Dùng AI có thực sự giúp sinh viên của tôi học tốt hơn không?

Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.

Một sinh viên nói với bạn rằng gia sư AI là lý do cuối cùng họ hiểu được tài liệu, và bạn không có cách nào kiểm chứng lời đó. Hoặc một dự án thí điểm đến bàn bạn với một bản khảo sát mức độ hài lòng và một ảnh chụp màn hình điểm bài tập đang tăng, và ai đó muốn có quyết định về giấy phép trước cuối tháng. Hoặc bạn đang đứng trước lớp và tự hỏi liệu công cụ bạn vừa bảo họ mở đang giúp họ luyện tập hay giúp họ tránh luyện tập.

Câu trả lời ngắn: có, AI có thể giúp sinh viên học, và không thứ nào trong những thứ bạn dễ thấy nhất chứng minh được rằng nó đã giúp: bài tập tốt hơn, hoàn thành nhanh hơn, sinh viên vui vẻ, hay một sản phẩm có tên là gia sư. Điều tách những trường hợp việc học được cải thiện khỏi những trường hợp không là thiết kế của hoạt động và kết quả bạn chọn để đo.

Tóm tắt

1. Nêu tên năng lực trước, rồi mới quyết định bằng chứng nào sẽ cho thấy nó đã thay đổi.

2. Đo lại chính năng lực đó sau này, khi đã lấy công cụ đi, vì đó là thước đo duy nhất trả lời câu hỏi của bạn.

3. Đặt nỗ lực thử của chính sinh viên trước phần trợ giúp, và yêu cầu một phản hồi với phần trợ giúp sau đó.

4. Chấm điểm phần kiểm chứng: họ đã kiểm tra gì, từ chối gì, thay đổi gì.

5. Xem kết quả theo kiến thức tiền đề, vì con số trung bình che khuất những sinh viên mà thiết kế đang làm thất bại.

Quyết định bạn hiểu việc học là gì trước khi xem bất kỳ bằng chứng nào

“AI có giúp sinh viên học không” không phải một câu hỏi. Nó gộp ít nhất ba câu: công cụ có nâng hiệu suất trong lúc nó đang mở không, nó có xây năng lực còn tồn tại khi nó đóng lại không, và nó có thay đổi ai là người cuối cùng có năng lực đó không. Một báo cáo của nhà cung cấp, một khảo sát thí điểm và một thử nghiệm ngẫu nhiên đều có thể trung thực mà vẫn trả lời những câu khác nhau.

Hãy viết năng lực ra trước hoạt động. “Tạo ra một báo cáo trau chuốt” là một kết quả khác với “chọn bằng chứng phù hợp”, “giải thích một quan hệ nhân quả” hay “phát hiện một kết luận không có căn cứ”. Bài đánh giá phải làm hiện ra năng lực bạn định phát triển, đó là lập luận trong đo lường giáo dục và là điểm khởi đầu của đánh giá AI trong giáo dục.

Cơ sở tài liệu này chống đỡ hai khẳng định cùng lúc, và giữ được cả hai chính là kỷ luật mà trang này yêu cầu. Một tổng quan của Ngân hàng Thế giới, Can EdTech Close Learning Gaps?, gộp 14 nghiên cứu ngẫu nhiên trên mười nền kinh tế và ước lượng một hiệu ứng học tập trung bình dương là 0.125 độ lệch chuẩn cho công nghệ giáo dục thích ứng và có hỗ trợ AI. Tổng quan này cũng kết hợp các hệ thống thích ứng trước đó với các công cụ AI sinh tạo, không tìm thấy lợi thế nào được xác lập về thống kê cho những công cụ tạo sinh mới hơn, và thừa nhận sự không chắc chắn đáng kể trong phép so sánh đó. Kết quả chống đỡ tiềm năng của những can thiệp ấy, không phải khẳng định rằng bất kỳ chatbot nào cũng sẽ cải thiện việc học. Nói cách khác, một con số trung bình dương tương thích với rất nhiều biến thiên và với việc không có lợi thế nào được chứng minh cho đúng thứ bạn đang cân nhắc.

