Tiềm năng và hạn chế của việc tự học bằng công nghệ AI trong giáo dục đại học từ góc độ khoa học giáo dục

Trí tuệ nhân tạo (Artificial intelligence - AI) là một trong những công nghệ đột phá, thúc đẩy sự thay đổi trong xã hội và nền kinh tế cũng như hệ thống giáo dục của chúng ta. Trong quá trình học tập, nhiều ứng dụng dựa trên AI khác nhau như đánh giá tự động, trực quan hóa sở thích hoặc công cụ tìm chiến lược học tập sẽ hỗ trợ trong các giai đoạn khác nhau của học kì. Khi lập kế hoạch và thiết kế hệ thống khuyến nghị này, tiền đề quan trọng nhất là thúc đẩy quyền tự quyết của sinh viên.

Bản chất đặc biệt của mô hình đào tạo từ xa đã đòi hỏi một mức độ chủ động, kiên trì và tự tổ chức đặc biệt. Do đó, việc thúc đẩy đặc biệt các kĩ năng của thế kỷ 21 trong bối cảnh này là điều hiển nhiên. Dự án ban đầu Phòng thí nghiệm nghiên cứu AI.EDU Thuộc trường Đại học Fern ở Hagen bắt đầu chính xác vào thời điểm này. Trong khuôn khổ đạo đức và pháp lý, các dữ liệu hiện có sẽ được tổng hợp và đánh giá bằng các phương pháp AI; hệ thống hỗ trợ và tư vấn cá nhân hóa sẽ được phát triển nhằm cung cấp cho sinh viên sự hỗ trợ thông minh trong quá trình học tập, ngăn ngừa tình trạng bỏ học và tăng cường thành công của họ. Trọng tâm cũng nằm ở việc cho phép sinh viên chịu trách nhiệm về việc học của chính mình, đặc biệt là khả năng tự điều chỉnh, nâng cao nhận thức trong việc xử lý các hệ thống được thuật toán hóa và đánh giá tự động.

Công cụ bao gồm ba thành phần: mô hình miền, mô hình của người học và mô hình giáo khoa. Mô hình miền chính thức thể hiện tài liệu dạy và học có cấu trúc và chú thích nó bằng siêu dữ liệu cũng như xác định các mối quan hệ và thuộc tính của chúng. Mô hình người học lưu trữ thông tin cá nhân về trình độ kiến thức, năng lực và dữ liệu học tập nâng cao, làm cơ sở cho việc học tập cá nhân hóa và tiến trình học tập của cá nhân. Hơn nữa, người giới thiệu sử dụng mô hình mô phạm trong đó kiến thức mô phạm được chính thức hóa. Hệ thống gợi ý được thiết kế cho một mô-đun khóa học trong chương trình nghiên cứu cử nhân về Khoa học Giáo dục. Mục tiêu của mô-đun này là trao quyền cho sinh viên trong các lĩnh vực năng lực kĩ thuật/chuyên nghiệp, cá nhân/xã hội, phương pháp luận và truyền thông. Ba giai đoạn học kì liên tiếp cấu trúc học kì để cho phép sinh viên từng bước phát triển sở thích nghiên cứu của riêng mình và đạt được kết quả nghiên cứu một cách độc lập. 

Trong các giai đoạn tìm hiểu khác nhau, sinh viên được hỗ trợ bởi năm ứng dụng: đánh giá tự động thông minh, phản hồi thông minh, công cụ tìm chiến lược học tập, trực quan hóa sở thích và hỗ trợ bài viết học kì về tổ chức và cấu trúc. Nói chung, những ứng dụng này sẽ hỗ trợ sinh viên trong các nhiệm vụ cá nhân của họ và bộc lộ khả năng thúc đẩy và nâng cao năng lực của họ để trở thành một người chuyên nghiệp, đồng thời là một người học tự chủ, tự điều chỉnh bất chấp và nhờ có người giới thiệu. hệ thống. Đánh giá tự động thông minh sẽ phân tích các bài kiểm tra kiến thức trước đây của sinh viên khi bắt đầu học phần. Các câu hỏi do hệ thống đưa ra sẽ được sinh viên trả lời dưới dạng văn bản tự do. Hệ thống sẽ tự động đánh giá câu trả lời của sinh viên bằng cách áp dụng mô hình học máy của chúng tôi. Sau đó, sinh viên sẽ nhận được phản hồi cá nhân hóa do hệ thống tạo ra với tùy chọn hiển thị thông tin bổ sung về lỗi kiến thức của cá nhân.

Các công nghệ AI được ứng dụng trong bối cảnh giáo dục có thể giúp sinh viên hiểu cách họ có thể cải thiện và phát triển năng lực cũng như cách họ thực hiện việc học tập tự điều chỉnh. Sự kết hợp giữa lượng dữ liệu và các công cụ AI được thiết kế tốt có thể giúp theo dõi cách thức phát triển trí thông minh và tiến trình học tập. AI trong giáo dục đại học có tiềm năng trở thành trợ lý cá nhân hóa cho sinh viên mà không hạn chế tính độc lập của họ trong công việc học tập. Học tập dựa trên truy vấn cung cấp một phương pháp rèn luyện khả năng phản ánh và đưa ra phán đoán của sinh viên khi phát triển một câu hỏi nghiên cứu. Từ góc độ khoa học giáo dục, các ứng dụng AI trong các tình huống giáo khoa như vậy đặc biệt hữu ích để hỗ trợ năng lực của sinh viên trong việc tự điều chỉnh việc học tập và chuẩn bị cho họ khả năng làm việc trong các ngành nghề kĩ thuật số. Cần lưu ý rằng các điều kiện về luật dữ liệu phải được làm rõ trước, tạo ra sự minh bạch và vẫn cần có nhiều nghiên cứu khác nhau để có thể đưa ra những tuyên bố có ý nghĩa về thiết kế, hiệu quả và tính phù hợp của các khuyến nghị lại.

Hồng Anh lược dịch

Nguồn: Gloerfeld, C., Wrede, S., de Witt, C., & Wang, X. (2020). Recommender – Potentials and Limitations for Self-Study in Higher Education from an Educational Science Perspective. International Journal of Learning Analytics and Artificial Intelligence for Education (iJAI), 2(2), pp. 34–45. https://doi.org/10.3991/ijai.v2i2.14763