Inhoudsopgave:
- De voortgang van de leerling meten
- Hiaten in het leren vinden en aanpakken
- Hiaten in het onderwijs vinden en aanpakken
- Onderwijs blijft een sociale ervaring
Video: Minicollege: De macht van kunstmatige intelligentie (November 2024)
Wanneer je het typische 21e-eeuwse klaslokaal vergelijkt met dat van de vroege jaren 1900, zijn de verschillen niet erg duidelijk. Leraren zullen vooraan staan, instructies geven en notities delen op een moderne versie van het oude schoolbord, bijvoorbeeld een overheadprojector of een gedeeld computerscherm. Studenten zitten achter hun bureau in de klas of kijken via online video-conferencing software. De technologie is veranderd: veel van de tools en processen zijn gedigitaliseerd, een deel ervan is geautomatiseerd en geografische barrières zijn tot op zekere hoogte weggenomen - maar de actoren en elementen zijn vrijwel hetzelfde gebleven.
Maar dankzij de vooruitgang in kunstmatige intelligentie (AI) en machine learning, komt een langzame maar gestage transformatie naar het onderwijs, onder de motorkap. Over een paar jaar zullen leraren niet langer alleen zijn in het dragen van de last van het opleiden van de jonge generatie of het personeelsbestand bij bedrijven.
Al helpen AI-algoritmen bij het verbeteren van het onderwijs door het verzamelen, analyseren en correleren van elke interactie die plaatsvindt in fysieke en virtuele klaslokalen, en helpen leraren de specifieke pijnpunten van elke student aan te pakken. Dit kan het begin zijn van een revolutie in een van de oudste en meest waardevolle sociale vaardigheden die de mensheid heeft ontwikkeld, en een vereiste in een wereld waar mensen naast slimme machines wonen en werken.
De voortgang van de leerling meten
Instructeurs moeten rekening houden met elke reactie op een lezing, elke blanco of aandachtige blik, elk gretig of aarzelend antwoord op een vraag, elke opdracht die vroeg of laat wordt ingeleverd, en nog veel meer bij het beoordelen van het begrip van een student van een concept. Dit is hoe ze kunnen achterhalen waar studenten achterblijven en hen in de juiste richting sturen.
Het is ook de reden waarom het meten van de voortgang van een leerling, een onderneming die diep sociaal van aard is, een van de grootste uitdagingen is waarmee elke leraar wordt geconfronteerd, en een taak die moeilijk uit te voeren is met klassieke op regels gebaseerde software.
"Cursuslezingen, hetzij op een universiteitscampus of in een bedrijf, zijn overwegend one-size-fits-all, waarbij de dominante modus leraren zijn die studenten spreken", zegt Chris Brinton, hoofd onderzoek bij Zoomi, een AI-bedrijf dat gespecialiseerd is bij het vastleggen en analyseren van gedragsgegevens in educatieve instellingen. "Dit is geboren uit noodzaak: het zou onmogelijk zijn, of op zijn minst inefficiënt vanuit het oogpunt van tijd, voor de leraar om het college voor langere tijd te pauzeren en elke student afzonderlijk aan te spreken om alles naar dezelfde pagina te brengen., wordt een student met veel vragen meestal gevraagd om contact op te nemen met de instructeur buiten de lesuren."
Machine learning-algoritmen, die zijn gebaseerd op het analyseren en vinden van patronen en correlaties tussen gegevenspunten, blijken echter een effectief hulpmiddel te zijn bij het helpen van docenten om het begrip van een student voor een lezing te kwantificeren.
"Door specifieke studentgegevens te analyseren, kan AI helpen sneller gebieden aan de oppervlakte te komen waar studenten mogelijk meer hulp nodig hebben, waardoor de prestaties en ondersteuning van docenten worden verbeterd", zegt Jessie Woolley-Wilson, president en CEO van DreamBox Learning, een intelligente wiskunde -leerplatform.
Brinton uitrusten met kunstmatige intelligentie is het equivalent van elke student voorzien van een digitale tutor, legt Brinton uit. "De algoritmen die AI aansturen, kunnen worden getraind om te detecteren wanneer een leerling worstelt en waardoor hij of zij zich verveelt, of wanneer ze zich vervelen en wat hun verveling veroorzaakt", zegt hij.
Dit is een verschuiving van traditionele leersoftware, die alleen afhankelijk was van evaluatiereacties om het begrip van studenten van de onderwerpen die ze bestuderen te meten. "Deze gegevens zijn vaak niet beschikbaar tijdens een lezing, veel minder in de tweede seconde waarin een student kan overschakelen van een duidelijk naar verward standpunt", zegt Brinton.
