Com s’utilitza la intel·ligència artificial per canviar l’educació superior?

Com s’utilitza la IA per canviar l’educació superior? Les indústries mèdiques, financeres, energètiques i comercials s’estan revolucionant ràpidament per la intel·ligència artificial (IA). L’ús de tecnologies d’IA a l’educació superior és especialment prometedor. En els propers anys, la intel·ligència artificial podria tenir un gran impacte en l’educació superior. Una nova generació d’innovacions, com ara la realitat virtual i altres innovacions, pot millorar l’aprenentatge i reduir els costos per a la Generació Z i més enllà.

En aquest article parlarem en profunditat de com es pot utilitzar la intel·ligència artificial per fer que l’educació superior sigui una millor experiència tant per als estudiants com per als professors.

IA per canviar l’educació superior

Com s’ajusten els algorismes a la gestió de la matrícula

És evident per què les universitats nord-americanes depenen d’algorismes per als models de selecció per gestionar la matrícula entenent per als models de selecció per gestionar la matrícula entenent l’estat de l’educació superior en el seu conjunt. Com a resultat, cal analitzar les oficines d’admissió a la universitat i d’assistència financera, així com els algorismes de gestió de la matrícula. Els objectius financers pesen molt en les admissions a les universitats i en les oficines d’ajuda econòmica. Són les úniques oficines amb la responsabilitat d’admetre i graduar prou estudiants per mantenir la universitat a flotació.

Només hi ha poques universitats d’elit que tenen dotacions o altres fonts d’ingressos per finançar funciones universitàries. La gran majoria depenen únicament de la matrícula per finançar les funcions universitàries. Com a resultat, les oficines de beques estan sota pressió per produir prou estudiants per cobrir les despeses institucionals sense donar massa diners. Ggeneralment mentre fan malabars amb altres objectius com atraure una població estudiantil diversa i competent. Amb aquesta finalitat, les oficines d’admissions utilitzen algorismes assistís per IA i models predictius de rendiment. Aquests models predictius ajuden les institucions d’educació superior a gestionar i equilibrar les finances sense comprometre la qualitat dels serveis prestats.

Procés d’admissió personalitzat

En el futur, les universitats i els col·legis podran crear experiències personalitzades per als estudiants automatitzant diversos processos administratius al llarg del procés d’admissió. Com ara els processos de visat, les opcions financeres dels estudiants, les opcions d’habitatge i el registre de cursos. Això significaria que cada estudiant obté un procés d’admissió únic adaptat a les seves necessitats i condicions.

Les pràctiques de contractació canviaran

El personal de contractació de la universitat podrà orientar els seus esforços de manera més eficaç mitjançant el desenvolupament d’algorismes que els permetin determinar quins candidats tenen més probabilitats de ser acceptats i inscrits. També és possible utilitzar aquests algorismes per identificar estudiants que tindran èxit, es graduaran i es convertiran en antics alumnes actius.

Optimització per a resultats financers, demogràfics i escolars

Per persuadir més estudiants a matricular-se a l’educació superior, les institucions educatives estan adquirint algorismes que distribueixen les beques de manera estratègica. Per tant, aquests algorismes de gestió de la matrícula permeten a les universitats adaptar el cost d’assistència a la voluntat de gastar de l’estudiant, un aspecte essencial del mercat de l’educació superior privada.

A més de ser beneficiosos per a les escoles pel que fa a la planificació institucional i la seguretat financera, aquests algorismes també els ajuden a assolir els seus objectius escolars, demogràfics i financers desitjats en el futur.

Segons una enquesta d’Educause, més del 75% de les universitats i col·legis dels EUA utilitzen analítiques per a la gestió de la matrícula, la qual cosa la converteix en el tipus d’anàlisi més popular a l’educació superior a aquest país.

