Editorial Pendidikan
Open AccessOA2023
Learnersourcing di Era AI: Kemitraan Pelajar, Pendidik, dan Mesin untuk Penciptaan Konten
Makalah ini menyajikan kerangka kerja untuk sistem learnersourcing yang mengintegrasikan AI untuk mengatasi persoalan kualitas, keterlibatan, dan keandalan. Dua studi kasus menunjukkan penerapan kerangka kerja tersebut pada sistem yang sudah ada.
Hassan Khosravi; Paul Denny; Steven Moore; John C. Stamper· Computers and Education: Artificial Intelligence· 2023· DOI 10.1016/j.caeai.2023.100151
Masalah inti
Learnersourcing, praktik melibatkan mahasiswa dalam menciptakan konten baru, semakin diakui sebagai pendekatan efektif untuk mendorong pembelajaran tingkat tinggi, melibatkan mahasiswa secara mendalam dengan materi kuliah, dan mengembangkan repositori konten besar yang cocok untuk pembelajaran personal. Meskipun ada manfaat tersebut, kekhawatiran dan kritik umum—seperti kualitas sumber daya yang dibuat mahasiswa, tantangan dalam memberi insentif keterlibatan, dan kurangnya ketersediaan sistem learnersourcing yang andal—telah membatasi adopsinya. Makalah ini menjawab persoalan tersebut dengan mengusulkan kerangka kerja yang memanfaatkan literatur learnersourcing yang ada, wawasan dari ilmu pembelajaran, dan kemajuan AI untuk menawarkan arah masa depan yang menjanjikan bagi pengembangan sistem learnersourcing.
Inovasi
Penulis mengembangkan kerangka kerja yang dirancang seputar pertanyaan penting dan kemitraan manusia-AI yang berkaitan dengan empat aspek kunci: (1) menciptakan konten baru, (2) mengevaluasi kualitas konten yang dibuat, (3) memanfaatkan kontribusi learnersourced mahasiswa, dan (4) memungkinkan pengajar mendukung mahasiswa dalam proses learnersourcing. Kerangka kerja ini menyintesis literatur yang ada, wawasan ilmu pembelajaran, dan kemampuan AI. Untuk menggambarkan penerapannya, penulis menyajikan dua studi kasus komprehensif dari sistem learnersourcing populer yang sudah ada.
Pendahuluan
Learnersourcing, praktik melibatkan mahasiswa dalam menciptakan konten baru, semakin diakui sebagai pendekatan efektif untuk mendorong pembelajaran tingkat tinggi, melibatkan mahasiswa secara mendalam dengan materi kuliah, dan mengembangkan repositori konten besar yang cocok untuk pembelajaran personal. Meskipun ada manfaat tersebut, kekhawatiran dan kritik umum—seperti kualitas sumber daya yang dibuat mahasiswa, tantangan dalam memberi insentif keterlibatan, dan kurangnya ketersediaan sistem learnersourcing yang andal—telah membatasi adopsinya. Makalah ini menjawab persoalan tersebut dengan mengusulkan kerangka kerja yang memanfaatkan literatur learnersourcing yang ada, wawasan dari ilmu pembelajaran, dan kemajuan AI untuk menawarkan arah masa depan yang menjanjikan bagi pengembangan sistem learnersourcing.
Mengapa penting
Makalah ini membahas bagaimana AI dapat menjawab kritik umum terhadap learnersourcing. Dengan bermitra dengan AI, mahasiswa dapat menciptakan konten berkualitas lebih tinggi, pengajar dapat mengelola aktivitas learnersourcing skala besar secara lebih efektif, dan sistem dapat menjadi lebih andal dan skalabel. Kerangka kerja ini menekankan pentingnya pengawasan manusia dan peran saling melengkapi antara mahasiswa, pendidik, dan mesin. Penulis berargumen bahwa model kemitraan ini dapat menghasilkan inisiatif learnersourcing yang lebih berkelanjutan dan berdampak, pada akhirnya meningkatkan pembelajaran personal dalam skala besar. Mereka juga menyoroti arah penelitian mendatang, termasuk kebutuhan akan metrik evaluasi yang kuat dan pertimbangan etis dalam learnersourcing yang didukung AI.
Siapa yang sebaiknya membaca
Pembaca Research Digest dan praktisi rumpun ini.
Membuka konten member…