Khan Academy: переход от A/B-тестов к обучению с подкреплением
Детальный разбор эволюции системы рекомендации задач: от ручных правил к статистическим моделям и, наконец, к RL-агентам. Влияние на completion rate и долгосрочное удержание знаний.
24 детально документированных кейса применения AI в образовательных организациях и EdTech-компаниях. Персонализация, автоматизация оценивания, поддержка преподавателей.
Детальный разбор эволюции системы рекомендации задач: от ручных правил к статистическим моделям и, наконец, к RL-агентам. Влияние на completion rate и долгосрочное удержание знаний.
Крупный государственный университет внедрил систему AES для первичной оценки письменных работ. Анализ согласованности оценок, выявления плагиата и реакции преподавателей.
Community College в Северной Каролине построил модель предсказания риска отсева на основе академических, социальных и поведенческих данных. FERPA-совместимость и этические ограничения.
EdTech-платформа разработала RL-агента, адаптирующего сложность и формат задач под индивидуальный профиль знаний ученика. Рандомизированный эксперимент: +14% к результатам стандартизированных тестов.
Независимое тестирование шести коммерческих систем детекции AI-текстов на корпусе студенческих работ. Реальные показатели точности и рекомендации по политике использования.
Как данные о поведении студентов в Canvas/Moodle позволяют предсказывать итоговую оценку уже на 3-й неделе семестра. Описание feature engineering и ограничений подхода.