Kaip dirbtinis intelektas remia švietimą?

Trumpas atsakymas: DI gali padėti švietimui, tvarkydamas pasikartojančias administracines užduotis, suteikdamas mokiniams papildomos praktikos pagal poreikį ir padėdamas pastebėti mokymosi spragas, kurių mokytojai kitaip nepastebėtų. Naudojamas kaip asistentas, o ne kaip pakaitalas, jis gali grąžinti mokytojams laiką, kad jie galėtų teikti žmogaus vadovaujamą pagalbą ir priimti protingus sprendimus.

Svarbiausios išvados:

Darbo krūvio mažinimas: naudokite dirbtinį intelektą įprastam planavimui ir pasiruošimui vertinti, kad sutaupytumėte mokytojo laiką.

Individualizuota praktika: Pateikite pratimus pagal poreikį, kurie prisitaiko, kai besimokančiajam sunku arba jis bėga pirmauti.

Įžvalgų stebėjimas: analizuokite darbo modelius, kad anksti nustatytumėte spragas, darant prielaidą, kad pagrindiniai duomenys yra patikimi.

Žmogiškuoju požiūriu pagrįstas naudojimas: mokytojams suteikti visą atsakomybę už mentorystę, gerovę ir subtilius sprendimus.

Realūs lūkesčiai: tikėkitės kelių įtemptų savaičių; nustatykite aiškias ribas, kur dirbtinis intelektas yra leidžiamas.

Straipsniai, kuriuos galbūt norėsite perskaityti po šio:

🔗 10 geriausių nemokamų dirbtinio intelekto įrankių švietimui šiandien
Naršykite mokiniams pritaikytas dirbtinio intelekto programas, skirtas mokymuisi, rašymui ir pasiruošimui pamokoms.

🔗 10 geriausių akademinių dirbtinio intelekto įrankių švietimo tyrimams
Į tyrimus orientuoti įrankiai straipsniams, citatoms, analizei ir išmanesniam skaitymui.

🔗 Geriausi dirbtinio intelekto įrankiai aukštajam mokslui ir universiteto miestelio veiklai
Įrankiai mokymui, mokymuisi, priėmimui, konsultavimui ir administravimo efektyvumui.

🔗 Dirbtinio intelekto įrankiai specialiojo ugdymo mokytojams ir prieinamumas
Padėkite įvairiems besimokantiesiems, naudodami dirbtinį intelektą individualizuotų ugdymo planų (IEP), skaitymo ir prieigos srityse.

---

Kaip dirbtinis intelektas remia švietimą: bendras vaizdas 🧩📚

Aukštu lygiu dirbtinis intelektas remia švietimą atlikdamas keturis svarbius darbus: (UNESCO, EBPO)

• Mokymosi suasmeninimas (skirtingas tempas, skirtingas kelias, tas pats tikslas)

• Teikti tiesioginį grįžtamąjį ryšį (praktika, pataisymai, užuominos, paaiškinimai)

• Mokytojų darbo krūvio mažinimas (planavimo pagalba, vertinimo pagalba, administravimo automatizavimas)

• Prieigos gerinimas (vertimas, garsinis skaitymas, subtitrai, pagalbinės priemonės)

Tai taip pat gali padėti mokykloms priimti geresnius sprendimus naudojant mokymosi analizę, bet prie to dar prieisime, nes... taip, ši tema greitai tampa aštri 🔥. (Jisc, OECD)

---

Kaip atrodo stipri „DI švietime“ versija ✅🤖

Ne visas „švietimui skirtas dirbtinis intelektas“ yra naudingas. Kai kurie jo elementai tėra blizgantis pagrindinio automatizavimo apvalkalas. Stipri dirbtinio intelekto palaikymo mokymosi srityje versija paprastai turi šias savybes: (UNESCO, NIST)

• Atitinka mokymosi tikslus.
  Jei įrankis negali paaiškinti, kokį įgūdį lavina, tai greičiausiai tik triukšmas 🎯

• Palaiko mokytoją, o ne jį pakeičia.
  Geriausi įrankiai suteikia galių, o ne perima valdžią. (Švietimo departamentas (JK))

• Teikia skaidrų grįžtamąjį ryšį.
  Mokiniai turėtų matyti, kodėl kažkas yra negerai, o ne tiesiog „neteisinga“ 😵💫

• Atsakingai elgiasi su šališkumu ir sąžiningumu.
  Dirbtinis intelektas gali atspindėti triukšmingus duomenis. Mokykloms reikia apsauginių turėklų. (NIST, ICO)

• Gerbia privatumą.
  Studentų duomenys yra jautrūs. Taškas 🛡️ (ICO, Europos Komisija)

• Veikia realiose klasėse.
  Jei namų darbams užduoti reikia 12 paspaudimų ir ritualinio šokio... tai dar ne pergalė.

