичних проб, в парі з вікториною, що уникає прикладів із відео, та відпрацюванням для кожної неправильної відповіді; 96.9% із 32 викладачів визнали цикл ефективнішим за автономне відео.
  • Аналітика відеонавчання та уваги. Інструментування відео розкриває, як здобувачі залучаються. Оцінка залученості у відеонавчанні і SAVVY візуалізують увагу студентів під час навчання на основі відео, підтримуючи аналітику навчання, саморегуляцію та раннє попередження про відпадання. Роботи з сегментацією (наприклад, часова сегментація відео) адаптують відео до індивідуальних відмінностей.
  • Аватари та присутність. Аватари ШІ — віртуальні ведущі та педагогічні агенти — породжують запитання щодо ідентичності, соціальної присутності та довіри. Ідентичність аватара та епістемічна довіра досліджує, як очевидна ідентичність ведучого формує довіру здобувачів, тоді як аватари ШІ в навчанні поширюють цей патерн на професійну практику.
  • Коментарі-скаффолдинг усередині відео — і чого ШІ все ще не розуміє. Wang, Du and Jin (2026) генерують i-Comments, повідомлення Скаффолдинг, що відтворюються всередині кадру відео та синхронізуються зі змістом, обчислюючи ентропію на рівні кадру та вставляючи підтримку лише в інтервали з малою кількістю інформації. Порівняно з 120 коментарями від досвідчених викладачів, 1 000 коментарів ChatGPT були щільнішими, набагато менш різноманітними структурно (різноманіття POS 3-грам 5.5–6.2% проти 25.1–38.5%), тяжчими для читання за кожним індексом читабельності та менш узгодженими тематично (BERTScore емоційної підтримки 0.317 проти 0.574); 40 здобувачів оцінили людські коментарі суттєво вище за таймінг і корисність, хоча новіша модель звузила цей розрив. Аргумент є аргументом про проєктування в такій же мірі, як і про автоматизацію: підтримка, вбудована в медіум, уникає витрат на увагу й когнітивних витрат на паузу для запиту до окремого чатбота (якість зворотного зв’язку, емоційна підтримка).
  • Підтримка ШІ для перегляду відео лекцій. Поза генерацією ШІ допомагає здобувачам і викладачам працювати з наявним відео: двомовні супутники лекцій на основі LLM підтримують саморегульоване навчання з записаними лекціями, а конвеєри транскрипції перетворюють відео лекції на доступний текст.

Персоналізація проти людської присутності

Повторювана напруга полягає в тому, чи може цінність персоналізації переважити цінність видимого людського викладача. Tomlinson et al. (2026) представляють персоналізацію та соціальну присутність як частково взаємозамінні сигнали педагогічної турботи: людська подача підвищує афективний досвід і автентичність, тоді як персоналізація підвищує релевантність — і студенти готові міняти одне на інше. Їхні дані ранжування на великому курсі (88.4% віддавали перевагу тому чи іншому персоналізованому відео; лише 73.8% віддавали перевагу записаним людиною) свідчать, що персоналізація нині часто є впливовішим чинником, указуючи на доповнювальну модель, у якій людські викладачі постачають експертизу й соціальний зв’язок, а ШІ розширює їхнє охоплення індивідуально підібраними медіумами.

Проєктування, етика та вимірювання

Створення ефективного відео ШІ вимагає педагогічної структури та людського нагляду, і породжує окремі занепокоєння: ведущі ШІ можуть викликати дискомфорт або недовіру («зловісна долина»); генеративне відео ризикує фактичною неточністю, якої здобувачі можуть не помітити; масштабування персоналізації вимагає збирання або виведення атрибутів здобувача з відповідними занепокоєннями щодо Приватність, упереджень і Урядування ШІ; а частина здобувачів заперечує проти навчання, згенерованого ШІ, з принципових міркувань (вплив на довкілля, праця, автоматизація, академічна доброчесність). Вимірювання також перебуває в русі — багато доказів спирається на заявлені уподобання та сприйняту цінність, а не на об’єктивні результати навчання, тож дані про уподобання треба читати паралельно з (часто ще очікуваними) даними результатів.

Пов’язані поняття

Пов’язані статті

Метадані

РівеньHigher Ed, K 12
Цільова аудиторіяInstructors, Instructional Designers
Навчання та викладанняОнлайн-викладання та онлайн-навчання, Залученість здобувачів, Відео в освіті
Технології та методиАдаптивне навчання, Генеративний ШІ, Аналітика навчання, Великі мовні моделі (LLM), Мультимодальний ШІ, Персоналізоване навчання
SourceHistoryEditChat

Вставити цю сторінку

Скопіюйте наведений нижче код, щоб вставити цю сторінку в систему управління навчанням або на інший вебсайт. Вбудована версія показує лише вміст сторінки — вона приховує заголовок сайту, навігацію та колонтитул.