Trên trang này
Cập nhật nghiên cứu AIEd hằng tuần #3
Bản dịch máy tự động của trang tiếng Anh này, chưa được người bản ngữ xem xét.
Một bản tin hằng tuần từ Cơ sở tri thức về AI trong giáo dục, về ý nghĩa của nghiên cứu được công bố trong tuần qua đối với giảng viên, nhà phát triển, nhà nghiên cứu và cán bộ quản lý.
Kể từ số trước, 159 nghiên cứu mới, tám trang khái niệm mới, hai câu hỏi thường gặp mới và ba tài nguyên mới đã gia nhập cơ sở tri thức, nơi hiện chứa 2.085 tóm tắt bài viết, 230 trang khái niệm, 44 câu hỏi thường gặp và 40 tài nguyên. Hãy tìm kiếm hoặc dùng AI để trò chuyện với cơ sở tri thức.
Mục lục
- Điểm nổi bật chính và các câu hỏi
- FAQ mới
- Khái niệm mới
- Tài nguyên mới
- Dành cho giảng viên
- Dành cho nhà phát triển
- Dành cho nhà nghiên cứu
- Dành cho cán bộ quản lý
- Bổ sung thêm trong tuần này
- Ghi chú về trang
- Theo dõi bản tin
Điểm nổi bật chính và các câu hỏi
- Phản hồi của AI có thể thay thế phản hồi của giáo viên không? Phản hồi do AI tạo ra và phản hồi của giáo viên cải thiện bản sửa bài luận như nhau trong một thử nghiệm ngẫu nhiên với 312 sinh viên viết năm nhất. Phản hồi của giáo viên nâng động lực nhiều hơn vì sinh viên cảm thấy được kết nối với người đưa ra phản hồi. AI có thể đảm nhận một lượt sửa bài; giáo viên vẫn đảm nhận mối quan hệ.
- Một chatbot hỗ trợ có thể thay thế một người bạn cùng trang lứa không? Một chatbot hỗ trợ hoạt động ngang bằng với việc viết nhật ký trong việc giảm sự cô đơn trong một thử nghiệm ngẫu nhiên với 296 sinh viên năm nhất; một người bạn cùng trang lứa được chỉ định ngẫu nhiên đã làm giảm sự cô đơn. Chatbot thể hiện nhiều đồng cảm hơn trong khi sinh viên đáp lại ít hơn, nên hãy đo chính sự cô đơn.
- Một mô-đun đạo đức ngắn có thay đổi phán đoán về AI không? Một mô-đun đạo đức thông tin bốn tuần đã nâng điểm của sinh viên trên các tình huống phán đoán đạo đức liên quan đến AI trong một thử nghiệm phân ngẫu nhiên 16 lớp. Khoảng 60% mức tăng được giữ lại sau bốn tuần, và những người dùng AI nhiều nhất tiến bộ nhiều nhất. Việc dạy bằng tình huống cho thấy nhiều hứa hẹn.
- Nhiều hỗ trợ AI hơn có cải thiện công việc sáng tạo không? Bốn thực nghiệm ngẫu nhiên với 728 người lớn phát hiện rằng khi AI làm nhiều việc hơn, các giám khảo đánh giá các đề xuất đổi mới thu được thấp hơn, chủ yếu vì người tham gia làm ít công việc nhận thức hơn. Nhiều hỗ trợ hơn đi kèm với công việc yếu hơn.
- Một trò chơi do AI viết có thể dạy tốt hơn một bài giảng không? Một trò chơi nhập vai điều tra đã vượt qua bài giảng của chính giảng viên đó về kiến thức và lập luận pháp lý trong một thử nghiệm ngẫu nhiên với 84 sinh viên luật. Trò chơi được xây dựng bằng AI sinh tạo; phép so sánh là trò chơi so với bài giảng, nên kết quả ủng hộ học tập dựa trên trò chơi và để việc dùng chatbot chưa được kiểm nghiệm.
- Các báo cáo về kết quả học tập của sinh viên có thay đổi việc giảng dạy không? Những giáo viên mới với một hệ thống gia sư toán trực tuyến được nhắc ngẫu nhiên mở một báo cáo phân tích học tập về kết quả của sinh viên trong bài tập đầu tiên. Việc mở báo cáo không làm thay đổi tỷ lệ bắt đầu bài tập tiếp theo cũng như mức tiến bộ điểm kiểm tra của sinh viên, dù tỷ lệ hoàn thành bài tập tiếp theo tăng, chủ yếu ở các lớp nhỏ hơn.
- Đạt mức ngang người chấm có làm cho một công cụ chấm điểm AI trở nên an toàn không? Một cuộc kiểm tra sáu mô hình AI chấm điểm 300 câu trả lời ngắn phát hiện tất cả đều chấm cùng một bài cao hơn khi được cho biết sinh viên có thành tích cao, với mức chênh 0,28 đến 0,75 điểm trên thang mười điểm. Sự đồng thuận có thể che giấu một thiên lệch gắn với hồ sơ thành tích trước đó của sinh viên; hãy giữ kín hồ sơ đó.