Những nghiên cứu hữu ích hơn là những nghiên cứu thay đổi chính thiết kế bên trong một thí nghiệm. Một nghiên cứu ngẫu nhiên đa điểm với 1,176 sinh viên năm thứ nhất so sánh phản hồi từ bạn học, phản hồi AI trực tiếp, tự đánh giá rồi đến phản hồi AI, và một trình tự hỗn hợp gồm tự đánh giá, phản hồi từ bạn học và phê bình của AI. Các điều kiện phản tư và hỗn hợp tạo ra khả năng chuyển giao trễ khi không có AI mạnh hơn phản hồi AI trực tiếp: sinh viên làm tốt hơn ở một nhiệm vụ lập luận khoa học mới, không chỉ ở bài luận họ đang sửa. Những điều kiện ấy cũng đòi hỏi nhiều việc đánh giá hơn và có lẽ nhiều thời gian hơn, nên nghiên cứu chống đỡ cho toàn bộ thiết kế phản hồi chứ không phải một thành phần trong đó.

Kiểm tra xem lợi ích có sống sót khi lấy công cụ đi không

Đây là phép kiểm tra nhiều thông tin nhất mà bạn có, và cũng là thứ dễ bị bỏ sót nhất trong một dự án thí điểm.

Lời cảnh báo rõ nhất trong cơ sở tài liệu là một thí nghiệm thực địa ngẫu nhiên với gần 1,000 học sinh trung học phổ thông, Generative AI without guardrails can harm learning. Một giao diện kiểu đa dụng làm điểm luyện tập có trợ giúp tăng 48% so với nhóm đối chứng, và chính những học sinh đó sau đó đạt điểm thấp hơn 17% trong các kỳ thi không có trợ giúp. Một gia sư được cấu hình với hướng dẫn và gợi ý do giáo viên thiết kế phần lớn tránh được mức phạt đó. Nó không tạo ra cải thiện có ý nghĩa thống kê về kết quả thi không trợ giúp so với nhóm đối chứng. Tránh tác hại và chứng minh việc học thêm là hai thành tựu khác nhau.

Ở quy mô quốc gia, cùng sự tách đôi ấy xuất hiện với độ trễ. The Generative AI Learning Penalty theo dõi 26,811 học sinh trung học Trung Quốc từ lớp 7 đến lớp 12 trong 30 tháng, dùng cách tiếp nhận so le theo từng đợt. Điểm bài tập về nhà tăng 18% và thời gian hoàn thành giảm 30%, từ 64 xuống 45 phút. Điểm thi hàng tháng kiểu đóng sách giảm 20% trong vòng sáu tháng, và điểm thi tuyển sinh có tính cạnh tranh cao giảm 18-24% so với mức nền, nhưng chỉ sau khoảng hai năm. Các tổn thất tập trung ở khoảng 81% người dùng có hành vi cho thấy họ đã thuê ngoài bài tập về nhà, trong khi những học sinh giữ thời gian làm bài tập tương đương người không dùng học hiệu quả gần như ngang. Hai điều rút ra cho khóa học của bạn: sự phân kỳ giữa kết quả bài tập và kết quả thi chính là khoảng cách giữa hiệu suất và việc học trong một nhóm quốc gia, và độ trễ hai năm nghĩa là một đánh giá kéo dài một học kỳ sẽ đánh giá thấp chi phí một cách có hệ thống.

Giáo dục máy tính cho thấy cùng cấu trúc. Tổng quan hệ thống 72 nghiên cứu thấy AI sinh tạo nâng một cách đáng tin cậy mức hoàn thành ngắn hạn và giảm thời gian làm nhiệm vụ trong 36 nghiên cứu, với không một nghiên cứu nào trong cơ sở ghi nhận tác động tiêu cực lên hiệu suất tức thời, và những lợi ích ấy “không chuyển giao sang hiệu suất độc lập” trong 21 nghiên cứu. Sinh viên được Codex hỗ trợ hoàn thành số nhiệm vụ gấp đôi trong lúc học và không làm tốt hơn nhóm đối chứng ở bài kiểm tra sau can thiệp khi không có AI.