Model d’ensenyament per subscripció

És probable que el sector de l’educació superior segueixi la tendència de canviar a un model basat en subscripció també en un futur proper. Hi ha una necessitat creixent de donar als estudiants més maneres d’aprendre i més opcions per fer-ho. De manera que les institucions d’educació superior comencen a innovar, a trobar maneres de desagregar titulacions i oferir oportunitats professionals i oportunitats educatives no lineals i flexibles.

Això transformaria la manera en què els estudiants paguen els seus estudis superiors. Podrien, per exemple, en lloc de matricular-se, subscriure’s a la universitat. Per una quota mensual, poden fer els cursos que vulguin, quan vulguin i tenir accés a orientació i assessorament professional a llarg termini.

Els estudiants que paguen per mes tenen més probabilitats de graduar-se dels seus estudis, ja que podran seguir la seva formació més ràpidament. A causa de la flexibilitat que rep un estudiant quan utilitza un model de subscripció, els algorismes de decisió poden ajudar a definir aquest model.

El paper canviant dels professors en un món saturat d’IA

Mestres robots

És més probable que les persones substituïdes per màquines quan realitzen tasques repetitives i rutinàries. A l’educació superior, els assistents docents corren el major risc de ser substituïts, ja que sovint s’ocupen de preocupacions rutinàries com ara la qualificació, els terminis, etc.

La investigació d’algunes institucions d’educació superior recolza aquesta predicció. Els professors del Georgia Institute of Technology han utilitzat durant uns anys els assistents docents virtuals, i tant el persona com els estudiants estan contents amb els resultats.

En els últims anys, els cursos en línia oberts massius (MOOC) s’han tornat cada cop més populars. Tot i que, alguns d’aquests cursos atrauen un gran nombre d’estudiants, i gestionar l’enorme nombre d’estudiants pot ser un repte de vegades. L’ús de la intel·ligència artificial pot facilitar aquesta tasca. En algunes editorials, com ara Pearson, s’estan desenvolupant assistents de qualificació basats en IA, tot i que no tots els professors universitaris estan d’acord que s’hauria d’utilitzar la IA d’aquesta manera.

Coneix el primer professor de robot d’Alemanya | Documental DW

Seguiment de la participació dels alumnes

Les càmeres es poden utilitzar en algunes aules amb la finalitat de supervisar els estudiants. Les tecnologia d’IA poden analitzar el comportament dels estudiants amb l’ajut del programari de reconeixement facial. Hi ha certs programes en què a cada alumne se li assigna una puntuació en funció del seu grau de concentració a l’aula. Les “aules intel·ligents” es poden utilitzar per impulsar el desenvolupament de l’”aprenentatge intel·ligent”.

Experiència d’aprenentatge

El propòsit d’un estudiant es pot reduir a una cosa: obtenir un títol o una credencial que demostri la seva experiència en el curs dels estudis. La tecnologia d’IA pot ajudar els estudiants a assolir els seus objectius alterant el procés educatiu per ajudar-los a assolir els seus objectius. Oferint accés als cursos rellevants, millorant el contacte dels estudiants amb els professors… I alliberant-los més temps perquè es concentrin en altres aspectes de la seva vida, la IA pot tenir un impacte significatiu en el recorregut acadèmic dels estudiants.

És habitual que els estudiants necessitin ajuda addicional fora de l’aula, però molts educadors no tenen temps per ajudar els nens després de l’escola. Els assistents d’intel·ligència artificial i els chatbots són solucions ideals per a aquestes situacions. Malgrat que cap bot de xat pot substituir completament un assessor acadèmic, hi ha eines d’IA que poden ajudar els estudiants a perfeccionar les seves habilitats i millorar també les àrees febles fora de l’aula.

Què passaria si el vostre professor fos IA?

Processos administratius

És evident que la intel·ligència artificial té moltes promeses pel que fa a l’automatització dels processos administratius i a ajudar les institucions educatives i els professors a fer la seva feina més fàcil.

A més de controlar l’entorn de l’aula, els professors i mestres sempre han estat obligats a fer front a diferents tasques administratives i organitzatives.

