人工智能教育评估应用的潜力和局限

随着机器学习和大数据的发展,如何利用人工智能技术优化教学过程和改进教学评估,已成为教育主管部门、科研人员、教育科技公司和教育工作者共同关注的话题。近年来,数十亿学习者在各种学习平台随时随地进行正式和非正式学习,形成了特定的活动轨迹和大量学习数据,应用人工智能技术对数字化学习环境中海量学习数据进行分析,给学生提供自动反馈和评估得到了广泛认可。因此,运用智能技术和大数据分析提高教育评估的效率和有效性也引起研究者越来越多的关注。但人工智能在高风险考试中应用的合理性和有效性备受质疑,其在形成性评估中应用的潜力和局限仍有待探讨。本文通过文献研究,从计算机测评领域相对成熟的两个自动测评系统:作文自动评分系统(AES)和计算机化自适应测验(CAT)的应用以及学术界对其存在问题的争论入手,对人工智能应用于教育评估的前景进行分析,并对人工智能和机器学习在形成性评估中的应用潜力和局限开展讨论。本研究认为,尽管人工智能的算法和大数据分析提高了自动测评系统的反馈速度和准确性,但其对学生深度学习和能力发展评价的应用价值仍然有限,教育评估中应用人工智能要掌握和了解计算机在总结性评估(如AES和CAT等)中的特征和局限,充分利用学习分析在形成性评估中的潜力,促进学生在数字化学习环境下创造力和自主学习能力的发展和培养。

线上黑客松:重新构想数字时代教学法

黑客松是一种教学和课程创新。本文探讨其应用和潜能,即用现实世界问题培养学生的知识和重要横向技能。文章简要回顾黑客松在高等教育的应用模式并报告两个具有创新意义的案例:Hack4Change(求变之道)和DigiEduHack(数字教育方案)。文章首先介绍第一个案例的效果。该案例是一门企业模块课程的一部分,在一所爱尔兰大学校园进行的历时5天的大规模黑客松系列活动。文章接着介绍第二个案例的情况。该案例是一场独特的线上黑客松,同时在多个国家进行,各参赛团队旨在提出解决教育问题的方案。文章在介绍这两个案例和学习体验设计之后,对有关问题进行反思并总结经验,希望对有兴趣在自己的教学环境下开展黑客松(特别是探索以在线和混合式形式开展黑客松)的中国教育工作者有所帮助。虽然没有诀窍能确保黑客松的成功,我们仍然能够从本研究得出以下结论:如果精心设计,学习目标明确,黑客松是一种具有创新性、教学上引人入胜的方法,使得能够在今天为明天的世界培养更有创造能力的学生、富有创业精神的思维方式和为未来工作做好准备的毕业生。