Dirbtinio intelekto ir duomenų analizės naudojimas mokyme: dabartinė situacija, iššūkiai ir galimybės

Dirbtinio intelekto (DI) atsiradimas ir sumanus duomenų naudojimas visais lygmenimis dreba švietimo sistemos pamatus. Tai, kas dar visai neseniai skambėjo kaip mokslinė fantastika ar tolimas pažadas, dabar yra realybė, keičianti dalykų mokymo ir mokymosi būdus, mokytojo vaidmenį ir naujas galimybes bei iššūkius, kylančius mokiniams ir švietimo įstaigoms. Jei esate mokytojas, studentas, švietimo administratorius ar tiesiog domitės mokymosi ateitimi, čia rasite išsamiausią ir praktiškiausią dirbtinio intelekto ir duomenų analizės integravimo į švietimą reikšmę, pateikiant realias taikymo sritis, privalumus, riziką ir praktines rekomendacijas, kaip kuo geriau išnaudoti šias galimybes.

Šiame straipsnyje mes gilinsimės į pagrindinius aspektus, iššūkius ir geriausią praktiką, remdamiesi pirmaujančių projektų Ispanijoje ir Europoje patirtimi, taip pat tarptautinių organizacijų, universitetų, technologijų platformų ir ekspertų analize. pedagogika. Kalbama apie tai, kaip peržengti supaprastinto diskurso ribas ir suprasti, kaip dirbtinis intelektas keičia švietimą, kokiais etiniais aspektais turėtume vadovautis, kokios priemonės jau veikia klasėse ir universitetuose ir kas mūsų laukia ateityje. Taip pat rasite nuorodas į oficialius išteklius, naudotojo vadovus ir konkrečius pavyzdžius, su kuriais galite susipažinti per pridėtas nuorodas. Pradėkime!

Dirbtinis intelektas švietime: koncepcija ir dabartinė padėtis

Dirbtinis intelektas švietimo srityje yra daug daugiau nei vien kompiuterių ar skaitmeninių lentų pridėjimas prie klasės. Tai apima algoritmų, gebančių analizuoti didelius duomenų kiekius, aptikti modelius ir pasiūlyti adaptyvius atsakymus, kad būtų galima suasmeninti mokymąsi, automatizuoti užduotis, numatyti poreikius arba akimirksniu generuoti mokomąją medžiagą, naudojimą. UNESCO„DI suteikia potencialo, reikalingo spręsti kai kuriuos didžiausius dabartinius iššūkius švietimo srityje, diegti naujoves mokymo praktikoje ir paspartinti pažangą siekiant įtraukaus ir teisingo švietimo tikslų.“

Mes jau nekalbame apie tolimą ateitį: Dirbtinio intelekto sistemos, tokios kaip pokalbių robotai, automatiniai vertintojai, adaptyvios mokymosi platformos ir virtualūs asistentai, yra kasdienybė daugelyje Ispanijos institucijų. Nuo bandomųjų projektų universitetuose, kuriuose pokalbių robotai naudojami mokymui, iki mokyklų, kuriose algoritmai pritaikomi pratimams kiekvieno mokinio lygiui, švietimo sektorius išgyvena tikrą technologinę revoliuciją.

Kodėl dabar pats laikas edukaciniam dirbtiniam intelektui?

Dirbtinio intelekto iškilimas švietime nėra atsitiktinumas: Technologinė pažanga (pvz., generatyviniai kalbos modeliai), pandemijos metu „priverstinės“ skaitmeninimo pamokos ir suasmeninto, kokybiško, įvairovei atviro ir iš bet kurios vietos prieinamo švietimo poreikis – visa tai susilieja.

Švietimo įstaigos ir administracijos susiduria su augančiais poreikiais: Įvairūs mokiniai, perpildytos klasės, įvairaus lygio ar specialiųjų poreikių mokiniai ir neatidėliotinas poreikis paruošti jaunus žmones skaitmeniniam ir nuolat kintančiam pasauliui. Susidūrusi su šiais iššūkiais, dirbtinis intelektas tampa sąjungininke, padedančia suasmeninti, supaprastinti ir demokratizuoti prieigą prie žinių. Vienas iš pavyzdžių – oficialių dokumentų, tokių kaip..., kūrimas. ES etikos gairės dėl dirbtinio intelekto ir duomenų naudojimo švietime arba INTEF vadovas neuniversitetiniams centrams.

Kas tiksliai yra edukacinis dirbtinis intelektas ir kuo jis skiriasi nuo tradicinių technologijų?

