FUTURIA当下与未来之大学的新名称 数字贾扎里(DJAIRI)官方认可标志母机构数字贾扎里(DJAIRI)

未来教育与知识实验室

设计自主学习路径,整合人工与智能指导,并以证据评估成就。 一个开放的实验空间:由成员主动发起、自行纠错并选择伙伴;实验室不会替成员管理项目。

目标: 设计一次兼顾无障碍、反馈与隐私的简短学习体验。 成员自行选择情境,并记录所用资料和所作修改;仅凭参与不会获得等级或积分。

如何在这个实验室工作

本地实验笔记本 — 可让你导出作品,而无需发送给我们。

学习单元

1. 学习者,而不是教学大纲

设定明确的学习目标并确定不同受众的需求,区分获得的技能与仅仅参加材料。

应用扩展 — 定义可观察的技能:设定个人学习目标和可观察结果,而不受制于统一的时间表。 描述您当前的水平以及显示您想要缩小的差距的证据。

应用活动

写出两个可验证的学习成果和三种替代方法来证明它们。

预期的证据

学习成果卡。

自检问题

获得技能和参加材料有什么区别?

回答: 出勤率本身并不能证明任何事情; 一项技能表现在可以观察到的表现中。

举一个可验证的学习成果的例子。

回答: 学习者解释了他们所在地区水资源短缺的三个原因,并引用了两个可靠的来源。

为什么要在学习之前描述您当前的水平?

回答: 准确定义差距并稍后衡量进度。

2. 人类导师和人工智能助手

将带来经验和背景的人类导师的角色与提供建议和审查的人工智能助手的角色进行比较。 不要将职业安全或官方资格的决定交给自动化模型。

应用扩展——一个迷你学习实验:比较学习技能的两种短方法,记录时间,结果和错误。 不要将点击次数或观看小时数视为掌握的充分证据。

应用活动

设计一个解决常见学习错误的五信息指导对话。

预期的证据

具有责任限制的指导场景。

自检问题

人类导师通常提供的人工智能工具没有什么?

回答: 基于上下文的经验,了解学习者的情况和专业责任。

为什么观看时间不是精通的充分证据?

回答: 他们衡量所花费的时间,而不是执行或应用技能的能力。

哪些决策不应留给自动化模型?

回答: 关于职业安全和官方资格授予的决定。

3. 公平评估

让学习者通过解释、项目或合适的测试来证明理解,并设定明确的标准和建设性的反馈。 考虑到语言和能力的差异。

应用扩展 — 自我导向的可选反馈:如果您愿意,可以将您的作品展示给一个人或一个知识圈,收集具体评论,然后自己查看。 将确认的信息与导师的意见或 AI 工具的建议区分开来。

应用活动

为每个标准创建一个包含四个标准和三个性能级别的量规。

预期的证据

一个可用的评估量规。

自检问题

是什么使评估公平?

回答: 清晰、公布的标准、几种证明理解的方式,以及对语言和能力差异的关注。

量规的组成部分是什么?

回答: 每个标准的具体标准和描述的性能水平。

您应该如何在反馈中处理 AI 工具的建议?

回答: 作为开放审查的意见,与确认的信息分开。

4. 改进测试后的路径

与假设的学习者一起运行两种场景,并记录他们跌倒的地方; 更新说明,使它们在手机和学习者自己的语言上更清晰。

应用扩展——技能发展的证据:在改进之前和之后提供一个样本,并提供评估标准和对什么不起作用的解释。 设计下一个适合您的时间和环境的实验,无需强制跟踪路径。

应用活动

准备与每次改进的原因进行前后比较,记录可用性和可访问性的说明。

预期的证据

版本改进报告。

自检问题

为什么在发布之前用假设的学习者测试学习路径?

回答: 在它们影响真正的学习者之前找到绊脚石和不明确的指令。

什么是技能发展的证据?

回答: 改进之前的样本和之后的一个,使用相同的标准进行评估。

可访问性在学习设计中意味着什么?

回答: 每个人都可以使用这些材料,包括残疾人、电话用户和使用不同语言的人。

从图书馆进一步阅读

本实验室范围

教育和研究实验室:它不授予学历或专业许可证,也不会取代危险或受监管工作的专业监督。 成员自行决定,遵守法律和他人的权利; 如果没有专家的监督,不得将练习变成高风险的专业程序。