Kako vještačka inteligencija pokreće obrazovno-tehnološke platforme?

Kako vještačka inteligencija pokreće obrazovno-tehnološke platforme?

Kratak odgovor: Vještačka inteligencija pokreće obrazovno-tehnološke platforme pretvarajući interakcije učenika u uske povratne informacije koje personaliziraju putanje, nude podršku u stilu podučavanja, ubrzavaju procjenu i ističu gdje je potrebna pomoć. Najbolje funkcionira kada se podaci tretiraju kao šum i ljudi mogu poništiti odluke; ako su ciljevi, sadržaj ili upravljanje slabi, preporuke se gube, a povjerenje opada.

Ključne zaključke:

Personalizacija : Koristite praćenje znanja i preporuke za podešavanje tempa, težine i pregleda.

Transparentnost : Objasnite prijedloge, ocjene i zaobilazne puteve „zašto je to tako“ kako biste smanjili zabunu.

Ljudska kontrola : Omogućite nastavnicima i učenicima da prepisuju, kalibriraju i ispravljaju rezultate.

Minimizacija podataka : Prikupljajte samo ono što je potrebno, uz jasne mjere zadržavanja i zaštite privatnosti.

Otpornost na zloupotrebu : Dodajte zaštitne ograde kako bi tutori podučavali razmišljanje, a ne davali šalabahterske odgovore.

Kako vještačka inteligencija pokreće obrazovno-tehnološke platforme? Infografika

Članci koje biste možda željeli pročitati nakon ovog:

🔗 Kako umjetna inteligencija podržava obrazovanje
Praktični načini na koje vještačka inteligencija personalizuje učenje i smanjuje radno opterećenje nastavnika.

🔗 10 najboljih besplatnih AI alata za obrazovanje
Odabrana lista besplatnih alata za učenike i nastavnike.

🔗 Alati umjetne inteligencije za nastavnike specijalnog obrazovanja
Alati umjetne inteligencije usmjereni na pristupačnost koji pomažu različitim učenicima da postignu svakodnevni uspjeh.

🔗 Najbolji alati umjetne inteligencije za visoko obrazovanje
Najbolje platforme za univerzitete: nastava, istraživanje, administracija i podrška.

1) Kako umjetna inteligencija pokreće obrazovno-tehnološke platforme: najjednostavnije objašnjenje 🧩

Na visokom nivou, vještačka inteligencija pokreće obrazovno-tehnološke platforme obavljajući četiri zadatka: ( Ministarstvo obrazovanja SAD-a - Vještačka inteligencija i budućnost nastave i učenja )

  • Personalizirajte putanje učenja (šta vidite sljedeće i zašto)

  • Objasnite i podučite (interaktivna pomoć, savjeti, primjeri)

  • Procjena učenja (ocjenjivanje, povratne informacije, otkrivanje nedostataka)

  • Predvidite i optimizirajte ishode (angažman, zadržavanje, savladavanje)

U suštini, ovo obično znači: ( UNESCO - Smjernice za generativnu umjetnu inteligenciju u obrazovanju i istraživanju )

I da... mnogo toga i dalje zavisi od običnih starih pravila i logičkih stabala. Vještačka inteligencija je često turbopunjač, ​​a ne cijeli motor. 🚗💨

2) Šta čini dobru obrazovnu tehnološku platformu zasnovanu na vještačkoj inteligenciji ✅

Ne zaslužuje svaka značka "pokrenuta umjetnom inteligencijom" da postoji. Dobra verzija obrazovne tehnologije zasnovane na umjetnoj inteligenciji obično ima:

Ako platforma ne može navesti šta učenik dobija što prije nije dobijao, vjerovatno se radi samo o automatizovanom cosplayu. 🥸

3) Sloj podataka: odakle vještačka inteligencija crpi svoju snagu 🔋📈

Umjetna inteligencija u obrazovnoj tehnologiji funkcionira na temelju signala učenja. Ovi signali su svugdje: ( Analitika učenja: Pokretači, razvoj i izazovi - Ferguson, 2012 )

  • Klikovi, vrijeme provedeno na zadatku, ponovne reprodukcije, preskakanja

  • Pokušaji kviza, obrasci grešaka, korištenje savjeta

  • Primjeri pisanja, otvoreni odgovori, projekti

  • Aktivnost na forumu, obrasci saradnje

  • Prisustvo, tempo, nizovi (da, nizovi...)

