Analyses critiques pour ETS^® AI Labs™

Le travail dans les laboratoires d’IA ETS^® est motivé par les besoins des utilisateurs. Et, bien que l’avenir de l’enseignement et de l’apprentissage soit presque impossible à prévoir, les laboratoires conçoivent nos visions autour des enseignements critiques suivants.™ 

Efficacité

Les apprenants peuvent être soutenus grâce à des gains d’efficacité dans leur manière d’accès, d’engagement et de réalisation des programmes éducatifs et de préparation à la main-d’œuvre ainsi que par les évaluations pédagogiques requises dans le cadre de ces programmes. Les éducateurs peuvent être soutenus grâce à des méthodes efficaces pour une évaluation diagnostique et holistique de l’engagement, de la progression et de la performance des apprenants.

Flexibilité

Les modes d’apprentissage varient à mesure que les environnements en présentiel évoluent vers un mélange d’expériences moins standardisées en présentiel, à distance et mixtes, guidées par une combinaison d’enseignant, de parent/tuteur et d’auto-facilitation. Pour répondre aux besoins des utilisateurs, les expériences d’apprentissage nécessiteront des solutions offrant choix, personnalisation, adaptation, auto-rythmation et capacités d’intégration.

Perspectives

Les éducateurs, les parents et les apprenants peuvent être soutenus grâce à des outils automatisés pour traduire les données riches capturées dans les solutions numériques en insights exploitables. Les modèles de services en direct qui soutiennent l’interprétation des données seront remplacés par des retours en temps réel avec des recommandations et des plateformes de reporting interactives avec des interfaces utilisateur audacieuses et des expériences utilisateur intuitives qui guident l’apprentissage.

Efficacité

Les utilisateurs et décideurs continueront de chercher des informations sur les solutions qui fonctionnent, pour qui et pourquoi. Cependant, la dépendance aux relations entre l’utilisation et les résultats à enjeux élevés comme les scores d’évaluation sommative diminuera, les décisions étant plutôt fondées sur des preuves significatives qu’une solution soutient l’engagement, la persistance et la progression de l’apprentissage.

Équité

Les décideurs et administrateurs continueront de s’attaquer aux questions d’équité dans les technologies éducatives telles que la fracture numérique, les normes de données non uniformes et l’efficacité différentielle entre les sous-populations d’élèves. Des informations sur la manière dont les fournisseurs d’apprentissage et d’évaluation abordent ces questions seront attendues.

Éthique

Les attentes et réglementations concernant l’utilisation responsable des données, en particulier la manière dont elles sont collectées, traitées, stockées et appliquées aux solutions technologiquement améliorées, vont augmenter. La communication transparente des politiques de données deviendra des enjeux majeurs.