एआय ट्युटोरिंगच्या सर्वात महत्वाकांक्षी वास्तविक-जागतिक चाचण्यांपैकी एकाने एक गंभीर निर्णय दिला आहे. खान अकादमीच्या खानमिगो ट्यूटरच्या 18 टेनेसी मिडल स्कूलमध्ये दोन वर्षांच्या क्लस्टर यादृच्छिक चाचणीमध्ये असे आढळून आले की AI ट्यूटरच्या प्रवेशामुळे मोजता येण्याजोगा परंतु माफक गणिताचा फायदा झाला आणि तंत्रज्ञानशास्त्रज्ञ क्वचितच जाहिरात करतात अशा समस्येमुळे निकाल रोखले गेले: बहुतेक विद्यार्थ्यांनी त्याचा वापर केला नाही. "वन क्लिक अवे: एआय ट्युटोरिंग विथ खानमिगो इन अ टू-इअर स्कूल एक्सपेरिमेंट" या शीर्षकाचा अभ्यास फिलिप ओरिओपोलोस आणि नीना लो यांनी आयोजित केला होता आणि ब्राउन युनिव्हर्सिटीच्या एडवर्किंग पेपर्स मालिकेतील ॲनेनबर्ग संस्थेद्वारे प्रकाशित केला होता.
निष्कर्ष एका उत्पादनाच्या पलीकडे महत्त्वाचे आहेत, कारण खानमिगो अमेरिकन शाळांमध्ये सर्वात मोठ्या प्रमाणावर तैनात केलेल्या AI ट्यूटरपैकी एक आहे आणि सामान्य वर्गाच्या परिस्थितीत जनरेटिव्ह AI शिकवण्याच्या पहिल्या मोठ्या प्रमाणावरील प्रायोगिक मूल्यमापनांपैकी हा अभ्यास आहे. AI संशोधन बातम्या आणि वास्तविक-जगातील संस्थांशी टक्कर घेत असलेल्या प्रत्येकासाठी, मार्केटिंग दाव्यांचे वर्चस्व असलेल्या वादविवादात पेपर हा एक दुर्मिळ पुरावा आहे आणि तो या आठवड्यात हॅकर न्यूजच्या पहिल्या पानावर आला आहे कारण शिक्षक आणि तंत्रज्ञांनी त्याचे परिणाम विश्लेषित केले आहेत.
अभ्यासात काय आढळले
चाचणीने यादृच्छिकपणे 18 टेनेसी माध्यमिक शाळांमधील विद्यार्थ्यांना खान अकादमीचा वापर त्यांच्या एआय ट्यूटर खानमिगोसह विद्यमान दैनंदिन उपचारात्मक गणित सत्रांमध्ये करण्यासाठी नियुक्त केला. महत्त्वपूर्णपणे, खान अकादमीच्या सांगितल्या गेलेल्या अध्यापनशास्त्राला प्रतिबिंबित करून उत्तरे देण्याऐवजी प्रशिक्षकाला प्रशिक्षण देण्यासाठी कॉन्फिगर केले गेले. हा प्रयोग दोन शालेय वर्षे चालला, ज्यामुळे तो आजपर्यंतच्या AI शिकवणीवरील सर्वात प्रदीर्घ फील्ड प्रयोगांपैकी एक आहे.
हेडलाइन परिणाम: AI शिकवण्याच्या स्थितीला नियुक्त केल्यामुळे गणिताची उपलब्धी प्रति टर्म 1.3 राष्ट्रीय पर्सेंटाइल रँकने वाढली, ज्याची लेखक एका शालेय वर्षात अंदाजे 0.06 ते 0.08 मानक विचलन म्हणून गणना करतात. सक्रिय सहभागाच्या पूर्ण वर्षाचा गर्भित परिणाम 0.14 मानक विचलनांपर्यंत पोहोचतो. ते वास्तविक, सांख्यिकीयदृष्ट्या शोधण्यायोग्य नफा आहेत आणि कमी किमतीच्या सॉफ्टवेअर हस्तक्षेपासाठी ते आदरणीय आहेत.