Nors „klasikinės edukacinės technologijos“ teikė skaitmeninius išteklius (pvz., interaktyvias lentas ar internetinius kampusus), dirbtinis intelektas (DI) žengia daug toliau. Jis ne tik skaitmenina, bet ir interpretuoja duomenis, numato problemas, suasmenina pratimus ir generuoja grįžtamąjį ryšį realiuoju laiku.

Pagrindinės charakteristikos, apibrėžiančios dirbtinį intelektą švietime:

• Automatinis pritaikymas: platformos, kurios pritaiko veiklos lygį ir tipą pagal kiekvieno mokinio pažangą ir sunkumus.
• Ankstyvas aptikimas: Prognozinė analizė, kuri nustato rizikos grupės mokinius ir rekomenduoja tikslines intervencijas.
• Automatika: momentinis egzaminų klaidų taisymas, medžiagos paieška, ataskaitų generavimas ir visą parą veikianti pagalba per robotus arba asistentus.
• Dinaminiai ištekliai: veikla, kuri prisitaiko ir vystosi mokiniui mokantis, naudojant „pritaikytas“ medžiagas.

Tokiu būdu sustiprinamas mokytojo vaidmuo: Jums nebereikia gaišti valandų mechaninėms ir administracinėms užduotims, bet galite sutelkti dėmesį į edukacinių patirčių kūrimą, studentų konsultavimą ir paramą tiek akademiniu, tiek emociniu požiūriu.

Pagrindiniai dirbtinio intelekto ir duomenų taikymai Ispanijos švietimo sistemoje

Ispanijoje jau yra realių dirbtinio intelekto integracijos ir duomenų analizės pavyzdžių pradinėse ir vidurinėse mokyklose, taip pat universitetuose, profesinio mokymo centruose ir profesinio mokymo įstaigose. Kokie yra labiausiai paplitę panaudojimo būdai?

1. Individualizuotas mokymasis

Dirbtiniu intelektu paremtos adaptyvios platformos analizuoja mokinių rezultatus ir automatiškai koreguoja turinio sudėtingumą bei tipą. Taigi, jei mokinys turi supratimo problemų tokiose srityse kaip matematika, įrankis siūlo papildomus pratimus, pritaikytus prie jo tempo, arba netgi pakeičia aiškinimo metodą.

Atvejo analizė: įrankiai, tokie kaip „DreamBox“ o Knewtonas Jie jau naudojami medžiagai pritaikyti pagal individualius rezultatus. Daugeliu atvejų platforma žengia dar vieną žingsnį ir, jei aptinka spartesnį mokymąsi, siūlo pažangius mokymosi kelius, taip užkertant kelią demotyvacijai dėl iššūkių stokos.

2. Užduočių automatizavimas ir administracinis valdymas

Automatinis egzaminų vertinimas, tvarkaraščių valdymas ir pažangos ataskaitų generavimas deleguojami dirbtinio intelekto sistemoms, taip atlaisvinant mokytojų laiką. Panašios platformos Civitas mokymasis, Socialinis ar netgi Įvertinimo sritis Jie leidžia automatiškai vertinti, analizuoti rezultatus ir aptikti plagijavimą, taip pat palengvina nuolatinį vertinimą.

3. Virtualūs asistentai ir pokalbių robotai

Tokios priemonės kaip „ChatGPT“, „Microsoft Copilot“ ir specialūs pokalbių robotai padeda studentams išspręsti abejones ir bet kuriuo metu gauti medžiagą. Nuo klausimų apie mokymo programą iki pagalbos naudojantis skaitmeninėmis platformomis – šie asistentai yra pasiekiami ir po pamokų, padeda mokiniams tobulėti ir sprendžia neatidėliotinas problemas neapkraudami mokytojo.

4. Prognozinė analizė ir geresnis sprendimų priėmimas

Duomenų pagrindu veikiančios sistemos leidžia centrams nustatyti veiklos modelius ir numatyti nepakankamo pasiekimo, pravaikštų ar iškritimo iš mokyklos atvejus. Tokios platformos kaip „Civitas Learning“ analizuoja didelius informacijos kiekius, kad suskirstytų studentus pagal jų akademinės nesėkmės riziką ir pasiūlytų individualizuotas intervencijas (korepetitorių pagalbą, mokymosi kelio pakeitimus, pastiprinimo išteklius ir kt.).

