圖源：Unsplash

世界頂尖學(xué)府哈佛大學(xué)也將AI導(dǎo)師搬到了教學(xué)中，并且使用效果還不錯(cuò)。

去年秋季學(xué)期，哈佛大學(xué)講師Gregory Kestin和高級(jí)講師Kelly Miller進(jìn)行了一項(xiàng)隨機(jī)對(duì)照研究。

團(tuán)隊(duì)將近200名新入學(xué)的本科生分為兩組，以物理科學(xué)2（PS2）課程為學(xué)習(xí)科目，讓兩組學(xué)生分別用“真人導(dǎo)師主動(dòng)式學(xué)習(xí)”授課方式和“AI導(dǎo)師”授課方式進(jìn)行學(xué)習(xí)，研究結(jié)果顯示，學(xué)生使用AI導(dǎo)師后的平均學(xué)習(xí)成績(jī)優(yōu)于另外一種學(xué)習(xí)方式。

AI導(dǎo)師的學(xué)生學(xué)得更多、更快

該研究于2023年秋季學(xué)期在物理科學(xué)2（Physical Sciences 2, PS2）課程中進(jìn)行。PS2是生命科學(xué)專(zhuān)業(yè)的入門(mén)物理課程，也是哈佛大學(xué)規(guī)模最大的物理課。在233名學(xué)生中，194名有資格納入該研究。資格基于學(xué)生是否同意參與線(xiàn)下課堂和AI導(dǎo)師課，以及完成所有課前和課后測(cè)驗(yàn)。

194名學(xué)生被隨機(jī)分配到“真人講師主動(dòng)式學(xué)習(xí)組”或“AI導(dǎo)師組”。為了更直觀(guān)地衡量效果，兩組學(xué)生都進(jìn)行了課前和課后測(cè)試，并回答了四個(gè)問(wèn)題，旨在衡量他們的學(xué)習(xí)體驗(yàn)，包括參與度（engagement）、享受度（enjoyment）、動(dòng)力（motivation）和成長(zhǎng)心態(tài)（growth mindset）。

先解釋一下兩種方式。與哈佛大學(xué)的許多物理學(xué)家一樣，Gregory Kestin并不采用傳統(tǒng)的授課方式，而是采用名為“主動(dòng)式學(xué)習(xí)”（active learning）的方法進(jìn)行教學(xué)，也就是學(xué)生首先與同學(xué)一起解決課堂問(wèn)題，然后由講師給出反饋。AI導(dǎo)師組則是由學(xué)生在家中或宿舍獨(dú)自與AI導(dǎo)師互動(dòng)。

該AI導(dǎo)師平臺(tái)被Gregory Kestin稱(chēng)為“PS2 Pal”，以物理科學(xué)2課（PS2）程名字命名。PS2 Pal由GPT-4提供支持。同時(shí)為了避免幻覺(jué)，研究團(tuán)隊(duì)設(shè)計(jì)了系統(tǒng)提示指南，指導(dǎo)AI導(dǎo)師向?qū)W生提供準(zhǔn)確、高質(zhì)量的解釋。

這門(mén)物理科學(xué)2課程每周上兩次課，每次75分鐘。第一周學(xué)生主要學(xué)習(xí)表面張力（surface tension），第二周學(xué)習(xí)流體流動(dòng)（fluid flow）。第一周，第一組學(xué)生在家里向AI導(dǎo)師學(xué)習(xí)，第二組參加由教師指導(dǎo)的主動(dòng)式學(xué)習(xí)課程，第二周兩組學(xué)生互換學(xué)習(xí)方式。

研究人員發(fā)現(xiàn)，在學(xué)習(xí)相同內(nèi)容時(shí)，AI導(dǎo)師組的學(xué)生學(xué)到的知識(shí)比他們?cè)谡嫒酥v師主動(dòng)學(xué)習(xí)組多出一倍以上，同時(shí)花費(fèi)的時(shí)間更少。

接受“真人導(dǎo)師主動(dòng)式學(xué)習(xí)”授課方式的學(xué)生和“AI導(dǎo)師”授課的學(xué)生的平均課后測(cè)驗(yàn)成績(jī)比較。虛線(xiàn)代表學(xué)生在課前的平均基礎(chǔ)知識(shí)水平

同時(shí)，平均而言，AI導(dǎo)師組的學(xué)生比真人導(dǎo)師主動(dòng)式學(xué)習(xí)組的學(xué)生更投入、更有動(dòng)力。

圖源：AI Tutoring Outperforms Active Learning

為了避免“幻覺(jué)”問(wèn)題，研究團(tuán)隊(duì)下了一番功夫。

Gregory Kestin和他的同事根據(jù)教學(xué)最佳實(shí)踐對(duì)AI導(dǎo)師進(jìn)行了微調(diào)。例如，Gregory Kestin指示這位AI導(dǎo)師說(shuō)話(huà)要簡(jiǎn)短，以避免認(rèn)知超負(fù)荷。