Ir štai netikėta dalis – „geriausias“ įrankis ne visada yra pats įmantriausias. Kartais paprasčiausia dirbtinio intelekto funkcija (pvz., momentinė skaitymo pagalba) pakeičia viską mokiniui, kuris ilgą laiką tyliai vargo 😬. (EBPO)

---

Palyginimo lentelė: populiarios dirbtinio intelekto palaikymo parinktys švietime 🧾✨

Žemiau pateikiama praktinė dažniausiai mokyklų ir mokinių naudojamų dirbtinio intelekto įrankių kategorijų apžvalga. Tai ne „vienintelis sąrašas“, tai tiesiog dalykai, kurie pasirodo nuolat. (EBPO, UNESCO)

Įrankis / Kategorija	Geriausia (auditorijai)	Kaina	Kodėl tai veikia (trumpa apžvalga)
Adaptyvios mokymosi platformos	Mokiniai + mokytojai	Prenumeratos tipo	Sudėtingumas koreguojamas pagal rezultatus, mažiau spėlionių (EBPO)
Dirbtinio intelekto mokymo pokalbių robotai	Studentai	Nemokamai – mokama	Paaiškinimai, praktika, užuominos pagal poreikį... gali pasijusti kaip studijų draugas (Švietimo departamentas (JK))
Rašymo palaikymo asistentai	Studentai	Freemium	Padeda lavinti aiškumą, struktūrą, gramatiką (bet reikia taisyklių) (UNESCO)
Viktorinos ir praktikos generatoriai	Mokytojai + mokiniai	Freemium	Greitesnis medžiagos peržiūrėjimas, taupo planavimo laiką – kartais tai daroma per greitai (Švietimo departamentas (JK))
Automatiniai atsiliepimų įrankiai	Mokytojai	Licencija	Pagreitina grįžtamojo ryšio ciklus; studentai greičiau tobulėja (EEF)
Mokymosi analizės ataskaitų suvestinės	Mokyklos + mokytojai	Svetainės licencija	Pastebi tendencijas, pažymi rizikos grupės besimokančiuosius (būkite atsargūs su ženklinimu!) (Jisc)
Pritaikymas neįgaliesiems dirbtinis intelektas (kalba, subtitrai)	Visi besimokantieji	Dažnai įmontuotas	Turinį gali naudoti daugiau studentų ♿️ (EBPO)
Vertimas + kalbos palaikymas	Daugiakalbiai besimokantieji	Freemium	Mažina kalbos barjerus, didina pasitikėjimą savimi (UNESCO)
Plagiatas + originalumo tikrintuvai	Mokytojai	Mokama	Padeda akademiniam sąžiningumui, bet gali ir nepasiteisinti... taip (Turnitin, Stanfordo HAI)
Dirbtinio intelekto stebėjimas / stebėsena	Mokyklos	Mokama	„Saugumo“ aspektas, bet gali kelti sąžiningumo ir streso problemų (ICO, NIST)

Pastebėjote, kad stalas šiek tiek nelygus? Taip yra todėl, kad klasės yra nelygios. Kai kurie įrankiai vienoje klasėje yra nuostabūs, o kitoje – katastrofiški. Kontekstas yra viskas 🙃.

---

Individualizuotas mokymasis: dirbtinis intelektas kaip „tempo reguliuotojas“ 🏃♂️📘

Vienas geriausių atsakymų į klausimą, kaip dirbtinis intelektas remia švietimą, yra toks: jis padeda mokiniams mokytis savo tempu, nesukeldamas jiems jausmo, kad jie yra atskirti. (EBPO)

Kaip gali atrodyti suasmeninimas

• Mokinys gauna papildomos praktikos su trupmenomis, nes jose dreba 🧮

• Kitas mokinys sparčiai tobulina skaitymo supratimą nelaukdamas

• Sistema pakeičia klausimų tipus, kai aptinka painiavą (daugiau vaizdinės medžiagos, paprastesni veiksmai)

• Pamokos pritaikomos atsižvelgiant į klaidas, o ne tik į galutinius balus

Kodėl tai svarbu

Mokytojai jau taiko diferenciaciją, bet tai daryti su 25–35 mokiniais kiekvieną dieną yra... daug. Dirbtinis intelektas gali padėti: (EBPO)

• Siūlomi tiksliniai praktikos rinkiniai

• Rekomenduojamos apžvalgos temos

• Alternatyvių paaiškinimų siūlymas (tekstas, pavyzdžiai, nuoseklios instrukcijos)

