인공 지능이 교육의 미래를 형성하는 방법

전형적인 21 세기 교실과 1900 년대 초반의 교실을 비교할 때 그 차이는 분명하지 않습니다. 교사들은 앞에 서서 현대 칠판의 최신 버전 (예: 오버 헤드 프로젝터 또는 공유 컴퓨터 디스플레이)에 대한 지침을 제공하고 메모를합니다. 학생들은 교실에서 책상에 앉아 있거나 온라인 화상 회의 소프트웨어를 통해 시청합니다. 기술이 변경되었습니다. 많은 도구와 프로세스가 디지털화되었으며 일부 도구가 자동화되었으며 지리적 장벽이 어느 정도 제거되었지만 행위자와 요소는 거의 동일하게 유지되었습니다.

그러나 인공 지능 (AI)과 머신 러닝의 발전으로 인해 느리지 만 꾸준한 변화가 교육으로오고 있습니다. 몇 년 안에 교사들은 더 이상 혼자서 젊은 세대 나 기업의 인력을 훈련시키는 부담을지고 있지 않을 것입니다.

이미 AI 알고리즘은 실제 및 가상 교실에서 발생하는 모든 상호 작용을 수집, 분석 및 상관시켜 교육을 향상시키고 교사가 각 학생의 특정 문제를 해결하도록 돕고 있습니다. 이것은 인류가 개발 한 가장 오래되고 가장 가치있는 사회적 기술 중 하나에서 혁명의 시작일 수 있으며, 인간이 스마트 머신과 함께 살고 일하는 세계에서 필수적인 것입니다.

학습자 진도 측정

강사는 강의에 대한 모든 반응, 모든 공허하거나 세심한 응시, 질문에 대한 모든 열성적이거나 주저 한 반응, 조기 또는 늦게 제출 된 모든 과제, 그리고 학생의 개념 파악을 평가할 때 훨씬 더 많은 것을 고려해야합니다. 이것은 학생들이 어디에서 뒤처지고 있는지를 찾아 올바른 방향으로 조종하는 방법입니다.

또한 학습자의 진도 측정, 본질적으로 사회적인 노력, 모든 교사가 직면 한 가장 큰 과제 중 하나이며 고전적인 규칙 기반 소프트웨어로는 달성하기 어려운 과제입니다.

AI 전문 회사 인 Zoomi의 리서치 책임자 인 Chris Brinton은 "대학 캠퍼스에서든 회사에서든 강의는 대부분 단일 크기에 적합합니다. 교육 환경에서 행동 데이터를 캡처하고 분석합니다. "필요한 결과로 탄생 한 것입니다. 교사가 장기간 강의를 중단하고 모든 학생의 관심사를 개별적으로 해결하여 모두 같은 페이지로 가져 오는 것은 불가능하거나 적어도 비효율적입니다. "많은 질문이있는 학생은 대개 수업 시간 외에 강사와 함께 후속 조치를 취해야합니다."

그러나 데이터 포인트 간의 패턴과 상관 관계를 분석하고 찾는 데 기반을 둔 머신 러닝 알고리즘은 교사가 학생의 강의에 대한 이해를 정량화하는 데 유용한 도구로 입증되고 있습니다.

지능적인 수학 DreamBox Learning의 사장 겸 CEO 인 Jessie Woolley-Wilson은 "특정 학생 데이터를 분석함으로써 AI는 학생들이 더 많은 도움을 필요로 할 수있는 영역을 더 빨리 표면화하여 학생의 성취도와 교사 지원을 향상시킬 수있는 잠재력을 가지고 있습니다" 학습 플랫폼.

Brinton은 교실에 인공 지능을 갖추는 것은 모든 학생에게 디지털 교사를 제공하는 것과 같습니다. "AI를 주도하는 알고리즘은 학습자가 어려움을 겪는시기와 그들이 힘들게하는 원인, 또는 지루할 때와 지루한 원인을 감지하도록 훈련 될 수 있습니다."

이것은 학생들이 공부하는 주제에 대한 파악력을 측정하기 위해 평가 응답에만 의존하는 기존의 학습 소프트웨어와 다른 것입니다. Brinton은“강의 기간 동안이 데이터를 이용할 수없는 경우가 많으며, 학생이 명확한 관점에서 혼란스러운 관점으로 전환 할 수있는 1 초 미만의 세분성에서는 훨씬 적습니다.

강의 자료 및 상황과의 사용자 상호 작용에서 실시간 정보를 수집하여 각 학생의 풍부한 디지털 프로필을 생성하는 여러 AI 기반 플랫폼이 있습니다. Brinton 플랫폼은 점수와 성적을 기록하는 것 외에도 PDF 문서에서 특정 슬라이드 나 페이지를 보거나 비디오의 특정 부분을 재생하거나 토론에 질문이나 답변을 게시하는 등의 미세한 상호 작용을 개발하고 추적하는 데 도움을주었습니다 법정.

