绘制基于项目的AI学习的未来：与学生的共同设计探索

文献标题

Charting the Future of AI in Project-Based Learning: A Co-Design Exploration with Students

文献信息

• 主题领域: 教育技术与人工智能
• 关键词: AI教育, 项目式学习 (PBL), 共设计, 定性研究, 生成式AI

研究背景与问题

• 发现的问题与挑战: 学生越来越多地在项目式学习 (PBL) 中使用人工智能 (AI)，这给教育实践者带来了新的评估挑战，如如何公平地评估学生的学习成果，避免仅仅测量AI的能力而非学生的能力。
• 重要性: PBL专注于学生解决实际问题的能力，其过程和成果展示学生的高阶思维技能。然而，AI的参与可能会改变传统基于成果的评估方法，影响未来教育目标和学生技能培养。
• 研究动机与相关工作: 当前关于AI在教育中的应用已有广泛研究，但鲜有研究探讨学生与AI互动数据如何为教育评估提供依据。此外，生成式AI的兴起对教育过程提出了新的要求和探索方向。

解决方案

• 方法和解决方案:

  • 文章设计了一系列共设计研讨会，与18名大学生合作探索AI如何丰富项目式学习的情景，以及AI数据如何服务于学习评估。
  • 推动学生思考未来可能的AI使用场景，并通过设计活动，让学生构建AI使用报告以支持评估。

• 创新之处:

  • 将生成式AI与教育评估深度结合，开创性提出从学生视角设计未来项目式学习的AI数据报告模式。
  • 探索如何利用学生与AI的交互数据分析其高阶思维能力，并超越传统的基于成果的评估方法。

• 实施步骤与关键技术:

  1. 设计共创探索活动: 包括回顾过去的PBL经历，设想AI参与的学习过程，并设计个人化的AI使用报告。
  2. 活动框架: 三个阶段——设想AI参与学习的未来场景，想象未来理想学生的评估标准，以及设计可视化报告以展示AI使用数据。
  3. 数据分析技术: 使用定性编码和主题分析方法对研讨会中生成的数据进行处理，结合三角验证确保研究结果准确。

研究成果

具体成果与优势

1. 学生想象的AI用途:

   • 自动化重复和耗时任务，如数据收集、调试和文档记录。
   • 支持发散性思维与创意生成。
   • 提供选择和反馈，帮助学生直接实现解决方案。
   • 指导学生学习新知识，甚至可以扮演部分教师角色。

2. 未来教育评估变革:

   • 提出了评估旧技能的新方式（如创造性思维的重新衡量）和评估新技能（如有效使用AI的能力）的标准。
   • 特别是强调分析学生在利用AI功能方面的能力及其在项目中的领导角色。

3. 设计学生AI使用报告的实践:

   • 学生设计的报告包括分析AI在项目不同阶段的任务分配、学生与AI互动的有效性、学生将AI建议融入项目过程的方式等。
   • 存在不同的AI角色定位（工具、队友或专家）对报告设计的影响。

实验或评估结果

• 结果展示: 七次研讨会生成了六个关键的AI使用场景子主题，以及七种与学生使用AI相关的分析主题（如任务分配、互动有效性等）。
• 报告设计样式多样: 学生使用饼图、流程图、累计表等设计方法总结AI贡献，展示其计算和理解学生技能变化的能力。
• 局限性与未来方向:
  • 当前研究基于18名参与者且时间较短，缺乏大规模和长时间的验证。
  • 未来可以结合更多教师视角，以及实际使用AI进行长期PBL实验。

总结与讨论

• 本文提出了一种利用学生与AI交互数据来评估学习的全新视角，推动AI-enhanced教育的深入探索。
• 研究提供了学生自身参与设计及想象未来学习场景的定性洞察，强调了学生在教育数据分析中的参与性角色。
• 为教育技术和HCI领域划定了一些未来研究方向，包括定制化AI工具设计、促进学生AI自我调节学习、以及如何评估学生与AI合作成效。

下一步建议

• 深入研究学生与教师之间的观点差异，探讨如何融合多方需求设计综合性AI数据报告工具。
• 结合定量研究和长期实践，与更多教育场景和海量学生数据进行结合验证。