Det studentene spør om, er data om læring.
Analyser fra studentenes arbeid og dialog viser hvordan de lærer, ikke bare hva de lærer. Det gir deg belegg der du før hadde magefølelse — og gir dem innblikk i sine egne arbeidsvaner.
Det studentene ser om seg selv.
En student som arbeider seg gjennom matematisk analyse, kan se at de fleste spørsmålene samler seg om delvis integrasjon — et konkret faglig hull framfor «jeg er dårlig i matte».
Gjentatte forespørsler om ferdige svar i stedet for forklaringer steg for steg kommer tydelig fram og inviterer til grundigere arbeid.
På skrive- og språkkurs kan samtalene avdekke en student som stadig ber om grammatikkretting, men nesten aldri om tilbakemelding på oppbygningen av argumentasjonen.
Når mønstrene blir synlige, kan studenten stille det egentlige spørsmålet: bruker jeg AI som en snarvei eller som en læringspartner? Studiet blir en anledning til selvvurdering.
Belegg i stedet for magefølelse.
Når mange studenter på et biologikurs spør om celleånding på liknende måter, er det en utbredt misforståelse du kan ta opp i neste forelesning.
På et programmeringskurs peker hyppige feilsøkingsspørsmål om løkker, men sjelden om funksjoner, mot et helt bestemt faglig hull.
Bruksmønstre skiller studentene som arbeider seg gjennom et problem i lengre dialog, fra dem som kopierer et kort svar.
Å ta anonymiserte eksempler eller samlede tendenser inn i undervisningen gjør AI fra en privat hjelp til et felles objekt for analyse og forbedring.
Kom i gang med Zymposia nå.
Book en halvtime, så går vi gjennom analysene på et kurs som ditt.