Ir taip, kartais dirbtinio intelekto suasmeninimas yra tarsi kiekvienam duoti individualų sumuštinį 🥪. Išskyrus tai, kad kartais sumuštinis uždedamas su marinuotais agurkais, kai jų neprašote. Štai čia mokytojo priežiūra išlieka esminė. (Švietimo departamentas (JK))

---

Dirbtinio intelekto mokymai: momentinė pagalba be nepatogaus rankos kėlimo 🙋♀️🤖

Dirbtinio intelekto korepetitoriai gali padėti švietime teikdami neatidėliotiną ir neįpareigojančią pagalbą. Kai kurie mokiniai neužduoda klausimų klasėje net tada, kai pasimeta. Jie nenori atrodyti „kvailai“ (jų žodžiai, ne mano). Dirbtinio intelekto korepetitorius suteikia jiems privatų būdą išanalizuoti painiavą. (UNESCO)

Kuo geras dirbtinio intelekto mokymas

• Sąvokų aiškinimas įvairiais būdais 🔁

• Užuominų, o ne atsakymų pateikimas (kai tinkamai suprojektuota)

• Siūlomos papildomos praktikos užduotys

• Padėti mokiniams ruoštis kontroliniams testams atliekant tikslinį kartojimą

Kas jam nelabai sekasi

• Emocinio konteksto supratimas.
  Jei mokinys yra pervargęs, pavargęs, susiduria su gyvenimo sunkumais... Dirbtinis intelektas to „nesupranta“.

• Teisingumo užtikrinimas
  Dirbtinis intelektas gali būti ir pasitikintis savimi, ir klysti – tai siaubingas derinys 😬 (Švietimo departamentas (JK), NIST)

• Pakeičiant realų mokymą.
  Korepetitorius yra pagalba, o ne mokymo programa. (UNESCO)

Praktiškas požiūris – dirbtinio intelekto mokymą vertinti kaip skaičiuotuvą matematikos pamokoje: patogus, galingas, bet vis tiek reikia mokyti mąstymo, kuris juo grindžiamas 🧠.

---

Mokytojų pagalba: planavimas, diferencijavimas ir administracinė pagalba 🧑🏫✨

Būkime atviri – mokytojams nereikia daugiau „inovacijų“. Jiems reikia laiko. Dirbtinis intelektas gali padėti pedagogams, sumažindamas pasikartojančio darbo aštrumą. (Švietimo departamentas (JK), Švietimo departamentas (JK))

Kaip dirbtinis intelektas padeda mokytojams (realiai)

• Pamokų planų, suderintų su mokymosi tikslais, rengimas 📝

• Diferencijuotų užduočių lapų (pagrindinių, standartinių, sudėtingesnių) generavimas

• Rubrikų ir sėkmės kriterijų kūrimas

• Apibendrinant klasės veiklos tendencijas

• Diskusijų temų siūlymas skaitymams

• Padėti parašyti aiškesnį tėvų bendravimą (mažiau streso, mažiau rašybos klaidų)

Ir štai ta dalis, kurios žmonės nepakankamai garsiai sako: kai mokytojai sutaupo laiko, laimi ir mokiniai. Nes sutaupytas laikas paprastai virsta geresniu grįžtamuoju ryšiu, daugiau patikrinimų, glaudesniu žmogišku bendravimu. Svarbiausiais dalykais 💛. (EEF)

Tačiau mažas įspėjimas… jei mokykla naudoja dirbtinį intelektą, kad „padarytų daugiau su mažiau“, didindama darbo krūvio lūkesčius, tai nėra palaikymas, tai tik vadovybės kostiumas. Ne įrankio kaltė, bet vis tiek.

---

Vertinimas ir atsiliepimai: greitesni ciklai, geresnis mokymasis 🔄✅

Grįžtamasis ryšys yra vienas didžiausių tobulėjimo veiksnių. Kuo greičiau mokiniai gauna prasmingą grįžtamąjį ryšį, tuo greičiau jie gali prisitaikyti. (EEF, Hattie ir Timperley (2007), Black ir Wiliam (1998))

Dirbtinis intelektas gali padėti vertinti:

• Automatinis objektyvių klausimų vertinimas (matematika, pasirenkamųjų atsakymų klausimai, greiti patikrinimai)

• Klaidų dėsningumų nustatymas (neteisingas skaitymas, procedūrinės klaidos, sąvokų spragos)

• Teikti momentinį formuojamąjį grįžtamąjį ryšį praktikos užsiėmimų metu

• Padėti mokytojams greičiau pateikti struktūrizuotus komentarus

Optimaliausias taškas: formuojantis, o ne galutinis

DI geriausiai tinka:

