Turinys:
- Mokinių pažangos vertinimas
- Mokymosi spragų radimas ir šalinimas
- Mokymo spragų radimas ir šalinimas
- Išsilavinimas liks socialine patirtimi
Video: Intelekto forumas (Lapkritis 2024)
Palyginus tipinę XXI amžiaus klasę su 1900-ųjų pradžios klase, skirtumai nėra baisiai akivaizdūs. Mokytojai stovės priekyje ir duos instrukcijas bei dalinsis užrašais apie šiuolaikinę senosios lentos versiją, tarkime, antžeminį projektorių ar bendrą kompiuterio ekraną. Studentai sėdės prie savo darbo stalo klasėje arba žiūrės naudodamiesi internetine vaizdo konferencijų programine įranga. Technologija pasikeitė: daug įrankių ir procesų buvo suskaitmeninti, dalis jų buvo automatizuoti ir tam tikru mastu pašalintos geografinės kliūtys, tačiau veikėjai ir elementai išliko tokie patys.
Tačiau dėl dirbtinio intelekto (AI) ir mašininio mokymosi pažangos švietimo srityje po gaubtu vyksta lėtas, bet pastovus transformavimas. Po kelerių metų mokytojai nebebus vieniši ant jaunosios kartos ar korporacijos darbuotojų mokymo naštos.
Jau dabar AI algoritmai padeda stiprinti ugdymą, kaupdami, analizuodami ir koreliuodami kiekvieną sąveiką, kuri vyksta fizinėse ir virtualiose klasėse, ir padeda mokytojams atkreipti dėmesį į konkrečius kiekvieno mokinio skausmo taškus. Tai gali būti vieno seniausių ir vertingiausių žmonijos išugdytų socialinių įgūdžių revoliucijos pradžia ir būtinybė pasaulyje, kuriame žmonės gyvena ir dirba greta išmaniųjų mašinų.
Mokinių pažangos vertinimas
Dėstytojai, vertindami studento supratimą apie sąvoką, turi atsižvelgti į kiekvieną reakciją į paskaitą, kiekvieną tuščią ar dėmesingą žvilgsnį, kiekvieną nekantraujantį ar dvejojantį atsakymą į klausimą, kiekvieną užduotį, kuri pasukama anksti ar vėlai, ir dar daug daugiau. Taip jie gali sužinoti, kur atsilieka studentai, ir nukreipti juos tinkama linkme.
Todėl besimokančiojo pažangos, labai socialinio pobūdžio pastangų matavimas yra vienas didžiausių iššūkių, su kuriuo susiduria kiekvienas mokytojas, ir užduotis, kurią sunku atlikti naudojant klasikinę taisyklėmis pagrįstą programinę įrangą.
„Kursų paskaitos, neatsižvelgiant į tai, ar universitetiniame miestelyje, ar korporacijoje, vyrauja visiems tinkami metodai, kai dominuoja dėstytojai, kalbantys su studentais“, - sako Chrisas Brintonas, AI kompanijos, kurios specializacija yra AI, tyrimų vadovas. fiksuojant ir analizuojant elgesio duomenis švietimo aplinkoje. "Tai atsiranda iš būtinybės: neįmanoma arba bent jau neveiksminga laiko atžvilgiu, jei dėstytojas sustabdytų paskaitą ilgesniam laikui ir kreiptųsi į kiekvieną studentų interesą, kad visi atsineštų į tą patį puslapį., studento, turinčio daug klausimų, paprastai paprašoma sekti pas dėstytoją ne klasės metu. “
Tačiau mašininio mokymosi algoritmai, pagrįsti duomenų taškų modelių ir koreliacijų analize ir radimu, yra efektyvi priemonė, padedanti dėstytojams įvertinti studento supratimą apie paskaitą.
„Analizuodami konkrečius studentų duomenis, AI gali padėti greičiau nustatyti sritis, kuriose studentams gali prireikti daugiau pagalbos, taip pagerindami mokinių pasiekimus ir palaikymą mokytojams“, - sako Jessie Woolley-Wilson, intelektualios matematikos „DreamBox Learning“ prezidentė ir generalinė direktorė. -mokymo platforma.