- Vì sao ngôn ngữ do AI tạo ra lại khó hiểu đến vậy? Văn bản AI lạm dụng các kết hợp từ hiếm, động từ chuyển từ danh từ, chủ ngữ vô sinh, mệnh đề quan hệ rút gọn bổ ngữ, danh từ xếp chồng và các phụ thuộc dài vì việc huấn luyện sau cho toán, mã và lập luận thưởng cho câu trả lời nén chặt hơn là giải thích rõ ràng. Hàm ý cho giáo dục là các giải thích, phản hồi và tài liệu đọc do AI viết có thể khó xử lý hơn đối với sinh viên ngay cả khi điểm số khả năng đọc trông ổn, một vấn đề với giáo dục đọc hiểu mà các công thức bỏ sót. [Ghi chú biên tập: Xin nhắc lại, bản tin này và Cơ sở tri thức AIEd do AI tạo ra. Người phát triển trang web đã đưa ra hướng dẫn biên tập sâu rộng để cải thiện khả năng đọc và tính hữu ích; sau hướng dẫn đó, tác nhân AI đã áp dụng kỹ năng Humanizer và tuân theo một chỉ dẫn rõ ràng là viết khẳng định và tránh cấu trúc “không phải X, mà là Y”.]
FAQ mới
Hai câu trả lời mới đã gia nhập FAQ trong tuần này.
AI có thể giúp sinh viên đọc và hiểu văn bản như thế nào?
Câu trả lời về đọc hiểu coi nhãn cấp độ đọc là những phỏng đoán thô: đánh giá của một vài người đọc thật tốt hơn một công thức, và một AI được yêu cầu giả làm sinh viên không thể cho bạn biết một văn bản sẽ khó đến mức nào. Hãy dùng AI để tìm, đơn giản hóa và chú giải tài liệu đọc, rồi thử kết quả với sinh viên và giữ bản gốc bên cạnh.
Thiên lệch và sự bất công của AI thể hiện trong giáo dục như thế nào, và chúng ta có thể làm gì?
Câu trả lời về thiên lệch yêu cầu tỷ lệ lỗi cho những nhóm bạn dạy, vì một con số trung bình có thể che giấu một khoảng cách và lỗi có thể nằm ở khâu chấm điểm, gia sư, bảng điều khiển hoặc phát hiện. Hãy đưa báo cáo theo nhóm và một kênh khiếu nại vào quy trình mua sắm, và sửa chính đường ống.
Khái niệm mới
Tám trang khái niệm đã gia nhập cơ sở tri thức trong tuần này.
Giáo dục đọc hiểu
Giáo dục đọc hiểu giờ có một trang tách bốn thứ thường dùng chung một nhãn: giúp một người đọc, đánh giá việc đọc, thích ứng một văn bản và đo độ khó. Trang trích dẫn một nghiên cứu trong đó 193 sinh viên đánh giá 3.954 câu; 72,8% thấy dễ hoặc rất dễ ngay cả khi điểm Flesch nói khác, nên một nhãn cấp độ lớp học là chỉ dẫn yếu về cách một người đọc cụ thể sẽ trải nghiệm một văn bản.
Phản tư
Phản tư có một trang mới tách nó khỏi việc giám sát tại chỗ được gọi là siêu nhận thức. Câu hỏi thiết kế đầu tiên là liệu sinh viên có tự viết phần phản tư hay không. Trong một thực nghiệm với 302 người lớn, các lời nhắc phản tư làm tăng gấp đôi thời gian dành cho phản hồi và cắt giảm 40% việc luyện tập, khiến mức thành thạo thấp hơn, 65% so với 79%, nên thời điểm quan trọng ngang với chính lời nhắc.
Thiên lệch tự động hóa
Thiên lệch tự động hóa gọi tên thói quen của con người có thể biến một khuyến nghị AI đúng thành một quyết định sai: chấp nhận một câu trả lời mà bạn lẽ ra sẽ chất vấn nếu tự mình đi đến nó. Trang tập hợp những nơi điều đó xảy ra trong giáo dục, từ điểm bài luận và cảnh báo sớm đến giám sát thi, và cho thấy một bước xem xét chỉ tồn tại trên giấy sẽ không bắt được nó.
Giáo dục công dân và chính trị
Giáo dục công dân và chính trị lập bản đồ một khoảng trống trong bằng chứng và tổng hợp lĩnh vực này. Một phân tích 310 giáo án do AI tạo ra phát hiện 90% hoạt động chỉ yêu cầu ghi nhớ, hiểu hoặc áp dụng cơ bản; 94% có gần như không có nội dung đa văn hóa; và không nghiên cứu nào trong tập dữ liệu đo lường việc học công dân.
Thư viện
Thư viện coi thư viện là một địa điểm, một dịch vụ và một nhóm chuyên gia. Một tổng quan 29 nghiên cứu phát hiện việc áp dụng tập trung ở khâu tham khảo và biên mục, trong khi thí điểm Thư viện AI công cộng biến việc tiếp cận được chia sẻ và có nhân viên hỗ trợ thành lập luận về công bằng.
Ảnh đại diện AI và giảng viên tổng hợp
Ảnh đại diện AI lập bản đồ các vai trò mà một con người tổng hợp có thể đảm nhận, từ giảng viên được ghi hình và gia sư đến bệnh nhân mô phỏng và người chấm thi. Bằng chứng không đồng đều, và một khuôn mặt chân thực cho bạn biết rất ít về việc học; việc công bố và niềm tin quan trọng ngang với mô hình.
Phân tích cảm biến và ánh mắt
Phân tích cảm biến và ánh mắt bao quát theo dõi ánh mắt, tín hiệu não và tim, cùng tư thế qua camera như những cách suy ra sự chú ý và mức tham gia và tải nhận thức. Lĩnh vực này giỏi quan sát người học hơn là thay đổi việc giảng dạy, và trang coi quyền riêng tư, thiên lệch và khoảng cách giữa một tín hiệu cơ thể với một trạng thái tinh thần là những vấn đề trung tâm.
