AI를 활용한 차별화된 수업

Carol Ann Tomlinson이 설명하는 차별화된 수업은 콘텐츠(학생들이 무엇을 배우거나 그것에 접근하는 방법), 프로세스(학생들이 그것을 이해하는 방법), 제품(학습을 보여주는 방법) 및 학습 환경이라는 네 가지 요소를 조정합니다. 교사는 준비도, 관심도, 학습 프로필을 기준으로 차별화합니다. AI는 텍스트 평준화, 비계 생성, 계층화된 실습 생성 등 콘텐츠와 프로세스에 가장 자연스럽게 맞습니다. 이를 위해 Diffit과 같은 도구가 구축되어 텍스트나 주제를 선택하고 어휘 목록 및 질문이 포함된 읽기 수준의 버전을 생성합니다. 일반 챗봇은 명확한 프롬프트를 통해 유사한 작업을 수행할 수 있습니다. 세 가지 버전의 읽기 자료를 손으로 작성하는 데는 저녁 시간이 걸릴 수 있으므로 시간이 절약됩니다. 주요 위험은 물이 줄어들고 있다는 것입니다. 핵심 개념을 생략하거나 정확한 어휘를 모호한 단어로 대체하는 단순화된 텍스트는 일부 학생들에게 동일한 학습을 ​​위한 다른 경로보다는 학습할 내용을 덜 제공합니다. 좋은 수준의 버전은 핵심 아이디어와 중요한 용어를 유지하고 정의, 짧은 문장 및 시각 자료와 같은 지원을 추가합니다. 두 번째 위험은 고정 추적입니다. 동일한 학생이 항상 가장 쉬운 버전을 받으면 기대치가 떨어집니다. 최근 증거를 기반으로 재할당된 유연한 그룹화를 통해 이러한 문제를 방지할 수 있습니다. 1976년 Wood, Bruner 및 Ross가 도입한 용어인 비계(Scaffolding)는 종종 Vygotsky의 근접 발달 영역과 연결되며 역량이 성장함에 따라 제거되는 임시 지원을 의미합니다. AI를 사용하면 지원을 쉽게 추가할 수 있지만 교사는 지원을 없앨 계획도 세워야 합니다. 일반적인 오해는 차별화란 시각적 또는 청각적 학습자와 같은 '학습 스타일'에 교육을 맞추는 것을 의미한다는 것입니다. Pashler와 동료들의 2008년 검토에서는 교육을 학습 스타일에 맞추면 결과가 향상된다는 증거가 거의 없다는 것을 발견했습니다. 차별화는 학생들이 현재 이해하고 있는 내용의 준비 상태와 증거에 더 잘 기반을 두고 있습니다.