Er zijn nu een aantal AI-platforms die rijke digitale profielen van elke student maken door live informatie te verzamelen over de interactie van de gebruiker met cursusmateriaal en context. Naast het bijhouden van cijfers en scores, heeft Zoomi, het platform dat Brinton heeft helpen ontwikkelen, micro-interacties bijgehouden, zoals het bekijken van specifieke dia's of pagina's in PDF-documenten, het afspelen van een specifiek deel van een video, of het plaatsen van een vraag of antwoord op een discussie forum.
De gegevens worden vervolgens gebruikt om een model te bouwen dat realtime inzicht kan geven in het begrip en de betrokkenheid van een student bij specifieke onderwerpen. Datamodellen helpen ook bij het vinden van gemeenschappelijke patronen bij meerdere studenten en bij het uitvoeren van voorspellende analyses, zoals het voorspellen van hoe studenten in de toekomst zullen presteren.
Meer geavanceerd gebruik van AI kan het gebruik van gecompliceerde computervisie-algoritmen inhouden om gezichtsuitdrukkingen, zoals verveling en afgeleidheid, te analyseren en deze te koppelen aan andere gegevens die over studenten zijn verzameld om een completer beeld te krijgen van het leerlingmodel van een student.
Hiaten in het leren vinden en aanpakken
Er zijn meerdere voordelen aan een betrouwbaar digitaal model dat de kennis van een student vertegenwoordigt. "De gegevens kunnen automatisch worden gebruikt door een intelligent systeem om studenten onmiddellijk te betrekken bij leerervaringen die specifiek die lacunes in het begrip aanpakken, of door de leraar om die specifieke gebieden van behoefte te identificeren en erop te reageren", zegt Woolley-Wilson van Droom doos.
Third Space Learning, een online onderwijsplatform dat in 2012 is opgericht om één op één wiskundelessen te bieden, maakt nu gebruik van AI-algoritmen om de prestaties van leraren te verbeteren. Sinds de lancering heeft Third Space gegevens vastgelegd over duizenden sessies. In samenwerking met de University of College London is Third Space nu bezig met een project om de gegevens te ontginnen met AI-algoritmen om succesvolle leer- en onderwijspatronen te vinden en realtime feedback te geven aan haar online docenten over hoe hun studenten het bijhouden lessen.
Het AI-leerlingmodel kan ook intelligente tutoring-systemen (ITS) aansturen. Intelligente docenten, die kunnen werken in een leeromgeving op eigen tempo of in samenwerking met menselijke leraren, gebruiken de historische en realtime gegevens van een student om hen gepersonaliseerde inhoud te bieden die is afgestemd op hun specifieke sterke en zwakke punten. Het bieden van een gepersonaliseerde leerervaring is een doel dat leraren altijd hebben geprobeerd te bereiken.
"AI-aangedreven tutoring-systemen hebben bewezen effectief te zijn in het onderwijzen van welomschreven vakgebieden, zoals wiskunde en natuurkunde, " zegt Rose Luckin, professor van Learner Centered Design aan het University of College London Knowledge Lab. "AI kan momenteel pijnpunten verlichten door te helpen bij het bijhouden van gegevens en met de selectie en aanbeveling van hulpmiddelen die leerlingen kunnen gebruiken."
Een voorbeeld is MATHIA, een AI-aangedreven wiskunde leerplatform ontwikkeld door Carnegie Learning dat het gedrag van menselijke tutors weerspiegelt. MATHIA verzamelt verschillende datapunten en maakt gebruik van machine learning-algoritmen en voorspellende modellen om de kennis en vaardigheden van studenten te bepalen en hun prestaties in de toekomst te schatten. Het platform gebruikt deze gegevens om het leerpad aan te passen aan de leerprocessen van studenten.
"Elke stap in een probleem, zoals het invullen van een cel in een spreadsheet, het plotten van een punt in een grafiek, enz., Wordt geassocieerd met een of meer cognitieve vaardigheden", zegt Steve Ritter, Chief Product Architect bij Carnegie Learning. "Afhankelijk van of de student de stap correct uitvoert of niet, of om een hint vraagt, passen we onze schatting van de kennis van de student over de bijbehorende vaardigheden aan."
MATHIA maakt gebruik van 'knowledge tracing', het proces van het bepalen van het begrip van een student van verschillende concepten, evenals 'model tracing', het proces van het begrijpen van de benadering van een student om problemen op te lossen, om de ondersteuning van de software voor het denkproces van de individuele student aan te passen in plaats van ze om te leiden naar een standaardbenadering die voor hen misschien geen zin heeft. Dit helpt gepersonaliseerde inhoud te bieden, met mogelijk talloze leerpaden.
"Onze tips veranderen bijvoorbeeld op basis van de volgorde waarin studenten de probleemstappen voltooien, als deze volgorde verschillende manieren weergeeft om het probleem aan te pakken, " zegt Ritter.