그런 다음 데이터를 사용하여 특정 주제에 대한 학생의 이해와 참여에 대한 실시간 통찰력을 제공하는 모델을 구축합니다. 데이터 모델은 또한 여러 학생 간의 공통 패턴을 찾고 향후 학생의 수행 방식 예측과 같은 예측 분석을 수행하는 데 도움이됩니다.

AI의 고급 사용에는 복잡한 컴퓨터 비전 알고리즘을 사용하여 지루함과 산만 함과 같은 얼굴 표정을 분석하고이를 학생의 학습자 모델에 대한보다 완벽한 그림을 만들기 위해 학생들에게 수집 된 다른 데이터와 연결시킬 수 있습니다.

학습에서 간격 찾기 및 해결

학생의 지식을 나타내는 신뢰할 수있는 디지털 모델을 사용하면 여러 가지 이점이 있습니다. Woolley-Wilson은 "데이터는 지능적인 시스템에 의해 자동적으로 사용되어 학생들이 이해의 격차를 구체적으로 해결하는 학습 경험에 즉시 참여 시키거나 교사가 필요한 특정 영역을 파악하고 이에 대응하는 데 도움을 줄 수 있습니다"라고 Woolley-Wilson은 말합니다. DreamBox.

일대일 수학 과외를 제공하기 위해 2012 년에 설립 된 온라인 교육 플랫폼 인 Third Space Learning은 인공 지능 알고리즘을 활용하여 교사의 성과를 향상시킵니다. Third Space는 출시 이후 수천 개의 세션에 대한 데이터를 기록했습니다. 런던 대학교 (University of College London)와의 협력을 통해 Third Space는 성공적인 학습 및 교육 패턴을 찾고 학생들의 온라인 학습자에게 실시간 피드백을 제공하기 위해 AI 알고리즘으로 데이터를 마이닝하는 프로젝트에 참여하고 있습니다. 수업.

AI 학습자 모델은 지능형 튜터링 시스템 (ITS)을 강화할 수도 있습니다. 자율 학습 환경에서 또는 인간 교사와 함께 작업 할 수있는 지능형 교사는 학생의 과거 및 실시간 데이터를 사용하여 특정 강점과 약점에 맞게 조정 된 개인화 된 컨텐츠를 제공합니다. 개인화 된 학습 경험을 제공하는 것은 교사가 항상 달성하기 위해 고심한 목표입니다.

University of College London Knowledge Lab의 학습자 중심 디자인 교수 인 Rose Luckin은“AI 기반의 과외 시스템은 수학 및 물리학과 같이 잘 정의 된 과목 영역을 가르치는 데 효과적인 것으로 나타났습니다. "AI는 현재 기록을 유지하고 학습자가 사용할 리소스를 선택하고 추천함으로써 고통을 덜 수 있습니다."

예를 들어 Carnegie Learning에서 개발 한 인공 지능 기반 수학 학습 플랫폼 인 MATHIA는 인간 교사의 행동을 반영합니다. MATHIA는 다양한 데이터 포인트를 수집하고 머신 러닝 알고리즘과 예측 모델을 사용하여 학생들의 지식과 기술 수준을 결정하고 향후 성과를 평가합니다. 플랫폼은이 데이터를 사용하여 학생들의 학습 과정에 따라 학습 경로를 조정합니다.

Carnegie Learning의 수석 제품 아키텍트 인 Steve Ritter는 "스프레드 시트에서 셀을 채우거나 그래프에 점을 그리는 등의 문제의 각 단계는 하나 이상의인지 기술과 관련이 있습니다. "학생이 단계를 올바르게 수행했는지 또는 힌트를 요구하는지에 따라 관련 기술에 대한 학생의 지식에 대한 추정치를 조정합니다."

MATHIA는 개인의 사고 과정에 대한 소프트웨어의 지원을 조정하기 위해 "지식 추적", 다양한 개념에 대한 학생의 이해를 결정하는 프로세스 및 "모델 추적"을 사용하여 문제 해결에 대한 학생의 접근 방식을 이해합니다. 이해하기 어려운 표준 접근 방식으로 리디렉션하는 대신. 이를 통해 수많은 학습 경로와 함께 개인화 된 컨텐츠를 제공 할 수 있습니다.

Ritter는“예를 들어, 이 순서가 문제에 접근하는 다른 방법을 반영하는 경우 학생들이 문제 단계를 완료하는 순서에 따라 힌트가 변경됩니다.