Zatim platforma pretvara te signale u funkcije poput:

  • Vjerovatnoća savladavanja po konceptu

  • Procjene pouzdanosti

  • Ocjene rizika angažmana

  • Preferirani načini (video u odnosu na čitanje u odnosu na praksu)

Evo u čemu je kvaka: podaci o obrazovanju su "bučni". Učenici nagađaju. Bivaju prekinuti. Prepisuju odgovore. Panično klikću. Također uče u naletima, zatim nestaju, a zatim se vraćaju kao da se ništa nije dogodilo. Dakle, najbolje platforme tretiraju podatke kao nesavršene i dizajniraju vještačku inteligenciju da bude... donekle skromna. 😬

Još jedna stvar: kvalitet podataka zavisi od dizajna nastave. Ako aktivnost zaista ne mjeri vještinu, model uči besmislice. Kao da pokušavate procijeniti sposobnost plivanja tražeći od ljudi da imenuju ribe. 🐟

4) Personalizacija i adaptivni mehanizmi za učenje 🎯

Ovo je klasično obećanje „AI u obrazovnoj tehnologiji“: svaki učenik dobija pravi sljedeći korak.

U praksi, adaptivno učenje često kombinuje:

Personalizacija može izgledati ovako:

  • Dinamičko podešavanje težine

  • Promjena redoslijeda lekcija na osnovu uspješnosti

  • Ubrizgavanje ponavljanja kada je vjerovatno zaboravljanje (vibracije razmaknutog ponavljanja) ( Duolingo - Razmaknuto ponavljanje za učenje )

  • Preporučena praksa za slabe koncepte

  • Promjena objašnjenja na osnovu signala stila učenja

Ali personalizacija može krenuti i po zlu:

  • Može "zarobiti" učenike u lakom načinu rada 😬

  • Može previše nagraditi brzinu u odnosu na dubinu

  • Može zbuniti nastavnike ako put postane nevidljiv

Najbolji adaptivni sistemi pokazuju jasnu mapu: „Ovdje ste, ciljate na ovo i zato skrećemo s puta.“ Ta transparentnost je iznenađujuće smirujuća, poput GPS-a koji priznaje da mijenja rutu jer ste promašili skretanje... opet. 🗺️

5) Instruktori s umjetnom inteligencijom, asistenti za chat i porast „trenutne pomoći“ 💬🧠

Jedan veliki odgovor na pitanje kako vještačka inteligencija pokreće obrazovno-tehnološke platforme je podrška kroz razgovor.

Instruktori umjetne inteligencije mogu:

  • Objasnite koncepte na više načina

  • Dajte nagovještaje umjesto odgovora

  • Generirajte primjere u hodu

  • Postavljajte vodeće upute (ponekad u sokratovskom stilu)

  • Sumirajte lekcije i kreirajte planove učenja

  • Prevedite ili pojednostavite jezik radi pristupačnosti

Ovo obično pokreću veliki jezički modeli plus:

Najefikasniji tutori rade jednu stvar izuzetno dobro:

  • Oni podstiču učenika na razmišljanje. 🧠⚡

Najgori rade suprotno:

  • Oni daju uglađene odgovore koji omogućavaju učenicima da izbjegnu muke, što je i sama poenta učenja. (Dosadno, ali istinito.)

Praktično pravilo: dobra umjetna inteligencija za podučavanje ponaša se kao trener. Loša umjetna inteligencija za podučavanje ponaša se kao šalabahter koji nosi lažne brkove. 🥸📄

6) Automatizirana procjena i povratne informacije: ocjenjivanje, rubrike i stvarnost 📝

Procjena je ono u čemu obrazovno-tehnološke platforme često vide neposrednu vrijednost, jer ocjenjivanje oduzima puno vremena i emocionalno je iscrpljujuće. Vještačka inteligencija pomaže tako što:

  • Automatsko ocjenjivanje objektivnih pitanja (laka pobjeda)

  • Pružanje trenutnih povratnih informacija o vježbanju (ogroman poticaj motivaciji)

  • Bodovanje kratkih odgovora pomoću modela usklađenih s rubrikama

  • Davanje povratnih informacija o pisanju (struktura, jasnoća, gramatika, kvalitet argumentacije) ( ETS - e-rater Scoring Engine )

  • Otkrivanje pogrešnih shvatanja grupisanjem obrazaca grešaka

Ali evo u čemu je tenzija:

  • Obrazovanje želi pravednost i dosljednost

  • Učenici žele brze i korisne povratne informacije

  • Nastavnici žele kontrolu i povjerenje

  • Vještačka inteligencija ponekad želi... improvizirati 😅

Jake platforme to rješavaju na sljedeći način:

Također, ton povratnih informacija je važan. Mnogo. Oštar komentar umjetne inteligencije može pasti kao cigla. Blag komentar može potaknuti reviziju. Najbolji sistemi omogućavaju edukatorima da prilagode glas i strogost, jer učenici nisu svi isti. ❤️

7) Pomoć pri generiranju sadržaja i dizajnu instrukcija 🧱✨

Ovo je tiha revolucija: umjetna inteligencija pomaže u bržem stvaranju materijala za učenje.

Vještačka inteligencija može generirati:

Za nastavnike i kreatore kurseva, to može ubrzati:

  • Planiranje

  • Izrada nacrta

  • Diferencijacija

  • Kreiranje sadržaja za sanaciju

Ali... i mrzim biti osoba koja priča "ali", ali evo nas...
Ako vještačka inteligencija generira sadržaj bez strogih ograničenja, dobit ćete:

Najbolji tijek rada je "AI piše nacrte, ljudi odlučuju." Kao korištenje aparata za kruh - pomaže, ali i dalje provjeravate je li ispekla kruh ili proizvela topli biskvit. 🍞😬

8) Analitika učenja: predviđanje ishoda i uočavanje rizika 👀📊

Vještačka inteligencija također pokreće administratorsku stranu. Nije glamurozno, ali je važno.

Platforme koriste prediktivnu analitiku za procjenu:

Ovo se često manifestuje kao:

  • Kontrolne ploče za rano upozoravanje za edukatore

  • Poređenja kohorti

  • Uvidi u tempo

  • Zastavice "U riziku"

  • Preporuke za intervenciju (poruke podsticaja, podučavanje, paketi za ponavljanje)

Suptilni rizik ovdje predstavlja označavanje:

Bolje platforme tretiraju predviđanja kao upute, a ne kao presude:

  • „Ovom učeniku će možda trebati podrška“ naspram „ovaj učenik će propasti“. Velika razlika. 🧠

9) Pristupačnost i inkluzija: Vještačka inteligencija kao pojačivač učenja ♿🌈

Ovaj dio zaslužuje više pažnje nego što dobija.

Vještačka inteligencija može dramatično poboljšati pristup omogućavanjem:

Za neurodiverzne učenike, vještačka inteligencija može pomoći na sljedeći način:

  • Razbijanje zadataka na manje korake

  • Nudenje alternativnih reprezentacija (vizuelnih, verbalnih, interaktivnih)

  • Pružanje privatne prakse bez društvenog pritiska (ogromnog, zaista)

Ipak, inkluzija zahtijeva dizajnersku disciplinu. Pristupačnost nije prekidač funkcije. Ako je osnovni tok platforme zbunjujući, vještačka inteligencija samo dodaje zavoj na slomljenu stolicu. A vi ne želite sjediti na toj stolici. 🪑😵

10) Tabela za poređenje: popularne opcije obrazovne tehnologije zasnovane na vještačkoj inteligenciji (i zašto funkcionišu) 🧾

Ispod je praktična, pomalo nesavršena tabela. Cijene se znatno razlikuju; ovo je "tipično" a ne apsolutno.

Alat / Platforma Najbolje za (publiku) Prilično skupo Zašto funkcioniše (i jedna mala neobičnost)
Podučavanje umjetne inteligencije u stilu Khan akademije (npr. vođena pomoć) Studenti + samoučenici Besplatno / donacija + premium bitovi Snažna skela, objašnjava korake; ponekad malo previše pričljivo 😅 ( Khanmigo )
Adaptivne jezičke aplikacije u stilu Duolinga Učenici jezika Freemium / pretplata Brze povratne petlje, razmaknuto ponavljanje; nizovi mogu postati… emocionalno intenzivni 🔥 ( Duolingo - Razmaknuto ponavljanje za učenje )
Platforme za kvizove / kartice za učenje s AI vježbom Učenici koji se pripremaju za ispite Freemium Brzo kreiranje sadržaja + vježbanje pamćenja; kvalitet zavisi od prompta, da
LMS dodaci s podrškom za AI ocjenjivanje Nastavnici, institucije Po sjedištu / preduzeću Štedi vrijeme na povratnim informacijama; potrebno je podešavanje rubrika ili brzo skreće s puta
Korporativne platforme za učenje i razvoj s mehanizmima za preporuke Obuka radne snage Ponuda za preduzeća Personalizirani putevi u velikom obimu; ponekad previše fokusa na metrike završetka
Alati za povratne informacije o pisanju zasnovani na umjetnoj inteligenciji za učionice Pisci, studenti Freemium / pretplata Trenutne smjernice za reviziju; izbjegavajte način rada "pisanje za vas" 🙃 ( ETS - e-rater Scoring Engine )
Platforme za matematičke vježbe sa savjetima zasnovanim na koracima K-12 i dalje Pretplata / školska licenca Povratne informacije o koracima otkrivaju pogrešna shvatanja; mogu frustrirati one koji brzo završavaju zadatke
Planeri za učenje i sažimanje bilješki pomoću umjetne inteligencije Studenti žongliraju na časovima Freemium Smanjuje preopterećenost; nije zamjena za razumijevanje (očigledno, ali ipak)