• Praktiniai testai

• Mažos rizikos čekiai

• Juodraščio atsiliepimas

• Įgūdžių lavinimo pratimai

Vertinant darbus, kuriems labai svarbu, dirbtinis intelektas reikalauja kruopščios priežiūros. Ne todėl, kad jis „blogas“, o todėl, kad sunku suvokti niuansus. Du mokiniai gali parašyti labai skirtingus atsakymus, kurie abu yra teisingi, ir dirbtinis intelektas gali neįvertinti tokio kūrybiško korektiškumo 🎭. (Švietimo departamentas (JK), NIST)

---

Akademinis sąžiningumas: plagiatas, originalumas ir keblus viduriukas 🔍📄

Dirbtinis intelektas keičia tai, kaip mokiniai rašo ir atlieka tyrimus. Tai ne moralinė krizė – tai klasės realybė. (UNESCO)

Dirbtinis intelektas čia remia švietimą dviem kryptimis:

1) Originalumo įrankių palaikymas

• Plagiato detektoriai gali pažymėti nukopijuotas ištraukas

• Originalumo ataskaitos gali paskatinti citavimo įpročius

• Šablonų patikrinimai gali atskleisti įtartiną panašumą

2) Geresnis „DI raštingumo“ mokymas

Užuot apsimetus, kad mokiniai nenaudos dirbtinio intelekto, mokyklos gali mokyti:

• Kaip generuoti idėjas naudojant dirbtinį intelektą nekopijuojant

• Kaip patikrinti teiginius

• Kaip perrašyti savo balsu

• Kaip kreiptis pagalbos, kai jos reikia

Nes tikslas nėra „niekada nenaudoti įrankių“. Tikslas yra „parodyti savo mąstymą“. Tai yra tikrasis akademinis lankstumas 💪📚.

(Taip pat: originalumo / aptikimo įrankiai gali būti netobuli – įskaitant klaidingai teigiamus rezultatus ir nevienodą mokinių grupių rezultatus, – todėl politika ir žmogaus sprendimas vis tiek svarbūs.) („Turnitin“, Stanfordo HAI)

---

Prieinamumas ir įtrauktis: dirbtinis intelektas kaip rampa, o ne trumpesnis kelias ♿️💬

Tai viena iš išties prasmingiausių sričių. Dirbtinis intelektas gali padėti besimokantiesiems, susiduriantiems su kliūtimis, kurios nesusijusios su intelektu, o su prieiga. (EBPO, UNESCO)

Prieinamumo privalumai apima:

• Teksto įgarsinimo skaitymo palaikymas 🔊

• Kalbos į tekstą funkcija mokiniams, kuriems sunku rašyti ✍️

• Vaizdo įrašų turinio subtitrai

• Vertimo įrankiai daugiakalbėms šeimoms ir besimokantiesiems 🌍

• Supaprastinti teksto režimai supratimo palaikymui

• Iš teksto sugeneruotos vaizdinės priemonės (jei yra)

Mokinys, kuris pagaliau supranta darbalapį, nes jis skaitomas garsiai... tai ne „sukčiavimas“. Tai barjero panaikinimas. Kaip akiniai tavo smegenims. Ne tobula metafora, bet supranti 🤓.

---

Mokymosi analizė: sunku pastebėti anksti (bet nesijaudinkite) 📈🕵️♀️

Analitika gali padėti mokykloms pastebėti modelius: (Jisc, OECD)

• Kas atsilieka

• Kurios sąvokos painioja visą klasę?

• Kur lankomumas, elgesys ir našumas koreliuoja

Tinkamai naudojamas, tai palaiko ankstyvą intervenciją:

• tikslinis korepetavimas

• pakoreguotas nurodymas

• palaikymo paslaugos

• geresnis išteklių paskirstymas

Netinkamai panaudotas, jis virsta ženklinimu:

• „Šis mokinys yra silpnai gabus“

• „Šis vaikas yra rizika“

• „Jie tikriausiai vis tiek žlugs“

Dirbtinio intelekto prognozes reikėtų traktuoti kaip dūmų detektorių, o ne kaip teisėją. Dūmų detektorius sako „patikrinkite tai“. Jis nieko nenuteisia už padegimą 😵💫🔥. (Jisc, NIST)

---

Rizika ir apsauginiai turėklai: privatumas, šališkumas ir „per didelio pasitikėjimo“ spąstai 🛡️⚠️

Jei esame realistai (o turėtume būti), dirbtinio intelekto palaikymas švietime yra rizikingas: (UNESCO, NIST)

