Hvorfor vil alle have en Chanel jakke eller et par Louboutin sko? Fordi disse ikoniske modemærker skaber produkter der passer din form til perfektion
Hvorfor adaptiv læring?
Skræddersyede produkter som en Met-Gala kjole eller de mindre luksuriøse men stadig gode Spotify “made for you” playlister er højt ansete. De giver os tilfredsstillelse fordi de ved hvad vi vil have. En af de måder vi “oversætter” den tilfredsstillelse fra de produkter til vores uddannelsesløsning er adaptiv læring.
Adaptiv læring er en teknik der leverer personaliserede læringsoplevelser der henviser sig til individers unikke læringspræferencer ved at bruge en datadrevet tilgang der selvjusterer retningen og hastigheden på læringen. Derved sørger den for at skabe en skræddersyet og skalerbar læringsoplevelse.
Konceptet læring er gået igennem en stor transformation og startede faktisk fra en etableret teori om læringsstile hvor de lærende blev passet ind i nogle forskellige læringspræferencer.
Læringspræferencer forstår at den lærende kan have forskellige læringsstile. Men ud over det, så forstår den faktisk også at læring handler om meget mere end bare hvordan indhold er introduceret. Det handler om den individuelles interesser, færdighed og viden – så hvorfor burde læringsoplevelsen være grupperet? Og hvorfor skal den defineres af noget som helst andet end den lærende selv? Vi passer jo ikke alle de samme sko, så det er en fejl at antage at alle passer ind i den samme læringsmetode.
Vi passer jo ikke alle de samme sko, så det er en fejl at antage at alle passer ind i den samme læringsmetode.
Adaptiv læring hjælper med at øge engagement og fastholdelsen af indholdet ved at:
- Tilbyde indhold og udfordringer baseret på den individuelles niveau.
- Sørge for at den lærende kan rykke frem til deres nærmeste næste niveau.
- Undgå at repetere de dele de allerede er gode til.
CanopyLABs AI-drevne adaptive læring
CanopyLAB forstår, at for at have størst indflydelse på den lærende, skal vi først forstå hvad den lærende allerede ved, har lyst til, og det arbejde de allerede har gjort. Ligesom du gerne ville vide størrelsen og farven på de materialer i det outfit du vil have, gør vi det samme med læring. Vi samler alt denne information gennem:
- Den lærendes aktivitet: Vi kortlægger den viden de har fået gennem tags, kurser de har taget, deres præstation, og de valg de tager når de vælger mellem forskellige udfordringer.
- At gruppere de lærende: Vi grupperer forskellige brugere med samme interesser, aktiviteter og præstation på platformen.
- Den lærendes præstation på de introducerende adaptive quizzer.
Al denne information er behandlet til at skabe disse 3 følgende elementer som vi bruger i CanopyLabs adaptive, sociale og intelligence læringsrum der gennem AI hjælper individer med give dem unikke læringspræferencer:
- Først, en fremragende adaptiv introduktions-quiz
- Derefter foreslår kursus-skaberen sværhedsgraden på spørgsmålene
- Til sidst skabes der en klar forbindelse mellem spørgsmålene og kursusmaterialet
En fremragende adaptiv introduktions-quiz – hvad der starter godt slutter godt.
Et stort problem når man bygger adaptive systemer er at man ofte møder en “kold start”. Hvis en lærende er ny til platformen eller hvis kurset er nyt, er der ingen tidligere information til at basere forslagene på. Derfor har vi inkluderet en adaptiv introduktions-quiz der kan bruges til at samle information om de lærende i god tid og bruge informationen fra de “tidligere” lærende der har startet nye emner. Det er meget vigtigt at kende dine lærende så godt som muligt i begyndelsen; en god og informeret starter er nøglen til et godt kursus.
Hvis en lærende er ny til platformen eller hvis kurset er nyt, er der ingen tidligere information til at basere forslagene på. Derfor har vi inkluderet en adaptiv introduktions-quiz
Formålet med adaptive introduktions-quizzer er at finde ud af om brugeren allerede kender til nogle af kursets emner. Spørgsmål er grupperet baseret på emner rangeret efter sværhedsgrad. Hvis en bruger har flere fejl i et bestemt emne vil den kunstige intelligens antage at den lærende ikke kender til emnet. Derfor vil den springe emnet over og gå videre til næste emne. Ved at gøre dette forhindrer vi at tvinge lærerne til at arbejde med noget de ikke kender til ved læringsprocessens start.
For ham/hende der laver kurser findes der nogle retningslinjer der hjælper med at afholde en effektiv introduktionsquiz der giver uvurderlig og relevant information:
- Introduktionsquizzer er nødt til at dække alle emner for at sikre sig at forstå den lærendes kendskab fuldt ud.
- For hvert emne skal der være er rimeligt antal spørgsmål for rent faktisk at at kunne bedømme den lærendes niveau.
- Spørgsmål skal være klare og med fokus. Vigtige spørgsmål skal fremhæves.
