Hvordan kunstig intelligens former formen for utdanning

Når du sammenligner det typiske klasserommet fra det 21. århundre med det på begynnelsen av 1900-tallet, er forskjellene ikke så veldig tydelige. Lærerne vil stå foran, gi instruksjoner og dele notater om en moderne versjon av den gamle tavlen - si, en hovedprojektor eller en delt dataskjerm. Studentene vil sitte på pultene sine i klasserommet eller se på online videokonferanseprogramvare. Teknologien har endret seg: Mange av verktøyene og prosessene er digitalisert, noen av dem er automatisert, og geografiske barrierer er blitt fjernet til en viss grad - men skuespillerne og elementene har holdt seg stort sett de samme.

Men takket være fremskritt innen kunstig intelligens (AI) og maskinlæring, kommer en langsom, men jevn transformasjon til utdanning, under panseret. Om få år vil lærerne ikke lenger være alene om å bære byrden ved å trene den unge generasjonen eller arbeidsstyrken i selskaper.

Allerede hjelper AI-algoritmer med å forbedre utdanningen ved å samle, analysere og korrelere alle samspill som foregår i fysiske og virtuelle klasserom, og hjelpe lærere med å adressere de spesifikke smertepunktene til hver elev. Dette kan være begynnelsen på en revolusjon i en av de eldste og mest verdifulle sosiale ferdighetene som menneskeheten har utviklet, og et imperativ i en verden der mennesker lever og jobber sammen med smarte maskiner.

Måling av elevers fremgang

Instruktører må ta hensyn til hver reaksjon på et forelesning, hver blanke eller imøtekommende stirring, enhver ivrig eller nølende respons på et spørsmål, hver oppgave som blir slått inn tidlig eller sent, og mye mer når de skal vurdere en students forståelse av et konsept. Slik kan de finne ut hvor studenter henger og styre dem i riktig retning.

Det er også grunnen til å måle en elevs fremgang, en innsats som har dypt sosial karakter, er en av de største utfordringene hver lærer står overfor, og en oppgave som er vanskelig å utføre med klassisk regelbasert programvare.

"Kursforelesninger, enten på et universitetscampus eller i et selskap, er overveiende en-størrelse-passer-alle, med den dominerende modusen er lærere som snakker med studenter, " sier Chris Brinton, forskningsleder i Zoomi, et AI-selskap som spesialiserer seg i å fange opp og analysere atferdsdata i pedagogiske innstillinger. "Dette er født av nødvendighet: det ville være umulig, eller i det minste ineffektivt sett ut fra tidsperspektivet, for læreren å pause forelesningen i lengre perioder og adressere hver enkelt elevs bekymring individuelt for å bringe alle til samme side., vil en elev med mange spørsmål vanligvis bli bedt om å følge opp med instruktøren utenom klassetiden."

Imidlertid viser maskinlæringsalgoritmer, som er basert på å analysere og finne mønstre og korrelasjoner mellom datapunkter, være et effektivt verktøy for å hjelpe lærere å kvantifisere en elevs forståelse av en forelesning.

"Ved å analysere spesifikke studentdata har AI potensialet til å hjelpe til med å overflate raskere områder der studentene kan trenge mer hjelp, og dermed forbedre studentenes prestasjoner og lærerstøtte, " sier Jessie Woolley-Wilson, president og administrerende direktør i DreamBox Learning, en intelligent matematikk -læringsplattform.

Å utstyre klasserommet med kunstig intelligens tilsvarer det å gi hver student en digital veileder, forklarer Brinton. "Algoritmene som driver AI kan trenes for å oppdage når en elev sliter og hva som fikk dem til å slite, eller når de kjeder seg og hva som forårsaket kjedsomheten deres, " sier han.

Dette er et skifte fra tradisjonell læringsprogramvare, som kun var avhengig av vurderingsresponser for å måle studentenes forståelse av temaene de studerer. "Disse dataene er ofte ikke tilgjengelige i løpet av et forelesning, mye mindre i det underliggende sekundæret der en student kan bytte fra et klart til forvirret synspunkt, " sier Brinton.