La intel·ligència artificial es podria utilitzar millor per personalitzar l’experiència educativa a cada alumne. Cada dia, la IA pot ajustar les classes segons el nivell de participació dels estudiants a la classe. Per tal que un instructor sigui conscienciat, farà un seguiment del progrés de cada alumne per identificar aquells que poden estar experimentant dificultats acadèmiques o socials. Totes les unitats d’Intel·ligència Artificial de cadascuna de les aules d’un estudiant i es poden enllaçar per generar una avaluació holística de quins estudiants necessiten ajuda addicional.

Hi ha la possibilitat que la unitat d’IA sigui capaç de combinar i analitzar dades de diverses fonts per tal d’identificar els problemes dels estudiants abans que es facin evidents per a l’instructor.

Realitat virtual per a l’educació

És possible millorar l’educació mitjançant l’ús de la realitat virtual motivant els estudiants a participar en experiències atractives i memorables que d’altra manera no tindrien en un entorn de classe normal. A més, tot el procés es pot dur a terme dins de l’aula. A través d’experiències virtuals, els estudiants poden ser compromesos, inspirats i ensenyats d’una manera única i memorable.

En un moment proper, no ens estranyaria que la realitat virtual s’incorporés al pla d’estudis, donada la popularitat de la realitat virtual a l’educació i l’acollida positiva que ha rebut. Actualment, el contingut alineat amb el currículum i els materials didàctics estructurats de realitat virtual ja s’han establert a la Northeastern University i es pot accedir.

És ben sabut que les aules de realitat virtual, també conegudes com a aules immersives, són un dels mètodes més populars i eficaços per utilitzar la realitat virtual a l’educació.

Una aula immersiva és un entorn d’aprenentatge en el qual es projectes imatges a les parets de l’aula per crear un entorn immersiu. Dins de l’aula, això genera un ambient virtual.

El “trasnport” dels estudiants a un altre lloc es pot fer des de l’aula. Els estudiants poden compartir l’experiència junts sense auriculars de realitat virtual i se’ls anima a comunicar-se entre ells.

A diferència dels auriculars de realitat virtual, que alguns estudiants poden trobar difícils d’utilitzar, les aules immersives són adequades per a tot tipus d’alumnes. L’ús de contingut de realitat virtual en un entorn familiar permet als estudiants interactuar millor amb el contingut.

Ajudants docents virtuals

Amb l’ajuda de la intel·ligència artificial, un assistent virtual pot millorar l’experiència d’aprenentatge d’un estudiant. Per exemple, hi ha molts cursos en línia que requereixen que els estudiants aprenguin alguna cosa pel seu compte. El resultat és menys que ideal quan la quantitat de temps dedicat a l’autoaprenentatge supera la quantitat de temps dedicat a la instrucció.

És difícil passar per alt els avantatges de les solucions d’ensenyament d’alta qualitat basades en IA quan es tracta del procés educatiu. No hi ha dubte que els assistents d’IA són el següent pas cap a una personalització efectiva de l’educació, millorant les experiències d’aprenentatge en línia dels estudiants i reduint la càrrega de treball dels professors.

Perquè les coses funcionin sense problemes, els assistents docents virtuals poden vigilar els fils de discussió i els correus electrònics per a preguntes dels estudiants, així com resoldre petits problemes tècnics. A més, poden donar respostes a les preguntes dels estudiants i portar els problemes dels estudiants a l’atenció del professors si és necessari.

L’assistent docent virtual recull preguntes sense resposta de diverses fonts, com ara fils, taulers de discussió, grups de notícies, correus electrònics i trucades telefòniques, i respon mitjançant un tauler de missatges. Als sistemes d’aprenentatge virtual que utilitzen, també poden supervisar els taulers de discussió i fòrums.

Transcripcions automatitzades

Cada semestre, s’han de revisar centenars d’expedients, la qual cosa suposa una pressió important sobre les Admissions. No només pel que fa a la tramitació d’expedients, sinó també pel que fa al compliment dels terminis sense cometre cap error.

