八名学生站在队列中窃窃私语，眼里兴奋不已。这是我们本学年第一个指定的图书馆日。就在这时，图书馆老师打开了门，学生们纷纷涌入。他们从一个展示台跑到另一个展示台，翻阅书的封底、讨论书籍。我们的图书馆老师似乎很喜欢这种噪音，她叫出了特定的书和特定孩子的名字。
“卡洛斯！你会喜欢这本书的！”她从图书馆对面喊道。
图书馆就像一个心灵的糖果店，我的学生在那里兴奋不已。
有一次，图书馆老师把学生叫到一个开放空间，提醒他们一些寻找合适书籍的策略。她谈到了阅读样页，查看书后面的内容提要，查看亚马逊的3星级评论（这通常提供了最有分寸的利弊评论），甚至要看书的封面，看他们是向谁推销。
这次图书馆的经历打破了人们对呆板、安静图书馆的刻板印象。 回想起来，我们学校的图书馆老师是一个有能力的社区领导者。她是阅读、策划、媒体素养和图书馆学方面的真正专家。但她从来没有把自己作为阅读方面的唯一专家。相反，她与学生建立关系，并与他们合作，帮助他们找到符合兴趣的文本。作为一个真正的策划人，她广泛阅读各种书籍，不断探索新的作者和流派，希望帮助学生爱上阅读。
她还是一名建筑师大师，她设计的系统可以增强学生的能力。她发起了一个“伙伴阅读计划”，让我的八年级学生为一年级学生读书。她邀请作家访问学校，并与学生团队合作，举办新书发布会、拍摄新书宣传视频。换句话说，她帮助设计了阅读的生态系统，协助我建立一个赋予读者权力的课堂文化。也在这一刻，提醒了我——真正的个性化学习的力量。
个性化学习还是适应性学习？
个性化学习和适应性学习之间的界限是模糊的。在某些情况下，人们会交替使用这些术语。在其他情况下，人们将适应性学习视为个性化学习的一部分。对我来说，个性化学习是以人为本的，而适应性学习是以机器为中心的。
个性化学习
适应性学习
结构
以人为本：个性化学习可能使用算法来指导设计，但它最终是以人为本的。
算法驱动：学生通过预先设定的课程取得进展，人工智能根据学生的技能水平和兴趣调整水平。
学习
任务
真实的：学生参与到真实的问题解决中。有机会做创造性的工作。
程序化：学生没有那么多机会与世界联系或解决真实问题。通常情况下，他们使用数字工作表来完成目标标准。
分组
协作性：个性化的学习要求学生的工作相互合作。即使学生在做个人项目时，他们也会参与同行的反馈。
个人化：学生在电脑前单独工作。工作按照他们的节奏进行。
评估
多样化：学生参与自我反思、同伴反馈和教师评估。他们甚至可能使用人工智能，但这只是众多选择中的一个。
单一的：学生可能把自我反思作为一项作业，但人工智能是评估过程的核心，它又快又高效。学生得到即时反馈，算法使用评估数据来调整下一个学习任务。
过程
混乱：虽然个性化学习仍然倾向于结构和支架，但这个过程往往是混乱的。
高效：适应性学习倾向于通过具体的反馈和当下的调整来高效地进行。
学习者
角色
赋予学习者权力：真正的个性化学习注重学习者的能动性，有一种自由的感觉。
吸引学习者：适应性学习不是关于能动性，而是关于提供有针对性的指导。学生可能会得到选择，但他们在这个过程中没有真正的发言权。
教师
角色
积极的促进者：教师扮演着教学设计者的角色，并经常作为“旁观者 ”退后一步，给予个别反馈或引导小组。但教师也参与直接指导，并领导全班的活动。
管理者：教师仍然可以通过让全班同学使用适应性学习程序来做一些辅导或拉练，而他们则作为一个积极的促进者。但在大多数适应性学习项目中，教师是系统的管理者。教师审查数据，保证学生完成任务。
适应性学习本身并没有错。我已经看到这些程序对于某些类型的技能练习效果很好——特别是在语言和数学方面。但我们需要认识到，人工智能的个性化学习可能没有那么“智能”。
这感觉像是以技术为中心的个性化学习模式的又一次迭代。如果我们从以人为本的个性化学习观点出发，然后考虑如何配合使用人工智能呢？
在个性化学习中使用人工智能
个性化学习的核心是赋予学生发言权和选择权。适应性学习项目倾向于以反应模式关注学习者，而个性化学习则将学生置于前沿和中心。
另一个选择可能是一个简短的探究式活动。探究式学习是一种教育方法，强调提问和探究在学习过程中的作用。它是一种以学生为中心的方法，鼓励学习者积极参与自己的学习，提出问题，探索想法，并通过自己的经验构建知识。
在探究式学习中，教师作为一个促进者和指导者，而不是一个信息来源。我们鼓励学生探索感兴趣的话题，提出自己的问题，而不是简单地记住老师提供的信息。
探究式学习从激发学生思考开始。这是最初的起点。你可以给学生看一段视频，一幅图片，一篇简短的阅读，或者一组一般的参数。目的是激发他们的好奇心。
例如，在二年级的科学课上，你可能会说：“告诉我，你对自然灾害有什么疑问？”在社会研究中，可能是：“在了解了中国古代之后，你想知道什么?”