Rồi có câu hỏi liệu sinh viên có dùng phần trợ giúp hay không. Một thí nghiệm trường học ngẫu nhiên kéo dài hai năm trên 18 trường trung học cơ sở, One Click Away, tìm thấy mức tăng thành tích toán học khiêm tốn, và học sinh hiếm khi tham gia vào những cuộc trò chuyện gia sư có nội dung thực chất. Các tác giả lưu ý rằng mức tăng ấy giống mức tăng được báo cáo cho việc luyện tập có cấu trúc mà không có AI, và thiết kế kết hợp luyện tập cá nhân hóa với gia sư AI, nên nó không cô lập được đóng góp của thành phần AI. Có một gia sư giỏi là một sự kiện khác với việc sinh viên dùng nó một cách hiệu quả.

Making AI Tutoring Productive bổ sung một bài học sắc hơn từ hơn 6,000 học sinh trung học cơ sở dùng NUMI. Hỗ trợ AI cải thiện việc phục hồi sau sai sót và làm chậm tiến độ qua các câu hỏi. Một quy tắc thành thạo “ba câu đúng liên tiếp” làm tăng mức thành công do nền tảng định nghĩa mà tự nó không cải thiện việc học sau một tuần. Tín hiệu mạnh nhất về việc học trễ xuất hiện khi AI được nhúng vào quy trình thành thạo, và những lợi ích ấy có ý nghĩa thống kê ở mức biên và tập trung vào một số tài liệu đã luyện cụ thể. Đó là bằng chứng gợi ý cho một cách tiếp cận có cấu trúc, không phải một công thức đã được chứng minh.

Xây hoạt động để chính sinh viên làm phần tư duy quan trọng

Thiết kế giảng dạy quan trọng hơn việc bạn chạy mô hình nào. Thiết kế đứng vững trước những kết quả này có bốn lượt: một lần thử, phần trợ giúp nhắm vào đúng chỗ khó, một việc sinh viên làm với phần trợ giúp, và một ứng dụng mới khi đã rút bỏ hỗ trợ.

1. Yêu cầu một lần thử, một dự đoán, một bản nháp, một lời giải thích hay một cách diễn giải ban đầu.

2. Đưa ra trợ giúp có mục tiêu: một gợi ý, một lời giải thích, một ví dụ đối chiếu, hay phản hồi tập trung vào đúng chỗ họ bị kẹt.

3. Yêu cầu một phản hồi với phần trợ giúp. Họ giải thích nó, sửa bài với nó, kiểm chứng nó, hay biện minh cho việc chấp nhận và từ chối nó.

4. Kiểm tra một bài toán tương đương hay một bối cảnh khác khi đã rút bỏ hỗ trợ.

Đó là một điểm khởi đầu về giảng dạy chứ không phải một trình tự đã được kiểm định, và lượng hỗ trợ cùng thời điểm hỗ trợ phù hợp phụ thuộc vào sinh viên và nhiệm vụ. Nó phản ánh điều các tổng quan giàn giáo và học tập chủ động nhấn mạnh: hỗ trợ giúp người học hiểu, luyện tập, đánh giá, và cuối cùng thực hiện được với ít hỗ trợ hơn.

Hãy áp dụng nguyên lý vào mục tiêu, không áp dụng máy móc vào từng tính năng. “Làm giàn giáo, đừng thay thế” là một quy tắc tốt có một cái bẫy bên trong. Một ví dụ giải mẫu hoàn chỉnh có thể là thứ sinh viên học được, và một chuỗi gợi ý vẫn có thể trở thành thứ họ bấm qua mà không nghĩ. Điều quan trọng là người học làm gì với phần trợ giúp, và đó là lý do giảm tải nhận thức và tìm kiếm trợ giúp nằm ở hai đầu đối lập của những gì cùng một công cụ có thể tạo ra.

