Wie künstliche Intelligenz die Zukunft der Bildung gestaltet

Wenn man das typische Klassenzimmer des 21. Jahrhunderts mit dem der frühen 1900er Jahre vergleicht, sind die Unterschiede nicht so offensichtlich. Die Lehrer werden vor Ihnen stehen und Anweisungen geben und Notizen zu einer modernen Version der alten Tafel austauschen - beispielsweise zu einem Overhead-Projektor oder einem gemeinsam genutzten Computerbildschirm. Die Schüler sitzen im Klassenzimmer an ihren Schreibtischen oder schauen sich eine Online-Videokonferenzsoftware an. Die Technologie hat sich geändert: Viele Tools und Prozesse wurden digitalisiert, einige wurden automatisiert und geografische Barrieren wurden teilweise beseitigt - die Akteure und Elemente sind jedoch weitgehend gleich geblieben.

Aber dank der Fortschritte in der künstlichen Intelligenz (KI) und beim maschinellen Lernen kommt eine langsame, aber stetige Transformation der Bildung unter der Haube. In einigen Jahren werden die Lehrer nicht mehr allein sein, um die Last der Ausbildung der jungen Generation oder der Belegschaft in Unternehmen zu tragen.

Bereits jetzt tragen KI-Algorithmen dazu bei, die Bildung zu verbessern, indem jede Interaktion in physischen und virtuellen Klassenzimmern gesammelt, analysiert und korreliert wird und die Lehrer dabei unterstützt werden, die spezifischen Schwachstellen jedes Schülers anzugehen. Dies könnte der Beginn einer Revolution in einer der ältesten und wertvollsten sozialen Fähigkeiten sein, die die Menschheit entwickelt hat, und ein Muss in einer Welt, in der Menschen neben intelligenten Maschinen leben und arbeiten.

Messung des Lernfortschritts

Die Dozenten müssen jede Reaktion auf eine Vorlesung, jede leere oder aufmerksame Haltung, jede eifrige oder zögernde Antwort auf eine Frage, jede Aufgabe, die früh oder spät gestellt wird, und vieles mehr berücksichtigen, wenn sie beurteilen, wie ein Student ein Konzept versteht. So können sie herausfinden, wo die Schüler zurückbleiben, und sie in die richtige Richtung lenken.

Aus diesem Grund ist es eine der größten Herausforderungen für jeden Lehrer, den Fortschritt eines Lernenden zu messen, und eine Aufgabe, die mit klassischer regelbasierter Software nur schwer zu bewältigen ist.

"Ob auf einem College-Campus oder in einem Unternehmen, die Vorlesungen sind überwiegend eins zu eins, wobei die Lehrkräfte in erster Linie mit den Studenten sprechen", sagt Chris Brinton, Leiter der Forschung bei Zoomi, einem auf AI spezialisierten Unternehmen bei der Erfassung und Analyse von Verhaltensdaten in Bildungseinrichtungen. "Dies ist aus der Notwendigkeit heraus entstanden: Es wäre unmöglich oder zumindest zeitlich ineffizient, wenn der Lehrer die Vorlesung über einen längeren Zeitraum unterbrach und jedes Anliegen des Schülers einzeln ansprach, um alle auf die gleiche Seite zu bringen. Stattdessen Wenn ein Schüler viele Fragen hat, wird er normalerweise gebeten, sich außerhalb der Unterrichtszeit an den Ausbilder zu wenden."

Algorithmen für maschinelles Lernen, die auf der Analyse und Auffindung von Mustern und Korrelationen zwischen Datenpunkten basieren, erweisen sich jedoch als wirksames Instrument, um Lehrern dabei zu helfen, das Verständnis eines Schülers für eine Vorlesung zu quantifizieren.

"Durch die Analyse spezifischer Schülerdaten kann AI dazu beitragen, dass Bereiche, in denen Schüler möglicherweise mehr Hilfe benötigen, schneller erkannt werden, wodurch die Leistung der Schüler und die Unterstützung der Lehrer verbessert werden", sagt Jessie Woolley-Wilson, Präsidentin und CEO von DreamBox Learning, einer intelligenten Mathematik -Lernplattform.