Det finnes nå en rekke AI-drevne plattformer som lager rike digitale profiler av hver student ved å samle live informasjon fra brukerens interaksjon med kursmateriell og kontekst. I tillegg til å føre poster over karakterer og poengsummer, hjalp Zoomi, plattformen Brinton med å utvikle, spore mikro-interaksjoner som å se spesifikke lysbilder eller sider på PDF-dokumenter, spille av en bestemt del av en video, eller legge ut et spørsmål eller svar på en diskusjon forum.

Dataene blir deretter brukt til å bygge en modell som kan gi sanntid innsikt i en students forståelse og engasjement med spesifikke emner. Datamodeller hjelper også med å finne vanlige mønstre blant flere studenter og utføre prediktiv analyse, for eksempel å forutsi hvordan studentene vil prestere i fremtiden.

Mer avansert bruk av AI kan innebære bruk av kompliserte datavisjonsalgoritmer for å analysere ansiktsuttrykk, som kjedsomhet og distrahering, og koble disse til de andre dataene som samles om studentene for å lage et mer fullstendig bilde av en students elevmodell.

Finne og adressere hull i læring

Det er flere fordeler med å ha en pålitelig digital modell som representerer studentens kunnskap. "Dataene kan enten brukes automatisk av et intelligent system for å øyeblikkelig engasjere elevene i læringsopplevelser som spesifikt adresserer disse hullene i forståelsen, eller av læreren til å identifisere - og svare på - de spesifikke behovsområdene, " sier Woolley-Wilson fra Dreambox.

Third Space Learning, en online utdanningsplattform som ble grunnlagt i 2012 for å gi en-til-en matematikkveiledning, utnytter nå AI-algoritmer for å forbedre prestasjonen til lærere. Siden lanseringen har Third Space registrert data om tusenvis av økter. I samarbeid med University of College London er Third Space nå engasjert i et prosjekt for å utvinne dataene med AI-algoritmer for å finne vellykkede lærings- og undervisningsmønstre og gi tilbakemeldinger i sanntid til sine online veiledere om hvordan studentene følger med leksjoner.

AI-lærermodellen kan også drive intelligente veiledningssystemer (ITS). Intelligente veiledere, som kan arbeide i et selvfylt læringsmiljø eller i samarbeid med menneskelige lærere, bruker studentens historiske og sanntidsdata for å gi dem personlig innhold innstilt på deres spesifikke styrker og svakheter. Å gi en personlig læringsopplevelse er et mål lærerne alltid har kjempet for å oppnå.

"AI-drevne veiledningssystemer har vist seg å være effektive til å undervise veldefinerte fagområder, som matematikk og fysikk, " sier Rose Luckin, professor i elevsentrert design ved University of College London Knowledge Lab. "AI kan for tiden lindre smertepunkter ved å hjelpe til med journalføring og med valg og anbefaling av ressurser for elever å bruke."

Et eksempel er MATHIA, en AI-drevet matematikklæringsplattform utviklet av Carnegie Learning som speiler atferden til menneskelige veiledere. MATHIA samler forskjellige datapunkter og benytter seg av maskinlæringsalgoritmer og prediktive modeller for å bestemme elevenes kunnskaper og ferdighetsnivåer og estimere resultatene deres i fremtiden. Plattformen bruker disse dataene for å tilpasse læringsveien i henhold til elevenes læringsprosesser.

"Hvert trinn i et problem, som kan innebære å fylle ut en celle i et regneark, plotte et punkt på en graf, etc., er assosiert med en eller flere kognitive ferdigheter, " sier Steve Ritter, Chief Product Architect hos Carnegie Learning. "Avhengig av om studenten gjør trinnet riktig eller ikke, eller ber om et hint, justerer vi vårt estimat av studentens kunnskap om tilhørende ferdigheter."

MATHIA bruker "kunnskapssporing", prosessen med å bestemme en students forståelse av forskjellige konsepter, så vel som "modellsporing", prosessen med å forstå en students tilnærming til å løse problemer, for å justere programvarens støtte for den enkelte students tenkeprosess i stedet for å omdirigere dem til en standard tilnærming som kanskje ikke gir mening for dem. Dette er med på å gi personlig innhold, med muligens utallige læringsveier.

"Vissene våre forandrer seg for eksempel basert på rekkefølgen som elevene fullfører problemtrinnene, hvis denne bestillingen gjenspeiler forskjellige måter å tilnærme seg problemet, " sier Ritter.

