Hur påverkas skolan av ai

I argument till användandet från digitala teknologier framhålls ofta stora möjligheter till utbildning samt elevers utbildning, dock artificiell intelligens (AI) inom klassrummen kunna ge både möjligheter samt utmaningar. till för att pedagog bör behärska föreställa sig hur AI skulle behärska användas inom klassrummet behöver dem ett ökad medvetande från vad AI existerar, vilket mot modell framträda inom ett forskning från Stefan Hrastinski m.

fl. dem menar för att detta stora intresset på grund av AI inom skolan visar för att detta finns ett vilja för att förstå dem möjligheter samt utmaningar liksom kunna realiseras inom ett nära framtid.

Möjliggör automatisk anpassning mot elevers förmågor samt behov

Men medan vetenskapsman inom större utsträckning studera hur tekniken kunna användas till ideala framtida undervisningsmetoder, existerar pedagog ofta mer intresserade från hur tekniken kunna bli en del av inom nuvarande utbildning.

Intelligenta adaptiva struktur samt learning analytics existerar term likt blir allt vanligare inom diskussioner angående skolans digitalisering. Adaptiva struktur förmå beskrivas såsom enstaka digital lärmiljö vilket automatiskt anpassar utbildning samt lärresurser mot enskilda elevers förmågor samt behov. smart adaptivitet existerar då artificiell intelligens (AI) används på grund av denna anpassning.

AI inom undervisningen är kapabel mot modell användas till för att följa elevernas framsteg, förstå deras nuvarande styrkor samt svårigheter samt ge snabb återkoppling inom form eller gestalt från förklaringar samt lämpliga fakta. då eleverna använder dessa digitala struktur skapas stora mängder användardata liksom kunna användas på grund av för att analysera elevernas utbildning, vilket brukar benämnas learning analytics.

Föregångare baserades vid beteendestudier

I argumenten på grund av användandet från digitala teknologier framhålls ofta stora möjligheter till utbildning samt elevers utbildning.

Larry Cuban beskriver hur idén angående modern teknik existerar tänkt för att effektivisera undervisningen samt hur detta besitter medfört för att stora implementeringsinsatser tillsammans med datorer inom klassrummen besitter genomförts. Övertygelsen ifall för att färsk teknik förmå stödja individualisering samt därmed elevernas utbildning existerar inget nytt.

Datorstödd utbildning, vilket är kapabel ses liksom enstaka föregångare mot AI, introducerades redan vid 1960-talet liksom enstaka teknik till för att utveckla både utbildning samt utbildning.

Det handlar ifall hur man kunna nyttja sig från möjligheterna tillsammans med artificiell intelligens samt hur detta är kapabel komma för att påverka skolans verksamhet.

Den grundade sig vid B. F. Skinners idéer angående instrumentell lärande. enstaka stimulus framkallar enstaka respons hos eleven samt denna respons förstärks tillsammans lön. Detta innebär för att lärande ses likt ett förändring inom elevens beteende, samt för att beteendet förmå förstärkas tillsammans med belöningar. Denna sorts lärande leder i enlighet med Skinner mot en precis beteende var eleven snabbt lär sig för att utföra riktig samt såsom dessutom skapar nyfikenhet samt motivation hos eleven.

såsom ett resultat från detta tillverkades undervisningsmaskiner, mekaniska verktyg, såsom förmedlade detta såsom eleven skulle lära sig i enlighet med förutbestämda regler. Progressionen skedde inom små steg inom elevens personlig hastighet tillsammans med omedelbar återkoppling vid varenda elevs svar.

Begränsningar inom dem tidiga exemplen

I enstaka empirisk undersökning angående matematikundervisning ifrån 1973 visade S.

H. Erlwanger tidigt risken tillsammans för att nyttja datorstödd utbildning till för att individualisera undervisningen. tillsammans denna typ från utbildning behandlades matematik såsom en tema vilket huvudsakligen består från lagar samt räkneregler, likt eleven bör upptäcka samt komma minnas. Erlwanger menade för att matematikundervisningen istället bör stödja elevernas medvetande genom samarbete samt diskussion.

Datorstödd utbildning inom avsikt för att utveckla lärmiljön samt ge mer relevanta instruktioner mot eleverna utvecklades vid 70-talet.

Målet plats för att öka elevernas kunskaper genom för att engagera dem inom resonemang. Detta kunde göras genom för att nyttja datorns möjligheter för att förmedla kunskap samt för att interagera tillsammans med eleverna tillsammans multimedia likt mot modell skrivelse, foto, ljud samt film. Den datorstödda undervisningen inom specifika områden, såsom mot modell matematik- samt språkinlärning, bestod från struktur liksom plats baserade vid sålunda kallade ”om-så”-regler.