5. Adaptyvaus turinio ir išteklių kūrimas

Dirbtinio intelekto įrankiai, tokie kaip Canva„Lumen5“, „Labster“ arba „Unity“ padeda mokytojams generuoti pristatymai vaizdinė medžiaga, vaizdo įrašai, interaktyvios simuliacijos, egzaminai ar konkrečios veiklos per rekordiškai trumpą laiką. Nebereikia įvaldyti grafinio dizaino ar pažangaus programavimo: tiesiog nurodykite temą, o dirbtinis intelektas pasiūlys patrauklias, individualiai pritaikytas medžiagas.

6. Įtraukusis ugdymas ir prieinamumas

Dirbtinis intelektas skatina didesnę įtrauktį klasėje, palengvindamas mokymąsi mokiniams su negalia ar specialiaisiais poreikiais. Pavyzdžiai yra „Microsoft“ įtraukianti skaitytuvė y „Google“ skaitymas ir rašymasŠie įrankiai konvertuoja tekstą į garso įrašus, automatiškai verčia turinį arba supaprastina išraišką, kad pagerintų supratimą. Panašiai automatinis paskaitų ar vaizdo įrašų subtitrų transkripcija pašalina kliūtis studentams, turintiems klausos ar kalbos sunkumų.

7. Pažangus vertinimas ir automatinis grįžtamasis ryšys

Dirbtinis intelektas leidžia atlikti dinaminius testus, kurie prisitaiko prie kiekvieno mokinio tikrojo lygio ir teikia tiesioginį grįžtamąjį ryšį. Tai ne tik taupo mokytojų laiką, bet ir leidžia tiksliau – ir mažiau šališkai – stebėti mokymąsi, užkertant kelią klaidų pasikartojimui dėl greito reagavimo stokos.

8. XXI amžiaus įgūdžių ugdymas

Dirbtinis intelektas atveria duris kritinio mąstymo įgūdžių, kūrybiškumo, komandinio darbo ir sudėtingų problemų sprendimo ugdymui. Studentai susiduria su įtraukinčiais iššūkiais arba simuliacijomis, kur atsakas turi būti lankstus ir originalus, o technologija vertina ne tik įsiminimą, bet ir gebėjimą pritaikyti žinias realiose situacijose.

9. Nuolatinis mokymasis ir mokymasis visą gyvenimą

Adaptyvios platformos pasiekė ir profesinį mokymąsi bei suaugusiųjų švietimą. Masiniai internetiniai kursai (MOOC) ir kitos skaitmeninės sistemos dabar naudoja dirbtinį intelektą, kad rekomenduotų suasmenintus mokymosi kelius, prisitaikytų prie darbuotojo tvarkaraščio ir poreikių bei siūlytų įgūdžių atnaujinimus, pagrįstus darbo rinkos tendencijomis.

10. Mokymosi patirties gerinimas

Nuo žaidimų elementų iki įtraukiančių papildytos ir virtualios realybės aplinkų – dirbtinis intelektas suteikia mokiniams galimybę išlikti motyvuotiems ir kontroliuoti savo mokymosi procesą. Svarbiausia yra momentinis grįžtamasis ryšys, nuolatinis prisitaikymas ir dinamiškų išteklių naudojimas dėmesiui patraukti.

Pagrindiniai dirbtinio intelekto ir duomenų analizės privalumai mokyme

Ispanijos ir tarptautinių centrų tyrimai ir patirtis rodo daug privalumų, ypač jei technologijos integruojamos etiškai ir pedagogiškai pagrįstai. Žymiausi:

• Tikras mokymosi suasmeninimas: Lankstūs mokymosi keliai, prie kasdienės pažangos pritaikytas turinys, individualizuota pagalba silpnose srityse…
• Laiko taupymas ir administracinių užduočių sumažinimas: Mokytojas mažiau laiko praleidžia taisydamas, tvarkydamas ar ruošdamas „užpildomąją“ medžiagą ir gali sutelkti dėmesį į korepetitoriavimą ir kūrybinę veiklą.
• Įtrauktis ir demokratizavimas: Prieinamumo įrankiai, vertimas, teksto supaprastinimas, transkripcija ir pritaikymas individualiam tempui leidžia mokiniams, turintiems įvairių poreikių, dalyvauti lygiomis teisėmis.
• Motyvacija ir autonomija: Mokinys gauna tiesioginį grįžtamąjį ryšį, gali realiuoju laiku stebėti savo pažangą ir geriau kontroliuoti savo mokymąsi, o tai padidina jo įsitraukimą.
• Ankstyvas problemų nustatymas ir individualus palaikymas: Duomenų analizė įspėja apie galimus sunkumus, kol jie netampa neįveikiami, taip sudarydama sąlygas greitoms ir veiksmingoms intervencijoms.

Iššūkiai, rizika ir etiniai klausimai, į kuriuos reikia atsižvelgti

Tačiau ne viskas, kas žiba, yra auksas. Masinis dirbtinio intelekto integravimas kelia didelių iššūkių, kuriuos reikia valdyti atsargiai, subalansuotai ir skaidriai.

Privatumas ir duomenų valdymas

Didžioji dauguma edukacinių dirbtinio intelekto sistemų remiasi didžiuliu mokinių asmeninių duomenų rinkimu ir analize. Tai kelia dilemų dėl to, kam priklauso ta informacija, kaip ji saugoma, kokiu tikslu ir kokia rizika kyla nutekėjimo atveju.

Ispanijoje ir Europos Sąjungoje galioja specialūs reglamentai, pavyzdžiui, BDAR, kurie nustato griežtus duomenų tvarkymo apribojimus, ypač kai tai susiję su nepilnamečiais. Platformos ir centrai privalo garantuoti skaidrų, saugų ir griežtai švietimo tikslais naudojamą informaciją.

Prieigos nelygybė ir skaitmeninė atskirtis

Dirbtinio intelekto įrankių ir ryšio prieinamumas visuose centruose ar šeimose nėra vienodas. Kaimo vietovėse arba tose, kurios turi mažiau galimybių naudotis technologijomis, pernelyg didelis pasikliovimas šiomis priemonėmis gali dar labiau padidinti esamą spragą. Labai svarbu užtikrinti minimalią ir alternatyvią infrastruktūrą, kad diegiant dirbtinį intelektą niekas nebūtų paliktas nuošalyje.

Algoritminiai šališkumai ir žmogaus kontrolės stoka

Dirbtinio intelekto sistemos mokosi iš istorinių duomenų, kurie gali įtvirtinti ir sustiprinti jau egzistuojančius šališkumus. Pavyzdžiui, jei įrankis apmokytas naudojant duomenis iš vieno konteksto, jis gali rekomenduoti netinkamus išteklius studentams iš skirtingų kultūrų ar skirtingų poreikių, taip įtvirtindamas stereotipus ar diskriminaciją.

Remiantis UNESCO ir nacionalinėmis gairėmis, labai svarbu, kad rezultatus peržiūrėtų žmogus ir kad būtų aktyviai stebimi nukrypimai.

Depersonalizacija ir tarpasmeninių įgūdžių praradimas

Entuziazmas dėl automatizavimo neturėtų lemti esminės žmonių sąveikos praradimo klasėje. Švietimas taip pat yra socialinė, emocinė ir santykių patirtis; pernelyg didelis užduočių delegavimas dirbtiniam intelektui gali sukelti empatijos, kritinio mąstymo ar socialinių įgūdžių praradimą, jei atsisakoma aktyvaus mokytojo buvimo ar tiesioginio bendradarbiavimo.

Pernelyg didelė technologinė priklausomybė

Patogumas, kai viskas vyksta automatiškai, gali sukelti priklausomybę ir sumažinti mokinių autonomiją bei kritinį mąstymą. Todėl oficialiose gairėse rekomenduojamas mišrus ir sąmoningas požiūris: dirbtinis intelektas kaip papildymas, o ne kaip asmeninės refleksijos ar mokymo darbo pakaitalas.

Kokybės ir patikimumo problemos

Automatiniuose atsakymuose ir dirbtinio intelekto sugeneruotuose ištekliuose gali būti klaidų, netikslumų arba kultūrinio konteksto trūkumo. Siekiant užkirsti kelią nepatikimo turinio plitimui, mokytojo, kaip prižiūrėtojo ir vertintojo, vaidmuo išlieka esminis, ypač sudėtinguose dalykuose arba tuose, kuriuose yra atvirų interpretacijų.

Gera ir bloga DI integravimo praktika: realios rekomendacijos

Norint kuo geriau išnaudoti dirbtinį intelektą švietime ir sumažinti jo trūkumus, būtina laikytis geriausios praktikos pavyzdžių. kurie yra įtraukti į tokių organizacijų kaip INTEF, Europos Komisija ar UNESCO vadovus.

Rekomenduojama geroji praktika

• Integruoti dirbtinį intelektą pagal realius švietimo poreikiusne tik dėl mados ar technologinio spaudimo.
• Visada užtikrinkite pusiausvyrą su žmogaus palaikymuTechnologijos turėtų būti svertas, o ne mokytojo pakaitalas.
• Periodiškai vertinkite ir patvirtinkite dirbtinio intelekto algoritmus ir išteklius nustatyti trūkumus, šališkumą ar kontekstinius apribojimus.
• Saugiai ir laikydamiesi visų privatumo taisyklių tvarkykite duomenis; paaiškinti mokiniams ir šeimoms, kaip ir kokiam tikslui naudojami jų duomenys.
• Rinkitės atviras ir skaidrias platformas; teikti pirmenybę tiekėjams, kurie leidžia atlikti auditus, peržiūrėti kodą ir lanksčiai valdyti duomenis.
• Mokyti mokytojus ir mokinius kritinių skaitmeninių kompetencijų, išmokti interpretuoti, kvestionuoti ir papildyti dirbtinio intelekto atsakymą.

Blogi įpročiai, kurių reikia vengti

• Viso mokymo ar vertinimo delegavimas automatizuotoms sistemoms be žmogaus priežiūros.
• Nesugebėjimas informuoti apie duomenų naudojimą arba gauti galiojančio sutikimo.
• Naudojant įrankius, kurie neatitinka privatumo taisyklių ar etikos praktikos.
• Technologinės nelygybės ignoravimas ir alternatyvų nesuteikimas tiems, kurie negali naudotis technologijomis dėl išteklių ar ryšio trūkumo.
• Dirbtinio intelekto taikymas be pedagoginės perspektyvos – vien dėl naujumo – ir dėl mokytojų rengimo plano trūkumo.

Ar nyksta mokytojo vaidmuo? Naujos funkcijos ir profesiniai iššūkiai

Mokytojo vaidmuo toli gražu netampa nereikalingas, jis tampa atsakingas už dirbtinio intelekto naudojimą klasėje ir jo pedagoginės prasmės suteikimą. Remiantis konsultuotomis platformomis, jų darbas dabar daugiausia dėmesio skiria labiau suasmenintos mokymosi patirties kūrimui, sudėtingų procesų mokymui, emocinės paramos teikimui ir technologinių atsakymų patikimumo stebėjimui.

Žmogiškasis aspektas įgauna naują reikšmę: Įkvėpimas, motyvavimas, mokymo pritaikymas prie socialinių ir emocinių kontekstų, kritinio mąstymo skatinimas, dirbtiniam intelektui nepasiekiamų problemų nustatymas ir bendruomenės kūrimas yra nepakeičiamos funkcijos. Todėl reikia mokyti mokytojus skaitmeninių kompetencijų ir technologinės etikos.

Efektyvios integracijos pavyzdžiai ir ištekliai

Visam aukščiau išvardintam įgyvendinimui yra oficialūs vadovai, dešimt įsakymų ir praktiniai ištekliai, kuriuose apibendrintos geriausios idėjos ir saugaus naudojimo protokolai. Galite susipažinti su šiomis iniciatyvomis:

• : pateikiami pavyzdžiai, geriausia praktika, etikos kodeksas ir techninis žodynėlis.
• : santrauka atsakingos integracijos kriterijų ir įspėjamųjų ženklų.
• humanistinis požiūris ir gairės politikos formuotojams.
• Specializuoti tinklaraščiai ir portalaipavyzdžiui, „OpenWebinars“ dosjė apie realų panaudojimą, privalumus ir riziką arba UNED tinklaraštis, kuriame renkamos paraiškos ir vadovai mokytojams ir mokiniams.

Dažniausiai Ispanijoje naudojami dirbtinio intelekto įrankiai ir platformos

Ispanijos švietimo aplinkoje dirbtinis intelektas integruojamas pirmiausia šiais sprendimais:

• Moodle (su dirbtinio intelekto įskiepiais): maršruto pritaikymas, automatinis grįžtamasis ryšys ir edukacinių išteklių generavimas.
• „Google Workspace“ su „Gemini“ y „Microsoft 365“ su „Copilot“: rašymo asistentas, automatinės santraukos ir pagalba valdant projektus bei pamokas.
• Pokalbių robotai, integruoti į virtualias platformas: dažniausiai užduodamų klausimų sprendimas ir pagalba bet kuriuo metu.
• Išmaniosios vertinimo priemonės„Gradescope“ automatiniam taisymui, „Turnitin“ plagijavimo aptikimui ir kt.
• Simuliatoriai ir multimedijos turinio kūrėjai„Labster“ (3D laboratoriniai modeliavimai), „Canva“ ir „Lumen5“, skirti adaptyviam vaizdiniam ir audiovizualiniam turiniui.
• Prieinamumo ir palaikymo sprendimaiĮtraukiantis skaitytuvas ir skaitymo bei rašymo funkcijos specialiems poreikiams.

