Det studenterna frågar om är data om lärande.
Analyser från studenternas arbete och dialog visar hur de lär sig, inte bara vad de lär sig. Det ger dig belägg där du tidigare hade magkänsla — och ger dem inblick i sina egna arbetsvanor.
Det studenterna ser om sig själva.
En student som arbetar sig genom analysen kan se att de flesta frågorna samlas kring partiell integration — en konkret förståelselucka snarare än ”jag är dålig på matte”.
Upprepade förfrågningar om färdiga svar i stället för förklaringar steg för steg framträder tydligt och inbjuder till grundligare arbete.
På skriv- och språkkurser kan samtalen avslöja en student som ständigt ber om grammatikrättningar men nästan aldrig om återkoppling på argumentationens uppbyggnad.
När mönstren blir synliga kan studenten ställa den verkliga frågan: använder jag AI som en genväg eller som en lärandepartner? Studierna blir ett tillfälle till självskattning.
Belägg i stället för magkänsla.
När många studenter på en biologikurs frågar om cellandning på liknande sätt är det en utbredd missuppfattning som du kan ta upp på nästa föreläsning.
På en programmeringskurs pekar frekventa felsökningsfrågor om loopar, men sällan om funktioner, mot en alldeles bestämd kunskapslucka.
Användningsmönster skiljer de studenter som arbetar sig genom ett problem i längre dialog från dem som kopierar ett kort svar.
Att ta med anonymiserade exempel eller samlade tendenser in i undervisningen gör AI från ett privat hjälpmedel till ett gemensamt föremål för analys och förbättring.
Kom i gång med Zymposia nu.
Boka en halvtimme, så går vi igenom analyserna på en kurs som din.