Phản ví dụ đáng giữ trong tầm mắt, vì nó ngăn bạn biến nỗ lực thành một thứ thay thế cho việc học. Trong các thí nghiệm đã đăng ký trước được báo cáo trong Coach not crutch, những người trưởng thành luyện sửa thư xin việc với AI tạo ra bài viết không có AI tốt hơn sau đó so với những người luyện một mình, và họ bỏ ra ít nỗ lực hơn khi làm việc đó. Lợi ích vẫn còn ở lần theo dõi sau một ngày, và một thí nghiệm thứ hai thấy rằng việc xem một ví dụ đã được AI sửa mang lại lợi ích tương đương với việc luyện tập với công cụ. Đó là những nhiệm vụ viết ngắn, có giới hạn, không phải bằng chứng về cải thiện lâu dài trên mọi kiểu viết. Chúng cho thấy ít nỗ lực hơn không tự động là ít học hơn, và mục tiêu là giữ lại hoạt động học tập, không phải tối đa hóa độ khó.

Làm cho phần tư duy được giữ lại hiện ra trong thứ bạn chấm

Cách sinh viên dùng công cụ quan trọng hơn việc họ có công cụ hay không. Trong một nghiên cứu định tính trên 38 sinh viên đại học trong các bài đánh giá viết luận không giám sát, mức độ tham gia chạy từ thuê ngoài nhận thức đến tái phân bổ nhận thức, tức việc chuyển nỗ lực từ truy xuất bậc thấp sang đánh giá phản biện. Đa số sinh viên, 31 trong 38, có ý định dùng AI sinh tạo như một trợ lý học tập. Trên thực tế 76.32% dựa vào kiểu một lượt: hỏi, lấy đáp án, dừng; và 78.94% dùng công cụ trước hoặc sau khi viết bản nháp thay vì xuyên suốt nhiệm vụ. Chỉ 8 sinh viên làm việc như những đối tác nhận thức qua đối thoại lặp lại và kéo dài. Phổ ấy, từ thuê ngoài đến tái phân bổ, là điều tương tác giữa sinh viên và AI mô tả. Một người tham gia mô tả hiệu ứng là “tốc độ bạn quên nó cũng rất nhanh”.

Bài học sư phạm là cả sự cho phép toàn bộ lẫn sự cấm đoán toàn bộ đều để sinh viên phải đoán. Điều thay đổi hành vi, theo lời kể của nghiên cứu đó, là hướng dẫn gắn với nhiệm vụ cụ thể về việc phần tư duy nào sinh viên phải giữ lại và kiểu trợ giúp nào là phù hợp, tức hướng thiết kế được phát triển trong giảm gian lận bằng AI và giảm lạm dụng AI.

Vậy hãy biến phần tư duy được giữ lại thành một sản phẩm bạn chấm được. Trong toán học, yêu cầu lời giải đã thử trước khi xin trợ giúp, rồi để sinh viên dùng một prompt như “chỉ ra bước đầu tiên tôi nên xem lại, cho tôi một gợi ý hữu ích, và bảo tôi thử lại”, và yêu cầu một lời giải mới kèm giải thích thay vì chép lại đáp án của AI. Trong viết, để sinh viên tự đánh giá bản nháp theo rubric trước khi xin phê bình, rồi giải thích những gợi ý nào họ chấp nhận, sửa hay từ chối. Nếu mục tiêu là xây dựng lập luận, văn bản của AI không thể thay cho bằng chứng rằng sinh viên biết xây dựng một lập luận. Nếu mục tiêu là đánh giá các bản sửa khác nhau, việc so sánh những ví dụ hoàn chỉnh là phù hợp. Các trang giáo dục viết và năng lực đọc phản hồi chứa phần chi tiết.

Yêu cầu thiết kế của tổng quan là cùng một động tác ở cấp khóa học: việc kiểm chứng, nghĩa là đọc, thử, sửa, giải thích và phê bình đầu ra của AI, được làm thành một thành phần được chấm và quan sát được, thay vì một mong muốn để cho sinh viên tùy ý. Và không phải mọi kết quả chính đáng đều phải được thể hiện mà không có AI. Một khóa học có thể chủ động dạy cách làm việc hiệu quả với AI hỗ trợ, khi đó bạn đánh giá khả năng của sinh viên trong việc chọn, kiểm chứng, sửa và bảo vệ cách họ dùng công cụ, song song với những nền tảng độc lập mà ngành học yêu cầu. A Human Capability Test for Learning Outcomes in the AI Era đề xuất sự phân biệt ba nhánh ấy giữa năng lực độc lập, hiệu suất có AI tăng cường và trách nhiệm kiểm chứng. Đó là một khung khái niệm, không phải một công cụ đã được kiểm định.