De evolutie van intelligente begeleidingssystemen kan uiteindelijk leiden tot een rijkere zelfstudie-ervaring. Hoewel het geen vervanging zal zijn voor menselijke leraren, kunnen AI-aangedreven online leerplatforms een cruciale rol spelen bij het beschikbaar maken van hoogwaardig onderwijs in gebieden waar een tekort aan leraren is en studenten zelf moeten leren.
"De combinatie van big data en AI kan leerlingen hun eigen persoonlijke analyse bieden, die ze kunnen gebruiken om de meest effectieve leerling te worden die ze kunnen zijn, " zegt Luckin.
Zelfkennis (weten wat je wel en niet weet) en zelfregulatie (bijvoorbeeld kunnen voorkomen dat je wordt afgeleid door wat iemand anders doet) zijn volgens Luckin twee vaardigheden die dergelijke systemen kunnen helpen ontwikkelen..
"AI kan worden gebruikt om leerlingen te ondersteunen (ondersteunen) om deze sleutelvaardigheden te ontwikkelen door terug te reflecteren op hun persoonlijke gegevens met behulp van zorgvuldig ontworpen interfaces en visualisaties, " zegt Luckin. "Op deze manier kunnen alle leerlingen worden geholpen om beter te leren, wat nuttig zou kunnen zijn in alle vakgebieden."
Een van de voordelen van AI-aangedreven leersystemen is de naadloze ondersteuning die ze kunnen bieden. "Dezelfde intelligente technologieën die studenten en hun docenten in het klaslokaal helpen, moeten altijd worden benut om hetzelfde buiten het klaslokaal te doen", zegt Woolley-Wilson. "Ze kunnen overal waar de student is dezelfde kracht van gepersonaliseerde aanbevelingen bieden. Leermogelijkheden en toegang moeten niet langer worden beperkt tot een bepaalde tijd of plaats, zoals ze meestal in ons analoge verleden zijn geweest."
Bedrijfstrainingen kunnen ook profiteren van AI-personalisatie. Zoomi, die online tools voor professionele training biedt, gebruikt AI-algoritmen om voorkeuren van studenten te herkennen en cursusinhoud dynamisch aan te passen aan hun behoeften. Op basis van het gedrag van een gebruiker in het verleden en de reactie op verschillende mediatypen, kan het platform bijvoorbeeld beslissen of cursusmateriaal in een PDF- of video-indeling moet worden aangeboden. Progressive Business Partners gebruikt het platform sinds 2016 om HR-professionals op te leiden, wat resulteert in een toename van 12 procent in het voltooien van de cursus en een toename van 30 procent in omzet.
Hiaten in het onderwijs vinden en aanpakken
Wanneer studenten achterblijven bij een les, zijn fouten in lesmethoden en leerplan vaak evenveel de schuld als zwaktes in de studenten zelf. Was de oorzaak van student misverstand iets over het materiaal zelf, de manier waarop het werd gepresenteerd, of de timing van het materiaal binnen de stroom van het curriculum? Was het dat de student griep had toen een aantal noodzakelijke concepten eerder werden behandeld? Hoe ging de student met het materiaal om - actief of passief?
Dat zijn enkele van de vragen die elke leraar moet beantwoorden bij het beoordelen van de kwaliteit van een geleverde les en het onderzoeken van de grondoorzaken van leerproblemen.
"Geweldige systemen kunnen enorme gegevenssets gebruiken om leraren te helpen bij het vinden van zowel zwakke punten in het leerplan als bij het vinden van worstelende studenten", zegt Woolley-Wilson. "En het is belangrijk om te onthouden dat de hoeveelheid hulp die aan de leraar wordt geboden, afhangt van de kwaliteit van de gegevens die beschikbaar zijn voor de analyse."
Het online adaptieve leerplatform van DreamBox gebruikt de gegevens die het van studenten verzamelt om leerlacunes aan het licht te brengen en helpt docenten om deze op klasniveau of voor specifieke groepen of individuele studenten aan te pakken. Dit kan het maken van strategiegroepen, gepersonaliseerde leerplannen of gerichte opdrachten omvatten die specifieke hiaten aanpakken en het kerncurriculum aanvullen.
AI helpt leraren ook bij het beoordelen van de relevantie van hun lesmateriaal. "Terwijl de inhoud 'live' wordt aangeleverd in een klaslokaal, bereiden de meeste instructeurs hun materiaal elektronisch voor, " zegt Brinton, de onderzoeker van Zoomi. "Als gevolg hiervan is het mogelijk dat AI-technologieën het materiaal interpreteren, de behandelde onderwerpen bepalen en zelfs het cursusevaluatiemateriaal analyseren om inzicht te krijgen in hoe goed de beoordeling de cursusinhoud dekt."
