Yapay zeka eğitiminin en iddialı gerçek dünya testlerinden biri, ciddi bir karara vardı. Khan Academy'nin Khanmigo öğretmeninin Tennessee'deki 18 ortaokulda gerçekleştirdiği iki yıllık grup rastgele denemesi, yapay zeka eğitmenine erişimin ölçülebilir ancak mütevazı matematik kazanımları sağladığını ve sonuçların, teknoloji uzmanlarının nadiren reklamını yaptığı bir sorun nedeniyle geri kaldığını ortaya çıkardı: çoğu öğrenci bunu neredeyse hiç kullanmıyordu. "Tek Tık Uzakta: İki Yıllık Okul Deneyinde Khanmigo ile Yapay Zeka Dersleri" başlıklı çalışma, Philip Oreopoulos ve Nina Low tarafından yürütüldü ve Brown Üniversitesi'ndeki Annenberg Enstitüsü'nün EdWorkingPapers serisi aracılığıyla yayınlandı.

Bulgular tek bir ürünün çok ötesinde önem taşıyor çünkü Khanmigo, Amerikan okullarında en yaygın olarak kullanılan yapay zeka eğitmenlerinden biri ve çalışma, normal sınıf koşullarında üretken yapay zeka eğitiminin ilk büyük ölçekli deneysel değerlendirmeleri arasında yer alıyor. Yapay zeka araştırma haberlerini ve bunun gerçek dünyadaki kurumlarla çarpışmasını takip eden herkes için bu makale, pazarlama iddialarının hakim olduğu bir tartışmada nadir görülen sağlam bir kanıttır ve eğitimciler ve teknoloji uzmanları bunun sonuçlarını analiz ederken bu hafta Hacker News'in ön sayfasına düştü.

Araştırma Ne Buldu?

Deneme, 18 Tennessee ortaokulundaki öğrencileri, mevcut günlük telafi matematik oturumları sırasında AI öğretmeni Khanmigo ile birlikte Khan Academy'yi kullanmaları için rastgele atadı. En önemlisi, eğitmenin Khan Academy'nin belirtilen pedagojisini yansıtacak şekilde cevap vermek yerine koçluk yapacak şekilde yapılandırılmış olmasıydı. Deney iki okul yılı boyunca yürütüldü ve bugüne kadar yapay zeka eğitimi konusunda yapılan en uzun saha deneylerinden biri oldu.

Ana sonuçlar: Yapay zeka özel ders koşuluna atama, matematik başarısını dönem başına 1,3 ulusal yüzdelik dilim kadar artırdı; yazarlar bunu bir okul yılı boyunca kabaca 0,06 ila 0,08 standart sapma olarak hesaplıyor. Bir yıllık aktif katılımın ima edilen etkisi 0,14 standart sapmaya ulaşıyor. Bunlar gerçek, istatistiksel olarak tespit edilebilir kazanımlardır ve düşük maliyetli bir yazılım müdahalesi için bunlar saygındır.

Ancak abartıyı ortadan kaldıran karşılaştırma şu: Kazanımlar, AI yardımı olmadan Khan Academy uygulamalarından elde edilenlere benziyor. Platformun mevcut uygulama araçlarını, herhangi bir yapay zeka eğitmeni olmadan kullanan öğrencilerin, Khanmigo'ya erişimi olan öğrenciler kadar başarılı olduğu görülüyor.

Verilerdeki Etkileşim Sorunu

Makalenin en aydınlatıcı kısmı, adli kullanıma ilişkin açıklamasıdır. İlk bakışta benimseme güçlü görünüyor: Öğrencilerin yüzde 96'sı Khanmigo'yu en az bir kez denedi. Altında nişan çöküyor. Ortalama öğrenci matematik çalıştıkları günlerin yalnızca üçte birinde ve hata yaptıkları egzersiz oturumlarının yalnızca yüzde 17'sinde öğretmene mesaj attı. Öğrenciler öğretmene mesaj gönderdiğinde, yazarlar mesajların esaslı matematiksel diyaloglardan ziyade çoğunlukla çıplak yanıtlar veya önerilen yönlendirmelere yapılan tıklamalar olduğunu buldu.

