围绕人工智能在教育中的对话到处都是,充满了大胆的乐观主义和深刻的焦虑。对于每一个革命性的学习新时代的预测,有欺骗,失去批判性思维技能和扩大股权差距的反恐。 这篇文章从谷歌的人工智能和教育专家最近进行的深度潜水中提取了五个关键的,往往是对直觉的,超越了噪音,揭示了真正重要的挑战和机遇。 1、在人工智能能够“修复”教育之前,它必须面对全球衰退 人工智能并没有进入一个稳定的、繁荣的教育环境;它正在被引入到一个已经面临重大逆境的系统中,全球学习成果在二十年来一直处于下降趋势,这是经合组织国际学生评估计划(PISA)强烈强调的一个事实。 与2018年仅前四年相比,数学平均表现下降了15个点,而阅读分数下降了10个点,这个背景至关重要,因为它框架了人工智能的真正测试。它的成功不会被其新颖性衡量,而是通过其帮助应对现有危机的能力来衡量。专家估计到2030年,世界将需要4400万名教师提供普遍教育,人工智能的真正挑战是支持一个系统,它已经受到学习损失,资源不平等和关键劳动力短缺的巨大压力。 2022年PISA调查结果 人工智能的真正承诺:每个学习者的个人导师 人工智能在教育中的最具变革性的潜力之一是它能够最终实现一个长期以来所追求的目标:大规模个性化学习,几十年的研究表明,“高剂量”的人类个人辅导对学生的成绩产生了最大的积极影响,但对绝大多数人来说却是无法获得的。 虽然AI导师无法取代伟大教学的基本人类连接,但他们可以作为一个强大的补充或桥梁,特别是当人类支持不可用时。这项技术允许每个学生在他们的“近距离发展区”内工作;一个挑战难以促进增长的甜点,但并不难导致挫折。 
 
 “虽然人工智能绝不是完美的,但它确实有可能减少障碍,并让人们比以前更有效地学习。 “虽然人工智能绝不是完美的,但它确实有可能减少障碍,并让人们比以前更有效地学习。 忘记“欺骗” 真正的对话是关于重新发明评估 然而,一个更富有成效的观点建议将此视为不仅仅是一系列“个人错误的决定”,而且是“集体行动问题”。 人工智能的存在挑战了我们超越测试原始记忆的评估,走向衡量真正理解的方法,这可能意味着更重视AI无法轻松复制的评估形式,如课堂辩论,组合项目,显示学生的过程,以及口头考试,远非只是一个威胁,创建“AI证明”任务的挑战已经证明是一个催化剂,推动教育者开发更真实和有意义的方式来衡量学生真正知道的东西;通常“结果是新的和令人兴奋的东西。 目标不是消除斗争,而是消除非生产性的斗争。 一个常见的担忧是,人工智能会使事情过于容易,导致“转认知懒惰”并阻止学生参与学习所需的深度思考,但这基于错误的假设,即所有斗争都是有益的。 人工智能可以成为减少非生产性的认知负荷的强大工具;例如,通过帮助学生理解分散的文本或过于复杂的图表。通过卸载这些外部任务,学生的有限的心理能量可以被导向到更高层次的任务,如批判性推理,分析和创造性解决问题。 人工智能最大的股权挑战可能不是访问,而是动机 当考虑公平时,谈话往往集中在设备访问和连接上,但现实更为细微,这得出证据是,在某些中等收入国家,人工智能的总体使用率非常高,这表明一个更深层次的挑战正在出现:“5%的问题”。这就是那些将最有效地参与人工智能学习工具的学生是那些已经高度有动力的人的风险。如果人工智能的有效性研究主要是基于这种自我选择的群体,那么它可能会对工具的潜力产生偏见,并意外地扩大而不是关闭成就差距。 正如教育研究员玛丽·伯恩斯(Mary Burns)在联合国教科文组织的工作中指出的那样,“传统上,在教育中引入新的数字技术往往会造成一个层次化,其中最富有的学生可能会获得更新的在线学习形式,而较贫穷的学生往往会继续依赖旧的技术......或根本不依赖”。 结论:一组新问题 相反,它是一个强大的催化剂,迫使社会对教学的性质,知识的定义和在快速变化的世界中成功的指标提出根本问题,从面对学习衰退到重新发明评估和解决动机差距,人工智能的主要作用不是提供简单的答案,而是迫使我们提出更好的问题。 随着人工智能成为我们日常生活的织物,我们现在必须集体回答的最终问题:人工智能会改变我们需要学习的东西,甚至意味着学习吗? 
 
 
 
 
 全文:这里 苹果Podcast:这里 Spotify:这里 YouTube:这里 这里 这里 这里 这里

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

This story contains AI-generated text. The author has used AI either for research, to generate outlines, or write the text itself. 

人工智能不仅会改变学校,还会迫使我们重新思考学习本身

About Author

註釋

標籤

这篇文章刊登在

Related Stories

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

如何将您的工作流程提高 10 倍：17 个必备应用程序

成功云迁移的完整指南：策略和最佳实践

从论坛到信息流：社交媒体算法如何塑造数字互动

HackerNoon Decoded: The Top 10 Countries Where HackerNoon Is the Most Active

如何将您的工作流程提高 10 倍：17 个必备应用程序

成功云迁移的完整指南：策略和最佳实践

从论坛到信息流：社交媒体算法如何塑造数字互动

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps