Atom Learning Model (ALM): how a real classroom got tokenised
Questo articolo descrive l'Atom Learning Model (ALM), un sistema che ha tokenizzato due libri di testo di matematica in un grafo dei prerequisiti di 1.934 passaggi di apprendimento per generare domande personalizzate per 373 studenti a basso costo, rivelando al contempo risultati inaspettati come l'alto costo dell'istituzione dei collegamenti, l'incapacità dei modelli linguistici di prevedere la difficoltà delle domande e il fatto che l'implementazione del sistema si sia fermata appena prima di testare la sua premessa fondamentale.
Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
In una tipica classe, un insegnante sta davanti a trenta studenti, tutti approssimativamente della stessa età, e cerca di insegnare una singola lezione. La sfida è che nessun bambino in quella stanza si trova esattamente allo stesso punto del proprio apprendimento. Uno potrebbe essere pronto a risolvere un puzzle complesso, mentre un altro sta ancora lottando con i pezzi base. Poiché l'insegnante non può conoscere istantaneamente il preciso livello di abilità di ogni singolo studente, la lezione viene calibrata su un punto medio, lasciando alcuni annoiati e altri smarriti. Per decenni, gli educatori hanno cercato di risolvere questo problema suddividendo gli studenti in gruppi in base alla loro capacità generale, ma ciò ha fatto altro che restringere leggermente il divario; tratta ancora trenta bambini come un'unica unità anziché come trenta individui. Il problema centrale è una mancanza di risoluzione: le scuole hanno una mappa di ciò che deve essere appreso, ma mancano di un modo per individuare esattamente dove si trova ogni bambino su quella mappa in un dato momento.
Questo è il vuoto che un nuovo sistema chiamato Modello di Apprendimento Atomico (Atom Learning Model) tenta di colmare. L'idea è quella di scomporre una materia scolastica, come la matematica, nei suoi passaggi più piccoli e possibili, chiamati "atomi". Immaginate una competenza come la risoluzione di un'equazione non come un compito singolo e monolitico, ma come una catena di azioni minuscole e distinte: sapere come moltiplicare, sapere come sottrarre, sapere come riorganizzare una riga. Se uno studente sa fare i primi tre ma fallisce il quarto, il sistema sa esattamente dove si trova la rottura nella catena. Mappando questi piccoli passi e l'ordine in cui devono essere appresi, il sistema può teoricamente consegnare a ogni bambino una scheda di esercizi che sia perfettamente calibrata appena oltre ciò che già conosce. Questo approccio promette di spostare l'istruzione dai rigidi gruppi di classe verso un modello in cui gli studenti progrediscono al proprio ritmo, padroneggiando un piccolo passo prima di passare al successivo.
Un ricercatore dell'Imperial College di Londra, guidato da Philipp Bogdan, ha testato questa idea in un contesto reale per sette settimane in due scuole secondarie in Inghilterra. Non hanno scritto il programma o le domande a mano. Inveve, hanno inserito due libri di testo standard di matematica in un sistema informatico e hanno chiesto al computer di leggere le pagine, estrarre le competenze e costruire una vasta mappa interconnessa di conoscenze. Il sistema ha elaborato 757 pagine di testo e le ha trasformate in 1.934 "atomi" distinti, ognuno dei quali rappresenta una singola cosa che un discente può fare. Ha poi dedicato la maggior parte del suo sforzo a capire come questi atomi si connettono, creando oltre 4.600 collegamenti che mostrano quali competenze debbano essere apprese prima di altre. Questa struttura ha permesso al computer di generare migliaia di domande uniche, su misura per specifiche combinazioni di queste minuscole abilità, e di sottoporle a 373 studenti.
I risultati di questo esperimento sono stati sorprendenti e hanno messo in discussione diverse ipotesi comuni su come funziona l'apprendimento. In primo luogo, i ricercatori hanno scoperto che un modello informatico guardando una domanda non poteva prevedere quanto sarebbe stata difficile per uno studente. Il sistema aveva assegnato etichette di difficoltà alle domande, ma quando hanno confrontato queste etichette con le prestazioni reali degli studenti, le etichette si sono rivelate completamente inutili. La difficoltà di una domanda, hanno scoperto, non è una proprietà fissa della domanda stessa. Al contrario, la difficoltà è una relazione tra la domanda e lo studente specifico che la sta rispondendo. Una domanda è difficile solo se lo studente non possiede i piccoli passaggi specifici necessari per risolverla. Ciò significa che un insegnante o un computer non possono semplicemente guardare un problema e dire che è "difficile"; possono solo sapere che è difficile per un particolare bambino che manca dei necessari passamenti di base.