Năng lực thông tin và truyền thông
Năng lực thông tin và truyền thông coi hai lĩnh vực này là một bài toán giảng dạy: năng lực thông tin hỏi liệu một nguồn có đáng tin hay không, còn năng lực truyền thông hỏi ai đã tạo ra một thông điệp và vì sao. AI sinh tạo làm sụp đổ cả hai câu hỏi vì văn bản trôi chảy che giấu nguồn gốc của nó; trang này thấy ít bằng chứng về một chương trình giảng dạy kết hợp.
Tài nguyên mới
Ba tài nguyên đã gia nhập thư viện tài nguyên trong tuần này.
LearnHarness
LearnHarness là một ứng dụng máy tính để bàn miễn phí, mã nguồn mở, trong đó các tác nhân AI xác định những gì người học đã biết, lập bản đồ các ý tưởng cần thiết để đạt được một mục tiêu, dạy từng bước lập luận một và thích ứng việc luyện tập.
Learning Commons
Learning Commons công bố các khối xây dựng mở cho các sản phẩm chương trình giảng dạy: một bản đồ các chuẩn và chương trình, công cụ để chấm điểm văn bản được tạo ra và các quy trình AI sẵn dùng cho giáo viên.
Public AI Libraries
Public AI Libraries là một thí điểm đặt một trạm làm việc AI dùng chung trong các thư viện công cộng của Hoa Kỳ, với trò chuyện, tạo hình ảnh và video, một không gian làm việc lập trình, một hướng dẫn giáo dục và một tài khoản riêng tư cho mỗi người dùng.
Dành cho giảng viên
Phản hồi AI ngang bằng giáo viên về bản sửa bài trong khi động lực thấp hơn
AI và phản hồi của giáo viên cải thiện cùng những bài luận với mức độ tương đương trong một thử nghiệm ngẫu nhiên với 312 người viết. Phản hồi của giáo viên đóng góp nhiều hơn cho động lực vì sinh viên cảm thấy được kết nối với người đưa ra phản hồi.
Hãy giữ một giọng nói con người xung quanh phản hồi. Hãy ghép nhận xét được tạo ra với một phản hồi ngắn của giảng viên, hoặc dùng AI cho lượt đầu và để giáo viên đảm nhận cuộc trò chuyện về bài làm.
Xem thêm: Phản hồi AI ở quy mô lớn
Một trong năm bài luận được viết hoàn toàn bởi chatbot
Một nghiên cứu trên 77 sinh viên đại học đang viết đã ghi lại mọi lời nhắc, phản hồi và thao tác dán. Mười lăm người, tức một trong năm, đã nộp bài luận do chatbot viết, và phần lớn vẫn cảm thấy bài luận là của mình.
Hãy yêu cầu phần công việc trung gian: các lời nhắc, các bản sửa và một ghi chú ngắn về những gì đã thay đổi và vì sao. Hãy làm cho việc bàn giao trở nên hữu hình khi vẫn còn thời gian để dạy.
Xem thêm: Thiết kế lại đánh giá cho thời đại AI
Học sinh trung học sử dụng AI gần như phổ biến, và học sinh có thành tích thấp hơn dùng nhiều hơn
Một nghiên cứu kéo dài một năm trên 4.062 học sinh trung học Đức phát hiện việc sử dụng AI gần như phổ biến: 95% đã dùng, và những học sinh có thành tích thấp hơn dùng nhiều hơn để hoàn thành nhiệm vụ. Mô thức đó dự báo ít nỗ lực hơn về sau.
Điều này khiến việc định khung sử dụng AI và việc học tự điều chỉnh trở thành một phần của chương trình giảng dạy, được xem xét lại trong suốt năm. Hãy hỏi học sinh công cụ dùng để làm gì trong nhiệm vụ này, và cho những học sinh có thành tích thấp hơn một lộ trình có hỗ trợ bắt đầu bằng việc hiểu bài làm.
Xem thêm: Giảm sự phụ thuộc quá mức vào AI
Một chatbot hỗ trợ ngang bằng việc viết nhật ký trong khi một người bạn cùng trang lứa làm giảm sự cô đơn
Trong một thử nghiệm ngẫu nhiên kéo dài hai tuần với 296 sinh viên năm nhất, một chatbot hỗ trợ hoạt động ngang bằng với việc viết nhật ký trong việc giảm sự cô đơn, trong khi một người bạn cùng trang lứa được chỉ định ngẫu nhiên đã làm giảm nó. Chatbot thể hiện nhiều đồng cảm hơn trong khi sinh viên đáp lại ít hơn.
Một chatbot có thể đóng vai trò điểm tiếp xúc đầu tiên hữu ích trong khi một người bạn cùng trang lứa hoặc cố vấn vẫn sẵn có. Hãy xây dựng lộ trình con người đó vào bất kỳ dịch vụ hỗ trợ sinh viên nào bạn giới thiệu, và đo chính sự cô đơn.
Xem thêm: AI, lo lắng và sức khỏe tinh thần
Hãy coi mô phỏng AI như một buổi diễn tập có giám sát
Một tổng quan 14 nghiên cứu phát hiện sinh viên điều dưỡng đánh giá cao mô phỏng AI có thể lặp lại và ít áp lực, và báo cáo sự tự tin cao hơn, đặc biệt trong giao tiếp và lập luận lâm sàng. Tính chân thực, ngôn ngữ cơ thể và độ trễ phản hồi vẫn còn yếu.
Hãy giới thiệu cho sinh viên các giới hạn, yêu cầu họ kiểm tra nội dung được tạo ra và tổ chức thảo luận sau đó. Hãy giữ tương tác con người ở nơi giao tiếp phi ngôn ngữ hoặc sự đồng cảm bền bỉ là mục đích của bài tập.
