研究发现来自AI驱动工具的反馈改善了教学

人工智能正在以令人担忧和有益的方式迅速改变教育。在账本的积极方面，新的研究表明人工智能如何通过一种尖端工具为他们在课堂上的互动提供反馈，从而帮助改善教师与学生互动的方式。

一项由斯坦福领导的新研究于5月8日发表在同行评审期刊《教育评估与政策分析》上，该研究发现，一种自动反馈工具改善了教师对一种被称为吸收的实践的使用，在这种实践中，教师承认、重申并建立在学生的基础上捐款。调查结果还提供证据表明，在学生中，该工具提高了他们的作业完成率和对课程的总体满意度。

对于希望改进实践的教师，该工具提供了对传统课堂观察的低成本补充——不需要教学教练或其他专家观察教师的行为并编写一套建议。

“我们从过去的研究中知道，及时、具体的反馈可以改善教学，但让某人坐在老师的教室里每次都提供反馈是不可扩展或不可行的，”斯坦福教育研究生院助理教授DoraDemszky说(GSE)和该研究的主要作者。“我们想看看自动化工具是否可以以可扩展且具有成本效益的方式支持教师的专业发展，这是第一项表明它确实如此的研究。”

促进有效的教学实践

认识到现有的提供个性化反馈的方法需要大量资源，Demszky及其同事着手创建一种低成本的替代方法。他们利用自然语言处理(NLP)的最新进展——人工智能的一个分支，帮助计算机阅读和解释人类语言——开发了一种工具，可以分析课堂会话的记录，以识别对话模式并提供一致的自动反馈。

在这项研究中，他们专注于确定教师对学生贡献的接受程度。“接受是让学生感到自己被倾听的关键，作为一种实践，它与学生取得更大的成就有关，”Demszky说。“但人们也普遍认为教师很难提高。”

研究人员训练了名为M-PoweringTeachers(M代表机器，如机器学习)的工具，以检测教师的反应在多大程度上针对学生所说的内容，这将表明教师理解并建立在学生的想法之上。该工具还可以提供有关教师提问实践的反馈，例如提出引起学生显着回应的问题，以及教师/学生谈话时间的比例。

研究团队将该工具用于斯坦福大学CodeinPlace的2021年春季会议，这是一门免费在线课程，现已进入第三年。在为期五周的课程中，数百名志愿讲师以斯坦福大学广受欢迎的计算机科学入门课程为基础，以1:10的师生比例分小节向全球学习者教授基本编程。

CodeinPlace讲师来自各种背景，从最近自己参加课程的本科生到在该行业工作的专业计算机程序员。尽管他们热衷于向初学者介绍编码世界，但许多教师在几乎没有或根本没有教学经验的情况下就抓住了这个机会。

研究合著者、斯坦福大学计算机科学教育助理教授ChrisPiech表示，志愿讲师接受了基本培训、明确的课程目标和课程大纲，为他们的角色做好准备，许多人欢迎有机会在他们的课程中接受自动输入和CodeinPlace的联合创始人。

“我们在教育中非常重视及时为学生提供反馈的重要性，但教师什么时候能得到这种反馈呢?”他说。“也许校长会进来旁听你的课，这看起来很可怕。参与不是来自校长的反馈会更舒服，你不仅可以在多年的实践之后得到它，而且从你的第一天开始就可以得到它工作。”

教师在每次上课后的几天内通过应用程序收到来自该工具的反馈，因此他们可以在下节课前反思。反馈以丰富多彩、易于阅读的格式呈现，使用积极的、非判断性的语言，并包括来自他们班级的对话的具体例子来说明支持性的对话模式。

研究人员发现，平均而言，审查反馈的教师随后增加了他们对吸收和提问的使用，最显着的变化发生在课程的第三周。与对照组相比，在导师收到反馈的学生中，学生对课程的学习和满意度也有所提高。CodeinPlace不管理课程结束考试，因此研究人员使用可选作业和课程调查的完成率来衡量学生的学习和满意度。

在其他设置中测试

Demszky与该研究的合著者之一JingLiu博士进行了后续研究。'18，研究了在线辅导计划中与高中生一对一合作的教师对该工具的使用情况。研究人员将于7月在2023LearningatScale会议上展示他们的发现，他们发现该工具平均将导师对学生贡献的吸收率提高了10%，将他们的谈话时间减少了5%，并改善了学生的体验计划以及他们对学术前途的相对乐观。

Demszky目前正在研究该工具在K-12学校教室中的使用情况，她指出了生成她能够从虚拟环境中获得的高质量转录的挑战。“教室里的音频质量不是很好，分离声音并不容易，”她说。“一旦你有了成绩单，自然语言处理就可以做很多事情——但你需要好的成绩单。”

她强调说，该工具不是为监督或评估目的而设计的，而是通过让教师有机会反思他们的做法来支持他们的专业发展。她将其比作健身追踪器，为用户自身利益提供信息。

她说，该工具也不是为了取代人类反馈而设计的，而是为了补充其他专业发展资源。