Pagrindinės rizikos

• Privatumo problemos , jei netinkamai tvarkomi studentų duomenys (ICO, Europos Komisija)

• Šališkumas, jei modeliai atspindi nesąžiningus modelius (NIST, ICO)

• Per didelis pasitikėjimas savimi , kai mokiniai nustoja mąstyti savarankiškai

• netikslūs atsakymai (Švietimo departamentas (JK), NIST)

• Lygybės spragos , jei tik dalis studentų gauna prieigą (UNESCO)

Apsauginiai turėklai, kurie iš tikrųjų padeda

• Aiškios taisyklės: kada galima naudoti dirbtinį intelektą, o kada ne ✅ (Švietimo departamentas (JK))

• Mokymo tikrinimas: „patikrinkite du kartus“ kultūra (Švietimo departamentas (JK))

• Žmonių atliekama svarbių sprendimų peržiūra (NIST)

• Duomenų kiekio mažinimas: rinkite mažiau, apsaugokite daugiau 🔒 (ICO)

• Skaidrumas tėvų ir mokinių atžvilgiu (Jisc, ICO)

Praktiškai geriausia apsauga yra ne tik techninė – ji yra ir edukacinė. Išmokykite mokinius, ką dirbtinis intelektas daro gerai, ką blogai ir kaip išlaikyti kontrolę. Paprasta, o ne baisu. (UNESCO)

---

Būdai, kaip naudoti dirbtinį intelektą be dramos, paruošti pamokoms 😌📌

Jei ieškote praktiškų, nedramatiškų būdų, kaip įdiegti dirbtinį intelektą, pateikiame keletą, kurie paprastai veikia: (Švietimo departamentas (JK))

Mokytojams

• Naudokite dirbtinį intelektą pamokų variantų projektams parengti (tada redaguokite pasitelkdami savo patirtį)

• Sukurti išėjimo bilietų klausimus

• Sukurkite skaitymo supratimo užduotis

• Paverskite temą trumpu testu kartojimui 📝

Studentams

• Paprašykite nuoseklių paaiškinimų (ne tik atsakymų)

• Sukurkite praktikos klausimus temai

• Apibendrinkite užrašus, tada palyginkite su savo santrauka

• Naudokite kalbos įvedimo į tekstą funkciją, kad idėjos būtų greičiau pateikiamos 🎙️

Mokykloms

• Pirmiausia pradėkite nuo prieinamumo įrankių (EBPO)

• Teikite mokymus, ne tik prisijungimus

• Sukurkite bendrą politiką, kad darbuotojai nespėliotų (Švietimo departamentas (JK))

• Privatumo ir sąžiningumo peržiūros įrankiai (ICO)

Tai panašu į naujo ingrediento įtraukimą į maisto gaminimą. Pirmiausia jį pabarstykite. Neišpilkite viso stiklainio ir nesitikėkite, kad sriuba išliks 🥣🤷♂️.

---

Baigiamasis žodis: Kaip dirbtinis intelektas remia švietimą – trumpa apžvalga 🎓🤖✨

Taigi, kaip dirbtinis intelektas remia švietimą. Jis padeda jį pritaikyti mokymuisi, paspartinti grįžtamąjį ryšį, sumažinti mokytojų darbo krūvį, pagerinti prieinamumą ir padėti anksčiau pastebėti mokymosi poreikius. Tačiau jis veikia gerai tik tada, kai vairą atlieka žmonės. (EBPO, UNESCO, Švietimo departamentas (JK))

Trumpa apžvalga

• Dirbtinis intelektas yra stipriausia atrama ,o ne pakaitalas (UNESCO)

• Geriausi panaudojimo būdai: suasmeninimas, praktika, grįžtamasis ryšys, prieinamumas, planavimo pagalba ✅ (EBPO)

• Didžiausios rizikos: privatumas, šališkumas, per didelis pasitikėjimas, klaidingas pasitikėjimas ⚠️ (NIST, ICO)

• Laimėjimo formulė: dirbtinis intelektas + mokytojo vertinimas + mokinio kritinis mąstymas 🧠💛 (Švietimo departamentas (JK))

Jei elgsitės su dirbtiniu intelektu kaip su naudingu asistentu (su priežiūra), jis iš tiesų gali padaryti mokymąsi sklandesnį, teisingesnį ir greitesnį. Jei elgsitės su juo kaip su greito kelio mašina... na, gausite greitų rezultatų. O švietimas nusipelno geresnio sprendimo.