Xem công cụ giúp ai và âm thầm bỏ rơi ai

Một mức cải thiện trung bình có thể che khuất những sinh viên không được gì hoặc gặp một rào cản mới. Tổng quan khoảng cách số tách quyền tiếp cận một công cụ khỏi kỹ năng cần để dùng nó và khỏi việc ai là người cuối cùng có được một kết quả hữu ích, và cả ba đều quan trọng với một khóa học.

Kiến thức tiền đề điều tiết mọi thứ trong tổng quan về giáo dục máy tính: sinh viên được chuẩn bị tốt chuyển phần trợ giúp thành kỹ năng bền vững, trong khi sinh viên được chuẩn bị kém có nguy cơ dùng nó như một cái nạng loại bỏ chính phần luyện tập họ cần. Nghiên cứu nhóm quốc gia cho thấy cùng sự tập trung ấy theo cách riêng của nó, với các tổn thất học tập nằm ở 81% nhóm có hành vi làm bài tập cho thấy đã thuê ngoài.

Với một đánh giá ở cấp lớp học, hãy tách kết quả theo kiến thức tiền đề, nhu cầu ngôn ngữ và yêu cầu về khả năng tiếp cận thay vì báo cáo điểm trung bình của khóa. Dạy sinh viên cách có được và đánh giá phản hồi hữu ích là một phần của năng lực AI, và nó không đến kèm theo giấy phép. Khi bạn đánh giá việc học độc lập, hãy bỏ phần trợ giúp cung cấp chính phần tư duy mục tiêu và giữ lại những điều chỉnh hỗ trợ tiếp cận nhiệm vụ, đó là sự phân biệt mà khả năng tiếp cận và công bằng trong giáo dục AI cùng dựa vào.

Cũng hãy xem xét phản hồi mà sinh viên thực sự nhận được. Một câu trả lời trôi chảy có thể chẩn đoán sai chỗ khó, củng cố một lỗi, hay đưa luôn đáp án trong khi cần một kiểu hỗ trợ khác. Hãy dùng tài liệu khớp với khóa học, giữ một đường dẫn tới trợ giúp từ con người, và không thu thập nhiều thông tin về sinh viên hơn mức hoạt động yêu cầu. Chất lượng phản hồi của AI, an toàn sư phạm và quyền riêng tư bao quát phần chi tiết.

Đừng tin bảng điều khiển, kể cả bảng của chính bạn

Các chỉ số của nền tảng là bằng chứng dễ mang vào một quyết định mua sắm nhất, và cũng dễ bị đọc quá mức nhất. Trong một đánh giá tám tác nhân giảng dạy AI trong giáo dục y khoa, thứ hạng theo điểm của chính nền tảng lệch khỏi một rubric chất lượng giảng dạy đã được chuyên gia kiểm định. Tác nhân được nền tảng xếp thứ ba lại xếp cuối về chất lượng theo rubric, vì điểm của nền tảng theo dõi hiệu suất của sinh viên trong lúc tương tác chứ không theo dõi hành vi giảng dạy của tác nhân. Một chỉ số có sẵn là một giả thuyết cần kiểm định.

Sự hoài nghi tương tự áp dụng cho bằng chứng bạn tự tạo ra. Một khảo sát hài lòng đo sự hài lòng, và cảm nhận về việc học là một thước đo tự báo cáo mà cơ sở tài liệu ghi nhận là trôi rất xa khỏi việc học được đo. Điểm bài tập đo chính bài tập. Không thứ nào cho bạn biết một sinh viên có thể làm gì sau ba tuần với công cụ đã đóng, và đánh giá các can thiệp AI trình bày những thiết kế so sánh đưa bạn đến gần hơn.

