详细内容或原文请订阅后点击阅览
为什么教育学应该推动人工智能课程的生成，而不是相反
人工智能解决了课程创建的速度问题，但光有速度并不能保证学习。本文探讨了当人工智能进行生成时，教学设计学科（布鲁姆分类法、门控知识检查、间隔重复和真正的分支场景）应该是什么样子。这篇文章首先发表在电子学习行业。
来源:eLearning行业 | 在线教育博客成品课程的区别
人工智能现在可以在几分钟内将文档、文字记录或粗略大纲转变为完整的幻灯片。多年来，课程创建的瓶颈是制作时间：制作幻灯片、录制旁白、格式化测验。这一瓶颈正在迅速消失。但新的内容正在悄然取代它的位置，而且它更危险，因为它在演示中是看不见的：内容在实际教授任何内容之前就已经完成了，因为它缺乏良好的教学设计框架。
生成的课程可以经过打磨、品牌化且技术上完整，但仍然无法通过唯一重要的测试：学习者是否保留并应用了他们所看到的内容？如果一周后另一端的结果不能成立，那么速度就解决了错误的问题。这是电子学习领域现在需要就人工智能创作进行的对话：不是“它生成的速度有多快”，而是“这一代人实际上运行的教学设计学科是什么”。
AI 速度的差距不会自行缩小
传统的创作工具要求人类做出每一个教学决策：如何对概念进行排序、何时测试理解、重复多少次就足够了。这很慢，但这也是学习设计实际发生的地方。当人工智能消除生产摩擦时，人们很容易认为教学方法是免费的。事实并非如此。一个模型被要求“把这个 PDF 变成一门课程”，他会很高兴地生成 12 张信息转储幻灯片，最后附有一个包含 5 个问题的测验。这是内容交付，而不是教学设计。
真正经受住严格审查的工具是人工智能不仅仅生成幻灯片，而是在生成任何内容之前应用教学设计框架的工具。当一切演示顺利时，这种区别很容易被忽视，而这正是 L&D 团队应该投入评估精力的地方。