В одной школе Сингапура алгоритм за три недели выявил, что 18 из 27 учеников пятого класса путают порядок действий при решении уравнений, хотя все они получали оценки выше среднего.
Статья в журнале Frontiers in Education обобщает данные пятилетнего наблюдения за внедрением адаптивных платформ в 47 школах Европы и Азии. Авторы проследили, как искусственный интеллект и аналитика обучения влияют на повседневную практику учителей и результаты учеников.
Система фиксирует каждую ошибку и время ответа, затем автоматически подбирает следующее задание так, чтобы оно опиралось на уже освоенный материал и одновременно закрывало конкретный пробел. Учитель видит не список оценок, а карту типичных затруднений класса и получает готовый набор микро-уроков на 10–12 минут. Это похоже на то, как врач использует данные мониторинга, чтобы скорректировать лечение, а не просто выписать общее лекарство.
Рандомизированное исследование в 12 школах показало прирост успеваемости на 0,3 стандартного отклонения за семестр. Эффект был заметнее в математике и естественных науках, чем в гуманитарных предметах. При этом в классах свыше 30 человек прирост снижался вдвое, а в школах с нестабильным интернетом платформа часто отключалась. Долгосрочных данных о сохранении эффекта через год пока нет.
Автоматизация рутинной диагностики сокращает время учителя на проверку тетрадей, но переносит акцент на интерпретацию данных и проектирование уроков. В то же время школы с ограниченным бюджетом остаются в стороне: без стабильного соединения и устройств алгоритмы просто не работают, усиливая разрыв между образовательными возможностями разных регионов.
Что произойдет с профессией учителя, когда значительная часть диагностической работы перейдет к алгоритмам?