Die Ausstattung des Klassenzimmers mit künstlicher Intelligenz ist das Äquivalent dazu, jedem Schüler einen digitalen Tutor zur Verfügung zu stellen, erklärt Brinton. "Die Algorithmen, mit denen die KI gesteuert wird, können so trainiert werden, dass sie erkennen, wann ein Lernender Probleme hat und warum sie Probleme haben oder wann sie gelangweilt sind und was ihre Langeweile verursacht hat", sagt er.

Dies ist eine Abkehr von herkömmlicher Lernsoftware, die sich nur auf Bewertungsantworten stützte, um das Verständnis der Schüler für die Themen, die sie studieren, zu messen. "Diese Daten sind während einer Vorlesung oftmals nicht verfügbar, geschweige denn bei der Subsekunden-Granularität, bei der ein Student von einem klaren zu einem verwirrten Standpunkt wechseln kann", sagt Brinton.

Mittlerweile gibt es eine Reihe von AI-gestützten Plattformen, die umfassende digitale Profile jedes Schülers erstellen, indem sie Live-Informationen aus der Interaktion des Benutzers mit Kursmaterial und Kontext sammeln. Zoomi, die Plattform, die Brinton bei der Entwicklung unterstützt hat, zeichnet nicht nur Noten und Punktzahlen auf, sondern verfolgt auch Mikrointeraktionen, z. B. das Anzeigen bestimmter Folien oder Seiten in PDF-Dokumenten, das Wiedergeben eines bestimmten Teils eines Videos oder das Posten einer Frage oder Antwort in einer Diskussion Forum.

Die Daten werden dann verwendet, um ein Modell zu erstellen, das in Echtzeit Einblicke in das Verständnis und die Auseinandersetzung eines Schülers mit bestimmten Themen bietet. Datenmodelle helfen auch dabei, gemeinsame Muster zwischen mehreren Schülern zu finden und prädiktive Analysen durchzuführen, z. B. Prognosen über die zukünftige Leistung von Schülern.

Eine weiter fortgeschrittene Verwendung der KI kann den Einsatz komplizierter Computer-Vision-Algorithmen zur Analyse von Gesichtsausdrücken wie Langeweile und Ablenkung beinhalten und diese mit den anderen Daten verknüpfen, die über Schüler gesammelt wurden, um ein vollständigeres Bild des Schülermodells eines Schülers zu erhalten.

Lücken im Lernen finden und schließen

Ein zuverlässiges digitales Modell, das das Wissen eines Schülers widerspiegelt, hat mehrere Vorteile. "Die Daten können entweder automatisch von einem intelligenten System verwendet werden, um die Schüler sofort in Lernerfahrungen einzubeziehen, die speziell diese Lücken im Verständnis schließen, oder vom Lehrer, um diese spezifischen Bedürfnisse zu identifizieren und darauf zu reagieren", sagt Woolley-Wilson von Traumbox.

Third Space Learning, eine 2012 gegründete Online-Lernplattform für Einzelunterricht in Mathematik, nutzt jetzt KI-Algorithmen, um die Leistung von Lehrern zu verbessern. Third Space hat seit seinem Start Daten zu Tausenden von Sessions aufgezeichnet. In Zusammenarbeit mit dem University of College London arbeitet Third Space jetzt an einem Projekt, bei dem die Daten mit AI-Algorithmen analysiert werden, um erfolgreiche Lern- und Lehrmuster zu ermitteln und den Online-Tutoren in Echtzeit Feedback darüber zu geben, wie ihre Schüler mithalten Unterricht.

Das AI-Lernermodell kann auch intelligente Nachhilfesysteme (ITS) unterstützen. Intelligente Tutoren, die in einer selbstbestimmten Lernumgebung oder in Zusammenarbeit mit menschlichen Lehrern arbeiten können, verwenden die historischen und Echtzeitdaten eines Schülers, um ihnen personalisierte Inhalte bereitzustellen, die auf ihre spezifischen Stärken und Schwächen abgestimmt sind. Das Bereitstellen einer personalisierten Lernerfahrung ist ein Ziel, um dessen Erreichung sich die Lehrer immer bemüht haben.

