A correção do trabalho dos alunos com IA é muitas vezes uma discussão hipotética nos EUA, mas na Índia, a Rocket Learning, uma edtech e organização sem fins lucrativos para crianças com sede em Novidade Deli, está a fornecer feedback momentâneo sobre 50.000 folhas de operação por dia. Isto ajuda a oferecer orientação a respeito de três milhões de alunos com menos de seis anos que, de outra forma, não a receberiam.
A utensílio de avaliação de IA fornece feedback aos alunos sobre trabalhos de moradia digitais – por exemplo, em um manobra, os alunos recebem uma planilha com ilustrações de várias mãos segurando diferentes números de dedos. Eles são solicitados a rodear cada mão que segura dois dedos, usando uma utensílio de ilustração do dedo. A utensílio de IA portanto corrige o trabalho, informando as opções que perderam.
A utensílio de avaliação faz segmento do programa abrangente de aprendizagem na primeira puerícia que a Rocket Learning funciona em parceria com mais de 200.000 creches em 10 estados indianos, que reúne professores com pequenos grupos de pais que se conectam através de comunidades online. O objetivo do programa é ajudar os pais a ensinar aos filhos competências de aprendizagem precoce.
A utensílio de classificação de IA foi desenvolvida com a ajuda de uma doação de US$ 1,5 milhão do Google.org e, porquê segmento disso, os especialistas do Google estão ajudando a Rocket Learning a desenvolver um tutor de IA para o programa que utiliza aprendizagem de máquina. Enquanto isso, há muitas lições para educadores com a utensílio de classificação de IA já implantada, diz Vishal Sunil, CTO e cofundador da Rocket Learning.
Classificação de IA: a precisão perfeita não é necessariamente necessária
De certa forma, a filosofia por trás da utensílio de avaliação da Rocket Learning é não permitir que o perfeito seja inimigo do bom. A precisão da utensílio varia de tapume de 90% a 95% dependendo do tipo de problema.
“Não é grande coisa se der falso”, diz Sunil. Isso ocorre porque informar ao usuário que podem ocorrer respostas erradas faz segmento da experiência. Na verdade, respostas erradas podem até promover mais interações entre estudantes e educadores humanos. Sunil diz que os usuários são informados: “Ei, se você entendeu falso, pergunte ao seu professor” ou “Ligue para leste número”.
“Isso também é uma utensílio de engajamento em alguns aspectos”, acrescenta.
Uma maneira de responder a mais alunos
A implantação da utensílio de avaliação de IA aumentou drasticamente a quantidade de feedback que os alunos recebem. Anteriormente, menos de 5% das planilhas eram avaliadas, diz Sunil. Agora, com a ajuda da utensílio, todo o trabalho é respondido instantaneamente.
Isso não exclusivamente ajuda os alunos a aprender em tempo real, diz Sunil, mas também levou a uma maior utilização da plataforma e a uma maior interação entre as famílias que trabalham com o Rocket Learning. Esta utensílio é implantada junto com um conjunto de ferramentas que fornecem problemas personalizados para os alunos e incorporam gamificação.
“É uma forma de basta envolvimento e plebeu estresse de envolver e calcular onde a menino está”, diz Sunil.
Utensílio de classificação de planilhas de IA da Rocket Learning é de código crédulo e a organização sem fins lucrativos espera disponibilizar exercícios em inglês e outros idiomas no horizonte.
No universal, Sunil acredita que a tecnologia de IA, principalmente a IA generativa, tem muito potencial para ajudar estudantes de baixa renda e estudantes em universal. Mas para aproveitar todo o seu potencial, ele acredita que o campo da instrução precisa ser proativo e não reativo.
“A Edtech tem sido muito, muito tímida em usar IA generativa – é mais porquê se tivesse sido afetada por ela, não foi projetada por nós”, diz ele. “Todo o cenário educacional foi revolucionado por isso.” No entanto, esta revolução não foi premeditado e esteve em grande segmento fora do controlo dos educadores.
Sunil acredita que, com o design claro, a edtech pode iniciar a liderar esta revolução, em vez de vivê-la. “É provável proteger os trilhos e gerar essas experiências generativas usando LLMs que poderiam poupar muito tempo e esforço humano”, diz ele.
