人工智慧差異化教學

正如卡羅爾·安·湯姆林森（Carol Ann Tomlinson）所描述的，差異化教學調整了四個要素：內容（學生學習什麼或他們如何訪問它）、過程（他們如何理解它）、產品（他們如何展示學習）和學習環境。教師根據準備、興趣和學習進行區分。人工智慧最自然地適應內容和流程：調整文字、生成支架和進行分層實踐。 Diffit 等工具就是為此而建構的，它可以取得文本或主題，並產生具有詞彙清單和問題的所選閱讀等級的版本。一般的聊天機器人都可以做類似的工作，而且有明確的提示。節省的時間是實實在在的，因為手寫閱讀材料的三個版本可能需要一個晚上的時間。主要風險是淡化。簡化的文本放棄了關鍵概念，或者用模糊的單字取代了精確的詞彙，給了一些學生更少的學習內容，而不是為相同的學習提供了不同的途徑。良好的分級版本保留核心思想和重要術語，並添加支持，例如定義、較短的句子和視覺效果。第二個風險是固定追蹤：如果相同的學生總是獲得最簡單的版本，那麼期望就會下降。根據最近的證據重新分配的彈性分組可以避免這種情況。鷹架是 Wood、Bruner 和 Ross 在 1976 年提出的術語，通常與維高斯基最近發展區聯繫在一起，這意味著隨著能力的增長而被移除的臨時支援。人工智慧可以輕鬆添加支持，但教師也必須計劃取消它們。一個常見的誤解是，差異化意味著將教學與「學習風格」（例如視覺或聽覺學習者）相匹配。 Pashler 及其同事在 2008 年進行的一項審查發現，幾乎沒有證據表明教學與學習方式相符可以改善結果。差異化更好地基於學生目前理解的準備和證據。