Hi ha una major possibilitat d’error humà quan hi ha una afluència de sol·licituds de transcripció per processar a temps. Com que cada transcripció és única, els temps de processament poden augmentar. Especialment amb els esforços humans, que poden trigar setmanes o més, retardant tot el procés.

Gràcies als algorismes complexos de reconeixement d’imatges, el programari d’intel·ligència artificial es pot utilitzar per llegir, reconèixer i extreure cursos, programes, crèdits i estadístiques relacionades amb el GPA de les transcripcions. La Universitat del Sud de New Hampshire utilitza un sistema de transcripcions automàtiques per agilitzar el procés de sol·licitud de la universitat.

Transcripcions connectades

Les transcripcions connectades es poden emmagatzemar en una base de dades comuna a la qual tothom pot accedir i fer el que calgui. Ara mateix, es limiten a les institucions d’educació superior en lloc de ser un servei centralitzat. Un cop formen part del servei centralitzat, cada sol·licitud que fan els estudiants per treballar, estudis posteriors, expedients es poden adjuntar automàticament a les aplicacions on sigui necessari. Això reduirà moltes despeses generals i costos a nivell institucional.

Aplicacions crítiques de la IA a l’educació

Tres aplicacions d’intel·ligència artificial són especialment importants per a l’ensenyament a l’educació superior: institucional, de suport a l’estudiant i d’instrucció.

Institucional

Les escoles, especialment a l’educació superior, depenen cada cop més d’algoritmes per a tasques com atraure els futurs estudiants, predir la mida de la classe, desenvolupar el currículum i assignar recursos com ajuts i instal·lacions financeres.

Suport a l’estudiant

En moltes escoles, l’aprenentatge automàtic s’utilitza amb el propòsit d’entrenament. Hi ha programes que permeten als estudiants programar la seva càrrega de curs segons les seves necessitats de manera automàtica. Alguns d’ells fan recomanacions per a cursos, especialitats i opcions de carrera. De manera similar als consellers d’orientació o a les oficines de serveis professionals del passat.

A partir del rendiment previ d’estudiants amb perfils de dades similars, aquestes tecnologies produeixen recomanacions basades en el rendiment anterior d’estudiants similars. Es pot aconsellar a un estudiant que tingui dificultats amb la química, per exemple, que no cursi un títol premèdic utilitzant aquestes eines o es pot oferir a un artista visual una visualització de dades basada en les dades.

La IA també pot ajudar els estudiants en l’àmbit de l’assistència financera. Si els estudiants necessiten diners per acabar el semestre i evitar l’abandonament, les universitats poden utilitzar la informació sobre els estudiants per oferir-los micropréstecs d’última hora. A l’educació superior, les institucions d’ensenyament superior poden utilitzar la informació dels estudiants per oferir-los micropréstecs d’última hora per ajudar-los a acabar el semestre i evitar l’abandonament.

A més, una de les aplicacions més habituals de l’anàlisi predictiva en l’assistència a l’alumnat és l’ús de sistemes d’alerta primerenca. Que analitzen un ampli ventall de dades, tant acadèmiques com no acadèmiques, per identificar estudiants en risc de fracassar o abandonar, o que estan experimentant problemes de salut mental. Un dels avantatges reals de la intel·ligència artificial és que permet als educadors tenir una perspectiva holística de les situacions dels estudiants, que és una cosa que les grans dades poden proporcionar.

Instructiu

Finalment, la intel·ligència artificial es pot utilitzar a l’aula per instruir els estudiants de les institucions educatives. Per aconseguir-ho, s’han de desenvolupar sistemes que s’adaptin a la velocitat i al progrés de cada usuari individual. El programari educatiu identifica el progrés d’un estudiant en un curs i suggereix o distribueix determinades parts del curs perquè l’estudiï. Així com recursos addicionals de referència, ja sigui manualment o automàticament.