Giảng viên hiểu sai gì về điều này

“Điểm cao hơn ở bài tập nghĩa là họ học được nhiều hơn.” Hai thứ có thể đi ngược chiều nhau. Thí nghiệm về rào chắn làm điểm luyện tập có trợ giúp tăng 48% trong khi điểm thi không trợ giúp giảm 17%, và nhóm quốc gia thấy điểm bài tập về nhà tăng 18% trong khi điểm thi đóng sách giảm 20% trong vòng sáu tháng. Không mô thức nào trong hai sẽ hiện ra trong một sổ điểm chỉ ghi lần nộp cuối.

“Đó là một gia sư, nên nó an toàn.” Gia sư là một nhãn, và các kết quả đứng sau nhãn ấy thì lẫn lộn. Gia sư được giáo viên cấu hình tránh được mức phạt thi và không vượt nhóm đối chứng ở các kỳ thi không trợ giúp. Khanmigo tạo ra mức tăng khiêm tốn giống việc luyện tập có cấu trúc, với ít hoạt động gia sư thực chất diễn ra. AI của NUMI làm chậm tiến độ qua các câu hỏi. Một gia sư có thể giữ lại đáp án mà vẫn hấp thụ mất phần luyện tập.

“Nếu nó thấy dễ hơn, thì nó không dạy họ điều gì.” Sai theo cả hai hướng, và đó là lý do nỗ lực là một đại diện tồi. Coach not crutch thấy ít nỗ lực hơn mà bài viết không có AI tốt hơn sau một ngày, nên sự dễ dàng không phải dấu hiệu. Điều tách các trường hợp là liệu sinh viên có làm phần tư duy mà mục tiêu nêu tên hay không, và đó là câu hỏi về thiết kế chứ không phải một thiết lập độ khó.

“Một quy tắc chung, hay một prompt tốt hơn, sẽ sửa được cách họ dùng nó.” Nghiên cứu trên 38 sinh viên thấy phần lớn sinh viên ở chế độ hỏi một lượt rồi dừng, đúng trong những điều kiện mà họ đã được nói rằng AI là một trợ lý học tập. Điều làm thay đổi hành vi là hướng dẫn gắn với nhiệm vụ cụ thể và một yêu cầu kiểm chứng được chấm điểm. Một dòng chính sách và một prompt khéo léo đều là đầu vào cho điều đó, và không thứ nào thay thế được nó.

“Điểm của nền tảng, hay khảo sát hài lòng, cho tôi biết nó hiệu quả.” Đánh giá tám tác nhân thấy một thứ hạng của nền tảng bị đảo ngược dưới rubric của chuyên gia. Sự hài lòng và cảm nhận về việc học là những tự báo cáo. Cả hai đáng thu thập như thông tin về quá trình, và không thứ nào là thước đo việc học.

“Tiếp cận là vấn đề công bằng, và chúng ta đã giải quyết tiếp cận.” Tiếp cận là một trong ba đường, cùng với kỹ năng và việc ai có được kết quả hữu ích. Kiến thức tiền đề quyết định phần trợ giúp trở thành kỹ năng hay thành cái nạng, và các tổn thất trong nhóm quốc gia tập trung ở nhóm có hành vi gợi ý việc thay thế chứ không ở nhóm không có thiết bị.

Những gì sẽ quay lại với bạn

“Sinh viên của tôi nói nó giúp.” Nó có lẽ thực sự giúp với công việc trước mắt họ, và đó là phát hiện, không phải sự bác bỏ phát hiện ấy. Hỏi xem họ có thể làm gì với một nhiệm vụ tương tự khi công cụ đã đóng, và bạn có câu trả lời quan trọng.

“Các nghiên cứu mâu thuẫn nhau, vậy dựa vào cái nào?” Chúng hiếm khi mâu thuẫn một khi bạn xếp thẳng hàng kết quả mà mỗi nghiên cứu đo. Các kết quả tích cực thường đo hiệu suất có trợ giúp, sự hài lòng, hay một hoạt động được cấu trúc tốt với các phép kiểm tra trễ; các kết quả tiêu cực đo hiệu suất không trợ giúp sau đó. Tổng quan của Burneo nói rõ sự không chắc chắn: 0.125 độ lệch chuẩn trung bình trên 14 thử nghiệm, không có lợi thế nào được xác lập cho các công cụ tạo sinh mới hơn. Một cải thiện trước và sau không thể cho thấy AI gây ra mức tăng, vì sinh viên tiến bộ nhờ phần còn lại của việc giảng dạy, và phương pháp nghiên cứu hiệu quả trình bày những thiết kế so sánh đưa bạn đến gần hơn. Hãy hành động dựa trên các khẳng định về thiết kế, vì chúng lặp lại được, và giữ thái độ mở về độ lớn của hiệu ứng, vì nó không lặp lại được.

