/dev/color tarafından düzenlenen yakın zamanda düzenlenen bir Hackathon, seçilmiş kuruluşları bir araya getirerek Stanford Ideal Learning Lab'ın Etkili Problem Çözme Bilim Eğitmeni (STEPS) etkinliğini keşfetti; bu program, lisans STEM öğrencilerinin problem çözme süreçlerini güçlendirmesine yardımcı olmak için tasarlanmış yapay zeka odaklı pedagojik bir ajandır.

ETS Araştırma Enstitüsü'nü temsil ederek ölçüm biliminin yapay zeka ders ortamlarına nasıl entegre edilebileceğini inceledik. STEPS zaten biçimlendirici bir değerlendirme platformu olarak işlev gördüğü için, hackathon bize öğrenci öğreniminin kanıtlarının yapay zeka dersini kişiselleştirmek için gerçek zamanlı nasıl kullanılabileceğini incelemek için zamanında bir fırsat sundu.

Birincil teslimatımız, STEPS platformuna gömülebilecek uçtan uca kapalı döngü öğrenici model boru hattının kapsamlı bir mimari haritalamasıydı. Bu mimariyi ETS ekibimiz ile /dev/color arasında iş birliği yoluyla geliştirdik. Önerilen tasarımda, öğrencilerin STEPS kullanımından alınan ölçümler, tanısal değerlendirme sonuçları ve kişisel öğrenmeyi bilgilendirmek için kendi raporları dahil olmak üzere birden fazla kanıt kaynağından yararlanıyoruz. Bu veri akışları, ders deneyimi için rehberlik edebilecek öğrenen profillerine sentezlenir. Özellikle, öğrenci-sohbet sohbeti etkileşimlerinin puanları veya kalıpları gibi nicel ölçümleri yapay zeka eğitmeni için pedagojik talimatlara çevirdik. Bunlar, ne kadar destek sağlanacağını ve ne zaman düşünceyi teşvik edeceğini belirler. Bu pedagojik talimatlar, STEPS'teki üretken yapay zeka ders sistemi tarafından kullanılan promptlara dahil edilir ve öğretmenin her öğrenenin ihtiyaçlarına dair kanıtlara dayanarak desteğini daha kişiselleştirilmiş bir öğrenme deneyimi yaratmasına olanak tanır. /dev/color ile iş birliğimiz, yaklaşımın araştırmaya dayalı ve uygulamaya dayalı olmasını sağladı.

Stanford Ideal Learning Lab direktörü Dr. Shima Salehi ve diğer hackathon katılımcılarından aldığımız olumlu geri bildirimlere dayanarak, ETS için birkaç fırsat belirledik:

• Uyarlanabilir YZ'nin bir kolaylaştırıcısı olarak ölçüm: Yapay zeka ders sistemleri olgunlaştıkça, yaratıcıları öğrenci öğrenme ilerlemelerini, bilişsel olmayan özellikleri ve dayanıklı becerileri modellemek için sistematik, kanıta dayalı yöntemler aktif olarak arıyor. ETS bu boşluğu doldurmak için benzersiz bir konumda.
• Araçlarımızın değeri: ETS ölçüm araştırmaları ve yeteneklerini yapay zeka ders sistemlerine entegre etmek, araştırmalarımızın yeni nesil öğrenme teknolojilerini güçlendirmesi için net bir yol olduğunu gösteriyor.
• Gelecekteki ortaklıklar için bir model: Hackathon, ETS'nin eğitim platformları için temel ölçüm altyapısını sağlamak amacıyla üst düzey akademik araştırma laboratuvarlarıyla nasıl iş birliği yapabileceğine dair güçlü bir kavramsal plan sunuyor.

ETS'deki uzmanlığımızı gelişmekte olan yapay zeka teknolojisiyle birleştirerek, her öğrenen için daha duyarlı ve anlayışlı bir destek sistemine doğru ilerleyebiliriz.