Marco Iannacone opracowuje metody wspierania samodzielnego myślenia uczniów za pomocą sztucznej inteligencji

Marco Iannacone prowadzi niezależne badania nad projektowaniem sztucznej inteligencji, która ma pomagać uczniom w procesie myślenia, zamiast zastępować ich wysiłek poznawczy. Celem tych działań jest stworzenie cyfrowych korepetytorów wspierających autonomię uczniów, ponieważ sama poprawna odpowiedź nie jest wystarczającym dowodem na to, że uczeń opanował materiał.

EconomyUp poinformował o tych badaniach, w ramach których powstały trzy narzędzia cyfrowe. Pierwszym z nich jest Proxima ZSP, maieutyczny korepetytor w języku włoskim dla szkół średnich pierwszego stopnia. System ten unika wykonywania kroków poznawczych za ucznia, zamiast tego zadaje progresywne pytania, które pozwalają obserwować tok rozumowania zamiast natychmiastowego rozwiązywania zadań.

Kolejnym elementem jest L×M×C, otwarte ramy analityczne służące do obserwacji trzech aspektów: głębokości rozumowania (L), metapoznania (M) oraz konsolidacji i transferu wiedzy (C). Metoda ta pozwala wyjść poza ocenę poprawności odpowiedzi. Aspekt L bada, czy uczeń stosuje regułę z pamięci, czy rozumie proces, M sprawdza zdolność do rozpoznawania i korygowania błędów, a C weryfikuje, czy zdobyta wiedza może zostać wykorzystana w nowym kontekście. Narzędzie to zostało udostępnione jako otwartoźródłowe na licencji Creative Commons BY 4.0, a jego kryteria opublikowano w archiwum EdArXiv.

Trzecim narzędziem jest SLEF, czyli Synthetic Learner Evaluation Framework. Służy on do rygorystycznego testowania proponowanych rozwiązań przed rozpoczęciem badań z rzeczywistymi uczniami. System ten składa się z 44 profili symulowanych uczniów o określonych cechach, którzy biorą udział w 1100 dialogach w języku włoskim dotyczących ułamków, korzystając z pięciu różnych konfiguracji korepetytorów sztucznej inteligencji. Niezależny system analizuje te rozmowy, próbując zrekonstruować cechy uczniów bez wcześniejszej wiedzy o ich profilach.

Badania z wykorzystaniem SLEF, w których porównano Proxima ZSP z konfiguracjami Claude, ChatGPT oraz Mistral, wykazały, że niektóre cechy uczniów są trudne do odtworzenia, a dobre średnie wyniki mogą maskować błędy systematyczne. Wyniki te nie stanowią rankingu korepetytorów ani dowodu na większą skuteczność dydaktyczną jednego z nich, lecz wskazują na ograniczenia wnioskowania o uczniu na podstawie rozmowy. Dane i kod analizy zostały udostępnione w serwisie Zenodo.

Obecnie dostępne są działające narzędzia oraz publiczne metody, jednak nie ma jeszcze dowodów na to, że Proxima ZSP poprawia proces uczenia się w czasie. Wyniki SLEF dotyczą jedynie możliwości rekonstrukcji cech symulowanych uczniów, a nie skuteczności dydaktycznej w pracy z ludźmi.