"KI-gestützte Nachhilfesysteme haben gezeigt, dass sie gut definierte Fachbereiche wie Mathematik und Physik effektiv unterrichten", sagt Rose Luckin, Professorin für Learner Centered Design am Londoner Wissenslabor des University of College. "KI kann derzeit Probleme lindern, indem sie bei der Aufzeichnung und der Auswahl und Empfehlung von Ressourcen hilft, die die Lernenden verwenden können."

Ein Beispiel ist MATHIA, eine von Carnegie Learning entwickelte AI-basierte Lernplattform für Mathematik, die das Verhalten menschlicher Tutoren widerspiegelt. MATHIA sammelt verschiedene Datenpunkte und verwendet Algorithmen für maschinelles Lernen und Vorhersagemodelle, um das Wissens- und Fähigkeitsniveau der Schüler zu bestimmen und ihre zukünftige Leistung einzuschätzen. Die Plattform verwendet diese Daten, um den Lernpfad an die Lernprozesse der Schüler anzupassen.

"Jeder Schritt in einem Problem, der das Ausfüllen einer Zelle in einer Tabelle, das Zeichnen eines Punkts in einem Diagramm usw. umfassen könnte, ist mit einer oder mehreren kognitiven Fähigkeiten verbunden", sagt Steve Ritter, Chief Product Architect bei Carnegie Learning. "Abhängig davon, ob der Schüler den Schritt richtig ausführt oder nicht oder ob er einen Hinweis benötigt, passen wir unsere Schätzung des Wissens des Schülers an die damit verbundenen Fähigkeiten an."

MATHIA verwendet "Knowledge Tracing", das Bestimmen des Verständnisses eines Schülers für verschiedene Konzepte, sowie "Model Tracing", das Verstehen des Lösungsansatzes eines Schülers, um die Unterstützung der Software für den individuellen Denkprozess des Schülers anzupassen anstatt sie auf einen Standardansatz umzuleiten, der für sie möglicherweise keinen Sinn ergibt. Dies ermöglicht personalisierte Inhalte mit möglicherweise unzähligen Lernpfaden.

"Unsere Hinweise ändern sich beispielsweise in Abhängigkeit von der Reihenfolge, in der die Schüler die Problemschritte ausführen, wenn diese Reihenfolge unterschiedliche Herangehensweisen an das Problem widerspiegelt", sagt Ritter.

Die Entwicklung intelligenter Nachhilfesysteme kann letztendlich zu einer reichhaltigeren Lernerfahrung führen. Obwohl dies kein Ersatz für menschliche Lehrer ist, können Online-Lernplattformen mit KI eine zentrale Rolle dabei spielen, qualitativ hochwertige Bildung in Bereichen bereitzustellen, in denen Lehrkräfte fehlen und die Schüler selbst lernen müssen.

"Die Kombination von Big Data und KI könnte den Lernenden ihre eigenen persönlichen Analysen liefern, mit denen sie den effektivsten Lerner werden können", sagt Luckin.

Selbsterkenntnis (Wissen, was Sie tun und was Sie nicht wissen) und Selbstregulierung (zum Beispiel die Fähigkeit, sich nicht von dem ablenken zu lassen, was jemand anderes tut) sind laut Luckin zwei Fähigkeiten, mit deren Hilfe sich solche Systeme entwickeln können.

"KI kann verwendet werden, um Lernende bei der Entwicklung dieser Schlüsselkompetenzen zu unterstützen, indem ihre persönlichen Daten mithilfe sorgfältig gestalteter Benutzeroberflächen und Visualisierungen reflektiert werden", sagt Luckin. "Auf diese Weise könnte allen Lernenden geholfen werden, besser zu lernen, was für alle Fachbereiche von Nutzen wäre."

Einer der Vorteile von AI-gestützten Lernsystemen ist die nahtlose Unterstützung, die sie bieten können. "Dieselben intelligenten Technologien, die Schülern und Lehrern im Klassenzimmer helfen, sollten auch außerhalb des Klassenzimmers eingesetzt werden", sagt Woolley-Wilson. "Sie können überall dort, wo der Schüler sich gerade befindet, die gleichen personalisierten Empfehlungen einbringen. Die Lernmöglichkeiten und der Zugang sollten nicht länger auf eine bestimmte Zeit oder einen bestimmten Ort beschränkt sein, wie dies in unserer analogen Vergangenheit üblich war."

