W badaniu wzięło udział 1763 uczniów z klas 7 i 8 (w wieku 13 lat i starszych) z 48 klas matematycznych . W ramach każdej szkoły i poziomu klasy, oddziały zostały losowo przydzielone do grupy eksperymentalnej, która korzystała z Gemini Guided Learning, lub do grupy kontrolnej, która kontynuowała standardową naukę. Aby uniknąć pomylenia efektu narzędzia AI z jakością nauczania, wszyscy nauczyciele przeszli takie samo, 5–6-godzinne szkolenie .

Zakładany cel korzystania z narzędzia przewidywał, że uczniowie będą go używać podczas dwóch z czterech tygodniowych lekcji matematyki, co dawało łącznie 12 godzin Nauki z Przewodnikiem w ciągu ośmiu tygodni .

Ustrukturyzowana, czteroczęściowa lekcja z niespodzianką

Interwencja nie polegała po prostu na daniu uczniom chatbota. Opierała się na ścisłych ramach pedagogicznych, które miały uczynić z AI partnera w procesie wspólnej nauki:

1. Wprowadzenie prowadzone przez nauczyciela: Nauczyciel ustalał cele lekcji i sprawdzał dotychczasową wiedzę uczniów.
2. Główna aktywność w parach: Uczniowie pracowali w parach z jednym urządzeniem (stosunek liczby uczniów do urządzeń 2:1). Co kluczowe, przyjmowali określone role: „kierowca” wpisywał pytania do Gemini, podczas gdy „nawigator” robił notatki i kierował dociekaniami. Role były zamieniane na każdej lekcji, aby zapewnić równy udział.
3. Dyskusja klasowa: Nauczyciel prowadził sesję podsumowującą to, czego się nauczono.
4. Plenarne podsumowanie: Nauczyciel kończył lekcję ostateczną syntezą materiału .

Aby się przygotować, nauczyciele określali cele lekcji, pisali początkowe podpowiedzi (prompty) i przygotowywali na tablicy szablony pytań, które pomagały uczniom w interakcji z Gemini .

Wyniki: Znaczący wzrost, ale nie dla wszystkich równy

Badanie przyniosło statystycznie istotną poprawę wyników, ale skala efektu zależała w dużej mierze od tego, jak często narzędzie było używane i jaki był punkt wyjścia ucznia.

Jak uczniowie faktycznie wchodzili w interakcję z Gemini

Jedną z najbardziej odkrywczych części badania była analiza transkrypcji ponad 113 000 interakcji uczeń-Gemini. Ukazała ona obraz AI działającej nie jako maszynka do podawania odpowiedzi, ale jako tutor.

Zdecydowana większość rozmów – 91,4% – koncentrowała się na zrozumieniu matematycznym . Zachowanie samego Gemini było starannie sterowane przez funkcję Guided Learning: zadawało ono pytania naprowadzające w 76,4% swoich wiadomości, zmuszając uczniów do samodzielnego myślenia, a bezpośrednie rozwiązanie podało tylko w 2,1% przypadków .

Ryzyko pogłębienia różnic w osiągnięciach

Odkrycie, że początkowo lepsi uczniowie zyskali najwięcej, skłoniło badaczy do zasygnalizowania istotnego ryzyka. Bez celowych strategii wspierania uczniów o niższych wynikach, interwencja ta może pogłębiać istniejące różnice w osiągnięciach, zamiast je niwelować .

Czego doświadczyli nauczyciele

Informacje zwrotne z grup fokusowych nauczycieli dodały wynikom kolejny wymiar. Nauczyciele zgłaszali zauważalny wzrost zaangażowania uczniów i bardziej aktywny udział w zajęciach . Wielu zaczęło używać Gemini do przygotowywania lekcji, odkrywając nowe sposoby wyjaśniania skomplikowanych tematów, takich jak ułamki .

Co kluczowe, nauczyciele opisali zmianę własnej tożsamości zawodowej, czując, że ich rola ewoluuje z „wykładowcy” w „moderatora”, przemieszczającego się po klasie, aby wspierać pracujące w parach zespoły .

Nie wszystkie opinie były pozytywne. Niektórzy nauczyciele zgłaszali wyzwania, w tym to, że Gemini od czasu do czasu wprowadzało treści niezwiązane z tematem lub spowalniało realizację zaplanowanego programu nauczania .

Główne ograniczenia badania

Choć wyniki są pozytywne, badacze starannie wyszczególniają kilka ograniczeń, które należy brać pod uwagę przy interpretacji wyników:

• Interwencja łączona: Badanie łączyło Guided Learning ze szkoleniem nauczycieli, nową strukturą lekcji, dostarczeniem urządzeń i monitorowaniem w klasie. Projekt nie może wyizolować efektu samego narzędzia AI od tych innych kluczowych elementów wsparcia .
• Możliwość uogólnienia: Próba pochodzi z jednego dystryktu w Sierra Leone i nie jest reprezentatywna dla całego kraju. Wyniki odnoszą się przede wszystkim do szkół o porównywalnej infrastrukturze, w tym tabletów, niezawodnego internetu i gotowości nauczycieli .

Globalny plan badawczy

Badanie w Sierra Leone to dopiero początek. Jest ono pierwszym z planowanej międzynarodowej serii wcześniej zarejestrowanych badań, które Google DeepMind i Fab AI zamierzają przeprowadzić, aby zbadać Guided Learning w różnych systemach edukacji . W geście transparentności i chęci skalowania, partnerzy upublicznili swoje materiały szkoleniowe dla nauczycieli oraz podręcznik szybkiego przeprowadzania badań RCT, dostarczając w ten sposób gotowy schemat działania innym badaczom i systemom edukacji .

