概述
這很重要,因為混合能力課程的老師很少有時間手工建造每種材料的多個版本,而人工智慧可以在幾分鐘內起草它們供老師檢查。
深入探討
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。
現實世界的實施
一位七年級的社會研究老師讀了一篇有關工業革命期間工廠狀況的文章,並讓人工智慧產生了三個閱讀級別,這些閱讀級別保留相同的關鍵術語和共享的術語表,因此每個學生都會加入相同的討論問題。
數學老師將一個單字問題集分為三層:一個以工作範例和部分完成的問題開頭的版本,標準集,以及要求學生編寫和解決他們自己的變體的擴展。
一位科學老師向人工智慧索取句子框架和實驗室報告的步驟清單,將其提供給需要結構而其他人可以自由寫作的學生。
提早完成的學生會收到人工智慧起草的挑戰任務,該任務會比較兩個主要來源,老師在分發之前會檢查其準確性。
人工智慧差異化教學的未來
分級和分層功能正在成為教育平台的標準,這降低了製作材料的成本,但並沒有解決教學問題。人工智慧差異化能否改善學習取決於在不同版本之間保持嚴格性,並使用評估數據在支援之間移動學生,對這些結果的研究仍在發展中。有些工具可能會開始根據學生的反應自動調整支援。教師仍然需要確認每個版本都教授相同的內容,並且沒有學生會安靜地走上最簡單的道路。
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
什麼是人工智慧差異化教學?
人工智慧差異化教學意味著使用生成工具來產生同一課程的多個版本,例如不同閱讀程度的文字、支架式任務和擴展工作,以便不同準備程度的學生可以達到相同的學習目標。這很重要,因為混合能力課程的老師很少有時間手工建造每種材料的多個版本,而人工智慧可以在幾分鐘內起草它們供老師檢查。
哪一組列出了湯姆林森所說的教師可以區分的四個要素?
湯姆林森的框架調整了內容、流程、產品和學習環境。
人工智慧層級的文本中什麼是「淡化」?
良好的水平保持核心思想和術語,同時增加支持;用水沖淡可去除該物質。
Pashler 及其同事在 2008 年的回顧中對學習方式有何發現?
審查發現匹配假設幾乎沒有支持,因此區分最好基於準備和證據。
Flesch-Kincaid 年級使用哪些輸入?
該公式結合了句子長度和每個單字的音節,這就是它僅測量表面特徵的原因。
腳手架褪色是什麼意思?
根據定義,腳手架是臨時的;計劃刪除它是充分利用它的一部分。