Xem thêm: Giáo dục điều dưỡng
Mã đồ án tốt nghiệp tăng gấp ba trong khi chú thích giữ nguyên
Mười học kỳ của 260 đồ án tốt nghiệp trong giáo dục khoa học máy tính cho thấy số dòng mã trung vị tăng từ khoảng 3.400 dòng lên 10.000, trong khi chú thích vẫn ở mức gần 8%. Số commit tăng; từng commit riêng lẻ hầu như không thay đổi.
Hãy đánh giá các quyết định thiết kế, phần giải thích mã và khả năng của sinh viên trong việc thay đổi nó. Sản phẩm giờ có thể lớn nhanh hơn việc học mà nó được dùng để thể hiện.
Xem thêm: Thiết kế lại đánh giá cho thời đại AI
Dành cho nhà phát triển
Không có hình, một gia sư AI nên từ chối
Sáu mô hình AI có khả năng xử lý hình ảnh đã giải 376 bài toán trung học cơ sở mà hình vẽ mang thông tin then chốt. Khi có hình, mô hình tốt nhất giải được hơn một nửa; khi không có hình, chúng từ chối gần như mọi lần.
Hãy coi việc từ chối là tín hiệu thiếu ngữ cảnh. Một điểm số hay một bản cập nhật hồ sơ được tạo ra mà không có hình đang đo một nhiệm vụ khác.
Xem thêm: Giáo dục toán học
Một gia sư viết đặt câu hỏi và để việc viết cho sinh viên
MAIKE đặt câu hỏi và chẩn đoán lập luận trong khi để phần văn bản bài luận cho sinh viên. Trong 65 học sinh trung học, mức cải thiện ngang bằng một chatbot đối chứng, 40% so với 41%, và người dùng MAIKE dành nhiều lượt hơn cho ý tưởng; không ai bị giảm sút.
Hãy đo xem một ý tưởng được thảo luận trong cuộc trò chuyện có trở thành một bản sửa hay không. Một công cụ giáo dục viết chỉ cải thiện văn bản cuối cùng có thể bỏ qua chính phần lập luận mà bài tập tồn tại để xây dựng.
Xem thêm: Dạy viết với AI
Phóng to và làm nổi bật trang chiếu trong khi lời thuyết minh chạy
GuideSlide thuyết minh một bộ trang chiếu và dùng trực quan hóa để phóng to vào phần đang được nói đến. Trong một nghiên cứu với 24 người xem trên điện thoại, tải nhận thức giảm, mức hiểu tăng từ 5,5 lên 6,5 trên 9, và 21 trong 22 người thích công cụ này hơn.
Lợi thế sau một ngày không có ý nghĩa thống kê, nên nghiên cứu ủng hộ việc duy trì sự chú ý trong khi xem; việc học bền vững vẫn chưa được kiểm nghiệm. Hãy xây dựng tín hiệu dẫn hướng vào chính phần thuyết minh.
Xem thêm: Thiết kế AI vào việc học
Một công cụ phát hiện được tinh chỉnh có thể ẩn danh văn bản sinh viên mà không bị thiên lệch theo tên
Năm công cụ đã được thử trên 13.613 tệp văn bản của sinh viên. Một mô hình GPT-4o-mini được tinh chỉnh tìm được khoảng 96% chi tiết nhận dạng với chi phí khoảng một phần sáu giá mỗi token của Azure; các công cụ của Microsoft bỏ sót tên châu Phi và châu Á thường xuyên hơn.
Việc huấn luyện trên mười bản ghi vẫn hoạt động trên một tập mới, nên cách tiếp cận này có thể chuyển giao. Hãy dự trù cho lần kiểm tra thứ hai khi độ chính xác quan trọng, và báo cáo những nhóm mà công cụ của bạn bỏ sót.
Xem thêm: Chính sách AI của cơ sở
Phân tích video đạt mức đồng thuận ngang con người, với con người vẫn trong vòng lặp
GAIVA chép lời, gắn nhãn và diễn giải video lớp học cho phân tích học tập. Trên năm bản ghi, các nhãn của nó đồng thuận với người đánh giá khoảng chặt chẽ như hai người đánh giá với nhau, và nó phát hiện một kiểu tham gia mà lý thuyết ban đầu chưa gọi tên.
Hãy coi mô hình như một đối tác mã hóa với một lời nhắc có thể truy vết và một quyết định của con người ở mỗi giai đoạn. Mô hình cũng phát hiện những mô thức mà một người đánh giá có thể đã không tìm kiếm.
Xem thêm: Nghiên cứu giáo dục có AI hỗ trợ
Dành cho nhà nghiên cứu
Một hiệu ứng trung bình lớn vẫn có thể có nghĩa là không có lợi ích đáng tin cậy
Một tổng quan bốn nghiên cứu có đối chứng với 420 sinh viên ngành máy tính và kỹ thuật phát hiện mức cải thiện trung bình lớn, trong khi các nghiên cứu bất đồng mạnh mẽ và khoảng khả dĩ bao gồm cả khả năng không có lợi ích. Bằng chứng được đánh giá là rất không chắc chắn.
Hãy coi một mức trung bình lớn từ bốn nghiên cứu không tương đồng như một giả thuyết về khóa học của bạn. Hãy thí điểm học tập cá nhân hóa ở nơi nó sẽ được triển khai, và nói rõ bằng chứng không chắc chắn đến mức nào.
Xem thêm: Học tập cá nhân hóa có nghĩa là gì
Một công cụ chấm điểm AI biết hồ sơ người học sẽ chấm cùng một bài khác đi
Sáu mô hình AI đã chấm cùng 300 câu trả lời ngắn với một ghi chú đúng và một ghi chú bị hoán đổi về thành tích trước đó. Mọi mô hình đều chấm cùng một bài cao hơn dưới nhãn thành tích cao, với mức chênh 0,28 đến 0,75 điểm trên thang mười điểm.