Be to, universitetuose ir vidurinėse mokyklose vykdomi bandomieji projektai, skirti integruoti pokalbių asistentus, nuspėjamąją mokyklos nebaigimo analizę arba žaidimo platformas, kurios pritaiko sudėtingumą kiekvienam mokiniui.

Palyginimas: DI ir tradiciniai metodai

Ar dirbtinis intelektas turėtų pakeisti tradicinius mokymo metodus? Ekspertai tvirtina, kad svarbiausia yra integruoti abu, išnaudojant geriausias kiekvieno savybes:

• Dirbtinis intelektas siūlo: suasmeninimas, automatizavimas, momentinis grįžtamasis ryšys ir lankstumas individualizuotam mokymuisi.
• Klasikinis metodas palaiko šiuos principus: gilus kritinio mąstymo, komandinio darbo akis į akį, empatijos, kontekstualizacijos ir žmonių mokymosi patvirtinimo ugdymas.

Iš tiesų, geriausia patirtis kyla iš hibridinių projektų, kai technologijos atlaisvina laiką ir suasmenina patirtį, tačiau dėstytojas ir toliau vadovauja visam procesui.

Ateities perspektyvos ir kylančios tendencijos

Nors esame tik pradžioje, tendencija rodo augantį ir vis sudėtingesnį dirbtinio intelekto naudojimą Ispanijos švietimo sistemoje. Kai kurie pokyčiai, kurie jau pastebimi:

• Visiška integracija į žinomas platformasMoodle, "Google" klasė„Microsoft Teams“ ir panašiose aplinkose bus standartinės dirbtinio intelekto funkcijos (automatinis turinio generavimas, nuspėjamoji analizė, adaptyvus grįžtamasis ryšys ir kt.).
• Virtualūs korepetitoriai ir labiau suasmeninti asistentaigeba numatyti sunkumus ir siūlyti individualias intervencijas.
• Reguliavimo sistemos stiprinimasskaidrumas ir kontrolė naudojant ir saugant duomenis (ypač nepilnamečių), periodiškai atliekant auditus ir rengiant privalomus mokymus.
• Nauji skaitmeniniai įgūdžiai mokiniams ir mokytojams: išmokti bendrauti su dirbtinio intelekto sistemomis, interpretuoti rezultatus ir aktyviai dalyvauti atrenkant ir naudojant skaitmeninius išteklius.
• Kritinis ir etinis akcentavimaskritinio mąstymo mokymai, siekiant išvengti nekritiško „mašinų tiesos“ priėmimo, taip pat nuolatinės žmonių peržiūros ir kontrolės sistemos.

Pedagoginiai klausimai ir diskusijos apie dirbtinį intelektą švietime

Pedagogika turi vadovauti dirbtinio intelekto integravimo procesui, nurodydama kiekvieno technologinio įrankio reikšmę, tikslus ir priežastį. Ne viskas, kas techniškai įmanoma, yra prasminga švietimo požiūriu. Keletas pagrindinių dabartinių diskusijų punktų:

• Ne visiems procesams reikalingas dirbtinis intelektas, ir ne visas dirbtinis intelektas tinka kiekvienam kontekstui ar švietimo poreikiui.; turime strategiškai apibrėžti, kurie iš jų teikia realią vertę.
• Visada išlaikykite apdairų ir kritišką požiūrį: Technologijų spartėjimo akivaizdoje švietimo modeliams reikalingas brandumas, eksperimentavimas ir prisitaikymas, o ne skubotas atsakas.
• Skatinti pažangios skaitmeninės kompetencijos kultūrątiek tarp mokytojų, tiek tarp mokinių, tiek tarp šeimų.
• Venkite pernelyg technokratinių požiūriųŠvietimas išlieka giliai žmogišku ir socialiniu procesu.

Oficialiose gairėse pabrėžiama, kad dirbtinio intelekto integracija turi būti pagrįsta šiais trimis pagrindiniais kriterijais: poreikiu (kodėl jį naudoti), tikslu (kam jį naudoti) ir naudojimu (kaip jį tinkamai panaudoti). Jei šie trys kriterijai neaiškūs, geriausia atidėti įgyvendinimą.

Išsamus „Acer for Education“ vadovas: technologijos, inovacijos ir tvarumas mokyme