Zoomi gebruikt Natural Language Processing (NLP), de tak van AI die de inhoud en context van geschreven materiaal analyseert, om de kwaliteit van het cursusmateriaal van een leraar te wegen. Zoomi's algoritmen verwijderen inhoud die geen positieve invloed heeft op het leerproces. Het bedrijf werkt ook aan algoritmen die de leerervaring vergroten door aanvullende inhoud te vinden en deze opnieuw te gebruiken om te passen in de context van een bepaalde les waar een student moeite mee heeft.
"Al snel kunnen algoritmen voor de duidelijkheid zinnen aanpassen en zelfs zelf nieuw materiaal schrijven, net zoals een mens zou doen", zegt Brinton.
Content Technologies, Inc (CTI), een onderzoeks- en ontwikkelingsbedrijf voor kunstmatige intelligentie gevestigd in Californië, heeft AI ontwikkeld die automatisch aangepaste educatieve inhoud genereert. De engine van CTI maakt gebruik van diepgaand leren om syllabus en cursusmateriaal in te nemen en te analyseren, de kennis te beheersen en nieuwe inhoud te genereren, zoals aangepaste leerboeken, hoofdstukoverzichten en multiple choice tests. De technologie wordt gebruikt door een aantal bedrijven en onderwijsinstellingen.
Onderwijs blijft een sociale ervaring
Hoewel we indrukwekkende inspanningen hebben gezien bij de toepassing van kunstmatige intelligentie in het onderwijs, zijn de resultaten bleek in vergelijking met andere domeinen waar AI-algoritmen grote verstoringen veroorzaken. De reden is dat onderwijs en leren fundamenteel sociale ervaringen zijn die uiterst moeilijk - zo niet onmogelijk - te automatiseren zijn.
"AI kan leraren niet vervangen, omdat het geen zelfbewustzijn of metacognitieve regulatie heeft, en het mist ook empathie, " Luckin, de professor van UCL Knowledge Lab. "Echter, AI, wanneer het ontwerp is gebaseerd op wat we weten over leren en onderwijzen (dwz de leerwetenschappen), kan worden gecombineerd met big data over leerlingen om de zwarte doos van leren uit te pakken en leerlingen, leraren en ouders in staat te stellen om te volgen vooruitgang over meerdere onderwerpen, vaardigheden en kenmerken - dit kan essentiële informatie bieden om leerlingen te helpen effectiever te worden als leerlingen en om hen te helpen kennis en vaardigheden te leren."
De uitbreiding en assistentie die AI biedt aan het onderwijs- en leerproces zal leraren nog productiever en efficiënter maken. "Leraren kunnen zich concentreren op wat ze het beste kunnen: uitstekende inhoud creëren, sterke lezingen geven en de meest diepgaande pijnpunten aanpakken, zowel persoonlijk als op afstand, individueel en in groepen, " zegt Brinton.
Een ander sociaal aspect van onderwijs is samenwerking. Studenten leren vaak meer van het werken in groepen en met elkaar, net zoals het luisteren naar colleges en het oplossen van problemen in hun eigen tempo. "De doelen van het onderwijs zijn meer sociale interactie, zoals leren een goede medewerker te zijn of te communiceren met anderen", zegt Ritter, de productarchitect van Carnegie Learning. "Dus een uitdaging bij het personaliseren van instructie is om een student in balans te zien als een onafhankelijke leerling die in zijn of haar eigen tempo verder kan met de noodzaak om samen te werken met anderen."
Maar AI kan ook een facilitator worden in samenwerkend leren. Intelligence Unleashed , een gezamenlijk onderzoeksdocument van UCL en Pearson, dat Luckin coauteurde, legt uit dat AI samenwerkend leren kan ondersteunen door leerlingmodellen van studenten te vergelijken en groepen voor te stellen waarin deelnemers op een vergelijkbaar cognitief niveau zitten of complementaire vaardigheden hebben en elkaar kunnen helpen. AI kan ook deelnemen aan leerlinggroepen als lid en helpt discussies in de goede richting te leiden door inhoud te bieden, vragen te stellen en alternatieve gezichtspunten te bieden.
De alomtegenwoordigheid van AI tijdens het leerproces zal uiteindelijk een revolutie teweegbrengen in het onderwijs. Volgens een rapport van Stanford University is het de komende vijftien jaar waarschijnlijk dat menselijke leraren worden bijgestaan door AI-technologieën die zullen resulteren in betere menselijke interactie, zowel in de klas als thuis.
Het klaslokaal blijft misschien min of meer zoals het nu is, maar dankzij digitale assistenten, AI-algoritmen en meer capabele leraren hebben toekomstige generaties hopelijk toegang tot hoger onderwijs en kunnen ze veel sneller leren.