学生们首先用“我想知道（I ） ”这样的句子框架发表他们的“疑惑”。在此基础上，他们提出自己的问题。
对于低学段的孩子，你可以向他们提供问题框架。
的原因是什么？
为什么会出现？
如果 呢？
什么时候发生的？
曾经发生过吗？
谁做了？
在哪里？
是如何做到的？
对于高学段的学生，你要增加更具挑战性、批判性思维的句子，如：
你能提出什么证据支持或反对？
和有什么不同?
的意义是什么？
你认为 和 有什么区别？
为什么是？
的优点和缺点是什么？
的优点是什么？
在这一点上，学生可以从人工智能开始。他们可以提出问题、解决问题。虽然信息可能有一些偏见和误解，但这对学习内容的学生来说，可以是一个很好的起点。从那里，他们进入研究阶段。在研究过程中，他们可以在网上查看资料。如果一个文本写得太复杂，他们可以会复制和粘贴文本，并要求人工智能修改文本，让文本符合阅读水平。最终，学生回答问题，并以博客文章、播客或视频的形式撰写自己的答案。当他们综合信息并制作一个最终产品时，可以使用人工智能来完成创造性工作的各个方面。他们可以在幻灯片中使用人工智能图像生成器。他们可能会打出一篇博客文章，然后使用像这样的程序来反馈他们的写作。
这里的关键想法是，个性化的学习仍然是个人的。它是建立在学生的声音和选择之上的。探究式学习始于学生的好奇心，包括人与人的相互合作。人工智能只是一个工具，学生在探究过程中可以使用。
用人工智能来制作选择菜单
你可以使用人工智能制作个性化的选择菜单。传统上，选择菜单允许学生选择如何展示他们正在学习的内容。对于那些不习惯在学习中拥有那么多发言权和选择权的学生来说，这是很好的第一步。虽然选择菜单很好，但这里有一个选择菜单的变种，它超越了选择主题的范围，让学生拥有学习目标和资源。详情如下：
学习目标
选择1-2个你还没有掌握的学习目标
资源
选择1-3个你将用来学习内容的资源
产出
选择你将如何展示对该内容的掌握程度
例子：
我能辨别动物是如何适应它们的栖息地的
我可以解释自然选择是如何运作的
注意，通过这个选择菜单，学生可以决定主题、概念或技能，然后决定他们自己的资源和策略，最后再决定最终产出。这通常根据学习目标和最终产出的复杂性，需要1-3个课时，我发现这在以下情况下效果很好：
这就是人工智能成为一个有用工具的地方。你从自己的标准开始，但可以使用人工智能来开发非小说文本的书面例子，帮助学生掌握这些目标。同样，这些是在不同的阅读水平上写的，因此，即使学生在文本的复杂性方面有困难，他们也可以访问这些内容。然后，你可以找到在线视频或图像的例子，这些例子也很有用。在某些情况下，学生也能使用人工智能作为问答工具。
当让学生展示他们的知识时，你可以使用人工智能选择作业和设计评分标准。在科学的例子中，学生将选择学习目标（可以用标签和颜色编码），然后点击超链接的资源。在重新学习这些概念后，学生会在视频演示、PPT中分享他们的学习。对于这些选项中的每一个，它们都有一个指向作业页面的超链接，上面有指示和一个评分标准，你通过人工智能生成，然后修改满足学生的需求。
如果这是一个数学选择菜单，你可以为中间区域（资源）创建数学教程，然后让它把选项缩小到具体的数学问题，由学生来解决。这些可以放在一个文件夹里，他们从第一页的学习目标开始，在第二页找到资源，然后他们可以点击可选的数学问题的链接，尝试解决它并得到即时反馈。
请注意，这与自适应学习程序类似。然而，不是由电脑来选择选项，而是由学生来决定。虽然这个选择菜单的例子是针对个人的，但你可以让学生在小组里做这个，作为一个有针对性的干预。在整个教学过程中，人工智能在后端工作，但更加社会化和人性化。
本文转载翻译自
仅供参考
发表回复