Unternehmenstraining kann auch von der Personalisierung der KI profitieren. Zoomi, das Online-Tools für professionelles Training bereitstellt, verwendet AI-Algorithmen, um die Vorlieben der Lernenden zu erkennen und die Kursinhalte dynamisch an ihre Bedürfnisse anzupassen. Beispielsweise kann die Plattform basierend auf dem Verhalten eines Benutzers in der Vergangenheit und der Reaktion auf verschiedene Medientypen entscheiden, ob das Kursmaterial in einem PDF- oder Videoformat bereitgestellt werden soll. Progressive Business Partners nutzt die Plattform seit 2016, um HR-Fachkräfte auszubilden, was zu einer 12-prozentigen Steigerung des Kursabschlusses und einer 30-prozentigen Steigerung des Umsatzes führt.

Lücken in der Lehre finden und schließen

Wenn die Schüler im Unterricht zurückbleiben, sind Fehler in den Lehrmethoden und im Lehrplan oft ebenso schuld wie Schwächen bei den Schülern. Hat der Schüler etwas am Material selbst, an der Art und Weise, in der es präsentiert wurde, oder an der zeitlichen Abstimmung des Materials im Verlauf des Lehrplans falsch verstanden? Hatte der Student die Grippe, als zuvor einige notwendige Konzepte behandelt wurden? Wie hat sich der Schüler aktiv oder passiv mit dem Material beschäftigt?

Dies sind einige der Fragen, die jeder Lehrer beantworten muss, wenn er die Qualität eines Unterrichts beurteilt und die Ursachen von Lernproblemen untersucht.

"Großartige Systeme können große Datenmengen nutzen, um Lehrern dabei zu helfen, sowohl Schwächen im Lehrplan als auch schwierige Schüler zu finden", sagt Woolley-Wilson. "Und es ist wichtig, sich daran zu erinnern, dass der Umfang der Hilfe für den Lehrer von der Qualität der Daten abhängt, die für die Analyse verfügbar sind."

Die adaptive Online-Lernplattform von DreamBox verwendet die von den Schülern gesammelten Daten, um Lernlücken aufzudecken, und hilft dann den Lehrern, diese auf Klassenebene oder für bestimmte Gruppen oder einzelne Schüler zu adressieren. Dies kann das Erstellen von Strategiegruppen, personalisierten Lernplänen oder gezielten Aufgaben umfassen, die bestimmte Lücken schließen und den Kernlehrplan ergänzen.

AI hilft Lehrern auch bei der Beurteilung der Relevanz ihres Unterrichtsmaterials. "Während die Inhalte im Klassenzimmer live übertragen werden, bereiten die meisten Dozenten ihre Materialien elektronisch vor", sagt Brinton, der Forscher von Zoomi. "Dadurch ist es AI-Technologien möglich, das Material zu interpretieren, die behandelten Themen zu bestimmen und sogar die Kursbewertungsmaterialien zu analysieren, um einen Einblick zu erhalten, wie gut die Bewertung den Kursinhalt abdeckt."

Zoomi verwendet Natural Language Processing (NLP), den Zweig der KI, der den Inhalt und den Kontext von schriftlichem Material analysiert, um die Qualität des Kursmaterials eines Lehrers zu bewerten. Zoomis Algorithmen entfernen Inhalte, die sich nicht positiv auf den Lernprozess auswirken. Das Unternehmen arbeitet auch an Algorithmen, die das Lernerlebnis verbessern, indem sie ergänzende Inhalte finden und sie so umwandeln, dass sie in den Kontext einer bestimmten Lektion passen, in der ein Schüler Probleme hat.

"Bald könnten Algorithmen in der Lage sein, Sätze der Klarheit halber zu modifizieren und selbst neues Material zu erstellen, so wie es ein Mensch tun würde", sagt Brinton.

Content Technologies, Inc (CTI), ein Forschungs- und Entwicklungsunternehmen für künstliche Intelligenz mit Sitz in Kalifornien, hat eine KI entwickelt, die automatisch maßgeschneiderte Bildungsinhalte generiert. Die CTI-Engine verwendet Deep Learning, um Lehrpläne und Kursmaterialien aufzunehmen und zu analysieren, das Wissen zu beherrschen und neue Inhalte wie benutzerdefinierte Lehrbücher, Kapitelzusammenfassungen und Multiple-Choice-Tests zu generieren. Die Technologie wird von einer Reihe von Unternehmen und Bildungseinrichtungen eingesetzt.

