المسارات التعليمية التكيّفية. طبقة فوق الـ lms الذي تملكونه بالفعل، تُعيد ترتيب الدروس لكل طالب بناءً على الأسئلة التي أخطأ فيها. الدورة نفسها، المدرّسون أنفسهم. يتغيّر الترتيب لكل متعلّم بحيث تُدرَّس نقاط الضعف قبل أن تنتقل الدفعة إلى ما بعدها.
هذه المشكلة التي يحلّها هذا. افترض أن دفعة مدتها 4 أشهر تبدأ بـ 120 متعلمًا وتنتهي بـ 74. من ينسحبون نادرًا ما يرسبون في اليوم الأول. يتأخرون في الوحدة 3، ولا يتعافون، ويتوقفون بهدوء عن الحضور بحلول الوحدة 6.
يمكنكم إصلاح ذلك بمزيد من ساعات التدريس، أو بإصلاح الترتيب. المسارات التكيّفية تختار الترتيب. حين يُخطئ متعلّم في سؤالين عن SQL joins، فإن التالي الذي يراه هو درس علاجي عن joins، لا المحاضرة المجدولة التالية.
#هل يستطيع AI رفع نسبة إتمام الدفعة دون توظيف مدرّسين إضافيين؟
هل يحتاج AI لمسارات التعلّم الشخصية طاقمًا تدريسيًا جديدًا؟
لا. المسارات التعليمية التكيّفية تُعيد ترتيب دروسكم الحالية حول إجابات كل طالب الخاطئة، بحيث يصل المتعلمون إلى الدرس العلاجي قبل أن يتأخروا. المدرّسون، والمحتوى، والـ lms يبقون كما هم. أنتم تُغيّرون ترتيب تقديم الدروس، لا تُضيفون موظفين ولا تُعيدون بناء الدورة.
الرافعة هي الترتيب، لا الحجم. معظم مديري المناهج لديهم بالفعل محتوى جيد كافٍ. ما ينقصهم هو طريقة لتقديمه بالترتيب الصحيح لمتعلّم يُعاني في الأسبوع 5 مقابل آخر يسير دون عناء.
هذا الشكل ليس جديدًا. الأتمتة المبنية على معايير التقييم فوق امتداد لنظام إدارة التعلم هي النمط نفسه الذي يتصل به التسلسل التكيّفي، ومثال تطبيقي على التقييم بمعايير واضحة يستعرضه بأرقام مفترضة. المزيد عن كيفية إدارتنا لهذه المشاريع في صفحة استشارات الذكاء الاصطناعي.
#هل يتوجب علينا إعادة بناء الـ lms للقيام بهذا؟
لا. هذا يُبنى فوق الـ lms الذي تُشغّلونه بالفعل. Thinkific، وTeachable، وCanvas، وMoodle. نتصل عبر تكاملات lti، أو حزم scorm، أو الـ API المباشر، أيًا كان ما تدعمه منصتكم.
يبقى الـ lms هو نظام السجل الرسمي. التسجيل، والدفع، والدرجات، والشهادات لا تتحرك. تقرأ الطبقة التكيّفية الأسئلة التي أخطأ فيها المتعلّم وتُعيد ترتيب الدروس التي تُقدَّم له. لا تلمس هيكل دورتكم ولا فوترتكم.
We are
تبني Stennir طبقة تكيّفية تُعيد ترتيب دروسكم حول إجابات كل طالب الخاطئة، مع بقاء مدرّسيكم ومعايير التقييم لديكم هم من يحدّدون معنى الإتقان.
We aren't
لا تبيع Stennir روبوت محادثة عامًا يُجيب عن الواجبات نيابةً عن المتعلمين ويساعدهم على تخطّي العمل الذي تحاولون تعليمه.
ماذا يتغيّر يوميًا بالنسبة لمدير المناهج؟
- المتعلّمون الذين يُخطئون في فهم مفهوم يحصلون على الدرس العلاجي مباشرة، لا بعد ثلاث وحدات حين يكونون قد انسحبوا بالفعل.
- ترون أي الدروس تُسبّب أكبر عدد من الإجابات الخاطئة عبر الدفعة، فتُصلحون الدرس الأضعف أولًا بدلًا من التخمين.
- يستمر المدرّسون في التصحيح وفق معايير التقييم نفسها. الترتيب يقرأ تلك النتائج، ولا يتجاوزها.
- تُقاس نسب النجاح والإتمام لكل دفعة مقارنةً بأساسكم المرجعي، فتعرفون إن كانت إعادة الترتيب استحقت جهدها.
الهدف من القياس لكل دفعة هو الصدق. إن لم تُحرّك المسارات التكيّفية نسبة الإتمام لدورتكم تحديدًا، يجب أن تستطيعوا رؤية ذلك في دفعة واحدة وإيقافها. نُفضّل أن نُريكم الرقم على أن نبيعكم الفكرة.
الطلاب الذين ينسحبون ليسوا من يفشلون في الاختبار القصير الأول. هم من لم يحصلوا أبدًا على الشرح الثاني للشيء الذي فاتهم.
وإن احتاج فريقك أيضًا إلى مساعدة في تهيئة المدرّسين لقراءة هذه الإشارات، فإن تدريب الذكاء الاصطناعي لدينا يغطي جانب التمكين، وتجد المزيد من كتابات حالات الاستخدام مثل هذه في المجلة.
نحن جدد، وطريقة عملنا واضحة. نُحدّد نطاق دورة واحدة، ونتصل بالـ lms الذي تملكونه، ونُشغّل الترتيب التكيّفي على الدفعة التالية، ونُقارن نسب الإتمام والنجاح بأساسكم المرجعي. إن كنتم تُديرون شركة دورات عبر الإنترنت، أو bootcamp، أو فريق l&d داخليًا، وتريدون معرفة إن كانت إعادة الترتيب ترفع أرقامكم، احجزوا مكالمة استكشاف 30 دقيقة وأحضروا بيانات دفعة واحدة.