Realaus pasaulio pavyzdys: dirbtinio intelekto naudojimas savaitiniam mokymosi spragų patikrinimui sudaryti

Scenarijus

Įsivaizduokite 8 klasės matematikos mokytoją su 29 mokiniais ir tik viena planavimo valanda savaitės darbams peržiūrėti. Klasė ką tik baigė trumpą skyrių apie trupmenas, dešimtaines trupmenas ir procentus. Kai kurie mokiniai užtikrintai atlieka perskaičiavimus, o kiti vis dar sunkiai supranta skaitiklio ir vardiklio taisykles.

Užuot naudojęs dirbtinį intelektą galutiniams pažymiams vertinti, mokytojas jį naudoja kaip lengvai pastebimą dėsningumų atpažinimo įrankį. Tikslas paprastas: nustatyti tris dažniausiai pasitaikančias spragas, sukurti tikslinę praktiką pirmadieniui ir išvengti sekmadienio vakaro, kai rankiniu būdu rūšiuosite kiekvieną atsakymą 😵💫.

Šis metodas geriausiai tinka greitiems patikrinimams, išėjimo bilietams, namų darbų pavyzdžiams arba trumpų atsakymų testams, kai mokytojas jau žino teisingą metodą.

Ko reikia mokytojui

Aiškus mokymosi tikslas, pvz., „Konvertuoti tarp trupmenų, dešimtainių skaičių ir procentų“

Nedidelis anoniminių studentų atsakymų rinkinys

Teisingi atsakymai arba vertinimo vadovas

Taisyklė, kad negalima įkelti jokių mokinių vardų, sveikatos duomenų, elgesio pastabų ar asmeninės informacijos

Mokytojo peržiūros žingsnis prieš bet ką parodant mokiniams

Instrukcijos pavyzdys

Jūs padedate man peržiūrėti nedidelę 8 klasės matematikos baigiamojo egzamino užduotį. Neskirti pažymių. Ieškokite dėsningumų anonimizuotuose atsakymuose ir sugrupuokite klaidas pagal įgūdžių spragas. Tada pasiūlykite tris trumpas pakartotinio mokymo užduotis ir šešis bandomuosius klausimus.

Mokymosi tikslas: Mokiniai turėtų konvertuoti tarp trupmenų, dešimtainių skaičių ir procentų.

Teisingi atsakymai:
1/4 = 0.25 = 25%
3/5 = 0.6 = 60%
0.125 = 1/8 = 12.5%

Mokinių atsakymai:
Mokinys A: 1/4 = 0,4 = 40 %
Mokinys B: 3/5 = 0,6 = 6 %
Mokinys C: 0,125 = 1/25 = 12,5 %
Mokinys D: 1/4 = 0,25 = 25 %
Mokinys E: 3/5 = 0,35 = 35 %

Grąža:

1. Dažniausias klaidingas supratimas

2. Kurie klausimai rodo tą klaidingą supratimą

3. Trumpas mokytojo paaiškinimas

4. Trys praktinės užduotys

5. Vienas įspėjimas apie tai, kur jūsų analizė gali būti neaiški

Kaip tai išbandyti

Pradėkite nuo 10–15 anoniminių atsakymų, o ne visos klasės skaičiuoklės.

Patikrinkite, ar dirbtinis intelektas teisingai nustato pagrindinę klaidą, o ne tik neteisingą galutinį atsakymą.

Palyginkite siūlomus praktikos klausimus su pamokos tikslu.

Paklauskite: „Ar man būtų patogu paaiškinti šią rekomendaciją tėvams, vyresniajam vadovui ar mokiniui?“

Paleiskite tą pačią užduotį du kartus ir patikrinkite, ar pagrindinės išvados išlieka nuoseklios.

Rezultatas

Iliustracinis rezultatas: remdamasis penkių užduočių testo laiko matavimu, mokytojas galėtų sutrumpinti 30 trumpalaikių išėjimo bilietų pirmojo peržiūrėjimo laiką nuo maždaug 35 minučių iki 10 minučių.

Matavimo pagrindas: vieną kartą be dirbtinio intelekto ir vieną kartą su dirbtiniu intelektu, naudojant tą patį nuasmenintų atsakymų skaičių. Tada suskaičiuokite, kiek dirbtinio intelekto nustatytų klaidingų nuomonių mokytojas priima jas patikrinęs.

Stiprus taikinys būtų:

Peržiūros laikas sutrumpintas 20–25 minutėmis

Po mokytojo peržiūros priimta bent 90 % siūlomų spragų kategorijų

Įkelta 0 mokinių vardų ar asmeninių duomenų

Kiekvienam pagrindiniam klaidingam supratimui sukurta po vieną pakartotinio mokymo užduotį

Svarbus skaičius yra ne „DI buvo greitesnis“. Verta atkreipti dėmesį į skaičių „mokytojas sutaupė laiko neprarasdamas tikslumo ar privatumo kontrolės“

Kas gali nutikti ne taip

Dirbtinis intelektas gali sugrupuoti skirtingas klaidas ir pavadinti jas tuo pačiu klaidingu supratimu.

