斯坦福大学研究认为，利用人工智能，可以帮助教师给予学生更及时的反馈

　　近日，据斯坦福大学的研究人员表示，机器学习和人工智能可以帮助提高教师的教学表现以及学生的学习满意度。他们的研究认为，利用人工智能作为教师的辅助支持，帮助教师改进一种名为“学生吸收”（student uptake）的技术的使用，即教师注意到学生的反应，并作出相应的反馈。

　　研究人员在发表的论文中表示，当教师听取学生的意见时，例如，复述、详细阐述或提出后续问题，这是放大了学生的声音，并在学习过程中赋予了学生的权利。研究人员认为，机器学习和人工智能能够帮助教师更好地做到这一点。

　　要吸收学生的反馈是一件非常难做好的事情。斯坦福大学的研究团队开始研究人工智能是否能够充分帮助教师提高他们的理解能力。斯坦福大学教育研究生院助理教授Dora Demszky表示，我们想看看自动化工具是否能以一种可扩展的且经济有效的方式支持教师的专业发展。

　　他补充道，之前的研究表明，具体和及时的反馈可以帮助提高教师的表现。这些反馈通常来自观察，经验丰富的教师坐在课堂上，观察并提供可操作的反馈。不幸的是，美国的教师们表示，他们很少有机会获得学术研究人员发现的非常有价值的那种反馈。他们的大多数反馈来自学校管理人员，教师们还有其他工作要做，更不用说工作压力了。

　　这个名为M-Powering Teachers的人工智能项目旨在快速提供高质量的反馈，并以一种易于获取、可扩展且不令人有压力的形式提供给教师。

　　参与此次研究的斯坦福大学计算机科学教育助理教授Chris Piech表示，我们在教育中非常重视学生及时反馈的重要性，但教师什么时候才能得到这种反馈？也许校长会来旁听你的课，这看起来很可怕。接受来自校长以外的反馈会让你感觉舒服得多，而且你可以从工作的第一天就得到反馈，而不是经过多年的练习。

　　M-Powering Teachers基于自然语言处理，这是人工智能的一个子集，专注于理解和分析人类语言。

　　人工智能技术分析课堂记录，在课堂对话中找到模式，并将其转化为可操作的见解。M-Powering Teachers通过密切关注教师所说的内容来自学生贡献的频率来衡量学生的接受程度，突出了哪些问题得到了很多回应反馈，拆解学生和老师说话时间的比例。

　　然后，在课程结束后的几天内，这些反馈会通过应用程序提供给讲师，使用积极的、非评判性的语言，并提供具体的成绩单示例。

　　为了测试M-Powering Teachers的表现，Dora Demszky和他的同事在斯坦福大学2021年春季的Code in Place项目上推出了这个项目。Code in Place是一个免费的、为期五周的在线编程课程，主要依靠志愿者身份的编程教练。

　　这些志愿者中的许多人几乎没有受过教育方面的培训，所有志愿者教师都接受了基本培训、课程大纲和课程目标，并被分为两组，一组是M-Powering Teachers，另一组则是普通志愿者教师。

　　研究小组发现，通过对照组相比，平均而言，通过人工智能接受反馈的教师的吸收率提高了13%。该团队还得出结论，M-Powering Teachers组的学生提高了学习参与率，对课程的满意度也更高。

　　为了在其他环境中测试人工智能，Dora Demszky和他的同事把它交给了另外一个教育项目，他们在这个项目中对高中生进行一对一的辅导。他们发现，该工具使吸收度平均提高了10%，同时减少了5%的谈话时间。他也现在正致力于评估M-Powering Teachers最重要的用例：K-12的面对面教学场景。在那里，她需要找到一个解决棘手问题的方法。

　　他表示，K-12教室里的音频质量不是很好，区分声音也不容易。一旦有了转录本，自然语言处理可以做很多事情，但你需要好的转录本。

Powered by Froala Editor