परंतु ही तुलना जी हाईप कमी करते ती अशी आहे: एआयच्या मदतीशिवाय खान अकादमीच्या सरावातून मिळणारे नफा सारखेच आहेत. ज्या विद्यार्थ्यांनी प्लॅटफॉर्मची सध्याची सराव साधने वापरली, ज्यामध्ये एआय ट्यूटर जोडलेले नाही, त्यांनी खानमिगोमध्ये प्रवेश असलेल्या विद्यार्थ्यांप्रमाणेच केले असल्याचे दिसते.
डेटामधील प्रतिबद्धता समस्या
पेपरचा सर्वात खुलासा करणारा विभाग म्हणजे त्याच्या वापराचे फॉरेन्सिक खाते. पृष्ठभागावर, दत्तक घेणे मजबूत दिसते: 96 टक्के विद्यार्थ्यांनी खानमिगोचा किमान एकदा प्रयत्न केला. खाली, प्रतिबद्धता कोसळते. मध्यवर्ती विद्यार्थ्याने गणिताचा सराव केलेल्या दिवसांपैकी फक्त एक तृतीयांश दिवस शिक्षकांना संदेश पाठवला आणि ज्या व्यायाम सत्रांमध्ये त्यांनी चूक केली त्यापैकी फक्त 17 टक्के. जेव्हा विद्यार्थ्यांनी ट्यूटरला संदेश दिला तेव्हा लेखकांना असे आढळले की संदेश मुख्यतः गणिती संवादाऐवजी स्पष्ट उत्तरे किंवा सुचविलेल्या प्रॉम्प्ट्सवर क्लिक होते.
दुस-या शब्दात सांगायचे तर, शिक्षकाला सॉक्रॅटिकली विद्यार्थ्यांना चुकांद्वारे प्रशिक्षण देण्यासाठी कॉन्फिगर केले गेले होते, परंतु विद्यार्थ्यांनी मुख्यतः कोचिंग संभाषण पूर्णपणे टाळले. लेखकांनी असा निष्कर्ष काढला की बंधनकारक मर्यादा गुंतलेली दिसते: एआय शिकवण्याचे वचन लक्षात घेऊन विद्यार्थ्यांना केवळ प्रवेश न देता त्याचा वापर करणे आवश्यक आहे.
AI खरेदी करणाऱ्या शाळांसाठी हे महत्त्वाचे का आहे
संपूर्ण युनायटेड स्टेट्समधील जिल्ह्यांवर एआय टूल्सचा अवलंब करण्याचा दबाव आहे आणि जवळजवळ प्रत्येक खेळपट्टीवर ट्यूशन हे प्रमुख वापराचे प्रकरण आहे. जनरेटिव्ह एआय हे तंत्रज्ञान म्हणून प्रोत्साहन दिले गेले आहे जे शेवटी शिक्षण संशोधक ज्याला टू-सिग्मा स्वप्न म्हणतात ते देऊ शकते: प्रत्येक विद्यार्थ्यासाठी वैयक्तिक शिक्षक. ब्लूमचे टू-सिग्मा फ्रेमिंग मानवी शिकवणीवरील जुन्या संशोधनातून आले आहे आणि एआय ट्यूटरना मार्केटिंग केलेले हेच वचन आहे.
