Artificial Intelligence and the Future of Education
Big Promises - Bigger Challenges
乔纳森迈克尔斯佩克特杜静
ABSTRACT
在过去50年的教育技术历史中，很少有基于采用特定技术而在学习方面取得显著进步的例子。一个涉及人工智能的例子发生在20世纪90年代，智能教学系统(信息技术事务司)的发展100 . ITSs的成功局限于定义良好且相对简单的声明性和过程性学习任务（例如，学习如何用口齿不清编写递归函数；进行多列相加),观察到的改进往往比承诺的更有限（例如，最多一个标准差改进，而不是承诺的标准差改进)。尽管如此，在如何将学习概念化方面还是取得了一些进展。一个很少记录的限制是只从内容和认知的角度来看待学习的观念（即，在记忆限制、先验知识、错误库、学习层次和顺序等方面)。) .人们很少关注比发展高度受限问题的特定认知技能更广泛的教育。新技术提供了创建特定学习者的动态和多维模型的潜力，并跟踪大量学习者的学习活动、资源、干预和结果的大型数据集。使用这些数据为特定的学习者进行个性化学习，在特定的研究领域发展知识、能力和理解，这最终是一种真正的可能性。虽然取得重大进展的潜力显然是可能的，但现实并不那么乐观。还有许多尚未解决的挑战，本文将提到其中一些。一个持续的担忧是，教育技术专家和计算机科学家将再次承诺太多，太快，成本太低，努力太少，对学校和大学的现实关注太少。
KEYWORDS
人工智能；评估；大数据；形成性评价；学习成果；程序评估；终结性评价；系统变化
作者授权互联网教育国家工程实验室发布，欢迎刷屏转发！
长按二维码，关注公众号