Utviklingen av intelligente veiledningssystemer kan på sikt føre til en rikere, fartsfylt læringsopplevelse. Selv om det ikke vil være en erstatning for menneskelige lærere, kan AI-drevne online læringsplattformer spille en sentral rolle i å gjøre utdanning av høy kvalitet tilgjengelig i områder der det er mangel på lærere, og studentene må lære selv.

"Kombinasjonen av big data og AI kan gi elever sin egen personlige analyse, som de kan utnytte for å bli den mest effektive eleven de kan være, " sier Luckin.

Selvkunnskap (å vite hva du gjør og ikke vet) og selvregulering (for eksempel å kunne forhindre deg selv fra å bli distrahert av det noen andre gjør) er to ferdigheter som slike systemer kan bidra til å utvikle, ifølge Luckin.

"AI kan brukes til å stillas (støtte) elever for å utvikle disse nøkkelferdighetene ved å reflektere tilbake på tvers av deres personlige data ved å bruke nøye designet grensesnitt og visualiseringer, " sier Luckin. "På denne måten kan alle elever bli hjulpet til å bli flinkere til å lære, noe som vil være nyttig på tvers av alle fagområder."

En av fordelene med AI-drevne læringssystemer er den sømløse hjelpen de kan gi. "De samme intelligente teknologiene som hjelper elevene og lærerne deres inne i klasserommet, bør alltid utnyttes til å gjøre det samme utenfor klasserommet, " sier Woolley-Wilson. "De kan bringe den samme kraften av personlige anbefalinger uansett hvor studenten er. Læringsmuligheter og tilgang bør ikke lenger være begrenset til et bestemt tidspunkt eller sted som de har vært i vår analoge fortid."

Bedriftsopplæring kan også dra nytte av AI-personalisering. Zoomi, som gir online verktøy for profesjonell opplæring, bruker AI-algoritmer for å gjenkjenne elevens preferanser og dynamisk tilpasse kursinnholdet til å imøtekomme deres behov. Basert på en brukers tidligere oppførsel og reaksjon på forskjellige medietyper, kan plattformen for eksempel bestemme om kursmateriell skal serveres i en PDF- eller videoformat. Progressive Business Partners har brukt plattformen siden 2016 for å trene HR-fagfolk, noe som resulterer i en økning på 12 prosent i løpet av kurset og 30 prosent økning i omsetningen.

Finne og adressere hull i undervisningen

Når elevene henger etter i en leksjon, er mangler i undervisningsmetoder og pensum ofte like mye å skylde på som svakheter hos studentene selv. Var årsaken til at studenten misforsto noe om materialet i seg selv, måten det ble presentert på, eller tidspunktet for materialet innenfor flyt av læreplanen? Var det studenten som hadde influensa da noen nødvendige konsepter ble dekket tidligere? Hvordan engasjerte studenten seg med materialet - aktivt eller passivt?

Dette er noen av spørsmålene som alle lærere må svare på når de vurderer kvaliteten på en levert leksjon og undersøker årsakene til læringsproblemer.

"Flotte systemer kan utnytte enorme datasett for å hjelpe lærere med å finne både svakheter i læreplanen og i å finne sliter studenter, " sier Woolley-Wilson. "Og det er viktig å huske at mengden hjelp som tilbys læreren avhenger av kvaliteten på tilgjengelige data som informerer analysen."

DreamBoxs plattform for adaptiv læring på nettet bruker dataene den samler inn fra elevene for å avdekke læringshull og hjelper lærere å adressere dem på klassetrinn eller for bestemte grupper eller enkeltelever. Dette kan omfatte å lage strategigrupper, tilpassede læringsplaner eller fokuserte oppgaver som adresserer spesifikke hull og kompletterer kjerneplanen.

AI hjelper også lærere med å vurdere relevansen av undervisningsmaterialet. "Mens innholdet blir levert 'live' i klasserom, forbereder de fleste instruktører materialene sine elektronisk, " sier Brinton, forskeren fra Zoomi. "Som et resultat er det mulig for AI-teknologier å tolke materialet, bestemme temaene som dekkes, og til og med analysere kursvurderingsmaterialet for å få innsikt i hvor godt vurderingen dekker kursinnholdet."

