實習老師分不清“學習困難生”？劍橋大學的人工智能成新幫手

一項試驗發(fā)現(xiàn)，正在學習識別有潛在學習困難學生的實習教師，在被人工智能幫助后，大大改善了他們的推理能力。

這項研究是由劍橋大學和慕尼黑路德維希-馬克西米利安大學（LMU Munich）的學者領導的研究小組進行的，他們招募了德國的178名實習教師。研究提供了最早的證據(jù)，表明人工智能（AI）可以提高教師的“診斷推理”能力，即收集和評估有關學生的證據(jù)，并得出適當?shù)慕Y論的能力，以便為學生提供有針對性的支持。

在試驗期間，受訓者需要評估六個虛構的有潛在學習困難的學生。實習老師們會獲得他們的學校作業(yè)，以及行為記錄和與父母談話的記錄等信息。然后他們必須決定哪些學術有學習困難，如閱讀障礙或注意力缺陷多動癥（ADHD），并做出解釋。

在提交答案后，一半的受訓者收到由合格的專業(yè)人士事先備好的“專家解決方案”，并與他們自己的解決方案進行比較。其他人則收到了由人工智能生成的反饋，其中會突出解決方案的正確部分，并標出他們需要改進的方面。

在完成了六個準備練習后，受訓者又進行了兩次類似的后續(xù)測試--這次沒有任何反饋。測試由研究人員打分，他們評估了測試的“診斷準確性”（受訓者是否正確識別了閱讀障礙或多動癥的案例）和診斷推理，即他們在利用現(xiàn)有證據(jù)做出判斷方面做得如何。

在六次初步練習中接受過人工智能反饋的受訓者的診斷推理平均得分比那些用預先備好的專家解決方案的受訓者高出約10個百分點。

其原因可能是人工智能的“適應”性質(zhì)。因為人工智能分析了受訓教師自己的工作，而不是要求他們與專家版本進行比較，研究人員認為這樣的反饋更清晰。

來自慕尼黑大學的Michael Sailer博士說：“顯然，我們并不是說人工智能應該取代教師的導師。新教師仍然需要專家的指導。然而，人工智能產(chǎn)生的反饋似乎確實能夠幫助這些受訓者專注于他們真正需要學習的東西。在不容易獲得個人反饋的地方，它可以成為一個有效的替代品。”

該研究論文題為"Adaptive Feedback from Artificial Neural Networks Facilitates Pre-Service Teachers’ Diagnostic Reasoning in Simulation-based Learning"，已發(fā)表在《學習與指導》期刊上。

前瞻經(jīng)濟學人APP資訊組

論文原文：https://www.sciencedirect.com/science/article/pii/S095947522200041X?via%3Dihub

標簽： 人工智能