हा अभ्यास सूचित करतो की अडथळे मॉडेल गुणवत्ता किंवा प्रवेश नाही. उपचार गटातील प्रत्येक विद्यार्थ्याकडे त्यांच्या दैनंदिन गणित ब्लॉकमध्ये एका क्लिकच्या अंतरावर अत्याधुनिक LLM शिक्षक होते. पौगंडावस्थेतील मुले उपचारात्मक वर्गात दिवसेंदिवस स्वेच्छेने शिकवणारे संवाद टिकवून ठेवतील की नाही ही अडचण होती. मानवी ट्यूशन अंशतः कार्य करते कारण एखाद्या व्यक्तीला लक्षात येते की जेव्हा तुम्ही बंद करता. सॉफ्टवेअर, आतापर्यंत, त्या पुलाची विश्वसनीयरित्या प्रतिकृती बनवत नाही.
लक्षात ठेवण्यासारख्या चेतावणी
हा पेपर एक एडवर्किंगपेपर आहे, जो ब्राउन युनिव्हर्सिटीच्या ॲनेनबर्ग इन्स्टिट्यूटद्वारे वितरित केला गेला आहे आणि वाचकांनी त्याला पीअर-पुनरावलोकन केलेल्या निष्कर्षांऐवजी कार्यरत संशोधन म्हणून हाताळले पाहिजे. या अभ्यासात एका राज्यातील मध्यम शालेय उपचारात्मक गणिते समाविष्ट आहेत, त्यामुळे इतर विषय, ग्रेड स्तर किंवा अंमलबजावणी मॉडेल्सचे सामान्यीकरण करणे सट्टा आहे. लेखकांच्या स्वतःच्या फ्रेमिंगचे मोजमाप केले जाते: मोठ्या प्रमाणावर उपलब्ध असलेल्या एआय ट्यूटरला विद्यमान सराव सत्रांमध्ये स्तरित केल्यावर काय घडले ते ते अहवाल देतात, भिन्न अभ्यासक्रमांतर्गत काय घडू शकते किंवा व्यस्त राहण्यासाठी मजबूत प्रोत्साहन दिले जाते.
अभ्यास काय सांगत नाही हे देखील लक्षात घेण्यासारखे आहे. एआय शिकवणे निरुपयोगी असल्याचे आढळत नाही; संपूर्ण वर्षाच्या सक्रिय सहभागाचा 0.14 मानक विचलन प्रभाव जर प्रतिबद्धता टिकवून ठेवता आली तर अर्थपूर्ण होईल. शोध याच्या अगदी जवळ आहे: तंत्रज्ञानाने तसेच नॉन-एआय सराव साधनांवर काम केले आहे, कारण विद्यार्थ्यांनी AI चा वापर आधीपासून दुर्लक्ष केलेल्या बटणांपेक्षा वेगळ्या पद्धतीने केला नाही.
टेकअवे
जनरेटिव्ह एआय ट्यूटर वर्गखोल्यांचा कायापालट करतील, असे आश्वासन देण्यासाठी शिक्षण तंत्रज्ञान क्षेत्राने दोन वर्षे घालवली आहेत. ही चाचणी, दोन पूर्ण वर्षांमध्ये वास्तविक विद्यार्थ्यांचे अनुसरण करणाऱ्या पहिल्यांपैकी एक आहे, असे सुचवते की परिवर्तन एका प्राचीन समस्येने केले आहे: मुलांना काम करण्याची इच्छा निर्माण करणे. शाळेतील नेत्यांसाठी, एआय विक्रेत्यांकडून केवळ परवाना संख्या नव्हे तर प्रतिबद्धता डेटाची मागणी करणे हा धडा आहे. एआय उद्योगासाठी, हे एक स्मरणपत्र आहे की एआय तैनातीमधील सर्वात कठीण समस्या मॉडेलबद्दल क्वचितच असतात.
एआय संशोधन सुरू ठेवा
यासारखे फील्ड प्रयोग कोणत्याही बेंचमार्कपेक्षा अधिक वेगाने हायप सायकल कापतात. वास्तविक-जागतिक परिणामांसह AI संशोधनाच्या सतत कव्हरेजसाठी, aibuzzwire.news वर AI बातम्यांचे अनुसरण करा.
अधिक एआय बातम्या वाचा →