Bối cảnh sinh viên đang hành xử như một thiên lệch ở đây. Hãy báo cáo hiệu ứng bối cảnh bên cạnh con số đồng thuận, và kiểm tra việc chấm điểm không có hồ sơ sinh viên trước khi gọi một mô hình là đáng tin cậy.
Xem thêm: Tính công bằng và độ tin cậy của việc chấm điểm bằng AI
Một gia sư trông có vẻ công bằng có thể che giấu khoảng cách kỹ năng 26%
Hai năm nhật ký từ 8.549 sinh viên sử dụng MATHia, một gia sư toán thích ứng, cho thấy những sinh viên vẫn đang học đọc đạt mức thành thạo 68,7% so với 77,6%, trong khi thước đo công bằng tổng thể trông gần như trung tính. Một kỹ năng đã che giấu khoảng cách 26% về mức thành thạo được dự báo.
Gia sư không có thành phần kỹ năng đọc, nên giáo dục đọc hiểu là một yếu tố bị thiếu trong một hệ thống toán. Hãy mô hình hóa kỹ năng đó, và báo cáo các khoảng cách ở cấp độ mà một giáo viên sẽ can thiệp.
Xem thêm: Thiên lệch và công bằng của AI trong giáo dục
Dương tính giả của công cụ phát hiện là một vấn đề quản trị
Một tổng quan 90 nghiên cứu phát hiện các công cụ phát hiện AI gắn cờ văn bản hợp pháp với những tỷ lệ không thể gộp lại, vì công cụ, ngưỡng, tập dữ liệu và ngôn ngữ khác nhau. Phần tóm tắt, tổng quan tài liệu, câu trả lời thi, văn bản dịch và văn bản đã biên tập liên tục bị gắn cờ.
Cách khắc phục mang tính thủ tục: sử dụng minh bạch, xem xét bởi con người, năng lực AI, một chính sách của cơ sở rõ ràng và một kênh khiếu nại. Điều đó thuộc về quản trị, với các thiết lập của công cụ phát hiện là một phần.
Xem thêm: Chúng ta có nên dùng công cụ phát hiện AI không?
Đạt mức ngang người chấm vẫn có thể bỏ sót bài làm
Hai mươi hai mô hình AI đã chấm điểm 100 mục mỗi nhiệm vụ trên câu trả lời ngắn, mã và bài luận. Phần lớn đạt mức ngang con người ở câu trả lời ngắn, bốn mô hình đạt hoặc vượt con người ở mã, và không mô hình nào đạt mức con người ở bài luận.
Một con số đồng thuận cao có thể cùng tồn tại với một công cụ chấm điểm AI chấm phần ghi chú và bỏ sót câu trả lời. Hãy thêm các câu trả lời đã bị thay đổi vào đánh giá và báo cáo nơi mô hình lệch khỏi bài làm.
Xem thêm: Tính công bằng và độ tin cậy của việc chấm điểm bằng AI
Dành cho cán bộ quản lý
Bằng chứng về công nghệ giáo dục cho người thần kinh đa dạng tập trung và do nhà nghiên cứu dẫn dắt
Một tổng quan 93 nghiên cứu phát hiện tự kỷ chiếm ưu thế trong bằng chứng về công nghệ giáo dục cho người học thần kinh đa dạng với 39,8%, vượt qua khuyết tật trí tuệ, ADHD và chứng khó đọc. Thực tế mở rộng (VR và AR) được nghiên cứu nhiều nhất; các kết quả xã hội và với bạn học nhận được ít sự chú ý hơn, và trẻ em có rất ít tiếng nói.
Hãy yêu cầu kết quả mà lớp học quan tâm và thông tin về những người học được đưa vào đánh giá. Một khẳng định chỉ được các nhà nghiên cứu xác thực có thể xa rời những người mà nó được dùng để phục vụ.
Xem thêm: AI cho người học khuyết tật và thần kinh đa dạng
Sinh viên muốn có một trợ lý của cơ sở cho việc phản hồi
Một chương trình đồng thiết kế kéo dài 13 tháng với 315 sinh viên và 20 nhân viên phát hiện 73% đánh giá cao phản hồi suốt ngày đêm gắn với việc học của họ. Thẻ ghi nhớ và câu hỏi trắc nghiệm nhận được nhiều bình luận tích cực hơn chat mở, và 16 trong 18 người thử nghiệm bản beta muốn có trợ lý này.
Nhóm 10% đến 15% phản đối vì lý do giá trị là rủi ro áp dụng. Hãy coi những quan ngại của họ là có cơ sở. Hãy giải thích cách xử lý dữ liệu sinh viên và những gì trợ lý không thể làm trước khi thí điểm, và cho sinh viên một cách để từ chối tham gia.
Xem thêm: Thiết kế AI vào việc học
Giám sát thi bắt được gian lận và đẩy chi phí sang những người ít lợi thế nhất
Một tổng quan 32 nghiên cứu phát hiện việc giám sát thi bằng AI bắt được hành vi mạo danh và gian lận, trong khi dương tính giả, lỗi ánh sáng và băng thông, lo lắng và tổn hại về quyền riêng tư giáng nặng nhất vào những người ít lợi thế nhất. Giám sát tự động chiếm 59% các nghiên cứu.
Các tác giả tổng quan khuyến nghị đánh giá thay thế và kết hợp giám sát của con người với tự động. Hãy giảm bớt kỳ thi trực tuyến có hệ số rủi ro cao trước khi thêm một công cụ phát hiện khác.
