GenAI正在超个性化教育

生成式人工智能让教师能够快速为每个学生生成定制的课程计划和微型模拟。

上周，我使用全新的OpenAI GPTs工具构建了我的第一个定制生成式AI应用程序（GPTs），用于生成教育方面的微型模拟（MicroSims）。这个过程完全不需要编写一行代码。虽然这个应用程序离完美还有很大距离，但它已经让我在为教育工作者建立定制化模拟器和教案方面的工作效率提高了10倍。随着我们社区不断增加高质量定制示例到训练集中，这个过程只会变得更好。

在这篇文章中，我将回顾过去2000年来教育的方法，并介绍一次性讲课的问题。我将描述现代学习管理系统如何利用生成式人工智能为每位学生创建和匹配定制课程。

总结是，在接下来的五年里，教育将比过去的2000年发生更大的变革。但非凡的说法需要非凡的证据。我在这里向您提供这些证据。

当前直接教学模式存在的问题

直接教授，或者称为“讲座法”，是一种教学模式，在这种模式中，教师向教室中的所有学生进行一次讲座。在这种方法中，教师是知识的主要来源，学生是知识的接收者。

直接指导法的特点是其单向的沟通风格，教师以固定的速度演讲，学生听讲并做笔记。直接指导法的关键要素是讲师和学生之间缺乏反馈循环。如果你曾经在Zoom上给一个全员关闭摄像头的班级上课，你就知道我在说什么。实体教室至少能让教师读取学生的肢体语言，并根据观众反应来调整演讲的速度。

直接教学是我们所称的经典或传统的教学方式，它是目前在K-12教育、大学和大学中最常用的方法。直接教学通常与家庭作业和定期考试相结合，这些考试可能会覆盖课堂讲授的主题，也可能不会。我上大学的一些课程只有一次小型中期考试和一次较大的期末考试。那是教师了解他们在传授知识方面表现的唯一时间。许多教师考试失败了，这些成绩体现在学生的成绩单上。

课堂中反馈的作用

有一些小的变化从单向知识传递中涉及最小反馈和内容定制。在较小的教室里，学生被允许向教师提问。然后，教师可以提供澄清的知识或将知识应用到特定情境中。

一些学校尝试着引入学生反馈系统（SRS），学生会得到一个被称作“点击器”的小设备，用于向教师反馈他们对教学内容的理解程度。部分学校使用低成本的Chromebook等笔记本电脑，使学生能在讲座期间通过网络给教师提供反馈。然而，这些情况在今天是相当罕见的例外。

其他更雄心勃勃的学校采用了“翻转课堂”的方法。这种方法包括让学生观看预先录制的讲座，然后在课堂上进行提问。使用卡恩学院等网站的教师通常会展示出良好的效果。一个关键的区别是，对于对材料感到困惑的学生来说，他们可以重新观看讲座，直到概念得到很好的理解。

尽管试图使用SRS和翻转课堂的尝试屡屡失败，自公元前400年苏格拉底时代以来，事情几乎没有什么变化。但这一切即将改变！

如何ChatGPT在今天创建定制化教案

今天，我与合作的教师中，不到三分之一的人意识到生成式人工智能在课堂上的强大威力。许多教师对于生成式人工智能能够帮助学生生成文字以提升写作能力感到恼火。而且，对于这些文字是否原创还存在道德顾虑。但是，大多数教师将会接受这些工具，就像他们过去接受计算器和拼写检查工具一样。是的，他们将不得不改变教学方式，并且不能再假设学生不会在家使用生成式人工智能。但我们不能也不应该禁止使用技术来加速学习。我们的教师和课程需要适应时代的变化。而且，我们需要资金支持和大规模的志愿者努力来帮助他们。

这是如何工作的？今天，任何有互联网访问权限的教师可以使用类似OpenAI的ChatGPT或Anthropic Claude的工具来生成简单的课程计划。他们提供一个学科领域，一个主题，一个年级水平以及其他所需的标准，例如课程的时间和学生可以访问的资源。我在2020年的9月写了关于此的博客。这些工具每隔几个月就变得更加强大。如今，我在2020年提出的方法变得越来越好，并且它们有着像“Prompt Enrichment”和“RAG”（是的，这是个糟糕的名字）这样的名称。

尽管快速为教室生成一个单一的教案会帮助我们那些劳累的教师，但这并不接近于当今可用的解决方案。现在，让我们来看看为什么如此。

适应所有人的单一教案的问题

直接教学显然是学校设置教学的最"便利"方式。你请来了具有知识的人，可以制作一个带有简单要点的 PowerPoint 幻灯片。老师希望所有学生都能以相同的学习速度学习。他们希望不会让学习速度较慢的学生落后，也不会让学习速度较快的学生觉得讲课太无聊。

在许多学校中，非常注重确保没有学生“掉队”。这是一个非常热门的话题，因为它让学校管理员将资源集中在最需要帮助的学生身上。这就把资源从有才华和天赋的学生身上转移开来。而且在大多数学区中，资源总是不够的。

因此，教师被迫制定针对每个班级中学习较慢的学生的教学计划。而班级学习速度差异越大，正态曲线的宽度就越大。有时，受到最严重影响的学生恰恰是那些潜力最大的学生。他们并没有受到挑战和激励，以使自己进一步提升，相反地，他们认为教育是一个缓慢而痛苦的过程，学校不关心他们的需求。这是生成性人工智能能够防止的最大悲剧之一。

