Hogyan alakítja a mesterséges intelligencia az oktatás jövőjét?

Ha összehasonlítjuk a tipikus 21. századi osztálytermet az 1900-as évek elejével, a különbségek nem feltűnően nyilvánvalók. A tanárok előtt állnak, utasításokat adnak és megjegyzéseket osztanak meg a régi tábla modern változatán - mondjuk, a projektoron vagy a megosztott számítógépes kijelzőn. A hallgatók az íróasztalukon ülnek az osztályteremben, vagy online videokonferencia-szoftver segítségével nézhetnek meg. A technológia megváltozott: Sok eszközt és folyamatot digitalizáltak, részét automatizálták, és a földrajzi akadályokat bizonyos mértékig megszüntették, ám a szereplők és elemek nagyjából ugyanazok maradtak.

De a mesterséges intelligencia (AI) és a gépi tanulás fejlődésének köszönhetően egy lassú, de folyamatos átalakulás zajlik az oktatásban, a motorháztető alatt. Néhány év alatt a tanárok már nem lesznek egyedül a fiatal generáció vagy a vállalatok munkaerő-képzésének terhein.

Az AI algoritmusok már hozzájárulnak az oktatás fokozásához azáltal, hogy összegyűjtik, elemzik és összehangolják a fizikai és virtuális osztálytermekben zajló minden interakciót, és segítik a tanárokat az egyes hallgatók konkrét fájdalompontjainak megválaszolásában. Ez lehet az emberiség által kifejlesztett egyik legrégebbi és legértékesebb társadalmi készség egyik forradalmának kezdete, és szükségszerű lehet egy olyan világban, ahol az emberek intelligens gépek mellett élnek és dolgoznak.

A tanulók haladásának mérése

Az oktatóknak figyelembe kell venniük az előadásokra adott minden reakciót, minden üres vagy figyelmes pillantást, minden lelkes vagy tétovázó választ egy kérdésre, minden olyan feladatot, amelyet korán vagy későn megfordítanak, és még sok minden mást, amikor a hallgatók felfogják a koncepciót. Így tudják megtudni, hol vannak a diákok lemaradva, és a helyes irányba vezethetik őket.

Ezért is fontos, hogy a tanuló előrehaladásának mérése, amely természeténél fogva mély társadalmi jellegű, az egyik legnagyobb kihívás, amellyel minden tanár szembesül, és olyan feladat, amelyet nehéz elvégezni a klasszikus szabályalapú szoftverekkel.

"A tantárgyi előadások, akár egyetemi egyetemen, akár egy társaságban, elsősorban mindenki számára megfelelőek, és az uralkodó mód a tanárok beszélgetése a hallgatókkal” - mondja Chris Brinton, a Zoomi kutatási vezetője, az AI cég, amely specializálódott. a viselkedési adatok oktatásban történő rögzítésében és elemzésében. "Ez szükségszerűségből származik: lehetetlen, vagy legalábbis az idő szempontjából hatástalan, ha a tanár hosszabb ideig szünetelteti az előadást, és mindegyik hallgatói érdeklődővel külön-külön fordulna, hogy ugyanazon az oldalon legyenek., sok kérdést feltevő hallgatókat általában arra kérnek, hogy tartsanak lépést az oktatóval az órákon kívül."

Azonban a gépi tanulási algoritmusok, amelyek az adatpontok közötti minták és korrelációk elemzésén és megtalálásán alapulnak, hatékony eszköznek bizonyulnak abban, hogy segítsék a tanárokat a hallgatók előadásainak megértésében.

"A konkrét hallgatói adatok elemzésével az AI gyorsabban segít felszínre hozni azokat a területeket, ahol a hallgatóknak nagyobb segítségre lehet szükségük, ezáltal javítva a hallgatói teljesítményt és a tanárok támogatását." - mondja Jessie Woolley-Wilson, az intelligens matematikai DreamBox Learning elnök-vezérigazgatója. -tanulási platform.

