详细内容或原文请订阅后点击阅览
寻求打造更好的人工智能导师
研究人员在古老的教育技术理念上取得了进展：个性化实践。
来源:KQED | MindShift但有一个关键的区别。一半的学生被随机分配到固定顺序的练习题，从易到难。另一半则收到个性化的序列，人工智能导师根据学生的表现以及与聊天机器人的互动情况不断调整每个问题的难度。
这个想法基于教育工作者所说的“最近发展区”。当问题太简单时，学生就会感到无聊。当他们太难时，学生会感到沮丧。我们的目标是让学生处于最佳状态：面临挑战，但不会不知所措。
研究人员发现，个性化组的学生在期末考试中比固定问题组的学生表现更好。差异被描述为相当于 6 至 9 个月的额外学校教育，对于仅持续 5 个月的课外在线课程来说，这是一个引人注目的说法。人工智能导师的发明者、沃顿商学院博士生 Angel Chung 承认，她对统计单位的转换“并不是一个完美的估计”。 （有关该实验的论文草稿已于 2026 年 3 月发布在网上，但尚未在同行评审期刊上发表。）
尽管如此，这是早期的证据，表明小的调整（在这种情况下，为学生校准练习问题的难度）可以产生影响。
Chung 表示，ChatGPT 的回答可能已经让人感觉非常个性化，因为它们直接回答学生的独特问题。但这种程度的个性化还不够。 “学生通常不知道他们不知道什么，”钟说。 “学生没有能力提出正确的问题来获得最好的辅导。”
不同的学生如何与聊天机器人导师互动
换句话说，个性化不仅仅是定制解释。这是关于定制学习路径本身。
这个想法并不新鲜。
他们的致命弱点是参与度。许多学生根本不想使用它们。
人类还没有过时。