Xem thêm: Chính sách AI của cơ sở
Một báo cáo bảng điều khiển nâng tỷ lệ hoàn thành trong khi điểm kiểm tra giữ nguyên
Những giáo viên mới với một gia sư toán trực tuyến được nhắc ngẫu nhiên mở một báo cáo phân tích học tập về kết quả của sinh viên trong bài tập đầu tiên. Báo cáo không làm thay đổi tỷ lệ bắt đầu bài tập tiếp theo cũng như mức tiến bộ điểm kiểm tra của sinh viên, dù tỷ lệ hoàn thành tăng ở các lớp nhỏ hơn.
Hãy kiểm tra xem giáo viên có mở báo cáo, có hành động dựa trên nó và có thấy mức tiến bộ học tập hay không trước khi mua các công cụ phân tích; chỉ một mức tăng hoàn thành là chưa đủ.
Xem thêm: Kiểm tra xem AI trong giáo dục có hiệu quả hay không
Gần như không cơ sở nào nêu được ai sở hữu việc quản lý AI
Một khảo sát 387 sinh viên và nhân viên tại 13 quốc gia phát hiện chỉ 17% biết về một vai trò quản trị AI được chỉ định. Trong số còn lại, 71% cho rằng cần có một vai trò như vậy và 76% kỳ vọng nó sẽ cải thiện trải nghiệm của họ.
Người trả lời mô tả một vai trò có thẩm quyền; một ủy ban không có thẩm quyền để lại vai trò đó trống. Hãy trao cho người sở hữu thẩm quyền về đào tạo, bảo mật dữ liệu, xem xét đạo đức và chiến lược, và công bố ai đang giữ vai trò đó.
Xem thêm: Chính sách AI của cơ sở
Bổ sung thêm trong tuần này
- Assessment of teacher performance and learner behavior using artificial intelligence in higher education: an integrative review of literature
- Process visualization feedback in news translation: a controlled intervention study of human-AI interaction using multimodal process data
- A teamwork framework for preventing breaches of academic integrity and improving students' collaborative skills in the AI era
- Artificial intelligence in higher education and graduate employability: cognitive engagement, self-efficacy, and career adaptability in the AI era
- Uneven automation: comparing authorship anxiety and generative AI use among art and design undergraduate students
- University students’ overreliance on generative AI feedback in the learning process: the effects of perceived cognitive load, cognitive offloading, and metacognitive monitoring
- What Do They Think? Undergraduate Perceptions of Student-AI Use
- Ability of AI detection tools and humans to accurately identify different forms of AI-generated written content
- AI and I-Distributed authorships in the Swedish upper secondary writing classroom
- Beyond Response Scoring: An AI-aware Cognitive Supervision Framework for Automated Mathematical Short Answer Grading
- Data and AI Literacy in Geography Education: A Needs Assessment of Pre-Service Geography Teachers
- Declared, Not Detected: A Blockchain-Anchored, Agentic Framework for Academic Integrity in the Generative AI Era
- Developing Feedback Taxonomy for Math: A Synergy of Perspectives through Data Mining Methods
- Digital borders, algorithmic governance and civic digital literacy: examining the educational implications of AI-driven immigration management in post-apartheid South Africa
- Examining AI interaction profiles in generative AI supported fraction division problem posing
- I'm Sorry, Dave. I'm Afraid This Feedback is not Constructive: Human Perspectives Versus ChatGPT Evaluations of Feedback in an Era of Artificial Intelligence
- Making argumentative work visible in GenAI-mediated assessment: An exploratory LLM simulation and questionnaire study in university ideological and political education
- Owning what one did not make: psychological ownership, agency, and the authorship legitimation deficit in human-AI co-creation
- Preliminary evaluation of an AI-powered chatbot for academic integrity support in higher education
- Automating Self-Affirmation Essay Coding: Fine-Tuned BERT Performance Comparable to Human Coders and Comparison with GPT-4
- Mapping moral reasoning research among college students: a bibliometric analysis of traditional foundations and emerging digital ethics
- The longitudinal relationships among AI-assisted music classroom engagement, flow experience, and musical emotional intelligence: a parallel-process latent growth modeling study
- A Comparative Study of Knowledge Component Granularity in Intelligent Language Tutoring Systems
- Effects of generative AI assisted grammar instruction on Ethiopian EFL learners' self-efficacy, metalinguistic awareness, and writing performance
- Mapping the Integration of AI Literacy Into Information Literacy Instruction in Academic Libraries: A Systematic Review of Emerging Research
- AI in mathematics classrooms: A synergistic strategy for diversity and inclusivity
- Artificial intelligence in embodied learning: A systematic literature review
- Dear Gemini: Agency, Peer Review, and Critical AI Literacies in Student Writing Ecologies
- From design to classroom adoption: Teachers' perspectives on AI-powered writing analytics in resource-constrained contexts
- How does generative AI support inquiry-based learning? A systematic review
- Scaffolding Autonomy: AI-Augmented Self-Paced Learning Environments for Sustainable Learning Outcomes
- Sustained use of generative artificial intelligence (GenAI) in programming education: A systematic review of empirical evidence on adoption, learning outcomes, and continuance intention
- Active Learning with Generative AI in Introductory Physics: A Multi-Institutional Study of the P-A.I.R. Framework
- AI literacy and vocational students’ complex problem-solving skills: a moderated mediation model of systematic thinking, cognitive load, and perceived school ICT support
- AI literacy facets in creative higher education: associations with learning performance and academic well-being