Az osztálytermi műszaki intelligenciával történő felszerelése egyenértékű azzal, ha minden hallgatónak digitális oktatóval lát el, magyarázza Brinton. "Az AI-t vezérlő algoritmusok felkészíthetők arra, hogy észleljék, mikor küzd a tanuló és mi okozta őket küzdelemben, vagy mikor unatkoznak, és mi okozta unalomunkat" - mondja.

Ez egy elmozdulás a hagyományos tanulási szoftverektől, amely csak az értékelési válaszokra támaszkodott annak mérésére, hogy a hallgatók megragadják a vizsgált témákat. "Ezek az adatok gyakran nem állnak rendelkezésre az előadás során, sokkal kevésbé abban az alsó másodperces részletességben, amelyben a hallgató átválthat egyértelmű és zavaros szempontból" - mondja Brinton.

Több olyan AI-alapú platform létezik, amelyek gazdag digitális profilokat hoznak létre minden hallgató számára azáltal, hogy élő információkat gyűjtenek a felhasználó interakciójáról a kurzus anyagával és a környezettel. A Zoomi, a fokozat és a pontszámok nyilvántartása mellett, a Brinton platform segített fejleszteni, nyomon követi a mikro-interakciókat, például meghatározott diák vagy oldalak megtekintését PDF-dokumentumokban, egy videó adott részének visszajátszását, vagy kérdés vagy válasz feladását egy beszélgetésbe. fórum.

Az adatokat ezután egy modell felépítésére használják, amely valós idejű betekintést nyújthat a hallgatók megértésébe és az adott témákba való elkötelezettségbe. Az adatmodellek segítenek a közös minták megtalálásában a több hallgató között és a prediktív elemzések elvégzésében, például előrejelzik, hogy a hallgatók hogyan teljesítenek a jövőben.

Az AI fejlettebb használata magában foglalhatja bonyolult számítógépes látás algoritmusok alkalmazását az arckifejezések, például az unalom és a figyelmezetlenség elemzésére, és összekapcsolni azokat a többi, a hallgatókkal összegyűjtött adatokkal annak érdekében, hogy teljesebb képet kapjanak a hallgatók tanulói modelljéről.

A tanulás hiányosságainak felkutatása és kezelése

A hallgató tudását képviselő megbízható digitális modellnek számos előnye van. "Az adatokat vagy egy intelligens rendszer automatikusan felhasználhatja a tanulók azonnali bevonására olyan tanulási tapasztalatokba, amelyek kifejezetten kiküszöbölik a megértési hiányosságokat, vagy a tanár a szükséges speciális területek azonosításához és azokra való reagálásához" - mondja Woolley-Wilson, a DreamBox.

A Third Space Learning, egy online oktatási platform, amelyet 2012-ben alapítottak, hogy egy-egy matematikai oktatást biztosítsanak, az AI algoritmusokat használja fel a tanárok teljesítményének javítása érdekében. Megjelenése óta a Third Space több ezer munkamenetre vonatkozó adatot rögzített. A University of London University együttműködésével a Third Space most egy olyan projektet folytat, amelynek célja az adatok AI-algoritmusokkal történő bányászása annak érdekében, hogy sikeres tanulási és tanítási mintákat találjanak, és valósidejű visszajelzéseket nyújtsanak online oktatóiknak arról, hogy a hallgatók miként lépnek fel tanulságokat.

Az AI tanuló modellje intelligens oktatórendszereket (ITS) is táplálhat. Az önálló tempójú tanulási környezetben vagy az emberi tanárokkal együttműködve működő intelligens oktatók a hallgatók történelmi és valós idejű adatait felhasználják, hogy személyre szabott tartalmat nyújtsanak számukra, amely igazodik a saját erősségeikhez és gyengeségeikhez. A személyre szabott tanulási élmény biztosítása olyan cél, amelyet a tanárok mindig törekedtek az elérésre.

"Az AI-alapú oktatórendszerek eredményesnek bizonyultak a jól meghatározott tárgykörök, például a matematika és a fizika oktatásában" - mondta Rose Luckin, a London University University Knowledge Lab tanulóközpontú tervezésének professzora. "Az AI jelenleg enyhítheti a fájdalom pontjait a nyilvántartás vezetésével, valamint a tanulók számára szükséges erőforrások kiválasztásával és ajánlásával."