W badaniu wzięło udział 1763 uczniów z klas 7 i 8 (w wieku 13 lat i starszych) z 48 klas matematycznych . W ramach każdej szkoły i poziomu klasy, oddziały zostały losowo przydzielone do grupy eksperymentalnej, która korzystała z Gemini Guided Learning, lub do grupy kontrolnej, która kontynuowała standardową naukę. Aby uniknąć pomylenia efektu narzędzia AI z jakością nauczania, wszyscy nauczyciele przeszli takie samo, 5–6-godzinne szkolenie .

Zakładany cel korzystania z narzędzia przewidywał, że uczniowie będą go używać podczas dwóch z czterech tygodniowych lekcji matematyki, co dawało łącznie 12 godzin Nauki z Przewodnikiem w ciągu ośmiu tygodni .

Ustrukturyzowana, czteroczęściowa lekcja z niespodzianką

Interwencja nie polegała po prostu na daniu uczniom chatbota. Opierała się na ścisłych ramach pedagogicznych, które miały uczynić z AI partnera w procesie wspólnej nauki:

1. Wprowadzenie prowadzone przez nauczyciela: Nauczyciel ustalał cele lekcji i sprawdzał dotychczasową wiedzę uczniów.
2. Główna aktywność w parach: Uczniowie pracowali w parach z jednym urządzeniem (stosunek liczby uczniów do urządzeń 2:1). Co kluczowe, przyjmowali określone role: „kierowca” wpisywał pytania do Gemini, podczas gdy „nawigator” robił notatki i kierował dociekaniami. Role były zamieniane na każdej lekcji, aby zapewnić równy udział.
3. Dyskusja klasowa: Nauczyciel prowadził sesję podsumowującą to, czego się nauczono.
4. Plenarne podsumowanie: Nauczyciel kończył lekcję ostateczną syntezą materiału .

Aby się przygotować, nauczyciele określali cele lekcji, pisali początkowe podpowiedzi (prompty) i przygotowywali na tablicy szablony pytań, które pomagały uczniom w interakcji z Gemini .

Wyniki: Znaczący wzrost, ale nie dla wszystkich równy

Badanie przyniosło statystycznie istotną poprawę wyników, ale skala efektu zależała w dużej mierze od tego, jak często narzędzie było używane i jaki był punkt wyjścia ucznia.

Jak uczniowie faktycznie wchodzili w interakcję z Gemini

Jedną z najbardziej odkrywczych części badania była analiza transkrypcji ponad 113 000 interakcji uczeń-Gemini. Ukazała ona obraz AI działającej nie jako maszynka do podawania odpowiedzi, ale jako tutor.

Zdecydowana większość rozmów – 91,4% – koncentrowała się na zrozumieniu matematycznym . Zachowanie samego Gemini było starannie sterowane przez funkcję Guided Learning: zadawało ono pytania naprowadzające w 76,4% swoich wiadomości, zmuszając uczniów do samodzielnego myślenia, a bezpośrednie rozwiązanie podało tylko w 2,1% przypadków .

Ryzyko pogłębienia różnic w osiągnięciach

Odkrycie, że początkowo lepsi uczniowie zyskali najwięcej, skłoniło badaczy do zasygnalizowania istotnego ryzyka. Bez celowych strategii wspierania uczniów o niższych wynikach, interwencja ta może pogłębiać istniejące różnice w osiągnięciach, zamiast je niwelować .

Czego doświadczyli nauczyciele

Informacje zwrotne z grup fokusowych nauczycieli dodały wynikom kolejny wymiar. Nauczyciele zgłaszali zauważalny wzrost zaangażowania uczniów i bardziej aktywny udział w zajęciach . Wielu zaczęło używać Gemini do przygotowywania lekcji, odkrywając nowe sposoby wyjaśniania skomplikowanych tematów, takich jak ułamki .

Co kluczowe, nauczyciele opisali zmianę własnej tożsamości zawodowej, czując, że ich rola ewoluuje z „wykładowcy” w „moderatora”, przemieszczającego się po klasie, aby wspierać pracujące w parach zespoły .

Nie wszystkie opinie były pozytywne. Niektórzy nauczyciele zgłaszali wyzwania, w tym to, że Gemini od czasu do czasu wprowadzało treści niezwiązane z tematem lub spowalniało realizację zaplanowanego programu nauczania .

Główne ograniczenia badania

Choć wyniki są pozytywne, badacze starannie wyszczególniają kilka ograniczeń, które należy brać pod uwagę przy interpretacji wyników:

• Interwencja łączona: Badanie łączyło Guided Learning ze szkoleniem nauczycieli, nową strukturą lekcji, dostarczeniem urządzeń i monitorowaniem w klasie. Projekt nie może wyizolować efektu samego narzędzia AI od tych innych kluczowych elementów wsparcia .
• Możliwość uogólnienia: Próba pochodzi z jednego dystryktu w Sierra Leone i nie jest reprezentatywna dla całego kraju. Wyniki odnoszą się przede wszystkim do szkół o porównywalnej infrastrukturze, w tym tabletów, niezawodnego internetu i gotowości nauczycieli .

Globalny plan badawczy

Badanie w Sierra Leone to dopiero początek. Jest ono pierwszym z planowanej międzynarodowej serii wcześniej zarejestrowanych badań, które Google DeepMind i Fab AI zamierzają przeprowadzić, aby zbadać Guided Learning w różnych systemach edukacji . W geście transparentności i chęci skalowania, partnerzy upublicznili swoje materiały szkoleniowe dla nauczycieli oraz podręcznik szybkiego przeprowadzania badań RCT, dostarczając w ten sposób gotowy schemat działania innym badaczom i systemom edukacji .