- Artificial intelligence (AI) and information seeking: A comparative exploration of AI chatbots, search engines, and library resources as information sources among university students
- Artificial intelligence in professionally oriented physics education: patterns of use and perceived learning support among future engineers
- Breaking career boundaries in the AI era: how AI literacy relates to university students' perceived employability through future work self salience and boundaryless career mindset
- Designing Safe and Relevant Generative Chats for Math Learning in Intelligent Tutoring Systems
- From generation to judgment: the multidimensional structure of design thinking mindset and differences across learning stages in AIGC-supported fashion film design learning
- Generative AI dependency and perceived learning outcomes among university students: an indirect association involving effort regulation
- Generative artificial intelligence reshapes university students’ sustainable use of academic information resources: mixed evidence from behavioral logs and perceptual survey data
- Learning engagement and creative self-beliefs in generative AI-supported design education: self-reported prompt literacy and dimensions of AI dependence
- Scaffolding GenAI Use in Ethical Essay Writing: A Three-Year Experience Report in Introductory Computing
- Teachers’ basic psychological need satisfactions and their intentions to use generative artificial intelligence: the mediating role of engagement in professional development
- Using Machine Learning to Measure Self-Efficacy Belief Through Learners' Interaction Traces in Technology-Enhanced Learning
- What Am I Really Doing with My Own Brain?": College students on learning, ownership, and AI
- A Framework for Considering Exploration, Interpretation, and Confirmation During Data Analysis: Computationally Assisted Analysis of Teacher-Group Interactions
- A metacognitive approach to learning and performance in human-AI interaction
- Beyond access: How GenAI literacy relates to task performance, motivation, cognitive load and interaction patterns in AI-assisted learning environment
- Characterizing diverse student behaviors, interactions, and perceptions with GAI-augmented learning analytics tool
- ChatGPT and student engagement in L2 writing: a systematic review towards a ChatGPT-enabled smart learning environment framework
- ClickSight: An LLM Framework for Interpreting Student Clickstreams Through Learning Strategies
- CLST: Cold-Start Mitigation in Knowledge Tracing by Aligning a Generative Language Model as a Students' Knowledge Tracer
- Combining AI and corpus technology in language teaching: Professional development and knowledge co-construction using the CoI framework
- Comparing Zero-Shot Large Language Model Prompting with Human Coding of Theory Concepts in Student Essays
- Design and preliminary validation of an AI enhanced game based learning environment for computational thinking in upper secondary education
- Development and validation of the AI cognitive offloading scale for Chinese college students
- Evaluating Generative AI as a Supportive Analytic Partner in Qualitative Coding of Metacognitive Student Reflections
- Exploring AI peer in collaborative mathematics learning
- GenAI-based metacognitive prompting in collaborative inquiry: A comparison across diverse preconception groups
- Generative AI and student motivation: an SDT-guided systematic review of learning activities, motivational regulation, and measurement
- Intrinsic and Contextual Factors Impacting Student Ratings of Automatically Generated Questions: A Large-Scale Data Analysis
- Leveraging Large Language Models to Identify Conversation Threads for Collaborative Learning Analysis
- Motivational organization in AI-supported writing: A self-determination perspective
- Personalizing Second Language Learning: Integrating AI with Learner Preference, Proficiency, and Engagement
- Psychological pathways to responsible generative AI decision-making among teachers: governance clarity, perceived accountability, decision uncertainty, and AI literacy
- Rigor, commitment, and generative AI: a conceptual framework for student engagement in EAP writing
- Should there be a teacher in-the-loop? A study of generative AI-personalized tasks middle school
- To Align Long, Plan Short: Simulating Diverse Profile-Aligned Students by Realizing Short-Term Plans in Long-Horizon Learning Environments
- Using Bayesian Knowledge Tracing to Evaluate Perceptual Scaffolding and Desirable Difficulties in a Math Intervention
- Using LLMs to Identify Indicators of Persistence from Students' Dialogues with a Pedagogical Agent
- What a teacher cannot delegate: a pedagogy-first framework for integrating conversational AI agents across the simulation cycle
- Who Is Doing the Thinking? Characterising Human Agency in First-Year Students’ AI Interactions
- Artificial intelligence and immersive technologies for LGBTQ+ youth: a narrative review
- Who benefits from LLMs? Prompt engineering competence and equity in higher education
- Trusting AI too much? Psychological correlates of overtrust and the role of AI literacy
- AI for eGovernance: Leveraging Language Technologies For Digital Inclusion
- Perceived and demonstrated generative AI literacy in engineering problem solving: the role of verification behavior
- Rethinking the Structure of AI Literacy in Generative AI Educational Systems: Descriptive Patterns of Expert Convergence and Heterogeneity
- Human-AI Collaboration for Qualitative Analysis in Participatory Design: Refining the Writing Analytics Tool
- Why is AI-generated language so hard to understand?