Klasės įrengimas dirbtiniu intelektu yra lygus kiekvieno studento aprūpinimui skaitmeniniu dėstytoju, aiškina Brintonas. „Algoritmus, vairuojančius AI, galima išmokyti nustatyti, kada besimokantysis stengiasi ir kas juos pastūmėjo, ar kai jiems nuobodu ir kas sukėlė jų nuobodulį“, - sako jis.
Tai yra perėjimas nuo tradicinės mokymosi programinės įrangos, kuri rėmėsi tik vertinimo atsakymais, kad išmatuotų studentų supratimą apie studijuojamas temas. "Šie duomenys dažnai nėra prieinami paskaitos metu, juo labiau esant antrosios pakopos detalumui, kai studentas gali pereiti nuo aiškaus iki painiavos", - sako Brintonas.
Dabar yra keletas AI naudojamų platformų, kurios sukuria turtingus kiekvieno studento skaitmeninius profilius, kaupiant tiesioginę informaciją iš vartotojo sąveikos su kurso medžiaga ir kontekstu. Be „Zoomi“ pažymių ir balų apskaitos, „Brinton“ padėjo vystyti mikroįveikos veiksmus, stebėdama mikroįveikimą, pvz., Peržiūrėdama konkrečias skaidres ar puslapius PDF dokumentuose, pakartodama tam tikrą vaizdo įrašo dalį arba paskelbdama klausimą ar atsakymą diskusijoje. forumas.
Duomenys vėliau naudojami kuriant modelį, kuris realiu laiku gali suteikti supratimą apie studento supratimą ir įsitraukimą į konkrečias temas. Duomenų modeliai taip pat padeda surasti bendrus kelių studentų modelius ir atlikti numatomą analizę, pavyzdžiui, numatyti, kaip mokiniai veiks ateityje.
Pažangesnis AI naudojimas gali apimti sudėtingų kompiuterinio matymo algoritmų naudojimą analizuojant veido išraiškas, tokias kaip nuobodulys ir blaškymasis, ir susieti juos su kitais duomenimis, surinktais apie studentus, kad būtų galima susidaryti išsamesnį studento besimokančiojo modelio vaizdą.
Mokymosi spragų radimas ir šalinimas
Patikimas skaitmeninis modelis, atspindintis studento žinias, turi daug privalumų. „Duomenys gali būti automatiškai naudojami intelektualiojoje sistemoje, kad mokiniai iškart įsitrauktų į mokymosi patirtį, kuri konkrečiai pašalina tuos supratimo trūkumus, arba mokytojas, norėdamas nustatyti ir reaguoti į tas konkrečias poreikio sritis“, - sako Woolley-Wilson iš „DreamBox“.
Trečiasis kosminis mokymasis - internetinė švietimo platforma, įkurta 2012 m., Kad būtų galima mokyti matematikos vieniems su kitais, dabar naudojasi AI algoritmais, kad padėtų pagerinti mokytojų darbą. Nuo pat savo veiklos pradžios „Trečioji kosminė erdvė“ užfiksavo duomenis apie tūkstančius seansų. Bendradarbiaudama su Londono koledžo universitetu, „Trečioji erdvė“ dabar vykdo projektą, skirtą duomenims sutvarkyti su AI algoritmais, kad būtų galima rasti sėkmingus mokymosi ir mokymo modelius bei pateikti realaus laiko atsiliepimus savo internetiniams dėstytojams apie tai, kaip jų studentai suspėja. pamokos.
AI besimokančiojo modelis taip pat gali naudoti intelektualiąsias mokymo programas (ITS). Intelektualūs dėstytojai, galintys dirbti savarankiško mokymosi aplinkoje arba kartu su žmonių mokytojais, naudoja studento istorinius ir realiojo laiko duomenis, kad jiems būtų pritaikytas individualus turinys, pritaikytas atsižvelgiant į jų specifines stipriąsias ir silpnąsias puses. Individualizuotos mokymosi patirties suteikimas yra tikslas, kurio mokytojai visada stengėsi pasiekti.
