Det, studerende spørger om, er data om læring.
Analyser fra de studerendes arbejde og dialog viser, hvordan de lærer, ikke kun hvad de lærer. Det giver dig belæg, hvor du før havde fornemmelser — og giver dem indblik i deres egne arbejdsvaner.
Det, studerende ser om sig selv.
En studerende, der arbejder sig gennem matematisk analyse, kan se, at de fleste af spørgsmålene samler sig om partiel integration — et konkret fagligt hul frem for „jeg er dårlig til matematik“.
Gentagne anmodninger om facit i stedet for trinvise forklaringer træder tydeligt frem og giver anledning til at arbejde mere grundigt.
På skrive- og sprogkurser kan samtalerne afsløre en studerende, der hele tiden beder om grammatikrettelser, men næsten aldrig om feedback på argumentationens opbygning.
Når mønstrene bliver synlige, kan den studerende stille det rigtige spørgsmål: bruger jeg AI som en genvej eller som en læringspartner? Studiet bliver en anledning til selvvurdering.
Belæg i stedet for fornemmelser.
Når mange studerende på et biologikursus spørger om celleånding på samme måde, er det en udbredt misforståelse, du kan tage op ved næste forelæsning.
På et programmeringskursus peger hyppige fejlfindingsspørgsmål om løkker, men sjældent om funktioner, på et helt bestemt fagligt hul.
Brugsmønstre skelner de studerende, der arbejder sig gennem et problem i længere dialog, fra dem, der kopierer et kort svar.
At tage anonymiserede eksempler eller samlede tendenser med ind i undervisningen gør AI fra en privat hjælp til et fælles objekt for analyse og forbedring.
Kom i gang med Zymposia nu.
Book en halv time, så gennemgår vi analyserne på et kursus som dit.