지능적인 과외 시스템의 발전은 결국보다 풍부한 자율 학습 경험을 이끌어 낼 수 있습니다. 인간 교사를 대신 할 수는 없지만 AI 기반 온라인 학습 플랫폼은 교사가 부족한 지역에서 양질의 교육을 제공하는 데 중추적 인 역할을 할 수 있으며 학생들은 스스로 학습해야합니다.

Luckin은“빅 데이터와 AI의 결합은 학습자에게 개인 분석 기능을 제공 할 수 있으며, 이를 통해 가장 효과적인 학습자가 될 수 있습니다.

Luckin에 따르면 자기 지식 (자신의 행동과 모르는 행동)과 자기 조절 (예: 다른 사람이하는 일에 방해가되지 않도록 막는 능력)은 그러한 시스템이 개발하는 데 도움이 될 수있는 두 가지 기술입니다.

Luckin은 "AI는 신중하게 설계된 인터페이스와 시각화를 사용하여 개인 데이터를 다시 반영함으로써 학습자들이 이러한 핵심 기술을 개발할 수 있도록 지원할 수있다"고 말했다. "이러한 방식으로 모든 학습자들이 더 잘 배우도록 도울 수 있으며, 이는 모든 과목 영역에서 유용 할 것입니다."

AI 기반 학습 시스템의 장점 중 하나는 그들이 제공 할 수있는 완벽한 지원입니다. Woolley-Wilson은 "교실 내부의 학생과 교사를 돕는 동일한 지능 기술을 항상 활용해야합니다."라고 Woolley-Wilson은 말합니다. "학생들은 어느 곳에서나 개인화 된 추천의 힘을 얻을 수 있습니다. 학습 기회와 접근은 더 이상 과거의 아날로그 과거와 같이 특정 시간이나 장소로 제한되어서는 안됩니다."

기업 교육은 AI 개인화의 혜택을 누릴 수도 있습니다. 전문 교육을위한 온라인 도구를 제공하는 Zoomi는 AI 알고리즘을 사용하여 학습자의 선호도를 인식하고 필요에 맞게 코스 내용을 동적으로 조정합니다. 예를 들어, 사용자의 과거 행동과 다양한 미디어 유형에 대한 반응을 기반으로 플랫폼에서 강의 자료를 PDF 또는 비디오 형식으로 제공할지 여부를 결정할 수 있습니다. 프로그레시브 비즈니스 파트너는 2016 년부터이 플랫폼을 사용하여 HR 전문가를 교육하여 과정 완료율이 12 % 증가하고 매출이 30 % 증가했습니다.

교육에서 간격 찾기 및 해결

학생들이 수업에서 뒤쳐 질 때, 교수법과 커리큘럼의 결점은 종종 학생들 자신의 약점만큼이나 비난을받습니다. 학생의 원인이 자료 자체, 자료가 제시된 방식 또는 교과 과정의 흐름 내에서 자료의 타이밍에 대해 잘못 이해하고 있었습니까? 이전에 필요한 개념을 다룰 때 독감에 걸린 적이 있었습니까? 학생이 재료를 능동적으로 또는 수동적으로 어떻게 관여 시켰습니까?

이것들은 전달 된 수업의 질을 평가하고 학습 문제의 근본 원인을 조사 할 때 모든 교사가 답변해야하는 몇 가지 질문입니다.

Woolley-Wilson은 "훌륭한 시스템은 교사들이 커리큘럼의 약점을 찾고 어려움을 겪고있는 학생들을 찾는 데 도움을주기 위해 거대한 데이터 세트를 활용할 수 있습니다"라고 Woolley-Wilson은 말합니다. "교사에게 제공되는 도움의 양은 분석에 도움이되는 데이터의 품질에 달려 있다는 것을 기억하는 것이 중요합니다."

DreamBox의 온라인 적응 형 학습 플랫폼은 학생이 수집 한 데이터를 사용하여 학습 격차를 발견 한 다음 교사가 수업 수준에서 또는 특정 그룹 또는 개별 학생에게이를 해결하도록 도와줍니다. 여기에는 특정 격차를 해결하고 핵심 커리큘럼을 보완하는 전략 그룹, 개인별 학습 계획 또는 집중 과제를 만드는 것이 포함될 수 있습니다.

또한 AI는 교사가 교수 자료의 관련성을 평가하는 데 도움을줍니다. Zoomi의 연구원 인 Brinton은“콘텐츠는 교실 환경에서 '실시간'으로 제공되지만 대부분의 강사는 전자적으로 자료를 준비합니다. "결과적으로 AI 기술이 자료를 해석하고, 다루는 주제를 결정하며, 코스 평가 자료를 분석하여 평가가 코스 내용을 얼마나 잘 다루는 지 통찰 할 수 있습니다."