“Tôi có 200 sinh viên. Tôi không thể chạy đánh giá trễ.” Bạn cần một nhiệm vụ nền ngắn và một câu hỏi trễ, không cần một nghiên cứu. Dùng cùng loại nhiệm vụ sau ba tuần mà không có công cụ, giữ phiên bản đề thi năm trước làm so sánh thô, và lấy mẫu những bài làm có vẻ không nhất quán với các lần nộp trước. Thế là đủ để thấy một mức tăng 48% khi có trợ giúp cùng một mức giảm 17% khi không có trợ giúp, nếu điều đó đang diễn ra trong khóa học của bạn.

“Khanmigo có kết quả tích cực, nên gia sư có hiệu quả.” Nó có mức tăng toán học khiêm tốn trên 18 trường trung học cơ sở, trong một thiết kế gộp luyện tập cá nhân hóa với gia sư AI, trong khi học sinh hiếm khi có những cuộc trò chuyện gia sư thực chất. Hãy đọc nó như bằng chứng rằng một môi trường luyện tập được cấu trúc tốt có thể tạo ra mức tăng nhỏ, không phải bằng chứng rằng thành phần AI đã gây ra chúng.

“Tôi không thể cấm nó và cũng không thể giám sát nó.” Đúng ở cả hai điểm, và không điểm nào là bắt buộc. Câu hỏi về thiết kế là hoạt động của bạn làm cho điều gì trở nên dễ. Nếu việc kiểm chứng được chấm điểm, việc khai báo không tốn gì, và phép kiểm tra không trợ giúp có tồn tại, phần lớn sinh viên sẽ đi theo con đường bạn đã xây.

“Tôi không dạy AI. Đây không phải môn của tôi.” Sự can thiệp xảy ra bên trong môn học của bạn, ở bước mà AI thực hiện chính phần luyện tập mà khóa học của bạn tồn tại để cung cấp. Đó là lý do cách sửa là thay đổi bài tập chứ không phải thêm một chuyên đề mới.

Việc cần làm trong tuần này

1. Lấy một hoạt động bạn đã chạy và viết câu về năng lực: sau đó một sinh viên phải làm được gì, khi công cụ đã đóng.

2. Thêm một phép đo nền hai phút ở đầu và cùng loại câu hỏi đó sau ba tuần. Chấm cả hai khi không có AI trong phòng.

3. Đổi một prompt bạn đưa cho sinh viên từ “giải thích cái này” thành “cho tôi một gợi ý, rồi hỏi tôi một câu”, và yêu cầu một lần thử đã sửa trước khi họ đi tiếp.

4. Thêm một sản phẩm kiểm chứng được chấm điểm: một ghi chú ngắn về những gì họ đã kiểm tra, những gì họ từ chối và những gì họ thay đổi.

5. Tách kết quả theo kiến thức tiền đề cho những sinh viên bạn đã biết là đang gặp khó, và đọc phản hồi AI mà một mẫu trong số họ đã nhận.

Đi tiếp từ đây

Đánh giá các can thiệp AI bao quát các thước đo và thiết kế so sánh đứng sau những phép kiểm tra ở trên, và đánh giá AI trong giáo dục là hướng dẫn đánh giá thực hành. AI tác động đến sinh viên thế nào đi vào phía trải nghiệm của sinh viên, mười phát hiện hàng đầu cho giảng viên nén cùng nền bằng chứng ấy thành các quyết định cho giảng viên, và những hạn chế trong nghiên cứu AIEd là bản trình bày trung thực về những gì tài liệu này chưa thể cho bạn biết. Nếu câu hỏi của bạn đã trở thành câu hỏi về đánh giá, giảm gian lận bằng AI là trang tiếp theo.