- Generative AI configurations across creative phases: a 2 x 2 experiment on creative performance and immediate knowledge in art and design education
- Supporting creative agency: metacognitive control and trust in generative AI art education
- A model for enhancing the quality of geography education based on the integration of Artificial Intelligence and Geographic Information Systems
- From Policing Provenance to Designing for Evidence: Testing Four Propositions on Generative AI Against Research and Institutional Policy
- Higher education governance under AI and geopolitical disruption: a socio-technical framework for administrative artificial intelligence
- ChatGPT and employability in higher education: exploring creativity, critical thinking, and problem-solving
- From technology adoption to curricular coherence: technology-enhanced simulation as a bridge in health professions education
- A Survey of Graph-Based Knowledge Tracing from Structural and Propagation Perspectives: Models, Applications, and Future Directions
- Integrating Topic Modeling and LLM Prompt Engineering into a Human-driven Approach to Analyze Interview Transcripts
- Leveraging Interview-Informed LLMs to Model Survey Responses: Comparative Insights from AI‑Generated and Human Data
- Analyzing Educational Video Transcripts with LLMs: Accuracy, Named Entities, and Interpretability
- Data Plus Theory Equals Codebook: Leveraging LLMs for Human-AI Codebook Development
- Towards responsible and trustworthy educational data mining: Comparing symbolic, sub-symbolic, and neural-symbolic AI methods
- The Ghost Learner Paradox: A Systematic Review of Metacognitive Laziness in the Age of Generative AI
- Beyond ChatGPT: A Comparative Mapping of AI Research in STEM and Engineering Education and the Contemporary AI Tool Ecosystem
- Generative AI and Cognitive Processes in Education: A Narrative Review and Conceptual Framework
- Fifty years of topic development, thematic combination, and AI's evolving reach in Computers & Education
- From "usefulness" to "dependence": the dynamic evolution mechanism of generative AI use behaviors
- Generative AI in Education and the Erosion of Critical Democratic Citizenship
Trang nhật ký liệt kê mọi nghiên cứu được thêm trong tuần này, kể cả những nghiên cứu không được tóm tắt ở đây.
Ghi chú về trang
Bản tin và nguồn cấp RSS của nó giờ cũng có bằng tiếng Tây Ban Nha: hãy truy cập trang bản tin tiếng Tây Ban Nha hoặc đăng ký nguồn cấp RSS bản tin tiếng Tây Ban Nha. Để yêu cầu một bản địa hóa khác, hãy gửi một issue hoặc liên hệ với người phát triển trang web.
Trang web nhẹ hơn nhiều. Toàn bộ cây khái niệm và câu hỏi thường gặp không còn nằm trong mọi trang: thanh bên hiển thị mười nhóm chủ đề và chỉ tải danh sách đầy đủ khi độc giả mở một nhóm, còn thanh bên phải liệt kê tám trang gần đây, giảm từ ba mươi. Trên toàn bộ bản dựng, HTML giảm từ 1,80 GB xuống 1,26 GB, và phần đánh dấu của thanh bên giảm từ 604 MB xuống 87 MB.
Các bản dịch đã được làm mới trên cả 33 ngôn ngữ đã cấu hình, bao gồm các ấn bản tiếng Ả Rập, tiếng Do Thái và tiếng Urdu viết từ phải sang trái. Các tóm tắt bài viết vẫn chỉ có bằng tiếng Anh.
Các ấn bản ngoại tuyến đã chuyển đến một vị trí phát hành GitHub mới, nên các liên kết EPUB và PDF cũ không còn hoạt động. Mọi trang ngôn ngữ vẫn giữ địa chỉ thường lệ. Các tệp EPUB và PDF tồn tại cho 19 ngôn ngữ có liên kết bên dưới; 14 ngôn ngữ còn lại chỉ có trên trang web.
- English: EPUB và PDF
- Español (Spanish): EPUB và PDF
- Français (French): EPUB và PDF
- 中文 (Chinese): EPUB và PDF
- Deutsch (German): EPUB và PDF
- 日本語 (Japanese): EPUB và PDF
- 한국어 (Korean): EPUB và PDF
- Português (Portuguese): EPUB và PDF
- العربية (Arabic): EPUB và PDF
- עברית (Hebrew): EPUB và PDF
- हिन्दी (Hindi): EPUB và PDF
- Русский (Russian): EPUB và PDF
- Українська (Ukrainian): EPUB và PDF
- Italiano (Italian): EPUB và PDF
- বাংলা (Bengali): EPUB và PDF
- اردو (Urdu): EPUB và PDF
- Bahasa Indonesia (Indonesian): EPUB và PDF
- Tiếng Việt (Vietnamese): chỉ có trên trang web
- Nederlands (Dutch): chỉ có trên trang web
- Svenska (Swedish): chỉ có trên trang web
- Dansk (Danish): chỉ có trên trang web
- Suomi (Finnish): chỉ có trên trang web
- Norsk bokmål (Norwegian Bokmål): chỉ có trên trang web
- Română (Romanian): chỉ có trên trang web
- Magyar (Hungarian): chỉ có trên trang web
- Čeština (Czech): chỉ có trên trang web
- Български (Bulgarian): chỉ có trên trang web
- Slovenčina (Slovak): chỉ có trên trang web
- Hrvatski (Croatian): chỉ có trên trang web
- Ελληνικά (Greek): chỉ có trên trang web
- Polski (Polish): chỉ có trên trang web
- Kiswahili (Swahili): EPUB và PDF
- Türkçe (Turkish): EPUB và PDF
Mã nguồn được công khai tại github.com/edtechdev/aied.
Theo dõi bản tin
Nhận từng số qua nguồn cấp bản tin trong một trình đọc nguồn cấp, bằng cách dán chính nguồn cấp đó vào Blogtrottr để nhận các số mới qua email theo lịch bạn chọn, hoặc theo dõi trên LinkedIn, nơi mỗi số được xuất bản dưới dạng một bản tin LinkedIn.
Cập nhật nghiên cứu AIEd hằng tuần đến từ Cơ sở tri thức về AI trong giáo dục, do một tác nhân AI tạo ra. Số này được soạn bởi chính tác nhân AI đó, với hướng dẫn biên tập từ người phát triển trang web, và mọi khẳng định ở trên đều liên kết đến trang mà nó xuất phát.
Cơ sở tri thức được dành cho phạm vi công cộng theo giấy phép CC0 1.0. Không bảo lưu quyền lợi nào.
Phát hiện lỗi trong nội dung? Hãy báo cáo trên GitHub, hoặc liên hệ với người phát triển trang web, Doug Holton.