Zoomi는 필기 자료의 내용과 맥락을 분석하는 AI의 지점 인 NLP (Natural Language Processing)를 사용하여 교사 과정 자료의 품질을 평가합니다. Zoomi의 알고리즘은 학습 과정에 긍정적 인 영향을 미치지 않는 콘텐츠를 제거합니다. 이 회사는 또한 보완적인 내용을 찾아서 학생이 어려움을 겪고있는 특정 수업의 맥락에 맞게 내용을 바꾸어 학습 경험을 향상시키는 알고리즘을 연구하고 있습니다.

브린 튼은“알고리즘은 명료성을 위해 문장을 수정하고, 심지어 인간이하는 것처럼 새로운 자료를 직접 작성할 수도있다”고 말했다.

캘리포니아에있는 인공 지능 연구 개발 회사 인 CTI (Content Technologies, Inc)는 맞춤형 교육 컨텐츠를 자동으로 생성하는 AI를 개발했습니다. CTI의 엔진은 딥 러닝을 사용하여 강의 계획서 및 강의 자료를 수집 및 분석하고, 지식을 습득하고, 맞춤형 교재, 장 요약 및 객관식 시험과 같은 새로운 컨텐츠를 생성합니다. 이 기술은 많은 회사와 교육 기관에서 사용되고 있습니다.

교육은 사회적 경험을 유지합니다

우리는 교육에 인공 지능을 적용하는 데 상당한 노력을 기울 였지만 AI 알고리즘이 주요 혼란을 일으키는 다른 영역에 비해 결과가 희미합니다. 그 이유는 교육과 학습이 근본적으로 사회적 경험이기 때문에 불가능하지는 않지만 자동화하기가 매우 어렵 기 때문입니다.

UCL 지식 연구소의 교수 인 루킨 (Luckin)은“AI는 자각이나 메타 인 지적 규제가 없기 때문에 교사를 대체 할 수 없다”고 말했다. "그러나 AI는 학습 및 교육 (예: 학습 과학)에 대해 알고있는 정보를 통해 디자인을 알게되면 학습자에 대한 큰 데이터와 결합하여 학습의 블랙 박스를 개봉하고 학습자, 교사 및 부모가 추적 할 수 있습니다. 여러 과목, 기술 및 특성에 걸친 발전 - 이는 학습자가 학습자와 학습자가보다 효과적으로 될 수 있도록 지원하고 지식과 기술을 학습하도록 돕는 중요한 정보를 제공 할 수 있습니다."

AI가 교육 및 학습 프로세스에 제공하는 기능 보강 및 지원은 교사의 생산성과 효율성을 더욱 높여줍니다. Brinton은 "교사들은 자신이 가장 잘 할 수있는 일에 집중할 수 있습니다. 우수한 콘텐츠를 만들고, 강의를 진행하며, 개인적으로나 원격으로, 개별적으로 또는 그룹으로 가장 널리 퍼진 고통을 해결합니다."라고 Brinton은 말합니다.

교육의 또 다른 사회적 측면은 협력입니다. 학생들은 종종 강의를 듣고 자신의 속도에 따라 문제를 해결하는 것과 같이 그룹으로 작업하거나 서로 협력함으로써 더 많은 것을 배우게됩니다. Carnegie Learning의 제품 설계자 인 Ritter는“교육의 목표에는 좋은 협력자 또는 다른 사람과 의사 소통하기위한 학습과 같은보다 사회적 상호 작용이 포함됩니다. "따라서 개인화 수업의 과제는 학생이 독립적 인 학습자로서 다른 사람과 공동 작업 할 필요성에 따라 자신의 진도에 따라 진행할 수있는 균형을 유지하는 것입니다."

그러나 AI는 공동 학습의 촉진자가 될 수도 있습니다. Luckin이 공동 저술 한 UCL과 Pearson의 공동 연구 논문 인 Intelligence Unleashed 는 AI가 학생 학습자 모델을 비교하고 참가자가 비슷한인지 수준에 있거나 보완 기술이 있고 서로 도울 수있는 그룹화를 제안함으로써 공동 학습을 지원할 수 있다고 설명합니다.. AI는 또한 학습자 그룹에 회원으로 참여할 수 있으며 콘텐츠를 제공하고, 질문을 제기하고, 다른 관점을 제공함으로써 올바른 방향으로 토론을 돕습니다.

학습 과정에서 AI의 편재는 결국 교육에 혁명을 가져올 것입니다. 스탠포드 대학 보고서에 따르면, 향후 15 년 동안 인간 교사는 인공 지능 기술을 통해 교실과 가정에서보다 나은 인간 상호 작용을 이끌어 낼 것입니다.

강의실은 현재와 같이 다소 줄어들 수 있지만 디지털 어시스턴트, AI 알고리즘 및 유능한 교사 덕분에 미래 세대는 더 높은 수준의 교육을받을 수 있고 훨씬 더 빠른 속도로 학습 할 수있을 것입니다.