Segons el National Center for Education Statistics, l’ús de plataformes per a l'”aprenentatge personalitzat” és força comú. Els usuaris podran personalitzar diversos cursos o rebre comentaris en funció de l’error específic que cometin sense cap assistència del sistema.

Chatbots

Les universitats haurien d’implementar chatbots i agents virtuals que ajudin els estudiants a millorar la seva salut mental per tal de minimitzar l’estrès i augmentar la seva motivació per estudiar. Woebot és un chatbot impulsat per intel·ligència artificial que mostra als usuaris les seves emocions mitjançant un “seguiment intel·ligent de l’estat d’ànim”.

En una època en què molts sistemes de salut de les universitats públiques estan sobrecarregats i on els estudiants s’enfronten a períodes d’espera perillosament llargs per a la teràpia de salut mental al campus, els chatbots podrien oferir una assistència ràpida als estudiants. Per descomptat, la introducció d’un chatbot d’aquest tipus comporta el seu propi conjunt de riscos. Per mantenir la privadesa dels estudiants, les universitats haurien de prendre precaucions extremes per salvaguardar la seva informació personal. I caldria un cert nivell de supervisió humana per supervisar els consells que proporcionen els chatbots.

Promesa i perills

Pel que fa a les aplicacions d’IA, una part de la promesa rau en la seva eficàcia i una part en la seva eficiència. Els humans només poden adquirir una quantitat limitada de dades a un alt nivell de granularitat. En canvi, els sistemes d’IA són capaços d’enregistrar una quantitat molt més gran de dades amb un nivell de detall més alt i, per tant, poden registrar una quantitat molt més gran de dades. A més, aquests sistemes són capaços de fer-ho en temps real. També és possible que examinin un gran nombre d’estudiants, ja siguin a una aula, un cos d’estudiants o una base de dades d’estudiants aspirants.

A més, els sistemes d’Intel·ligència Artificial proporcionen observacions destacades i conclusions d’una manera oportuna i rendible. Aprofitant aquestes eficiències, creiem que s’aconseguirà un nivell millorat d’eficiència.

Tanmateix, la intel·ligència artificial a l’educació superior també té els seus aspectes negatius. Un estudi independent d’un grup d’estudiants de la Universitat de Warick revela que les universitats estan a l’avantguarda dels canvis tecnològics disruptius, com la intel·ligència artificial i l’automatització. També hi ha la responsabilitat de les universitats de considerar el seu paper social més ampli i de desenvolupar oportunitats per ajudar la societat a adaptar-se a aquesta interrupció.

Competències i oportunitats per trobar una nova feina

Les universitats poden ajudar a oferir competències i oportunitats a aquells que han perdut la feina com a conseqüència de l’atur tecnològic, i hem d’experimentar les repercussions de l’atur tecnològic.

No hi ha dubte que la quarta revolució industrial està tenint un impacte significatiu en tots els aspectes de la nostra societat i economia modernes. Contràriament a les revolucions passades, que van tenir poc efecte en l’estructura i l’organització de la universitat, la combinació de tecnologies de l’IA pertorbarà aquestes institucions des de dins cap a fora. És evident que el concepte d’aprenentatge profund, vital per al creixement de la intel·ligència artificial, afecta la missió de les institucions acadèmiques i pot crear noves oportunitats perquè puguin competir entre elles.

Els esforços de retenció dels estudiants seran més proactius que reactius

Els professionals especialitzats en l’èxit dels estudiants poden crear programes de retenció que anticipin, en lloc de reaccionar, els reptes dels estudiants mitjançant la identificació de senyals d’alerta primerenca, banderes vermelles i estudiants que probablement fracassaran acadèmicament. Un sistema basat en IA pot proporcionar a l’equip educatiu dades inestimables sobre el comportament dels estudiants i ajudar-lo a anticipar les consultes i els problemes amb antelació.