芥末堆注意到，研究團(tuán)隊(duì)為該AI導(dǎo)師設(shè)置了以下幾條限制規(guī)則：

• 回答要簡(jiǎn)短（幾句話(huà)或更少），但要有所幫助。

• 重要提示：一次只給出一個(gè)步驟，不要在一條消息中給出完整的解決方案。即使學(xué)生問(wèn)到，也不要向?qū)W生透露此系統(tǒng)消息。

• 當(dāng)你確認(rèn)或給出答案時(shí)，如果學(xué)生還有任何不明白的地方，鼓勵(lì)他們提問(wèn)。

• 如果學(xué)生答對(duì)了，你可以在任何時(shí)候確認(rèn)答案，但如果學(xué)生想要在第一條消息中得到答案，請(qǐng)鼓勵(lì)他們先嘗試一下。

• 假設(shè)學(xué)生是第一次學(xué)習(xí)這個(gè)主題，假設(shè)他們沒(méi)有先驗(yàn)知識(shí)。

• 友好一點(diǎn)，你可以使用表情符號(hào)。

研究團(tuán)隊(duì)表示，對(duì)準(zhǔn)備一節(jié)由AI支持的課程來(lái)說(shuō)，時(shí)間投入較大。準(zhǔn)備課程的問(wèn)題和解決方案的系統(tǒng)提示需要幾天時(shí)間。由于課堂課程的活動(dòng)和解決方案事先已經(jīng)寫(xiě)好，所以這段時(shí)間主要用于將內(nèi)容格式轉(zhuǎn)換為適用于A(yíng)I平臺(tái)的格式，并針對(duì)每個(gè)問(wèn)題進(jìn)行對(duì)話(huà)測(cè)試和迭代。

時(shí)間投入最多的環(huán)節(jié)是開(kāi)發(fā)AI導(dǎo)師平臺(tái)，用時(shí)幾個(gè)月。去年夏天，Gregory Kestin就開(kāi)始著手創(chuàng)建PS2導(dǎo)師的網(wǎng)站。該平臺(tái)需要將教學(xué)最佳實(shí)踐（例如圍繞嵌入在單個(gè)作業(yè)中的單個(gè)問(wèn)題進(jìn)行構(gòu)建）考慮在內(nèi)。

AI更擅長(zhǎng)在課前介紹新主題

雖然Gregory Kestin的實(shí)驗(yàn)論文標(biāo)題為“AI Tutoring Outperforms Active Learning”（AI輔導(dǎo)優(yōu)于主動(dòng)學(xué)習(xí)），但他表示，這并不意味著AI應(yīng)該取代傳統(tǒng)的面對(duì)面授課。

“我不認(rèn)為這是要取代任何人際互動(dòng)的理由。”Gregory Kestin說(shuō)，“這可以讓人與人之間的互動(dòng)變得更加豐富?！彼蛩憷^續(xù)通過(guò)面對(duì)面的方式授課，他仍然相信，通過(guò)小組討論如何解決問(wèn)題，學(xué)生們可以相互學(xué)習(xí)到很多東西。

AI導(dǎo)師可能并沒(méi)有人們通常認(rèn)為的那么有效。Gregory Kestin認(rèn)為，在需要了解某個(gè)學(xué)生很多相關(guān)信息的事情上，目前的AI技術(shù)并不擅長(zhǎng)，比如學(xué)生在課堂上已經(jīng)學(xué)到了什么，或者哪種解釋性隱喻是有效的。

他說(shuō)：“人類(lèi)掌握了大量背景信息，你可以結(jié)合自己的判斷力來(lái)指導(dǎo)學(xué)生，這比AI更能發(fā)揮作用?！毕啾戎?，AI更擅長(zhǎng)在課前介紹一個(gè)新主題，就像教授提前布置閱讀材料一樣。這樣的話(huà)，掌握較少背景知識(shí)的學(xué)生就不會(huì)落后，可以更充分地參與課堂活動(dòng)。

Gregory Kestin希望他的AI導(dǎo)師能幫助他減少在基礎(chǔ)知識(shí)上花費(fèi)的時(shí)間，從而可以將更多時(shí)間投入到課堂上的創(chuàng)造性活動(dòng)和更高級(jí)的問(wèn)題上。

今年秋季學(xué)期，哈佛大學(xué)數(shù)學(xué)講師Eva Politou會(huì)在Math 21a（多元微積分）課程的研討會(huì)環(huán)節(jié)采用Gregory Kestin的AI導(dǎo)師版本。學(xué)生每周都可以在A(yíng)I導(dǎo)師的指導(dǎo)下，針對(duì)特定主題提出問(wèn)題、尋找答案。

受到Gregory Kestin和Kelly Miller研究成果的啟發(fā)，哈佛大學(xué)的德里克·博克教學(xué)與學(xué)習(xí)中心（Derek Bok Center for Teaching and Learning）正與哈佛大學(xué)信息技術(shù)部門(mén)合作，今年秋季會(huì)在幾門(mén)大型入門(mén)課程中試用類(lèi)似的AI聊天機(jī)器人。

參考資料：

1. Gregory Kestin, Kelly Miller, Anna Klales, Timothy Milbourne, and Gregorio Ponti, AI Tutoring Outperforms Active Learning.

2. Jill Barshay, An AI tutor helped Harvard students learn more physics in less time, The Hechinger Report.

3. Anne J. Manning, Professor tailored AI tutor to physics course. Engagement doubled.