„Paaiškėjo, kad mokomosios sistemos, pagrįstos AI, yra veiksmingos dėstant aiškiai apibrėžtas dalykų sritis, tokias kaip matematika ir fizika“, - sako Rose Luckin, Londono koledžo universiteto žinių laboratorijos besimokančiųjų centro profesorė. "Šiuo metu PG gali palengvinti skausmo taškus padėdamas tvarkyti įrašus ir parenkant bei rekomenduojant šaltinius besimokantiesiems."
Pavyzdys yra „MATHIA“, AI palaikoma matematikos mokymosi platforma, kurią sukūrė „Carnegie Learning“ ir kuri atspindi žmonių kuratorių elgesį. MATHIA renka įvairius duomenų taškus ir naudoja mašininio mokymosi algoritmus bei prognozavimo modelius, kad nustatytų studentų žinias ir įgūdžius bei įvertintų jų rezultatus ateityje. Platforma naudoja šiuos duomenis mokymosi keliui pritaikyti pagal studentų mokymosi procesus.
„Kiekvienas problemos žingsnis, kuris gali apimti lentelės langelio užpildymą, taško nubraižymą grafike ir kt., Yra susijęs su vienu ar daugiau pažinimo įgūdžių“, - sako Steve'as Ritteris, „Carnegie Learning“ vyriausiasis produktų architektas. "Priklausomai nuo to, ar studentas žingsnį atlieka teisingai, ar ne, ar prašo užuominos, mes koreguojame savo studento žinių apie susijusius įgūdžius vertinimą."
MATHIA naudoja „žinių sekimą“, studento supratimo apie skirtingas sąvokas nustatymo procesą, taip pat „modelio sekimą“, skirtą suprasti studento požiūrį į problemų sprendimą, siekiant pritaikyti programinės įrangos palaikymą individualiam studento mąstymo procesui. užuot nukreipę juos į standartinį požiūrį, kuris jiems gali būti beprasmis. Tai padeda pateikti suasmenintą turinį su daugybe nesuskaičiuojamų mokymosi būdų.
„Pavyzdžiui, mūsų užuominos keičiasi atsižvelgiant į tai, kokia tvarka studentai užbaigia problemos veiksmus, jei šis užsakymas atspindi skirtingus problemos sprendimo būdus“, - sako Ritteris.
Intelektualių mokymo sistemų raida ilgainiui gali įgyti turtingesnį savarankiško mokymosi patirtį. Nors AI varomos internetinės mokymosi platformos nepakeis žmonių mokytojų, jos gali atlikti lemiamą vaidmenį užtikrinant aukštos kokybės švietimo prieinamumą tose srityse, kur trūksta mokytojų, o studentai turi mokytis patys.
„Didelių duomenų ir AI derinys galėtų suteikti besimokantiesiems savo asmeninę analizę, kuria jie galėtų naudotis, kad taptų veiksmingiausiu besimokančiuoju, koks tik gali būti“, - sako Luckinas.
Anot Luckino, savęs pažinimas (žinojimas, ką darai, o ko nežinai) ir savireguliacija (pavyzdžiui, sugebėjimas sustabdyti save nuo blaškymo dėl to, ką daro kažkas kitas) yra du įgūdžiai, kuriuos tokios sistemos gali padėti tobulinti..
"PG gali būti naudojama pastoliams (paramai) besimokantiesiems ugdyti šiuos pagrindinius įgūdžius atspindint jų asmeninius duomenis, naudojant kruopščiai sukurtas sąsajas ir vizualizacijas", - sako Luckinas. "Tokiu būdu visiems besimokantiesiems būtų galima padėti geriau mokytis, o tai būtų naudinga visose dalyko srityse."
Vienas iš AI naudojamų mokymosi sistemų pranašumų yra sklandi pagalba, kurią jos gali suteikti. „Tos pačios intelektualiosios technologijos, kurios padeda mokiniams ir jų mokytojams klasėje, turėtų būti pasitelktos taip, kad tą patį darytų ir už jos ribų“, - sako Woolley-Wilsonas. "Jie gali suteikti tą pačią suasmenintų rekomendacijų galią visur, kur yra studentas. Mokymosi galimybės ir prieiga prie jų neturėtų būti ribojamos tam tikru laiku ar tam tikroje vietoje, kaip paprastai buvo mūsų analoginėje praeityje."