Tai gali sukurti per lengvus, per sunkius arba su mokymo programa nesuderinamus praktinius klausimus.

Jei mokytojas įkelia atpažįstamus mokinio duomenis, privatumo rizika tampa daug didesnė.

Jei rezultatas traktuojamas kaip galutinis sprendimas, studentai gali būti neteisingai priskirti etiketėms.

Jei pirminiai duomenys netvarkingi arba nepatikimi, analizė taip pat bus tokia pati. Klasikinės nesąmonės įeina, nesąmonės ir išeina 🙃.

Praktiškas išsinešimui skirtas maistas

Dirbtinis intelektas gali labai praktiškai paremti švietimą, kai padeda mokytojams greičiau pastebėti dėsningumus, o ne pakeičia jų sprendimus. Mokymosi spragų atveju saugiausias darbo procesas yra toks: nuasmeninkite darbą, leiskite dirbtiniam intelektui pasiūlyti dėsningumus, patys juos patikrinkite ir panaudokite planuodami geresnį žmonių mokymą.

DUK

Kaip dirbtinis intelektas palaiko kasdienį mokymą?

Dirbtinis intelektas gali padėti švietimui, tvarkydamas pasikartojančias užduotis ir pagreitindamas įprastus darbo eigą. Daugelyje klasių tai atrodo kaip pamokų planų rengimas, diferencijuotų pratimų generavimas ir vertinimo priemonių rengimas. Jis taip pat gali padėti apibendrinti visos klasės modelius, kad mokytojai galėtų greičiau pastebėti dažniausiai pasitaikančius nesusipratimus. Geriausi rezultatai paprastai pasiekiami, kai mokytojai redaguoja rezultatus ir tvirtai kontroliuoja galutinius sprendimus.

Kokie yra praktiškiausi būdai panaudoti dirbtinį intelektą mokytojų darbo krūviui sumažinti?

Įprastas metodas – naudoti dirbtinį intelektą planuojant „pirmuosius juodraščius“, greitai kuriant testus, vertinimo kriterijų šablonus ir bendraujant su tėvais, o vėliau tobulinant juos vadovaujantis profesionalų sprendimu. Tai gali atgauti laiko atsiliepimams, patikrinimams ir pastoracinei paramai. Mokyklos dažnai pasiekia sklandžiausių ankstyvų pergalių pradėdamos nuo mažai rizikos turinčių užduočių, kurioms nereikia jautrių duomenų. Aiškios ribos, ką dirbtinis intelektas gali ir ko negali padaryti, taip pat padeda išvengti apimties išplitimo.

Kaip dirbtinis intelektas palaiko ugdymą, teikdamas suasmenintas praktikas mokiniams?

Dirbtinis intelektas švietimo srityje matomiausiai pasireiškia per praktiką pagal poreikį, kuri prisitaiko, kai besimokančiajam sunku arba jis sparčiai tobulėja. Sistemos gali koreguoti sunkumą, keisti klausimų tipus ir siūlyti alternatyvius paaiškinimus, pagrįstus klaidomis, o ne tik galutiniais balais. Tai padeda diferencijuoti, nesukeliant mokinių jausmo, kad jie yra atskirti. Mokytojo priežiūra vis dar svarbi, nes „adaptyvus“ ne visada reiškia „tikslus“ ar atitinka pamokos tikslą.

Ar dirbtinio intelekto korepetitorių pokalbių robotai yra patikimi namų darbų pagalbai ir kartojimui?

Jie gali būti naudingi paaiškinimams, užuominoms ir papildomai praktikai, ypač studentams, kurie vengia užduoti klausimus klasėje. Pagrindinė rizika yra netikėtos klaidos, todėl studentus reikėtų mokyti patikrinti atsakymus ir parodyti savo darbą. Praktinė taisyklė yra naudoti dirbtinio intelekto korepetitorius mokymuisi ir kartojimui be streso, o ne kaip galutinį autoritetą. Elkitės su jais kaip su pagalba, o ne su mokymo programa.

Kaip dirbtinis intelektas gali padėti pastebėti mokymosi spragas neklaidinant mokinių?

