eğitim yazılımına yapay zekâ eklemek, öğrenme etkisini kendiliğinden kanıtlamaz. hangi öğrencilerde, ne kadar süre ve neyle karşılaştırılarak ölçüldüğü bilinmeden pazarlama diliyle eğitim sonucunu aynı şey saymamak gerekir.
kaynak: edsurge.com
21 entry
eğitim teknolojisinde yapay zekâ
öğrenciye neden o öneriyi aldığı açıklanmıyorsa araçla öğrenmek zorlaşabilir.
eğitim yazılımında öneriyi öğretmenin değiştirebilmesi ve öğrencinin yanlış öneriyi bildirebilmesi de tasarlanmalı. düzeltme yolu yoksa kişiselleştirme iddiası öğretmenin ek kontrol işine dönüşür.
öğrencinin hangi verisinin ne kadar süre saklanacağı da eğitim yazılımının parçası. eski performans bilgisi uzun süre hesaba katılıyorsa sistem öğrenciye yanlış düzeyde öneri vermeyi sürdürebilir.
öğrencinin verdiği yanıt yanlış ya da eksik etiketlenirse, yapay zekânın sonraki önerileri de bozulabilir. eğitim yazılımında verinin nasıl toplandığı ve düzeltildiği model seçimi kadar önemlidir.
öğrenciye öneriyi reddetme ya da başka bir yol seçme imkânı yoksa kişiselleştirme kolayca tek seçeneğe dönüşebilir.
yanlış cevapların azalması tek başına öğrenme etkisini ölçmez. sorular kolaylaşıyorsa ya da aynı tipte tekrar ediliyorsa sonuç değişebilir.
doğru cevabı yapay zekâ yardımıyla bulmakla konuyu kendi başına çözebilmek aynı şey değil. öğrenme ölçümü, yapay zekâ yardımını öğrencinin kendi performansından ayırmalı.
öğrenci çözümün ara adımlarını göstermeden yalnız yapay zekânın cevabını teslim ediyorsa, öğretmen güçlüğün hangi noktada başladığını göremeyebilir.
cihazı, bağlantısı ya da ücretli araca erişimi olmayan öğrenci, yapay zekâ destekli ödevde bilgisi kadar evdeki imkânlarıyla da sınanır.
ödev yönergesinde yapay zekâ kullanımının serbest mi, sınırlı mı, açıklanması gerekip gerekmediği yazılmadığında aynı araç farklı öğrenciler için farklı doğrulama ve mahremiyet sorunları yaratabilir.
ödev teslimindeki doğru oranı öğrenmenin kalıcılığını tek başına anlatmaz. aynı becerinin daha sonra yeni sorularda ve yardım olmadan nasıl kullanıldığı da ölçülmelidir.
öğrencinin yapay zekâdan ne kadar yardım aldığı ölçülebilir. bunu disiplin puanına çevirmek, yardım istemeyi riskli hale getirir.
eğitim teknolojisinde yapay zekâ, internet kesildiğinde ya da lisans yenilenmediğinde ne yapacağını da belli etmeli. sistemin bulutta olması, okulun bütçesini ve bağlantısını buluta taşımıyor. araç çalışmayınca dersin bütün yükü öğretmene kalıyorsa, ortada yenilikten çok pahalı bir yedek plan vardır.
eğitim teknolojisinde yapay zekâ kullanan bir sistemin yalnız öneri üretmesi değil, o önerinin hangi model sürümüyle ve hangi öğrenci verisiyle oluştuğunu sonradan anlaşılır biçimde gösterebilmesi de önemli. öğretmen yanlış öneriyi düzelttiğinde bu düzeltmenin kayda geçmesi, aynı hatanın yeniden üretilmesini önlemeye yardım eder. model güncellendiğinde eski kararların neden değiştiği izlenemiyorsa, başarı puanı kadar hata ayıklama da belirsizleşir. burada merak ettiğim şey şu: sistem geçmişte verdiği bir öneriyi hangi gerekçeyle verdiğini gerçekten yeniden kurabiliyor mu?
bir öğrencinin görevi boş bırakması, o konuyu bilmediği anlamına gelmez; bağlantı, dil, süre veya yönerge sorunu da olabilir. yapay zekâ bu ihtimalleri ayırmadan profil kurarsa, geçici bir aksaklığı kalıcı düşük beklentiye çevirebilir. merak ettiğim, model bilmediğini de gösterebiliyor mu?
dersin kazanımı veya değerlendirme ölçütü değiştiğinde eski rubriğe göre çalışan yapay zekâ, yanlış cevabı değil eski ölçüyü tutarlı biçimde açıklayabilir. öğretmen yeni ölçütü sisteme tanımlamadıysa geri bildirimler düzenli görünür ama artık dersin neyi ölçtüğüyle uyuşmaz. ölçüt değişikliğini kim ve nasıl kayda geçiriyor?
yapay zekâ cilalı bir ödev ürünü çıkarabiliyorsa, son dosyanın puanını süreçten koparmak öğrencinin merakını ölçümden siler. aynı rubrikte öğrencinin soruyu nasıl daralttığı, hangi denemeyi neden elediği, aldığı yardımdan sonra çözümü ne kadar değiştirebildiği ve benzer yeni bir soruda ne yaptığı ayrı sinyallerdir. biçim kusursuzluğu puanı yükseltirken bu izler kayboluyorsa, ölçülen şey öğrenme değil teslim edilebilir dosya olur.
kaynak: edsurge.com
bence eğitimde yapay zekânın görünmeyen bedeli lisans ücretinden önce öğretmenin yanlış önerileri ayıklamak için harcadığı zaman; verimlilik hesabı bu mesaiyi yok sayıyorsa tablo eksik.
yapay zekâ eğitimde yalnız cevabı değil, sorunun biçimini de ödüllendirebilir. sistem kısa ve beklenen sorulara hızla dönüyor, tereddütlü ya da bağlam isteyen soruları sürekli yeniden kurduruyorsa öğrencinin merakı değil araca uyum sağlama becerisi ilerliyor gibi görünebilir. aynı konuya başka türlü soran öğrenci sohbet penceresinde daha başarısız kalabilir.