🚨🚨 Z radością dzielimy się naszymi pierwszymi *pozytywnymi* wynikami na temat AI w edukacji! Większość prac nad AI dla tutorów koncentruje się na ulepszaniu chatbota. Proponujemy inny sposób: decydowanie, co uczniowie powinni ćwiczyć, aby poprawić naukę. Łączymy tutora LLM z uczeniem przez wzmocnienie, aby spersonalizować sekwencjonowanie problemów, korzystając z sygnałów z interakcji ucznia z chatbotem oraz prób rozwiązań. Testowaliśmy to w pięciomiesięcznym randomizowanym eksperymencie w terenie w kursie Pythona w 10 szkołach średnich w Tajpej. Wszyscy uczniowie mieli ten sam materiał kursowy i tego samego tutora AI. Jedyną różnicą było sekwencjonowanie problemów adaptacyjne vs. stałe. Wynik: wśród 770 uczniów, adaptacyjne sekwencjonowanie poprawiło wyniki na egzaminie końcowym przeprowadzonym osobiście bez pomocy AI o 0,15 SD, z większymi efektami dla początkujących. Nasze dowody sugerują, że zyski pochodziły z silniejszego zaangażowania i bardziej produktywnego wykorzystania AI.