Skip to main content
European School Education Platform
Practice article

Anvendelse af kunstig intelligens inden for læring og undervisning: de første skridt og feedback

Anvendelsen af kunstig intelligens bliver mere og mere fremtrædende inden for mange sektorer, herunder også inden for uddannelse. Algoritmerne i kunstig intelligens, der er baseret på analyse af genererede og indsamlede data, kan være udviklet specifikt til uddannelse, men er det ikke nødvendigvis.
boy touching virtual screen
Image: Adobe Stock /lev dolgachov

Der er mange igangværende Erasmus+-projekter, som anvender eller beskæftiger sig med kunstig intelligens inden for uddannelse. Her er nogle eksempler, der giver en bedre forståelse af de relevante emner og de spørgsmål, der bør overvejes.

 

1. Kunstig intelligens som støtte til lærerledelse

 

Adaptive læringssystemer bruger algoritmerne i den kunstige intelligens til at personliggøre og differentiere elevernes læringsforløb. De er integreret i læreplanerne og kræver en indledende dataindsamling og en indplaceringstest. Algoritmer som f.eks. »k-nearest neighbors« kan bruges til at foreslå grupperinger (clustering) baseret på en analyse af de indsamlede data. Den kunstige intelligens foreslår behovsgrupper til lærerne - i henhold til lignende læringsadfærd - i lighed med Adaptiv'Math, der anvendes i Frankrig. Lærerne beslutter, om de vil sammensætte homogene eller heterogene grupper i henhold til deres mål (et særligt problem for en homogen gruppe, samarbejde, gensidig hjælp osv.). Softwaren kan analysere og ændre de mulige grupperinger efter nye aktiviteter. Lærerne kan ændre grupperne, når de tildeler øvelser til de enkelte elever og hjælpe dem med at lære dem udenad og fastholde læringen. Lærerne skal dog tage hensyn til den menneskelige og relationelle dynamik, som ikke er blevet omsat til indikatorer for den kunstige intelligens.

 

For at motivere deres elever til at forberede sig til undervisningen bruger de nederlandske lærere virtuelle læringsmiljøer som f.eks. den sociale annotationsplatform Perusall. »Den kunstige intelligens, der anvendes i Perusall, bruges som en adfærdsændringsagent, der udvælger både kommentarer og incitamenter for eleverne til at give feedback på en intelligent måde« (SURF-rapport). Den er trænet til at foretage kvalitative fortolkninger af data fra sine elever og kan bruges til at engagere eleverne. Der er mulighed for skævheder og begrænsninger, begyndende med tydeligheden af lærernes forventninger og de oplysninger, der gives til eleverne. Denne mulighed »fører til nye samtaler om lærerens rolle i forbindelse med elevernes engagement og evaluering med kunstig intelligens som den formodede uvildige første læser« og understreger behovet for anvendt forskning.

 

2. Kunstig intelligens som støtte til elevernes og lærernes læseforståelse

 

Læseindlæring (afkodning, læsefærdighed, læseforståelse) er et vigtigt område for alle EU’s medlemsstater. I adskillige forsknings- og udviklingsprojekter foreslås software til at fremme literacy, ofte ved hjælp af kunstig intelligens til naturlig sprogbehandling (NLP). Flere ressourcer rettet mod elever i alderen 6-8 år som f.eks. GraphoLearn (udviklet i Finland), Graphonemo, Kalulu, Kaligo og Lalilo har modtaget støtte fra det franske undervisningsministerium i løbet af de sidste to år. Under vejledning af lærere, pædagoger og kognitionsforskere fra designfasen beriger disse systemer de pædagogiske muligheder og skaber resultater, som endnu ikke er blevet evalueret i stor skala. De gør det også muligt at opdage læsevanskeligheder, der er forbundet med dysleksi-problemer, uden nødvendigvis at ty til de »eye-tracking«-teknikker, der blev anvendt i det banebrydende svenske projekt Lexplore. De kræver opmærksomhed med hensyn til de data, der indsamles, behandles og lagres (især stemmeoplysninger) for at sikre, at de anvendes på en etisk forsvarlig måde og i overensstemmelse med gældende regler.

 

3. Kunstig intelligens som støtte til elevernes »læring« med eller uden lærere

 

Der findes også kunstig intelligens-applikationer, der kan anvendes i klasseværelset eller i hjemmet, med eller uden involvering af læreren.

 

Baseret på genkendelse af billeder, lyde eller tekster kan disse applikationer integreres i en problemløsningstilgang, der indgår i læreplanen, som f.eks. KIKS AI, der anvendes i STEM-rammeprogrammet i Flandern, Belgien. Det samme gør sig gældende for de naturfaglige fag med Vittascience, der anvendes i Frankrig.

 

Eleverne kan også bruge applikationer til at arbejde selvstændigt. Applikationer til matematik og sprogindlæring er i dag de mest udbredte og oversatte. Den brugervenlige kroatiske applikation Photomath giver eleverne ræsonnementet frem for løsningen. Den opfordrer lærere og institutioner til at arbejde på en innovativ måde med hensyn til læringsmålene.

 

Konklusion

 

På dette tidlige stadie af brugen af undervisningsressourcer baseret på kunstig intelligens er det vigtigt at forstå deres principper og anvendelse for at kunne vurdere deres relevans i hver enkelt sammenhæng. I den forbindelse kan Europa-Kommissionens Etiske retningslinjer for kunstig intelligens og dataanvendelse inden for undervisning og læring være med til at foregribe mulige ændringer i måden, vi underviser og lærer på.

 

Additional information

  • Evidence:
    N/A
  • Funding source:
    Erasmus+
  • Intervention level:
    N/A
  • Intervention intensity:
    N/A
  • Participating countries:
    Belgium
    France
    Netherlands
  • Target audience ISCED:
    Primary education (ISCED 1)
    Lower secondary education (ISCED 2)
    Upper secondary education (ISCED 3)