Obratite pažnju na obrazac: umjetna inteligencija se ističe kada podržava vježbu, povratne informacije i tempo. Muči se kada pokušava zamijeniti razmišljanje. 🧠

11) Realnost implementacije: šta timovi griješe (malo prečesto) 🧯

Ako kreirate ili birate obrazovni tehnološki alat vođen umjetnom inteligencijom, evo uobičajenih zamki:

Takođe, pomalo neugodna istina:

  • Funkcije umjetne inteligencije često ne uspijevaju jer su osnove platforme nestabilne. Ako je navigacija zbunjujuća, sadržaj pogrešno poravnat, a procjena neispravna, umjetna inteligencija to neće spasiti. Samo će dodati sjaj napuklom ogledalu. ✨🪞

12) Povjerenje, sigurnost i etika: ono o čemu se ne pregovara 🔒⚖️

Budući da obrazovanje ima visok ulog, umjetnoj inteligenciji su potrebne jače ograde nego većini industrija. ( UNESCO - Smjernice za generativnu umjetnu inteligenciju u obrazovanju i istraživanju ; NIST - AI RMF 1.0 )

Ključna razmatranja:

Platforma stiče povjerenje kada:

  • Priznaje nesigurnost

  • Nudi transparentne kontrole

  • Omogućava ljudima da ponište

  • Zapisuje odluke za pregled ( NIST - AI RMF 1.0 )

To je razlika između "korisnog alata" i "misterioznog sudije". A niko ne želi misterioznog sudiju. 👩⚖️🤖

13) Završne bilješke i rezime ✅✨

Dakle, način na koji vještačka inteligencija pokreće obrazovno-tehnološke platforme svodi se na pretvaranje interakcija učenika u pametniju isporuku sadržaja, bolje povratne informacije i ranije intervencije podrške - kada je to odgovorno dizajnirano. ( Ministarstvo obrazovanja SAD-a - Vještačka inteligencija i budućnost nastave i učenja ; OECD - Mogućnosti, smjernice i zaštitne ograde za vještačku inteligenciju u obrazovanju )

Kratak pregled:

  • Umjetna inteligencija personalizira tempo i putanje 🎯

  • AI tutori pružaju trenutnu, vođenu pomoć 💬

  • Vještačka inteligencija ubrzava povratne informacije i procjenu 📝

  • Vještačka inteligencija poboljšava pristupačnost i inkluziju ♿

  • Analitika umjetne inteligencije pomaže edukatorima da intervenišu ranije 👀

  • Najbolje platforme ostaju transparentne, usklađene s ishodima učenja i kontrolirane od strane ljudi ✅ ( NIST - AI RMF 1.0 )

Ako uzmete u obzir samo jednu ideju: umjetna inteligencija najbolje funkcionira kada djeluje kao podržavajući trener, a ne kao zamjenski mozak. I da, to je pomalo dramatično, ali također... ne sasvim. 😄🧠

Često postavljana pitanja

Kako umjetna inteligencija svakodnevno pokreće obrazovne tehnološke platforme

Vještačka inteligencija pokreće obrazovno-tehnološke platforme pretvarajući ponašanje učenika u povratne informacije. U mnogim sistemima, to postaje preporuke za sljedeće korake, objašnjenja u stilu podučavanja, automatizirane povratne informacije i analitika koja otkriva praznine ili nedostatak angažmana. Ispod haube, često se radi o mješavini modela plus jednostavnih pravila i logičkih stabala. "Vještačka inteligencija" je obično turbopunjač, ​​a ne cijeli motor.