当我们绘制学习速率的钟形曲线时，这是对课堂上发生的事情的一个很好的近似描述。但事实上，将所有学生都放在一个单一的线性维度上来描述学习速率并不是世界的精确模型。实际上，一些学生在学习新概念时具有更好的背景，一些学生可以快速理解数学问题，而非母语英语的学生可能在理解英语方面遇到问题。事实是每个学生都不同，他们在不同的速率上学习不同的概念。在现实世界中，并不存在单一的学习速率维度。但我们没有十维图表来展示它是如何工作的。抱歉。

然而，我们确实有工具来处理这种令人难以置信和美妙的多样性。我们有生成式人工智能，可以根据每个人的背景和学习历史定制教学计划。如果您熟悉生成式人工智能，您就会知道，如果能够将这个学习历史转化为提示，那么生成的教学计划就可以根据学生的需求进行定制。现在，摆在我们面前的问题是，我们从哪里获取这些知识，以丰富我们输入大型语言模型的提示？

超个性化工作流程

上图是定制课程计划生成的高层次示意图。

在上图的左侧，我们可以看到我们需要从学习管理系统中获取学习历史。这可能是学生最后一次测验的结果，也可能是一个由人工智能生成的报告，重点关注学生历史中的所有正确要素，包括喜好、讨厌、目标和兴趣等等。如果在学习管理系统中有太多的信息，我们可以使用生成式人工智能来总结学习历史的关键事实。

然后我们将标准课程计划与总结结合，并将其反馈到像ChatGPT这样的大型语言模型中。通过正确的提示，课程计划将根据学生的需求进行调整。结果可能包括阅读、练习、模拟和测验。甚至可以尝试将该课程应用于曾在学习历史中出现过的问题。

在理想中的世界里，这个新的课程计划会由老师进行准确性审核。老师们可以进行修改并提供反馈，以使下一个课程计划更加精确。

为什么传统的LMS系统无法生成定制化的课程计划

今天，大多数LMS系统设计基于旧的、不可扩展的关系型数据库。这些数据库受到其核心数据结构由可以存储在纸片、扁平文件或表格上的内容驱动的传统影响。它们专注于将事务记录到表格中并生成报告，例如“上周测验的平均分是多少？”或者“最常答错的问题是什么？”

然而，如今的大多数学习管理系统都没有工具能够自动地比对非结构化内容中的相似词和概念。它们无法轻松地为学生、教师、课程、内容、教案、问题或评估生成图形表示嵌入。它们甚至无法告诉我们课程中哪些幻灯片最相似。这不得不让我们不断重复内容。如果没有这些嵌入，它们无法轻松地比较项目，也无法根据先前的历史提供建议。它们没有使用现代知识图谱构建，并且无法轻松地利用生成式人工智能的进展。

过去，比较内容并找到相似内容并不难。LMS系统中的内容很少，简单的元数据标签和关键字搜索就足够了。但是生成式人工智能将通过其生成大量高质量内容的能力改变这一切。 过去，比较內容有没有太大的困难，撷取相似的內容亦如此。LMs系统的内容非常有限，只需使用简单的元数据标签和关键字搜索即可满足需求。但是，生成式人工智能将能够产生大量高质量的內容，从而改变现状。

即将到来的低成本、易于定制的微型SIM卡洪水

在过去的几个月里，我一直与一群具有远见的技术人员和教育工作者合作，他们正在教授教师（和学生）如何构建微模拟。这个术语由我的同事瓦莱丽·洛克哈特在今年提出。在微模拟的核心是一个设计过程，它将教育工作者和学生与生成式人工智能工具合作，生成对课堂有用的模拟。这个过程的核心是生成式人工智能不仅仅生成一次微模拟的初稿。您可以持续地修改您的微模拟或其他微模拟。

虽然使用ChatGPT-4来生成代码的概念并不是新的，但新的是它如何与p5.js等框架结合。P5是强大的Processing语言的现代变体，已经存在了20多年。已经有成千上万的开源模拟可用。而且似乎ChatGPT已经对它们进行了训练！只需简单的提示“生成一个p5.js的小球弹跳的草图”，你就可以开始了。

今天缺少的是GPT经过精调，能够生成包含滑动条、标签和数值的高质量用户界面。我们正在进行该项目的开发，欢迎任何愿意帮助我们创建高质量策划样本的人加入。

之后，我们将将这些提示/结果对存储在一个具有概念索引的知识图中，这样提示就可以通过类似的微型模拟来丰富。我们只需要一些志愿者和几百万美元来建立一个概念验证。如果您有想法，知道可能会资助这个项目的人，请告诉我们。

摘要

为了帮助我们远离直接教学模式，朝着超定制化的方向发展，我们需要突破过去。我们需要与知识图谱紧密结合并集成生成式人工智能的现代化学习管理系统。我们需要大量易于定制的微批次模拟，以使教师能够摆脱制定课程计划的枯燥工作。新的学习管理系统图谱和微批次模拟可以致力于促进项目式学习的推动，并帮助学生们一起构建事物。那时我们的教育系统才真正开始起飞！