Marco Iannacone utvecklar metoder för artificiell intelligens som främjar studenters tänkande

Marco Iannacone genomför en oberoende forskning för att utforma artificiell intelligens som hjälper studenter att tänka istället för att ersätta deras kognitiva arbete. Målet är att skapa digitala handledare som stödjer studenternas självständighet och där ett korrekt svar inte ses som det enda beviset på lärande.

EconomyUp rapporterade att Iannacone har utvecklat tre digitala verktyg för detta ändamål. Det första är Proxima ZSP, en maieutisk handledare på italienska för grundskolans högstadium. Systemet är utformat för att undvika att den artificiella intelligensen utför det kognitiva steget som studenten bör ta, genom att använda progressiva frågor som gör studentens resonemang synligt.

Det andra verktyget är L×M×C, ett öppet ramverk för att observera resonemangets djup, metakognition och konsolidering samt överföring av kunskap. Ramverket syftar till att gå bortom frågan om svaret var korrekt genom att analysera om studenten kan förklara regler, upptäcka egna fel och återanvända kunskap i nya situationer. Iannacone har gjort detta ramverk tillgängligt som öppen källkod under licensen Creative Commons BY 4.0 och publicerat kriterierna i ett förhandsutkast på EdArXiv.

Det tredje verktyget, Synthetic Learner Evaluation Framework eller SLEF, används för att testa de föreslagna lösningarna innan långtidsstudier med riktiga studenter genomförs. SLEF består av 44 simulerade studentprofiler som genomför totalt 1 100 dialoger på italienska om bråktal med olika konfigurationer av handledare. Ett oberoende system analyserar sedan konversationerna för att se om studentens egenskaper kan återskapas enbart utifrån texten.

Genom att jämföra Proxima ZSP med konfigurationer av Claude, ChatGPT och Mistral har SLEF visat att vissa studentegenskaper är svåra att återskapa och att genomsnittliga resultat kan dölja systematiska fel. Iannacone betonar att detta inte är en ranking av handledare, utan ett test av gränserna för slutledningsförmåga gällande studenten. Dataset och analyskod har publicerats på Zenodo.

Iannacone konstaterar att det ännu inte finns bevis för att Proxima förbättrar lärandet över tid, då resultaten från SLEF rör möjligheten att återskapa egenskaper hos simulerade studenter och inte den pedagogiska effektiviteten hos verkliga studenter.