Įmonių mokymui taip pat gali būti naudinga AI personalizavimas. „Zoomi“, teikianti internetinius profesinio mokymo įrankius, naudoja AI algoritmus, kad atpažintų besimokančiųjų pageidavimus ir dinamiškai pritaikytų kursų turinį, kad atitiktų jų poreikius. Pvz., Remdamasi ankstesniu vartotojo elgesiu ir reakcija į įvairius laikmenos tipus, platforma gali nuspręsti, ar kurso medžiaga turėtų būti teikiama PDF, ar vaizdo formatu. Pažangūs verslo partneriai platformą naudoja nuo 2016 m., Kad apmokytų žmogiškųjų išteklių specialistus, todėl kursų baigimas padidėjo 12 procentų ir pajamos padidėjo 30 procentų.
Mokymo spragų radimas ir šalinimas
Kai mokiniai atsilieka per pamoką, dažnai kalti mokymo metodų ir ugdymo planų trūkumai, kaip ir pačių studentų silpnybės. Ar priežastis buvo tai, kad studentai nesuprato kažko dėl pačios medžiagos, jos pateikimo būdo ar medžiagos pateikimo laiko pagal mokymo programą? Ar tai buvo tas, kad studentas sirgo gripu, kai anksčiau buvo aptariamos kai kurios būtinos sąvokos? Kaip studentas aktyviai ar pasyviai įsitraukė į medžiagą?
Tai yra keletas klausimų, į kuriuos turi atsakyti kiekvienas mokytojas, vertindamas pravestos pamokos kokybę ir tirdamas pagrindines mokymosi problemų priežastis.
„Puikios sistemos gali pasitelkti didžiulius duomenų rinkinius, kad padėtų mokytojams rasti tiek mokymo programos trūkumų, tiek ir sunkiai besiverčiančius studentus“, - sako Woolley-Wilson. "Ir svarbu atsiminti, kad mokytojui teikiamos pagalbos dydis priklauso nuo turimų duomenų, informuojančių apie analizę, kokybės."
„DreamBox“ internetinė adaptyvaus mokymosi platforma naudoja duomenis, kuriuos ji renka iš mokinių, kad atskleistų mokymosi spragas, o tada padeda mokytojams juos pašalinti klasės lygiu ar tam tikroms grupėms ar atskiriems mokiniams. Tai gali apimti strateginių grupių, individualizuotų mokymosi planų ar tikslinių užduočių, kurios pašalina konkrečias spragas ir papildo pagrindinę programą, kūrimą.
PG taip pat padeda mokytojams įvertinti jų mokymo medžiagos tinkamumą. „Nors turinys pristatomas tiesiogiai„ klasėje “, dauguma instruktorių paruošia savo medžiagą elektroniniu būdu“, - sako Brintonas, „Zoomi“ tyrėjas. "Dėl to AI technologijos gali interpretuoti medžiagą, nustatyti nagrinėjamas temas ir netgi išanalizuoti kursų vertinimo medžiagą, kad įgytų įžvalgos, kaip gerai vertinamas kurso turinys."
„Zoomi“ naudoja natūralios kalbos apdorojimą (angl. Natural Language Processing - NLP), AI šaką, nagrinėjančią rašytinės medžiagos turinį ir kontekstą, kad pasvertų dėstytojo kursinės medžiagos kokybę. „Zoomi“ algoritmai pašalina turinį, kuris neturi teigiamo poveikio mokymosi procesui. Bendrovė taip pat dirba prie algoritmų, kurie padidina mokymosi patirtį ieškant papildomo turinio ir perkuriant jį taip, kad atitiktų konkrečios pamokos, kurioje mokosi studentas, kontekstą.
„Netrukus algoritmai gali pakeisti sakinius, kad būtų aiškiau, ir netgi patys gali kurti naują medžiagą, kaip tai darytų žmogus“, - sako Brintonas.
