未来の学びと知識ラボ
自律的な学びの道筋を設計し、人間と知的な支援を統合し、証拠に基づいて成果を評価する。 メンバーが主体となり、誤りを直し、仲間を選ぶ開かれた実験の場です。ラボがメンバーの代わりにプロジェクトを運営することはありません。
ゴール: アクセシビリティ、フィードバック、プライバシーに配慮した短い学習体験を設計する。 メンバーは自分の文脈を選び、出典と加えた変更を記録します。参加しただけで段位やポイントが与えられることはありません。
自律的な学びの道筋を設計し、人間と知的な支援を統合し、証拠に基づいて成果を評価する。 メンバーが主体となり、誤りを直し、仲間を選ぶ開かれた実験の場です。ラボがメンバーの代わりにプロジェクトを運営することはありません。
ゴール: アクセシビリティ、フィードバック、プライバシーに配慮した短い学習体験を設計する。 メンバーは自分の文脈を選び、出典と加えた変更を記録します。参加しただけで段位やポイントが与えられることはありません。
ローカル実験ノート — 作品を私たちに送らずにエクスポートできます。
明確な学習目標を設定し、多様な聴衆のニーズを特定し、単に教材に参加することから得たスキルを区別します。
適用された拡張機能 — 観察可能なスキルの定義: 統一されたスケジュールに縛られずに、個人の学習目標と観察可能な結果を設定します。 あなたの現在のレベルと、埋めたいギャップを示す証拠を説明してください。
検証可能な学習成果を 2 つ書き、それを実証する 3 つの代替方法を書きます。
学習成果カード。
回答: 出席はそれ自体では何も証明されません。 スキルは、観察できるパフォーマンスに現れます。
回答: 学習者は、2 つの信頼できる原因を挙げて、地域の水不足の 3 つの原因を説明しています。
回答: ギャップを正確に定義し、後で進捗を測定します。
経験と文脈をもたらす人間のメンターの役割と、提案とレビューを提供する AI アシスタントの役割を比較してください。 労働安全衛生に関する決定や公的資格に関する決定を自動化されたモデルに渡さないでください。
応用拡張機能 — 小さな学習実験: スキルを習得する 2 つの短い方法、記録時間、結果、エラーを比較します。 クリック数や視聴時間は、熟達の十分な証拠として扱わないでください。
よくある学習ミスに対処する 5 つのメッセージ メンタリング ダイアログを設計します。
責任の限界を伴うメンタリング シナリオ。
回答: 文脈に基づく経験、学習者の状況の理解、専門的な説明責任。
回答: 彼らは、スキルを実行または適用する能力ではなく、費やした時間を測定します。
回答: 労働安全に関する決定と公的資格の授与。
学習者が説明、プロジェクト、または適切なテストを通じて理解を示し、明確な基準と建設的なフィードバックを設定できるようにします。 言語と能力の違いを考慮してください。
適用された拡張機能 — 自己主導型、オプションのフィードバック: 必要に応じて、自分の作品を人またはナレッジ サークルに見せて、特定のコメントを収集してから、自分で確認します。 確認された情報とメンターの意見や AI ツールの提案を区別します。
基準ごとに 4 つの基準と 3 つのパフォーマンス レベルを持つルーブリックを作成します。
使用可能な評価ルーブリック。
回答: 明確で公開された基準、理解を示すいくつかの方法、言語と能力の違いへの注意。
回答: 特定の基準と、各基準のパフォーマンス レベルについて説明します。
回答: レビューの可能性がある意見として、確認された情報とは別に保管してください。
架空の学習者と一緒に 2 つのシナリオを実行し、彼らがつまずいた場所を記録します。 手順を更新して、電話や学習者の言語でより明確にします。
適用された拡張機能 — スキル開発の証拠: 改善の前後にサンプルを提供し、評価基準と何がうまくいかなかったかの説明を提供します。 パスを強制的に追跡することなく、時間と状況に合わせて次の実験を計画してください。
使いやすさとアクセシビリティに関するメモを記録して、各改善の理由と前後の比較を準備します。
バージョン改善レポート。
回答: 実際の学習者に影響を与える前に、つまずきや不明確な指示を見つけます。
回答: 改善前とその後のサンプルを、同じ基準で評価しました。
回答: 障害のある人、電話ユーザー、さまざまな言語のスピーカーなど、誰もがこの素材を使用できます。
教育および研究ラボ: 学歴や専門職の免許は授与されず、危険または規制された作業に対する専門家の監督に取って代わるものでもありません。 メンバーは自分で決定を下し、法律と他人の権利を遵守します。 エクササイズは、専門家の監督なしにリスクの高い専門的な手順に変えてはなりません。