Zoomi bruker Natural Language Processing (NLP), grenen til AI som analyserer innholdet og konteksten til skriftlig materiale, for å veie kvaliteten på lærerens kursmateriale. Zoomis algoritmer fjerner innhold som ikke har en positiv innvirkning på læringsprosessen. Selskapet jobber også med algoritmer som forsterker læringsopplevelsen ved å finne utfyllende innhold og repurpose det for å passe innenfor konteksten av en bestemt leksjon der en student sliter.

"Snart kan algoritmer kunne endre setninger for klarhet, og til og med forfattere nytt materiale på egenhånd akkurat som et menneske ville gjort, " sier Brinton.

Content Technologies, Inc (CTI), et forsknings- og utviklingsselskap med kunstig intelligens med base i California, har utviklet AI som automatisk genererer tilpasset pedagogisk innhold. CTIs motor bruker dyp læring for å innta og analysere pensum og kursmateriell, mestre kunnskapen og generere nytt innhold som tilpassede lærebøker, kapittelsammendrag og flervalgsforsøk. Teknologien brukes av en rekke selskaper og utdanningsinstitusjoner.

Utdanning vil forbli en sosial opplevelse

Selv om vi har sett imponerende innsats for anvendelse av kunstig intelligens i utdanning, ble resultatene bleke i sammenligning med andre domener der AI-algoritmer forårsaker store forstyrrelser. Årsaken er at utdanning og læring er grunnleggende sosiale opplevelser som er ekstremt vanskelig - om ikke umulig - å automatisere.

"AI kan ikke erstatte lærere, fordi det ikke har noen selvinnsikt eller metakognitiv regulering, og det mangler også empati, " sa Luckin, professoren fra UCL Knowledge Lab. "AI kan imidlertid, når designen er informert om det vi vet om læring og undervisning (dvs. læringsvitenskapene), kombineres med big data om elever for å pakke ut den svarte boksen med læring og gjøre det mulig for elever, lærere og foreldre å spore fremgang på tvers av flere fag, ferdigheter og egenskaper - dette kan gi viktig informasjon for å støtte elever til å bli mer effektive som elever, så vel som for å hjelpe dem å lære kunnskap og ferdigheter."

Utvidelsen og hjelpen som AI gir til utdannings- og læringsprosessen, vil gjøre lærerne enda mer produktive og effektive. "Lærere vil kunne fokusere på hva de kan gjøre best: lage utmerket innhold, holde sterke forelesninger og ta opp de mest gjennomgripende smertepunktene både personlig og eksternt, individuelt og i grupper, " sier Brinton.

Et annet sosialt aspekt ved utdanning er samarbeid. Studentene lærer ofte mer av å jobbe i grupper og med hverandre som de gjør fra å lytte til forelesninger og løse problemer i sitt eget tempo. "Målene for utdanning inkluderer mer sosialt samspill, som å lære å være en god samarbeidspartner eller å kommunisere med andre, " sier Ritter, produktarkitekten fra Carnegie Learning. "Så en utfordring i å tilpasse instruksjon er å balansere å se en student som en uavhengig elev som kan gå videre i sitt eget tempo med behovet for å samarbeide med andre."

Men AI kan også bli en fasilitator i samarbeidslæring. Intelligence Unleashed , et felles forskningsoppgave av UCL og Pearson, som Luckin var medforfatter, forklarer at AI kan støtte samarbeidslæring ved å sammenligne studentelevermodeller og foreslå grupperinger der deltakerne er på et lignende kognitivt nivå eller har komplementære ferdigheter og kan hjelpe hverandre. AI kan også delta i elevgrupper som medlem og hjelpe med å svaie diskusjoner i riktig retning ved å gi innhold, stille spørsmål og gi alternative synspunkter.

Tilstedeværelsen av AI på tvers av læringsprosessen vil til slutt revolusjonere utdanning. I følge en rapport fra Stanford University er det sannsynlig at menneskelige lærere vil bli hjulpet av AI-teknologier som vil resultere i bedre menneskelig interaksjon både i klasserommet og i hjemmet i løpet av de neste femten årene.

Klasserommet kan forbli mer eller mindre som det er i dag, men takket være digitale assistenter, AI-algoritmer og mer dyktige lærere, vil fremtidige generasjoner forhåpentligvis ha tilgang til høyere utdanning og kunne lære i mye raskere tempo.