Bildung bleibt eine soziale Erfahrung

Während wir beeindruckende Anstrengungen bei der Anwendung künstlicher Intelligenz in der Bildung gesehen haben, sind die Ergebnisse im Vergleich zu anderen Bereichen, in denen KI-Algorithmen zu größeren Störungen führen, verblasst. Der Grund dafür ist, dass Bildung und Lernen im Grunde genommen soziale Erfahrungen sind, die extrem schwer - wenn nicht unmöglich - zu automatisieren sind.

"KI kann Lehrer nicht ersetzen, weil es kein Selbstbewusstsein oder keine metakognitive Regulation gibt, und es fehlt auch an Einfühlungsvermögen", so Luckin, Professor am UCL Knowledge Lab. "Allerdings kann KI, wenn ihre Gestaltung von dem, was wir über Lernen und Lehren (dh die Lernwissenschaften) wissen, beeinflusst wird, mit großen Datenmengen über Lernende kombiniert werden, um die Black Box des Lernens zu entpacken und Lernenden, Lehrern und Eltern die Möglichkeit zu geben, nachzusehen Fortschritte über mehrere Fächer, Fähigkeiten und Merkmale hinweg - dies kann wichtige Informationen liefern, die den Lernenden helfen, effektiver als Lernende zu werden, und ihnen helfen, Wissen und Fähigkeiten zu erlernen."

Die Erweiterung und Unterstützung, die die KI für den Bildungs- und Lernprozess bietet, macht die Lehrer noch produktiver und effizienter. "Die Lehrer können sich auf das konzentrieren, was sie am besten können: exzellente Inhalte erstellen, starke Vorträge halten und die allgegenwärtigsten Schmerzpunkte sowohl persönlich als auch remote, einzeln und in Gruppen, ansprechen", sagt Brinton.

Ein weiterer sozialer Aspekt der Bildung ist die Zusammenarbeit. Die Schüler lernen oft mehr aus der Arbeit in Gruppen und miteinander, indem sie Vorlesungen anhören und Probleme in ihrem eigenen Tempo lösen. "Zu den Zielen der Bildung gehört eine stärkere soziale Interaktion, beispielsweise das Lernen, ein guter Mitarbeiter zu sein oder mit anderen zu kommunizieren", sagt Ritter, der Produktarchitekt von Carnegie Learning. "Eine Herausforderung bei der Personalisierung des Unterrichts besteht darin, das Gleichgewicht zwischen einem Schüler und einem selbstständigen Lernenden zu finden, der in seinem eigenen Tempo vorgehen kann und mit anderen zusammenarbeiten muss."

Die KI könnte aber auch zu einem Vermittler beim kollaborativen Lernen werden. Intelligence Unleashed , eine gemeinsame Forschungsarbeit von UCL und Pearson, die Luckin gemeinsam verfasst hat, erklärt, dass KI das kollaborative Lernen unterstützen kann, indem sie Lernermodelle von Schülern vergleicht und Gruppierungen vorschlägt, in denen sich die Teilnehmer auf einem ähnlichen kognitiven Niveau befinden oder komplementäre Fähigkeiten haben und sich gegenseitig helfen können. AI kann auch als Mitglied an Lerngruppen teilnehmen und Diskussionen in die richtige Richtung lenken, indem Inhalte bereitgestellt, Fragen gestellt und alternative Standpunkte angegeben werden.

Die Allgegenwart der KI im gesamten Lernprozess wird letztendlich die Bildung revolutionieren. Laut einem Bericht der Stanford University werden menschliche Lehrer in den nächsten fünfzehn Jahren wahrscheinlich von KI-Technologien unterstützt, die zu einer besseren menschlichen Interaktion sowohl im Klassenzimmer als auch zu Hause führen.

Das Klassenzimmer mag mehr oder weniger so bleiben wie heute, aber dank digitaler Assistenten, KI-Algorithmen und leistungsfähigeren Lehrern werden zukünftige Generationen hoffentlich Zugang zu qualitativ hochwertigerer Bildung haben und in der Lage sein, viel schneller zu lernen.