Divisió del treball

Canviar el paper dels éssers humans en el procés de producció, així com la seva relació amb els seus empresaris, tindrà un impacte en la manera com interactuen amb els consumidors i els empleats, si la divisió del treball es divideix en la línia de la creació de coneixement i l’aplicació del coneixement, amb les persones responsable dels primers i agents digitals dels segons.

No n’hi ha prou amb conèixer els avantatges d’utilitzar una nova tecnologia ni tan sols entendre com utilitzar-la per fer-ne un ús eficaç. També hi ha una qüestió d’acceptació social i d’acceptació emocional. Perquè la tecnologia fonamental tingués un impacte disruptiu en els hàbits de treball i els estàndards socials, tant les màquines d’escriure com els telèfons intel·ligents havien de patir canvis abans que la tecnologia tingués un impacte significatiu.

Actualment, el Programa de Mentoring amb suport d’IA, una altra tecnologia potencialment disruptiva, es troba actualment en la mateixa situació. No hi ha dubte que les tecnologies basades en la intel·ligència artificial estan guanyant força ràpidament al sector educatiu en general. Tanmateix, des d’una perspectiva pràctica, es pot argumentar que aquestes tecnologies s’estan utilitzant principalment d’una manera ineficient, per automatitzar tasques tradicionalment realitzades per humans, que després es consideren redundants i descartats.

En els últims anys, hi ha hagut un nombre creixent d’evidències que suggereixen que les solucions creades per humans i màquines de manera col·laborativa són millors que les desenvolupades per humans i màquines individualment.

La Caixa Negra

És molt difícil esbrinar què passa dins dels sistemes d’IA, ja que estan interactuant amb tants paràmetres a un nivell complex. L’objectiu és utilitzar ordinadors per realitzar tasques que els humans no són capaços de realitzar. A causa d’això, intentar desentranyar-ho porta a explicacions increïblement simplistes del que està passant.

Com a resultat, ens tornem dependents de la velocitat com a conseqüència de la presa de decisions computacional, també coneguda com algocràcia. Algocracy proporciona dades contínues i en temps real basades en anàlisis en temps real, superant la “bretxa entre dades i coneixement”. El programari permet a qualsevol persona realitzar l’anàlisi, fins i tot sense experiència prèvia, habilitats analítiques o habilitats tecnològiques.

Com a eina profètica que també pot veure el futur, la ‘caixa negra’ obre moltes possibilitats per al futur. Això fa que els sistemes algorítmics de presa de decisions generin i permetin resultats intel·ligents i sensibles.

L’ús de les dades dels estudiants amb l’aprenentatge automàtic està impulsat pel desig de reduir les despeses i augmentar l’eficiència, així com augmentar la competitivitat i la productivitat.

Aplicacions estratègiques o institucionals de la IA: Analítica d’aprenentatge

L’objectiu de l’anàlisi d’aprenentatge és analitzar les experiències dels estudiants i de l’aula amb el propòsit d’ajudar l’aprenentatge a diferents nivells. L’anàlisi de l’aprenentatge és un camp relativament nou, però ha evolucionat significativament en els últims anys, especialment en les seves aplicacions a l’educació superior.

L’anàlisi de l’aprenentatge pot ser beneficiosa tant per als estudiants com per als educadors, i també pot beneficiar les institucions a llarg termini. La gran quantitat de dades d’estudiants recopilades al llarg dels anys, inclosa informació demogràfica, qualificacions i accions, permet a les escoles adaptar les tàctiques de retenció i el rendiment acadèmic, allunyant-se de l’anivellament mitjà. I satisfent les necessitats de cada estudiant d’una manera personalitzada i basada en dades. manera.

Hi ha moltes dificultats educatives que hi ha en un entorn d’educació superior que inclou tots els agents implicats en les activitats d’aprenentatge i ensenyament. L’abandonament escolar, les dificultats de la cooperació dels estudiants, el creixement del raonament científic i l’escriptura, així com el creixement del pensament computacional, es poden abordar amb l’ús de l’anàlisi de l’aprenentatge.