Dessa regler innebär för att detta digitala systemet såsom innehåller dem ämneskunskaper liksom eleven bör lära sig även förutser olika alternativa elevsvar. ifall eleven svarar vid en visst sätt, sålunda ges förutbestämda instruktioner anpassade mot elevens svar. Eleverna följde helt enkelt dem förutbestämda regler likt skapats från experten till för att lära sig ämnet.

Som pedagog måste ni precis betänka hur samt då ni integrerar AI-verktyg inom undervisningen på grund av för att säkerställa för att ni ej oavsiktligt underminerar viktiga aspekter från elevernas tillväxt samt lärande.

eftersom utbildning existerar ett komplex process krävdes detta väldigt flera regler på grund av ett utmärkt anpassning mot varenda student. Denna begränsning gjorde för att dessa adaptiva struktur ej fick den succé likt förväntats.

Ny teknik tillåter större variation

Nu besitter intresset på grund av AI vid nytt blivit stort samt detta sker många undersökning inom området.

Adaptiv datorstödd utbildning börjar långsamt föras in inom klassrummen. Denna typ från AI förmå beskrivas likt självlärande datorsystem konstruerade till för att interagera tillsammans omgivningen genom för att nyttja röst- samt mönsterigenkänning. mot skillnad ifrån tidigare regelstyrda adaptiva struktur lär sig dem moderna systemen ifrån insamlade information, således kallad maskininlärning.

Detta innebär för att insamlad uppgifter analyseras samt regler till utbildning identifieras. Systemet bedömer tillgänglig upplysning samt fattar beslut, vilket oss skulle uppfatta vilket inom huvudsak mänskligt beteende.

AI börjar hitta sin ställe inom skolans planet samt flera pedagog ser potentialen för att nyttja tekniken inom klassrummet.

Intelligenta adaptiva struktur skulle genom för att nyttja AI tillsammans med denna teknik behärska förstå elevens beteende samt justera data genom för att nyttja maskininlärning. Dessa struktur existerar utan dem begränsningar liksom tidigare struktur haft då dem ej existerar regelstyrda utan tillåter elevernas utbildning för att ta olika banor samt äger tillfälle för att variera både undervisningsstrategier samt återkoppling.

De fördelar såsom ofta framförs existerar för att adaptiv datorstödd utbildning ökar chansen för att individualisera utifrån samtliga elevers enskilda behov.

data rättas automatiskt samt elevens behov identifieras, ett prognos görs ovan elevens kunskapsutveckling samt lämpligt ämnesinnehåll samt relevanta data tilldelas eleven. då en digitalt struktur sköter dessa data frigörs mer period mot läraren, vilket är kapabel användas mot modell till personlig förbindelse tillsammans studenter samt föräldrar.

Lärare tveksamma mot för att överlämna kontroll

Adaptiv datorstödd utbildning verkar dock ej bara ge fördelar, eftersom automatisk adaptivitet kunna utmana lärares yrkeskompetens.

Lärarens roll nära automatisk adaptivitet skulle behärska bli mer begränsad samt för att lärarens beslut nedgraderas.

Detta framträda inom enstaka forskning från Marie Utterberg m.fl., var matematiklärare använder en adaptivt läromedel såsom ej självklart ger kvalificerat stöd på grund av läraren. Den ”inbyggda” artificiella intelligensen inom läromedlet bör individanpassa svårighetsgraden vid dem information såsom läromedlet tilldelar eleverna.

AI samt dess konsekvens vid skolan existerar en aktuellt ämne.

Genom maskininlärning lär sig datorprogrammet för att uppleva igen vilka typer från data vilket eleven klarar samt anpassar svårighetsgraden därefter. Ju fler information eleven beräknar desto träffsäkrare blir den adaptiva funktionen. Läraren förmå följa dem enskilda elevernas sysselsättning samt ett fåtal data ifall hur flera information dem lyckats åtgärda, hur flera försök eleverna gjort, hur länge dem tittade vid instruktionsfilmerna etc.

Läraren är kapabel även erhålla statistik vid klassnivå samt på det sättet upptäcka angående detta finns segment såsom kräver ytterligare enstaka gemensam instruktion. dock denna lärande visar för att detta adaptiva systemet visserligen förser läraren tillsammans med enstaka mängd resultat, dock för att lärarna ogärna överlämnar kontrollen mot ett algoritm samt istället föredrar för att själva följa elevernas tillväxt.

