20 октября профессор физики Cornell University Наташа Холмс выступила в Университете Массачусетса с лекцией о роли GenAI в преподавании и исследованиях образования.
Одна из главных возможностей, по её мнению, связана не с генерацией учебных текстов, а с анализом открытых ответов студентов.
До сих пор масштабные исследования обучения во многом опирались на тесты: выбрать один вариант из нескольких легко проверить у тысячи человек. Подробно читать и классифицировать тысячи письменных объяснений значительно труднее.
Большие языковые модели позволяют анализировать такие ответы массово — искать повторяющиеся способы рассуждения, типичные ошибки и различия в том, как студенты понимают одну и ту же задачу.
Группа Холмс уже использует машинное обучение для анализа лабораторных записей и письменных ответов студентов-физиков. Отдельная задача исследователей — понять, насколько такому автоматическому анализу можно доверять и как оценивать его собственные ошибки.
В Cornell идёт и другой эксперимент: инструмент ACTR использует генеративный ИИ, чтобы задавать студентам персональные вопросы о недавно пройденных лекциях и лабораторных работах и побуждать их объяснять собственные решения.
Получается любопытный разворот. Мы привыкли обсуждать ИИ в образовании как машину, способную написать что-нибудь вместо ученика.
Но, возможно, не менее ценная его роль — помочь преподавателю увидеть, как ученик думает сам.