Hi ha diverses maneres d’ajudar els professors a entendre el comportament dels estudiants amb el pensament crític i les diferències a l’aula, així com fer un seguiment dels nivells de motivació dels estudiants. La direcció i els qui prenen decisions poden utilitzar l’anàlisi de l’aprenentatge per identificar els estudiants que corren el risc de no graduar-se a temps. I per crear programes que s’ajustin a les necessitats i expectatives dels estudiants.

Ètica de l’IA a l’educació superior

En general, es creu que els algorismes d’aprenentatge automàtic són els millors per predir el que més han vist en el passat. D’aquesta manera, podran fer prediccions més precises dels grups d’alumnes que obtindran la nota més habitual, mitjançant la predicció de notes. En el cas que la nota sigui alta, perpetuarà la injustícia, ja que els algorismes dissenyats per beneficiar-los no podran ajudar els nens que puntuen més baix. En un estudi recent, que va avaluar milions de projeccions de notes de curs a la universitat pública, es va trobar que aquest era el cas. Es va trobar que permetre que el model predictiu es concentrés en totes les qualificacions per igual va donar lloc a resultats més alts per a un rendiment igual entre els grups, però aquests resultats es van produir a costa de la precisió general.

No hi ha dubte que és important abordar la raça i el biaix en els models de predicció, però fer-ho sense precaució pot provocar un empitjorament de les desigualtats. Afegir la raça com a paràmetre a un model sense fer cap altre canvi va donar com a resultat el rendiment menys igual entre els grups, per tant, els resultats menys justos en la mateixa investigació.

Aprenentatge adversari

Un equip d’investigadors va descobrir que mitjançant l’ús d’una tècnica coneguda com a aprenentatge adversari, que ensenya al model a no detectar la raça i afegeix una penalització d’aprenentatge automàtic quan el model detecta correctament la raça a partir de les dades d’entrada d’un estudiant, van ser capaços d’aconseguir el més equitatiu. resultats.

A més, els investigadors també van intentar entrenar diferents models per a cada grup per tal de millorar la precisió. Tanmateix, van trobar que les dades de tots els estudiants milloraven significativament la predicció de tots els grups, en lloc d’utilitzar només les dades d’un grup.

Els resultats d’aquest estudi il·lustren les dificultats per desenvolupar solucions infusionades amb intel·ligència artificial (IA) que donen suport a les iniciatives d’èxit dels estudiants d’una institució en lloc d’obstaculitzar-les. Per tal d’abordar eficaçment els biaixos i promoure les implicacions ètiques en els molts contextos educatius, es requereix investigació addicional per crear millors pràctiques addicionals.

Millora de la reputació de l’educació superior

En descobrir i orientar els sol·licitants que són més adequats per a una escola i adaptar les experiències dels estudiants al llarg del cicle de vida de l’estudiant, les universitats podran operar de manera més eficient, inscriure estudiants amb més probabilitats de graduar-se i oferir una educació de major qualitat.

La IA, en general, sembla oferir principalment avantatges d’estalvi de temps. Mitjançant l’aprofitament de la IA, els administradors de les seves escoles poden realitzar tasques que requereixen molt de temps. I resoldre problemes més ràpidament aprofitant la IA per realitzar tasques que requereixen molt de temps i tornar a centrar la seva atenció a millorar la participació dels estudiants. A mesura que la participació dels estudiants creix, també ho faran les seves qualificacions, la investigació i, en definitiva, la millora de la reputació de la institució.

Conclusió: Com s’utilitza la IA per canviar l’educació superior?

L’educació superior, per gran o petita que sigui, té el potencial de ser transformada per la intel·ligència artificial (IA). Al sector educatiu, es pot utilitzar per anticipar les tendències de matrícula, millorar els esforços de contractació i millorar el rendiment acadèmic dels estudiants quan s’utilitza per millorar els resultats dels estudiants.

Llegit a:

Artificial Intelligence +