Särskilt klart fanns detta tillsammans med dem studenter liksom behöver lite ytterligare hjälp.

Det kommer påverka kurs, utbildning samt lärande samt ej minimalt lärares samt studenters roller.

Däremot lät lärarna gärna dem studenter likt behövde nya utmaningar samt såsom ville räkna vid inom högre tempo styras från den adaptiva funktionen. denna plats kunde eleverna förses tillsammans ständigt nya fakta vid ett lagom utmanade nivå. Forskningsprojektet visar även för att adaptivitet såsom möjliggör på grund av samtliga studenter för att utvecklas i enlighet med individuella inlärningsbanor förmå utföra detta svårt på grund av samarbete samt gemensamma diskussioner inom klassrummet.

studenter såsom arbetar tillsammans med olika fakta ifrån olika matematiska områden kommer för att bli alltmer utspridda inom sin individuella progression. Detta förmå även utföra detta svårare till eleverna för att hjälpa varandra.

Stort nyfikenhet på grund av adaptivitet samt learning analytics

Det finns en stort forskningsintresse till adaptiv datorstödd utbildning samt learning analytics, liksom anses behärska ett fåtal flera användningsområden.

mot modell, framträda inom enstaka nyligen presenterad forskning från Tiago Franco samt Paulo Alves ett modell på grund av för att analysera information ifrån studenter inom avsikt för att förutse vilka såsom riskerar för att ej avsluta sin universitetsutbildning. uppgifter vilket analyserades tillsammans med hjälp från maskininlärning fanns studenters bakgrundsinformation, antal avklarade kurser, icke avklarade kurser, närvaro samt användardata ifrån deras lärplattform.

dock studien visar vid svårigheter inom för att definiera samt nyttja tillgängliga samt relevanta information. Studien visar även för att detta skulle ta flera kalenderår för att ”träna” algoritmerna mot för att tillräckligt säkert behärska känna igen dem studenter likt troligen kommer för att slutföra sin träning inom förtid.

inom enstaka avhandling från Mohammed Saqr framträda dock för att tillsammans med AI samt learning analytics kunna elevers prestationer tidigt förutses samt därmed möjliggöra genomförandet från verksamma strategier inom avsikt för att utveckla samt underlätta lärandet på grund av varenda elev.

Intresset på grund av AI-teknikens möjligheter existerar även grundlig inom utbildningsföretagen.

inom marknadsföringen används term likt individanpassning, automatisk rättning samt omedelbar återkoppling. detta finns även funderingar ifall för att utforma struktur vilket förmå följa samt justera lärandet till enstaka individ genom all studietiden.

Utmaningar inom säkerhet samt likvärdighet

Med samtliga dessa möjligheter följer självklart risker samt utmaningar.

Utvecklingen bygger vid för att ett massiv mängd information samlas in samt därmed behövs för att datasäkerheten samt sekretessen rörande den enskildes integritet existerar genomtänkt. dem stora datasystemen kommer för att hantera enorma mängder personuppgifter vilket existerar särskilt känsligt inom skolan var oss inom flera fall hanterar uppgifter ifrån minderåriga.

Så hur kommer AI in inom undervisningen?

ett ytterligare utfall existerar för att likvärdigheten inom samt mellan olika skolhuvudmän riskerar för att bli lidande. Utvecklingen från AI kommer för att ställa stora krav vid investeringar inom mjuk- samt hårdvara samt dessutom blir fortbildningsbehovet hos lärarna ständigt aktuellt samt troligen ökande.

Sammanfattningsvis kunna man alltså yttra för att AI innebär både möjligheter samt utmaningar.

detta liksom AI skulle behärska bidra tillsammans existerar för att stödja läraren inom att: analysera stora mängder användardata ifrån eleverna ovan tidsperiod på grund av beslutsstöd, värdera elevers kunskaper, känna igen studenter liksom riskerar för att ej nå kunskapskraven, känna igen studenter liksom kommit särskilt långt inom sin kunskapsutveckling samt justera undervisningsstrategier samt ämnesinnehåll mot varenda enskild elevs behov.

dock detta behövs mer förståelse angående vilket AI inom skolan innebär. Praktiknära undersökning skulle behärska artikel en sätt för att förstå samt förklara skolans förutsättningar likt ger insikt användbar till för att förbättra skolans verksamhet.

Text: Marie Utterberg Modén, Martin Tallvid samt Johan Lundin