Den der laver kurset skal foreslå sværhedsgraden på spørgsmålene. David og Goliat er en gammel historie, ikke en realitet.
David og Goliat er et godt eksempel på hvordan en “lille” person takler et stort problem. Desværre er moralen ved denne historie en undtagelse mere end det er en regel. De lærende skal udsættes for spørgsmål der er tilpasset deres færdigheder og kapacitet. Lad os istedet give Goliat nogle spørgsmål i Goliats størrelse og hjælpe David med at blive til Goliat ved at give ham nogle spørgsmål tilpasset hans størrelse. Dette sker i CanopyLABs læringsrum gennem adaptive quizzer der tilpasser sig alt efter sværhedsgraden.
Her er nogle generelle råd til at skabe nyttige quizzer:
- Uden forudgående information om en ny bruger eller et nyt kursus, skal skaberen af kurset foreslå en sværhedsgrad.
- Når en lærende tager en quiz skal spørgsmålene vises i rækkefølgen let til svær. At give et meget svært spørgsmål fra begyndelsen kan de bliver frustrerede og miste håbet om at færdiggøre kurset.
Selvom vi beder skaberne af et bestemt kursus om at foreslå den begyndende sværhedsgrad baseret på deres perspektiv, kan man godt være ude for at sværhedsgraden for hvert af spørgsmålene ikke rigtigt tilpasser sig den individuelle lærende. Derfor kan vores AI system automatisk foreslå sværhedsgrader for spørgsmålene i en adaptiv quiz på to forskellige måder:
- At rangere sværhedsgraden baseret på den lærendes forudgående viden: systemet vil aflæse den viden den lærende har før kurset og gruppere lærende der har samme viden og præstation og bruge denne gruppe som udgangspunkt for præstationen på denne specifikke quiz.
- At rangere sværhedsgraden baseret på præstationen af elever der allerede har færdiggjort en quiz: sværhedsgraden vil blive udregnet efter et bestemt antal lærende har gennemført quizzen. Den foreslåede sværhedsgrad vil reflektere den gennemsnitlige præstation af de lærende for den quiz. Denne metode er nyttig når en ny lærende tager en quiz siden vi ikke har meget information om dem og vi derfor i stedet kan bruge præstationen fra de andre lærende.
Resultatet er en quiz der tilpasser sig sværhedsgraden på spørgsmålene, undgår frustration og skaber et system der imødekommer den lærendes behov.
Der er en klar forbindelse mellem spørgsmål og kursusmaterialet. At blande æbler med appelsiner er aldrig en god ide; hvorfor gør vi det så i alle quizzer?
I en quiz, er det frustrerende at blive spurgt om noget man aldrig har fået lært. Nogle gange er det lærerens fejl, nogle gange andres, og andre gange er det os selv hvis vi ikke holder styr på vores kursusmaterialer. Uanset hvis fejl det er, er det meget vigtigt at alle kursusmaterialerne er let tilgængelige for alle de lærende og at alle spørgsmål er baseret på information der er blevet givet videre til den lærende.
Kunstig intelligens kan hjælpe med at skabe en klarere forbindelse mellem materialerne og kurserne på disse måder:
- Automatisk skabning af øvelser. Lad AI skabe øvelser baseret på dit kursusmateriale og sørg for at forståelsen er testet på en korrekt og effektiv måde.
- Et altid-tilgængeligt support system. Når de lærende sidder fast i et spørgsmål kan systemet foreslå hvilken information man skal gennemgå for at svare på spørgsmålet.
La AI skabe øvelser der tilpasser sig hvad du gerne vil lære dine kursister og sørg for at test deres viden om det de allerede har lært. Sørg for at de forstår dot kursusmateriale og føler sig inspirerede ved at give dem spørgsmål de godt kan svare på (og husk at sørg for at de har adgang til alle de ressourcer de skal bruge på at besvare spørgsmålene).
Skræddersyet læring tilgængeligt for alle
For at slutte af så husk at det ikke er godt at tilbyde et ensformigt kursus der passer alle. Uddannelse i det 21. århundrede handler mere og mere om skræddersyet læring der passer så godt som en Chanel jakke. Adaptiv læring er ved at blive det nye normale.
Øg de lærernes engagement og styrk læringsfastholdelsen ved at skabe personaliserede læringsoplevelser. For lad os være ærlige, hvis du kunne, ville du så ikke også vælge en skræddersyet jakke over en standardstørrelse?
Så hvad venter du på? Du har allerede alle de tips og tricks og den indsigt i hvordan vi gør det. Så hvorfor ikke tilbyde dine elever/kursister/lærende en adaptiv læringsoplevelse. Vi vil gerne hjælpe dig med at hjælpe dine lærende.
Har du selv dit eget CanopyLAB læringsrum? Ja? Jamen så fyr den af. Men hvis ikke, så kan vi lade dine lærende tage en køretur i uddannelsens svar på en tesla gratis; book en demo.