Példa erre a MATHIA, az AI-alapú matematikai tanulási platform, amelyet a Carnegie Learning fejlesztett ki, és amely az emberi oktatók viselkedését tükrözi. A MATHIA különféle adatpontokat gyűjt, gépi tanulási algoritmusokat és prediktív modelleket alkalmaz a hallgatók tudás- és képességi szintjének meghatározására és teljesítményük becslésére a jövőben. A platform ezeket az adatokat arra használja, hogy a tanulási utat a hallgatók tanulási folyamataihoz igazítsa.

"A probléma minden egyes lépése, amely magában foglalhatja a táblázatban lévő cellák kitöltését, egy pont grafikonon ábrázolását stb., Egy vagy több kognitív képességgel kapcsolatos" - mondja Steve Ritter, a Carnegie Learning fő terméképítésze. "Attól függően, hogy a hallgató helyesen halad-e meg a lépést, vagy nem, vagy tanácsot kér, korrigáljuk a hallgatónak a hozzá kapcsolódó készségekre vonatkozó tudásának becslését."

A MATHIA „tudáskövetést”, a hallgatók különböző fogalmak megértésének meghatározására szolgáló eljárást, valamint a „modellkövetést” használja a hallgatói problémamegoldási megközelítés megértésének folyamatához annak érdekében, hogy a szoftver támogatja az egyéni hallgató gondolkodási folyamatát. ahelyett, hogy átirányítaná őket egy olyan szokásos megközelítésre, amelynek számukra nincs értelme. Ez elősegíti a személyre szabott tartalom biztosítását, valószínűleg számtalan tanulási útvonallal.

"Tippünk például a probléma lépéseinek teljesítésének sorrendje alapján változnak, ha ez a sorrend a probléma megközelítésének különböző módjait tükrözi" - mondja Ritter.

Az intelligens oktatórendszerek fejlődése végül gazdagabb, saját tempójú tanulási tapasztalatokat eredményezhet. Noha ez nem helyettesíti az emberi tanárokat, az AI-alapú online tanulási platformok kulcsszerepet játszhatnak abban, hogy a magas színvonalú oktatást elérhetővé tegyék azokon a területeken, ahol hiányzik a tanárok, és a hallgatóknak maguknak kell tanulniuk.

"A nagy adatok és az AI kombinációja biztosítja a tanulók számára a saját személyes elemzésüket, amelyeket felhasználhatnak arra, hogy a lehető leghatékonyabb tanulássá váljanak" - mondja Luckin.

Az önismeret (tudni, mit csinálsz, és nem tudni) és az önszabályozás (például hogy megakadályozzuk magunkat attól, hogy elvonja magát attól, amit valaki más csinál) - két olyan képesség, amelyet az ilyen rendszerek fejleszthetnek - Luckin szerint.

"Az AI felhasználható arra, hogy állványokat állítson fel (támogassa) a tanulók számára e kulcsfontosságú készségek fejlesztéséhez azáltal, hogy gondosan megtervezett interfészek és megjelenítések segítségével visszatükrözi személyes adataikat" - mondja Luckin. "Ily módon minden tanulót meg lehetne segíteni abban, hogy jobb tanulásban részesüljön, ami minden tantárgy terén hasznos lehet."

Az AI-alapú tanulási rendszerek egyik előnye a zökkenőmentes segítségnyújtás. "Ugyanazokat az intelligens technológiákat, amelyek segítenek a tanulóknak és tanáraiknak az osztályteremben, mindig ki kell aknázni, hogy ugyanazt az osztálytermen kívül végezzék el" - mondja Woolley-Wilson. "Ugyanazt a személyre szabott ajánlások hatalmát hozhatják, bárhol is van a hallgató. A tanulási lehetőségeket és a hozzáférést nem szabad korlátozni egy meghatározott időre vagy helyre, mint általában az analóg múltban voltunk."