Kalifornijoje įsikūrusi dirbtinio intelekto tyrimų ir plėtros įmonė „Content Technologies Inc“ (CTI) sukūrė AI, kuri automatiškai sukuria pritaikytą mokymo turinį. CTI variklis naudoja gilųjį mokymąsi, kad įsisavintų ir išanalizuotų mokymo programą ir kursų medžiagą, įgytų žinių ir sukurtų naują turinį, pavyzdžiui, pasirinktinius vadovėlius, skyrių santraukas ir daugelio pasirinkimų testus. Ši technologija naudojama daugelyje kompanijų ir švietimo įstaigų.
Išsilavinimas liks socialine patirtimi
Nors mes matėme įspūdingų pastangų dirbtinį intelektą taikydami švietime, rezultatai, palyginti su kitomis sritimis, kuriose AI algoritmai sukelia didelius sutrikimus, yra silpni. Priežastis ta, kad švietimas ir mokymasis iš esmės yra socialinė patirtis, kurią yra labai sunku (jei net neįmanoma) automatizuoti.
„AI negali pakeisti mokytojų, nes neturi savimonės ar metakognityvinio reguliavimo, be to, jai trūksta empatijos“, - teigė Luckinas, UCL žinių laboratorijos profesorius. "Tačiau, jei AI suprantamas atsižvelgiant į tai, ką mes žinome apie mokymąsi ir mokymą (ty mokymosi mokslus), jis gali būti sujungtas su dideliais duomenimis apie besimokančius asmenis, kad būtų galima išpakuoti juodąją mokymosi dėžutę ir suteikti besimokantiesiems, mokytojams ir tėvams galimybę juos sekti. kelių dalykų, įgūdžių ir savybių pažanga - tai gali suteikti gyvybiškai svarbios informacijos, kuri padėtų besimokantiesiems tapti veiksmingesniais besimokantiesiems ir padėtų jiems išmokti žinių bei įgūdžių.
Papildymas ir pagalba, kurią AI teikia švietimo ir mokymosi procesui, padarys mokytojus dar produktyvesnius ir efektyvesnius. „Mokytojai galės sutelkti dėmesį į tai, ką jie gali padaryti geriausiai: sukurti puikų turinį, skaityti stiprias paskaitas ir spręsti pačius skausmingiausius skausmo taškus tiek asmeniškai, tiek nuotoliniu būdu, individualiai ir grupėse“, - sako Brintonas.
Kitas socialinis švietimo aspektas yra bendradarbiavimas. Studentai dažnai išmoksta daugiau dirbdami grupėse ir vieni su kitais, klausydamiesi paskaitų ir spręsdami problemas savo tempu. „Švietimo tikslai apima daugiau socialinės sąveikos, tokios kaip mokymasis būti geru bendradarbiu ar bendrauti su kitais“, - sako „Carnegie Learning“ produkto architektas Ritteris. "Taigi uždavinys individualizuojant mokymą yra išlaikyti pusiausvyrą tarp studento, kaip savarankiško besimokančiojo, kuris gali tęsti savo tempą su poreikiu bendradarbiauti su kitais".
Bet PG taip pat gali tapti mokymosi bendradarbiaujant pagalbininku. „Intelligence Unleashed“ , bendrame UCL ir „Pearson“ tyrime, kuriame dalyvavo Luckinas, paaiškina, kad PG gali remti mokymąsi bendradarbiaujant lyginant besimokančiųjų modelius ir siūlant grupes, kuriose dalyviai yra panašiame pažinimo lygyje arba turi papildomus įgūdžius ir gali padėti vieni kitiems.. PG taip pat gali dalyvauti besimokančiųjų grupėse kaip narys ir padėti nukreipti diskusijas tinkama linkme, pateikdamas turinį, užduodant klausimus ir pateikdamas alternatyvius požiūrius.
PG visuotinis taikymas mokymosi procese galų gale pakeis švietimą. Kaip teigiama Stenfordo universiteto pranešime, per ateinančius penkiolika metų tikėtina, kad žmonių mokytojams padės AI technologijos, kurios užtikrins geresnę žmonių sąveiką tiek klasėje, tiek namuose.
Klasė gali likti daugiau ar mažiau tokia, kokia yra šiandien, tačiau skaitmeninių asistentų, AI algoritmų ir pajėgesnių mokytojų dėka ateities kartos, tikimės, turės aukštesnį išsilavinimą ir galės mokytis daug spartesniu tempu.