Un'altra scoperta inaspettata riguardava la velocità del feedback. I ricercatori hanno misurato quanto tempo gli studenti aspettavano che le loro risposte venissero valutate e come questo tempo di attesa influenzasse la loro volontà di continuare a lavorare. Hanno scoperto che se uno studente doveva aspettare anche solo sette secondi per un voto, era significativamente meno propenso a iniziare la domanda successiva rispetto a se avesse aspettato solo tre secondi. Questo minuscolo ritardo, che la maggior parte degli educatori considererebbe trascurabile, era sufficiente a interrompere l'inerzia dello studente. Ciò suggerisce che in un ambiente di apprendimento digitale, la velocità del sistema è critica per il coinvolgimento tanto quanto la qualità delle domande.
Forse il limite più significativo dello studio è stato che il sistema non ha mai testato la sua teoria più profonda. La premessa centrale del Modello di Apprendimento Atomico è che la difficoltà deriva dalla profondità della catena di competenze che mancano a uno studente. Per dimostrare questo, il sistema avrebbe dovuto proporre domande che richiedessero a uno studente di colmare un divario di tre o quattro passaggi mancanti. Tuttavia, durante la prova di sette settimane, il sistema quasi mai ha proposto una domanda che andasse oltre i due passaggi. Il ricercatore ha ammesso che la parte più importante della loro teoria — l'idea che la difficoltà dipenda puramente da ciò che manca — è rimasta non testata perché il sistema non ha mai posto le domande difficili che avrebbero potuto provarlo. Il sistema ha funzionato bene per le domande superficiali, ma il test definitivo per capire se può guidare uno studente attraverso un profondo vuoto di conoscenza è stato lasciato al futuro.
Nonostante questi limiti, l'esperimento ha fornito un'analisi concreta di quanto possa costare un curriculum completamente tokenizzato e di come potrebbe funzionare. L'intero processo di lettura dei libri di testo e costruzione della mappa delle competenze è costato tra le £615 e le £1.230, un investimento una tantum. Una volta costruito, il sistema ha generato oltre 6.000 domande per gli studenti a un costo di circa 26 pence per domanda. Lo studio ha dimostrato che è possibile automatizzare la creazione di un percorso di apprendimento personalizzato senza che gli insegnanti umani debbano scrivere ogni singolo problema. Tuttavia, il ricercatore è stato attento a sottolineare che il sistema non ha ancora sostituito l'insegnante. La mappa delle competenze esisteva e le domande venivano generate, ma il sistema non utilizzava ancora i dati sulle prestazioni in tempo reale degli studenti per decidere cosa mostrare loro successivamente. I punteggi venivano calcolati a posteriori, il che significa che gli studenti non stavano realmente essendo guidati dal pieno potenziale del sistema durante la prova.
La visione che emerge da questo lavoro è quella in cui il concetto di "classe" o "anno scolastico" diventa obsoleto. Se un sistema conosce esattamente quale piccolo passaggio un bambino ha padroneggiato e quale gli manca, non c'è bisogno di tenere trenta bambini insieme in un'unica stanza in attesa che il resto della classe recuperi. Un bambino potrebbe procedere attraverso il materiale al proprio ritmo, dedicando nove mesi a un livello se necessario, o completandolo in sei mesi se è pronto. L'esame, attualmente un evento logistico dove tutti si siedono contemporaneamente, potrebbe diventare un traguardo personale che lo studente affronta quando è pronto. Il Modello di Apprendimento Atomico non ha raggiunto questo futuro nella prova di sette settimane, ma ha costruito il primo vero ponte verso di esso, dimostrando che l'impiantistica per un tale sistema può essere costruita, anche se l'acqua non è ancora fluita attraverso di essa.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.