A vállalati képzés az AI-testreszabás előnyeit is élvezheti. A professzionális képzéshez online eszközöket kínáló Zoomi AI algoritmusokat használ a tanulók preferenciáinak felismerésére és a tanfolyam tartalmának dinamikus adaptálására az igényeikhez. Például a felhasználó múltbeli viselkedése és a különféle médiumtípusokra adott reakciója alapján a platform eldöntheti, hogy a kurzus anyagát PDF vagy video formátumban kell-e szolgáltatni. A progresszív üzleti partnerek 2016 óta használják a platformot a HR szakemberek képzésére, amelynek eredményeként a kurzus befejezése 12% -kal, a bevétel pedig 30% -kal nőtt.

Tanítási hiányosságok keresése és kezelése

Amikor a hallgatók lemaradnak az óráról, az oktatási módszerek és a tanterv hibái gyakran ugyanolyan hibáztathatók, mint maguk a hallgatók gyengeségei. Vajon azért járt, hogy a hallgatók félreértettek valamit magáról az anyagról, annak bemutatásának módjáról vagy az anyag ütemezéséről a tanterv folyamán? Vajon az volt, hogy a hallgató influenzát szenvedett, amikor korábban leírták a szükséges fogalmakat? Hogyan viszonyult a hallgató az anyaghoz - aktívan vagy passzív módon?

Ez a néhány kérdés, amelyre minden tanárnak meg kell válaszolnia, amikor értékeli a leadott óra minőségét, és megvizsgálja a tanulás problémáinak kiváltó okait.

"A nagyszerű rendszerek hatalmas adatkészleteket tudnak felhasználni, hogy segítsék a tanárokat mind a tanterv hiányosságainak, mind a küzdő tanulók megtalálásának" - mondja Woolley-Wilson. "És fontos szem előtt tartani, hogy a tanárnak nyújtott segítség mértéke az elemzéshez rendelkezésre álló adatok minőségétől függ."

A DreamBox online adaptív tanulási platformja a tanulók által összegyűjtött adatokat használja a tanulási hiányosságok felfedésére, majd segíti a tanárokat, hogy foglalkozzanak velük osztályszinten vagy meghatározott csoportok vagy egyéni hallgatók számára. Ez magában foglalhatja stratégiai csoportok létrehozását, személyre szabott tanulási terveket vagy koncentrált feladatokat, amelyek konkrét hiányosságokkal foglalkoznak és kiegészítik az alaptantervet.

Az AI segít a tanároknak az oktatási anyag relevanciájának felmérésében. "Miközben a tartalmat élőben, osztálytermi környezetben szállítják, a legtöbb oktató anyagát elektronikusan készíti el" - mondja Brinton, a Zoomi kutatója. "Ennek eredményeként az AI technológiák értelmezhetik az anyagot, meghatározhatják a lefedett témákat, sőt elemezhetik a kurzus értékelési anyagait, hogy betekintést nyerjenek abban, hogy az értékelés lefedi a kurzus tartalmát."

A Zoomi a természetes nyelvfeldolgozást (NLP) használja, az AI ágát, amely elemzi az írásbeli anyag tartalmát és kontextusát, hogy megmérje a tanár tananyagának minőségét. A Zoomi algoritmusai eltávolítják azokat a tartalmakat, amelyeknek nincs pozitív hatása a tanulási folyamatra. A vállalat azon algoritmusok kidolgozásán is dolgozik, amelyek kiegészítik a tanulási tapasztalatokat azáltal, hogy kiegészítő tartalmat találnak, és újratervezik azt, hogy illeszkedjen egy adott órához, ahol egy diák küzd.

"Az algoritmusok hamarosan módosíthatják a mondatokat az érthetőség kedvéért, és akár új anyagokat is készíthetnek magukhoz, akárcsak az ember tenné." - mondja Brinton.

