概述
然後你自己回憶答案而不是重讀。它之所以有效,是因為檢索練習是學習研究中最受支持的學習方法之一,而人工智慧則接管了寫問題的緩慢工作。
深入探討
檢索練習意味著從記憶中提取訊息,它比再次查看材料更能加強學習。這通常稱為測試效果。亨利·羅迪格 (Henry Roediger) 和傑弗裡·卡皮克 (Jeffrey Karpicke) 2006 年進行的一項被廣泛引用的研究發現,練習回憶課文的學生一周後比花同樣時間重讀課文的學生記住了更多內容。問題始終是,寫出好的問題需要時間。人工智慧使這部分變得更快。可靠的提示通常由五個部分組成。首先,來源:「只使用下面的註解。」二是題型組合:簡答題、自述題、應用場景、部分選擇題。第三,節奏:「一次問一個問題,等待我的回答。」第四,回饋:「告訴我我是否正確,我錯過了什麼,並引用我筆記中支持答案的那句話。」五、跟進:「最後,列出我做錯的題目。」問題類型很重要。選擇題主要考驗的是辨識能力,因為正確答案就在螢幕上。簡答題和解釋為什麼問題讓你自己回憶並建立答案,這是更難、更有用的練習。間距也很重要。幾天後重新參加一次新的測驗,重點關注你錯過的項目,比一次性死記硬背每個問題要好。有三種常見的誤解。首先,人工智慧的答案總是正確的。它可能會誤讀您的筆記或添加筆記中沒有的事實。第二,問題越多,學習越好。十個難回憶的問題通常勝過五十個簡單的問題。第三是人工智慧會給你公平的評分。如果您拒絕錯誤的答案,聊天機器人可能會屈服並將其標記為正確。你的筆記是最終的權威,而不是聊天機器人。
現實世界的實施
一名護理專業的學生貼了她關於心臟藥物的講座摘要,並要求 10 個簡答題,每次顯示一個。只有在她輸入自己的回覆後,才會出現正確答案和簡短說明。
一名高中歷史學生上傳了他的章節筆記,並要求一系列日期、因果和「解釋原因」的問題。一週後,他要求進行一個僅根據他做錯的問題進行的新測驗。
一名準備雲端認證的員工要求提出嚴格從她的筆記中提取的基於場景的多項選擇題。對於每一個選項,人工智慧必須解釋為什麼每個錯誤的選項都是錯誤的。
一名語言學習者分享一個詞彙表,並要求用目標語言提供填空句子,這些句子經過打亂,因此列表的順序不會洩露任何資訊。
利用人工智慧根據筆記進行練習測試的未來
一些人工智慧助理和學習平台現在具有內建的學習或測驗模式,可以將上傳的材料轉換為問題和抽認卡。這些功能可能會更好地追蹤每個學習者的錯誤並隨著時間的推移安排複習。不過,基本限制可能仍然存在。產生的問題仍然需要對照源進行檢查,並且只有當學生回憶答案而不是閱讀答案時才能進行學習。教師也可以開始將人工智慧產生的自測設定為家庭作業,因為它可以提供練習而無需額外的評分。將人工智慧編寫的問題與教師編寫的問題進行比較的研究還處於早期階段。
付諸實踐
為什麼這很重要
- 配裝選擇. 應用級設計決定了人工智慧是否能改善實際結果。
- 團隊與工作流程. 良好的工作流程整合可以創造使用者值得信賴的生產力效益。
- 風險與安全. 範圍明確的用例可以減少變更疲勞和實施風險。
留意
- 將損壞的流程自動化可能會加劇現有問題。
- 團隊可能會過度自動化並消除所需的人工判斷。
- 如果不持續評估輸出,品質可能會出現偏差。
後續步驟
- 繪製目前工作流程並確定摩擦最大的步驟。
- 在完全自動化之前定義人工檢查點。
- 對使用者進行提示、升級路徑和品質標準的訓練。
- 追蹤任務級結果以確認持續價值。
不斷探索
常見問題
什麼是用人工智慧根據筆記進行練習測試?
要使用人工智慧進行練習測試,您可以將自己的筆記貼上或上傳到聊天機器人中,並要求它就該資料對您進行測驗。然後你自己回憶答案而不是重讀。它之所以有效,是因為檢索練習是學習研究中最受支持的學習方法之一,而人工智慧則接管了寫問題的緩慢工作。
從你的筆記中測驗自己依賴什麼學習技巧?
檢索練習意味著從記憶中提取資訊。包括 Roediger 和 Karpicke 2006 年的研究在內的研究發現,它比重讀更能提高長期記憶力。
為什麼要讓人工智慧一次問一個問題?
如果你一次只得到一個問題,並且在你回答之後才得到答案,那麼你就必須自己回憶起來。回憶就是學習的來源。
哪種問題類型訓練回憶而不是辨識?
簡答題和解釋原因問題讓你自己找到答案。選擇題主要考驗的是當你看到正確的選項時是否能認出它。
阻止人工智慧詢問你筆記中沒有的材料的最佳方法是什麼?
將人工智慧限制在你的筆記上並要求支援性引用將每個問題與你的文字聯繫起來,並為你提供了一種快速檢查的方法。
如果你與人工智慧爭論錯誤的答案,會發生什麼評分問題?
模型往往會同意使用者的觀點,這就是所謂的阿諛奉承。告訴模型堅持來源,而不是在壓力下改變其判決。