Differensiere instruksjon med AI

Differensiert instruksjon, som beskrevet av Carol Ann Tomlinson, justerer fire elementer: innhold (hva elevene lærer eller hvordan de får tilgang til det), prosess (hvordan de forstår det), produkt (hvordan de viser læring) og læringsmiljø. Lærere differensierer ut fra beredskap, interesse og læringsprofil. AI passer mest naturlig med innhold og prosess: utjevne tekster, generere stillaser og produsere trinnvis praksis. Verktøy som Diffit er bygget for dette, tar en tekst eller emne og produserer en versjon på et valgt lesenivå med vokabularlister og spørsmål. Generelle chatbots kan gjøre lignende arbeid med en klar melding. Tidssparingen er reell, siden det kan ta en kveld å skrive tre versjoner av en lesing for hånd. Hovedrisikoen er utvanning. En forenklet tekst som dropper nøkkelbegrepene, eller erstatter presist vokabular med vage ord, gir noen elever mindre å lære fremfor en annen vei til samme læring. Gode ​​utjevnede versjoner beholder kjerneideer og viktige termer og legger til støtte, for eksempel definisjoner, kortere setninger og bilder. En annen risiko er fast sporing: Hvis de samme elevene alltid får den enkleste versjonen, faller forventningene. Fleksibel gruppering, omfordelt basert på nyere bevis, unngår dette. Stillas, et begrep introdusert av Wood, Bruner og Ross i 1976 og ofte knyttet til Vygotskys sone for proksimal utvikling, betyr midlertidig støtte som fjernes etter hvert som kompetansen vokser. AI gjør det enkelt å legge til støtte, men lærere må også planlegge å falme dem. En vanlig misforståelse er at differensiering betyr å matche instruksjoner til 'læringsstiler' som visuelle eller auditive elever. En gjennomgang fra 2008 av Pashler og kolleger fant lite bevis på at matching av undervisning til læringsstiler forbedrer resultatene. Differensiering er bedre forankret i beredskap og bevis på hva elevene for øyeblikket forstår.