A Content Technologies, Inc (CTI), a kaliforniai székhelyű mesterséges intelligencia kutató és fejlesztő cég kifejlesztett olyan AI-t, amely automatikusan létrehoz testreszabott oktatási tartalmat. A CTI motorja mélyreható tanulást alkalmaz a tananyag és a tananyag anyagának begyűjtésére és elemzésére, az ismeretek elsajátítására és új tartalmak előállítására, például egyedi tankönyvek, fejezetösszefoglalók és feleletválasztós tesztek. A technológiát számos vállalat és oktatási intézmény használja.

Az oktatás társadalmi élmény marad

Noha látványos erőfeszítéseket láttunk a mesterséges intelligencia alkalmazásában az oktatásban, az eredmények halványak azokhoz a területekhez képest, ahol az AI algoritmusok jelentős zavarokat okoznak. Ennek oka az, hogy az oktatás és a tanulás alapvetően társadalmi tapasztalatok, amelyeket rendkívül nehéz, ha nem is lehetetlen automatizálni.

"Az AI nem helyettesítheti a tanárokat, mert nincs önismerete vagy metakognitív szabályozása, és szintén hiányzik az empátia" - mondta Luckin, az UCL Knowledge Lab professzora. "Azonban az AI, amikor annak kialakítását a tanulásról és tanításról (azaz a tanulási tudományokról) tudott információ alapozza meg, a tanulókkal kapcsolatos nagy adatokkal össze lehet vonni a tanulás fekete dobozának kicsomagolását és a tanulók, a tanárok és a szülők nyomon követésének lehetővé tétele érdekében. haladás több tantárgy, készség és jellemzők között - ez alapvető információt nyújthat a tanulók hatékonyabbá válásához, valamint segíti őket az ismeretek és készségek elsajátításában."

Az AI által az oktatási és tanulási folyamathoz nyújtott kiegészítés és támogatás még hatékonyabbá és hatékonyabbá teszi a tanárokat. "A tanárok képesek lesznek arra összpontosítani, hogy mit tudnak a legjobban: kiváló tartalmat hoznak létre, erős előadásokat tartanak, és személyesen és távolról, egyénileg és csoportokban is megbeszélhetik a leginkább átható fájdalompontokat" - mondja Brinton.

Az oktatás másik társadalmi aspektusa az együttműködés. A hallgatók gyakran többet tudnak megtanulni a csoportokban és az egymással való munka során, mint az előadások hallgatása és a problémák saját tempójukban történő megoldása. "Az oktatás célja több társadalmi interakció, például jó együttmûködés megtanulása vagy másokkal való kommunikáció" - mondja Ritter, a Carnegie Learning terméképítõje. "Tehát az oktatás személyre szabásának kihívása az, ha egyensúlyba veszi a hallgatót, mint önálló tanulót, aki saját tempójában folytathatja a másokkal való együttműködés szükségességét."

De az AI elősegítheti az együttműködéses tanulást. Az Intelligence Unleashed , az UCL és a Pearson közös kutatási cikke, amelyben Luckin társszerzte, elmagyarázza, hogy az AI támogathatja az együttmûködõ tanulást a hallgatói tanulók modelleinek összehasonlításával és olyan csoportok javaslásával, amelyekben a résztvevõk hasonló kognitív szintûek vagy kiegészítõ készségekkel rendelkeznek, és segíthetnek egymásnak.. Az AI tagként részt vehet a tanulócsoportokban is, és tartalmakkal, kérdések feltevéseivel és alternatív nézőpontokkal segítheti a megfelelő irányba történő megbeszéléseket.

Az AI mindenütt jelenléte a tanulási folyamatban végül forradalmasítja az oktatást. A Stanford University jelentése szerint az elkövetkező tizenöt évben valószínű, hogy az emberi tanárokat olyan AI technológiák segítenek, amelyek jobb emberi interakciót eredményeznek mind az osztályban, mind az otthonban.

Az osztályterme valószínűleg többé-kevésbé marad, mint manapság, de a digitális asszisztenseknek, az AI algoritmusoknak és a képesebb tanároknak köszönhetően a jövő generációk remélhetőleg hozzáférhetnek jobb minőségű oktatáshoz, és sokkal gyorsabban tudnak tanulni.