Mokymosi analizė gali išryškinti tokius modelius kaip pasikartojančios klaidos, visos klasės klaidingi įsitikinimai ar ankstyvi ženklai, rodantys, kad mokiniui reikia pagalbos. Tinkamai naudojama, ji veikia kaip įspėjimas „patikrinkite tai“, kuris skatina laiku įsikišti. Netinkamai naudojama, ji virsta etikečių klijavimu („silpni gebėjimai“ arba „rizika“), kuris susiaurina lūkesčius. Saugiausias būdas – susieti analizę su patikimais duomenimis, žmogišku vertinimu ir skaidriais tolesniais pokalbiais.

Kaip mokyklos turėtų tvarkyti privatumą ir mokinių duomenis, naudodamos dirbtinio intelekto įrankius?

Mokinių duomenys yra jautrūs, todėl įprastas požiūris yra duomenų kiekio mažinimas: rinkti mažiau, apsaugoti daugiau ir vengti nereikalingų asmeninių duomenų dalijimosi. Mokykloms dažnai naudinga aiški politika, reglamentuojanti, ką galima įkelti, kas gali pasiekti rezultatus ir kiek laiko duomenys saugomi. Skaidrumas mokinių ir tėvų atžvilgiu mažina painiavą ir didina pasitikėjimą. Didesnio svarbos duomenų naudojimui būtina žmogaus atliekama peržiūra ir griežtesnės apsaugos priemonės.

Ar dirbtinio intelekto įrankiai gali palaikyti akademinį sąžiningumą nebaudžiant netinkamų studentų?

Dirbtinis intelektas keičia mokinių tyrimų ir rašymo būdus, todėl daugelis mokyklų derina originalumo įrankius su aiškiu „dirbtinio intelekto raštingumo“ mokymu. Aptikimo įrankiai gali padėti pastebėti įtartiną panašumą, tačiau jie taip pat gali būti neveiksmingi, todėl politika turėtų apimti žmogaus sprendimą ir teisingą peržiūros procesą. Mokyti mokinius generuoti idėjas nekopijuojant, tikrinti teiginius ir parodyti savo mąstymą dažnai yra veiksmingiau nei pasikliauti vien aptikimu.

Kokias ribas turėtų nustatyti mokytojai, diegdami dirbtinį intelektą klasėje?

Kaip dirbtinis intelektas padeda švietimui, tai veikia geriausiai, kai lūkesčiai yra realūs, o taisyklės aiškios nuo pirmos dienos. Apibrėžkite, kada dirbtinis intelektas leidžiamas (praktika, juodraščiai, kartojimas), o kada ne (baigiamieji vertinimai arba svarbūs sprendimai be peržiūros). Sukurkite „patikrinkite du kartus“ kultūrą, kad mokiniai patvirtintų rezultatus, o ne patikėtų mąstymą kitiems. Numatykite kelias neramias savaites, kol nusistovės rutina ir darbuotojai prisitaikys prie normų.

Nuorodos

1. UNESCO – unesdoc.unesco.org

2. UNESCO – Generatyvaus dirbtinio intelekto švietime ir tyrimuose gairės – unesco.org

3. OECD – Dirbtinio intelekto diegimas švietimo sistemoje – oecd.org

4. OECD – Dirbtinio intelekto panaudojimas specialiųjų ugdymosi poreikių turintiems mokiniams – oecd.org

5. OECD – Patikimas dirbtinis intelektas švietime – oecd.org

6. Nacionalinis standartų ir technologijų institutas (NIST) – nist.gov

7. Nacionalinis standartų ir technologijų institutas (NIST) – nist.gov

8. JK Švietimo departamentas – Generatyvusis dirbtinis intelektas (DI) švietime – gov.uk

9. JK Švietimo departamentas – Dirbtinis intelektas mokyklose: viskas, ką reikia žinoti – blog.gov.uk

10. Jisc – Mokymosi analitikos praktikos kodeksas – jisc.ac.uk

11. Informacijos komisaro biuras (ICO) – Dirbtinis intelektas (JK BDAR gairės ir ištekliai) – ico.org.uk

12. Europos Komisija – Konkrečios apsaugos priemonės duomenims apie vaikus – europa.eu

13. Švietimo fondo (EEF) atsiliepimai (gairės) – educationendowmentfoundation.org.uk

14. „Turnitin“ – Klaidingai teigiamų rezultatų supratimas naudojant mūsų dirbtinio intelekto rašymo aptikimo galimybes – turnitin.com

15. Stanfordo universiteto žmogaus centruotas dirbtinis intelektas (HAI) – dirbtinio intelekto detektoriai, šališki rašytojams, kurių gimtoji kalba nėra anglų – stanford.edu

16. Lisabonos universitetas (Conselho Pedagógico Técnico) – Hattie ir Timperley (2007) – ulisboa.pt

17. Glazgo universitetas – Black ir William (1998 m.) – gla.ac.uk