Başka bir deyişle, öğretmen öğrencilere hatalar yoluyla Sokratik olarak koçluk yapacak şekilde yapılandırılmıştı, ancak öğrenciler çoğunlukla koçluk konuşmasından tamamen kaçındılar. Yazarlar, bağlayıcı kısıtlamanın katılım olduğu sonucuna varıyor: Yapay zeka eğitiminin vaadini gerçekleştirmek, öğrencilerin sadece erişim vermesini değil, bunu kullanmasını da gerektirecek.

Okullar İçin Yapay Zeka Satın Almak Neden Önemli?

Amerika Birleşik Devletleri'ndeki bölgeler yapay zeka araçlarını benimseme konusunda baskı altında ve özel ders neredeyse her alanda en önemli kullanım alanıdır. Üretken yapay zeka, eğitim araştırmacılarının iki sigma rüyası dediği şeyi, yani her öğrenciye kişisel bir öğretmenin sağlanmasını nihayet sağlayabilecek teknoloji olarak tanıtıldı. Bloom'un iki sigma çerçevesi, insan eğitimi üzerine daha eski bir araştırmadan geliyor ve bu, yapay zeka eğitmenlerinin tam olarak karşı çıktığı vaattir.

Bu çalışma, darboğazın model kalitesi veya erişim olmadığını öne sürüyor. Tedavi grubundaki her öğrencinin, günlük matematik bloklarında, hiçbir ücret ödemeden, bir tık uzakta, son teknolojiye sahip bir LLM eğitmeni vardı. Kısıtlama, ergenlerin telafi sınıfında her gün özel ders diyaloğunu gönüllü olarak sürdürüp sürdüremeyecekleriydi. İnsanlara verilen eğitim kısmen işe yarıyor çünkü bir kişi siz ayrıldığınızı fark ediyor. Yazılım şu ana kadar bu çekişi güvenilir bir şekilde kopyalayamıyor.

Akılda Tutulması Gereken Uyarılar

Makale, Brown Üniversitesi'nin Annenberg Enstitüsü tarafından dağıtılan bir EdWorkingPaper'dır ve okuyucular bunu hakemli bulgulardan ziyade çalışma araştırması olarak ele almalıdır. Çalışma bir eyalette ortaokul telafi matematiğini kapsıyor; bu nedenle diğer derslere, sınıf düzeylerine veya uygulama modellerine genelleme yapmak spekülatiftir. Yazarların kendi çerçeveleri ölçülüyor: Farklı müfredatlar veya katılım için daha güçlü teşvikler altında neler olabileceğini değil, yaygın olarak bulunabilen bir AI eğitmeninin mevcut uygulama oturumlarına dahil edilmesi durumunda ne olduğunu rapor ediyorlar.

Ayrıca çalışmanın ne söylemediğini de belirtmekte fayda var. Yapay zeka eğitiminin faydasız olduğunu düşünmüyor; Katılımın sürdürülebilmesi durumunda, tüm yıl boyunca aktif katılımın 0,14 standart sapma etkisi anlamlı olacaktır. Bulgu buna daha yakın: Teknoloji, takıldığı yapay zeka olmayan uygulama araçları kadar işe yaradı çünkü öğrenciler yapay zekayı zaten göz ardı ettikleri düğmelerden farklı şekilde kullanmadılar.

Paket Servis

Eğitim teknolojisi sektörü iki yıl boyunca üretken yapay zeka eğitmenlerinin sınıfları dönüştüreceğine dair söz verdi. İki yıl boyunca gerçek öğrencileri takip eden ilk çalışmalardan biri olan bu deneme, dönüşümün çok eski bir sorun tarafından engellendiğini öne sürüyor: çocukların işi yapmayı istemesini sağlamak. Okul liderleri için alınacak ders, yapay zeka tedarikçilerinden yalnızca lisans sayımlarını değil, etkileşim verilerini de talep etmektir. Yapay zeka endüstrisi için bu, yapay zeka dağıtımındaki en zorlu sorunların nadiren modelle ilgili olduğunu hatırlatıyor.

Yapay Zeka Araştırmalarını Takip Edin

Bunun gibi saha deneyleri, heyecan döngüsünü herhangi bir kıyaslamadan daha hızlı bir şekilde kesiyor. Gerçek dünyada sonuçları olan yapay zeka araştırmalarının sürekli kapsamı için aibuzzwire.news'te yapay zeka haberlerini takip edin.

Daha fazla AI haberini okuyun →