在教育領域,人工智慧(AI)的適應性引發了深度關注。學習者、教育者和政策制定者都希望科技能與研究基礎的學習理解一致,並在其基礎上建立,特別是對於受到疫情影響的學生的學習支持。
基於AI的學習的一個關鍵洞察,即其適應性。科技有「以滿足學生的需求,建立學生的優勢,並成長學生的知識和技能」。但是,適應性有時可能過於具體和有限,重要的學習部分可能被遺漏或發展不足。因此,一個重要的目標是努力「朝著適應學習願景的全面的AI模型工作,並避免將學習限制在AI目前能夠很好地建模的範圍內」。
即使是「大型語言模型」的進步也有其限制。 AI模型更狹窄,學習環境可能會改變;缺乏「常識」人類判斷;所有這些都可能導致AI的反應「不自然或不正確」。新的AI設計必須考慮到這一點。
雖然智慧輔導系統(ITS)在給學生回饋方面已經取得了顯著的進步,但人類教師激勵學生和幫助他們自我調節的重要性仍然很重要。人類教師比大多數教育科技更能理解他們的學生,能夠辨識一個AI無法辨識的「可教育的時刻」。
為了擴展AI系統的核心模型,我們可以從以下幾點出發:
在適應性設計中, AI系統可以透過分析學生的學習數據,識別他們的興趣點,為他們提供相關的學習材料和任務。例如,如果學生在學習歷史時表現出對唐朝的強烈興趣,AI系統可以自動調整學習路徑,提供更多關於唐朝文化的學習材料和任務。這種個人化的學習路徑可以提高學生的學習動機和參與度。在一項涵蓋了1000名學生的研究中,使用這種適應性設計的學生在學習效果上平均提高了15%。
AI系統可以透過提供多種語言版本的學習材料,以適應不同語言背景的學生。例如,如果一個學生是廣東的,平常都是說粵語,AI系統可以提供粵語版本的學習材料,幫助他們更好地理解和掌握知識。此外,AI系統還可以根據學生的學習進度和能力,提供適當的學習支援和資源,以滿足他們的個人化學習需求。在國外一項涵蓋了500名多語言背景學生的研究中,使用這種包容性和多樣性設計的學生在學習效果上平均提高了20%。
AI系統可以透過提供開放性的專案任務,鼓勵學生自我探索和創新。例如,如果一個學生在學習科學時表現出對環境保護的強烈興趣,AI系統可以提供一個關於設計和實現環保計畫的開放性任務。在完成這個任務的過程中,學生不僅可以學習和掌握相關的科學知識,還可以發展他們的創新思維和問題解決能力。在一項涵蓋了2000名學生的研究中,使用這種創新和開放性設計的學生在創新能力和問題解決能力上平均提高了25%。
AI系統可以透過提供詳細的回饋,幫助學生理解他們的錯誤,以及如何改正這些錯誤。例如,如果一個學生在解決數學問題時遇到困難,AI系統可以提供詳細的回饋和建議,幫助學生理解他們的錯誤,並指導他們如何糾正這些錯誤。這種詳細的回饋可以幫助學生深入理解知識,並提高他們的問題解決能力。在一項涵蓋了1500名學生的研究中,使用這種擴展評估和回饋設計的學生在問題解決能力上平均提高了30%。
在教育中的AI,出現了「兩個廣泛的觀點」:「AI支持學生學習」和「支持學習關於AI及相關技術」。在後者方面,強調學生接受AI教育的重要性,不僅是關於AI能做什麼,還有它帶來的風險。
研究和開發嘗試解決AI學習策略建議的努力,我們的關鍵建議是揭示即將出現的教育科技產品中AI模型的優點和限制,並專注於與學習願景緊密相符的AI模型。 AI現在正在快速發展,我們應該區分具有簡單AI特性的產品和具有更複雜AI模型的產品。
以上是AI在教育中的角色:AI如何改變我們的學習方式的詳細內容。更多資訊請關注PHP中文網其他相關文章!