Šta čini obrazovnu tehnološku platformu zasnovanu na vještačkoj inteligenciji zaista dobrom (ne samo marketing)

Snažna obrazovno-tehnološka platforma zasnovana na vještačkoj inteligenciji počinje s jasnim ciljevima učenja i visokokvalitetnim sadržajem, jer vještačka inteligencija ne može spasiti klimav nastavni plan i program. Također je potrebna dobra prilagodljivost, korisne povratne informacije i transparentnost o tome zašto se preporuke pojavljuju. Privatnost i minimiziranje podataka trebaju biti ugrađeni od samog početka, a ne dodavani kasnije. Ključno je da nastavnici i učenici trebaju stvarnu kontrolu, uključujući i ljudsku kontrolu.

Koje podatke Ed-Tech platforme koriste za personalizaciju učenja

Većina platformi se oslanja na signale učenja poput klikova, vremena provedenog na zadatku, ponavljanja, pokušaja kvizova, obrazaca grešaka, korištenja savjeta, primjera pisanja i aktivnosti saradnje. Ovi se transformišu u funkcije kao što su procjene savladavanja koncepata, indikatori pouzdanosti ili rezultati rizika angažmana. Problem je u tome što su podaci o obrazovanju "šumni" - dešavaju se nagađanja, panično klikanje, prekidi i kopiranje. Bolji sistemi tretiraju podatke kao nesavršene i dizajniraju ih za skromnost.

Kako adaptivno učenje odlučuje šta učenik treba sljedeće uraditi

Adaptivno učenje često kombinuje praćenje znanja, modeliranje težine/sposobnosti i pristupe preporuka koji predlažu sljedeću najbolju aktivnost. Neke platforme također testiraju opcije koristeći metode poput višerukih bandita kako bi saznale šta funkcioniše tokom vremena. Personalizacija može prilagoditi težinu, promijeniti redoslijed lekcija ili ubaciti ponavljanje kada je vjerovatno zaboravljanje. Najbolja iskustva pokazuju jasnu mapu „gdje se nalazite“ i objašnjavaju zašto sistem preusmjerava.

Zašto se ponekad čini da su tutori za umjetnu inteligenciju korisni - a ponekad kao da varaju

AI tutori su korisni kada potiču učenike na razmišljanje: nudeći savjete, alternativna objašnjenja i upute umjesto da jednostavno daju odgovore. Mnoge platforme dodaju zaštitne ograde, pretraživanje odobrenih materijala za kurs, rubrike i sigurnosne filtere kako bi smanjile halucinacije i uskladile pomoć s ishodima. Način neuspjeha je uglađeno davanje odgovora koje preskače produktivnu borbu. Praktični cilj je „ponašanje trenera“, a ne „ponašanje šalabahtera“

Da li vještačka inteligencija može pravedno ocjenjivati ​​i koji je najsigurniji način da se koristi za procjenu

Vještačka inteligencija može pouzdano automatski ocjenjivati ​​objektivna pitanja i pružati brze povratne informacije tokom vježbe, što može povećati motivaciju. Za kratke odgovore i pisanje, jače platforme usklađuju bodovanje s rubrikama, pokazuju „zašto ovaj rezultat“ i označavaju nesigurne slučajeve za ljudsku provjeru. Uobičajeni pristup je odvajanje pomoćnih povratnih informacija od konačnih ocjena, posebno za odluke s visokim ulozima. Kalibracija nastavnika i kontrola tona također su važni, jer povratne informacije mogu biti vrlo različito doživljene kod različitih učenika.

Kako umjetna inteligencija generira lekcije, kvizove i vježbe bez grešaka

Vještačka inteligencija može kreirati banke pitanja, objašnjenja, sažetke, kartice za učenje i diferencirane materijale, što ubrzava planiranje i ispravljanje grešaka. Rizik predstavlja neusklađenost sa standardima ili ishodima, plus greške koje zvuče samouvjereno i ponavljajući obrasci koje učenici mogu manipulirati. Sigurniji tijek rada je "Vještačka inteligencija piše nacrte, ljudi odlučuju", sa strogim ograničenjima i upravljanjem sadržajem. Mnogi timovi ovo tretiraju kao da imaju brzog asistenta kojeg i dalje treba provjeriti prije objavljivanja.

