详细内容或原文请订阅后点击阅览
客座帖子：130,000 个学生向 AI 提出的问题揭示了批判性思维的哪些内容
关于教育中的生成式人工智能的讨论常常充满忧虑。这些强大的新工具是否会鼓励学生走捷径、摆脱思考、回避有价值的、富有成效的斗争，从而实现真正的学习？
来源:The Learning Scientists博客我们的研究在《要求学习》报告中进行了详细介绍，使用嵌入在生物学入门课程中常用的数字生物学教科书中的人工智能学习工具，检查了来自 8,600 多名学生的近 130,000 个匿名查询。我们重点关注该工具的“解释”功能，该功能邀请学生用自己的话提问，为了解他们的思维过程和真正的好奇心提供了一个直接的窗口。
要求学习为了分析这些问题的认知深度，我们使用修订后的布鲁姆分类法作为框架，根据每个查询的认知过程（例如，记住、理解、分析）和知识维度（例如，事实、概念）对每个查询进行分类 (4)。这使我们能够超越学生的要求来了解他们的想法。
(4) 什么 如何超越事实核查：高阶思维的证据
不出所料，大多数查询（约 80%）都集中在基础知识上。学生们要求人工智能定义术语（“光学显微镜有哪些不同类型？”）或解释核心概念（“你能像我是个假人一样向我解释细胞呼吸吗”）。这完全适合入门课程，在入门课程中建立坚实的事实和概念知识基础至关重要 (5)。它表明学生正在按预期使用该工具：加强他们对基本概念和想法的理解。
(5)然而，真正让我们兴奋的是更深入的问题所占的比例。我们的分析显示，大约三分之一的学生输入反映了更高水平的认知复杂性。此外，20% 的查询被分类为“分析”级别或更高级别——与批判性思维技能广泛相关的级别。
这些查询并不是简单的信息请求。学生们提出假设性问题，批判性地评估实验方法或程序，并以复杂的方式评估信息。例如：
(6)