Kako funkcioniraju analitika učenja i predviđanja "rizika" - i šta može poći po zlu

Platforme koriste prediktivnu analitiku za procjenu rizika od napuštanja škole, pada angažmana, nedostataka u savladavanju gradiva i vremena intervencije, što se često pojavljuje na kontrolnim pločama i upozorenjima. Ova predviđanja mogu pomoći edukatorima da intervenišu ranije, ali označavanje predstavlja stvarni rizik. Ako "u riziku" postane presuda, očekivanja mogu pasti i sistem može usmjeriti učenike ka putevima s manjim izazovima. Bolje platforme uokviruju predviđanja kao upute za podršku, a ne kao sudove o potencijalu.

Kako umjetna inteligencija poboljšava pristupačnost i inkluziju u obrazovnoj tehnologiji

Vještačka inteligencija može proširiti pristup putem pretvaranja teksta u govor, pretvaranja govora u tekst, titlovanja, prilagođavanja nivoa čitanja, prevođenja i povratnih informacija o govornoj praksi. Za neurodiverzne učenike, može podijeliti zadatke na korake i ponuditi alternativne reprezentacije ili privatnu praksu bez društvenog pritiska. Ključno je da pristupačnost nije prekidač; ona mora biti ugrađena u osnovni tok učenja. U suprotnom, vještačka inteligencija postaje zavoj preko zbunjujućeg dizajna, a ne pravi pojačivač učenja.

Reference

  1. Ministarstvo obrazovanja SAD-a - Vještačka inteligencija i budućnost nastave i učenja - ed.gov

  2. UNESCO - Smjernice za generativnu umjetnu inteligenciju u obrazovanju i istraživanju - unesco.org

  3. OECD - Mogućnosti, smjernice i zaštitne ograde za efikasnu i pravednu upotrebu umjetne inteligencije u obrazovanju - oecd.org

  4. Nacionalni institut za standarde i tehnologiju - Okvir za upravljanje rizikom umjetne inteligencije (AI RMF 1.0) - nist.gov

  5. Ministarstvo obrazovanja Ujedinjenog Kraljevstva - Generativna umjetna inteligencija u obrazovanju - gov.uk

  6. Ured povjerenika za informacije - Minimiziranje podataka (GDPR u Velikoj Britaniji) - ico.org.uk

  7. Ministarstvo obrazovanja SAD-a (Ured za politiku privatnosti studenata) - Pregled FERPA-e - studentprivacy.ed.gov

  8. Obrazovna služba za testiranje - Osnovni koncepti teorije odgovora na pitanja - ets.org

  9. Usluga testiranja u obrazovanju - e-rater sistem za bodovanje - ets.org

  10. Inicijativa W3C za pristupačnost weba - Pretvaranje teksta u govor - w3.org

  11. W3C Inicijativa za web pristupačnost - Alati i tehnike - w3.org

  12. W3C - Razumijevanje WCAG 1.2.2 titlova (unaprijed snimljenih) - w3.org

  13. Duolingo - Razmaknuto ponavljanje za učenje - duolingo.com

  14. Khan Academy - Khanmigo - khanmigo.ai

  15. arXiv - Generisanje proširenim pronalaženjem (RAG) - arxiv.org

  16. arXiv - Istraživanje o halucinacijama u velikim jezičkim modelima - arxiv.org

  17. ERIC - Višeruki banditi za inteligentne sisteme podučavanja - eric.ed.gov

  18. Springer - Corbett & Anderson - Praćenje znanja (1994) - springer.com

  19. Otvoreno istraživanje na mreži (Otvoreni univerzitet) - Analitika učenja: Pokretači, razvoji i izazovi - Ferguson (2012) - open.ac.uk

  20. PubMed Central (NIH) - Procjena tečnosti čitanja uz pomoć govora (bazirano na ASR-u) - van der Velde i dr. (2025) - nih.gov

  21. PubMed Central (NIH) - Dobar nadzornik ili „Veliki brat“? Etika nadzora online ispita - Coghlan i dr. (2021) - nih.gov

  22. Springer - Sistem ranog upozorenja za identifikaciju i intervenciju u slučaju rizika od napuštanja online nastave - Bañeres i dr. (2023) - springer.com

  23. Wiley Online biblioteka - Etički i principi privatnosti za analitiku učenja - Pardo & Siemens (2014) - wiley.com

  24. Springer - Algoritamska pravednost u automatskom bodovanju kratkih odgovora - Andersen (2025) - springer.com

Pronađite najnoviju umjetnu inteligenciju u službenoj trgovini AI Assistant

O nama

Nazad na blog