evidoria

← Volver al listado

Buena práctica Importada

Tutor CoPilot — El Sistema Humano-IA de Stanford y FEV Tutor Mejora los Resultados de Tutoría de Matemáticas en Escuelas Título I

Estados Unidos · Woburn · Ver el perfil de Estados Unidos

Evidencia: Ensayo controlado aleatorizado Top 5% 80/100 · Pregunte a Evidence Copilot sobre esta práctica

Un copiloto de IA de Stanford ofrece sugerencias de experto a tutores de matemáticas. Un ensayo con 900 tutores y 1.800 alumnos de escuelas Título I encontró una ganancia de dominio de 4 puntos, que sube a 9 puntos con tutores menos experimentados.

+4 pp
Ganancia de dominio, estudiantes con tutores asistidos por CoPilot (global)
+9 pp
Ganancia de dominio, estudiantes emparejados con tutores peor valorados
900
Tutores en el ensayo
1,800
Estudiantes de escuelas Title I en el ensayo
$20
Coste estimado por tutor al año
Tutor CoPilot — El Sistema Humano-IA de Stanford y FEV Tutor Mejora los Resultados de Tutoría de Matemáticas en Escuelas Título I

Detalles

Madurez
Piloto
Promotor
Stanford University (EduNLP Lab) & FEV Tutor
Período
2024
Palabras clave
K-12 tutoring, mathematics, human-AI collaboration, Title I schools

Contexto

Tutor CoPilot, desarrollado por investigadores del EduNLP Lab de la Universidad de Stanford junto con el proveedor de tutoría virtual FEV Tutor, ofrece a los tutores humanos sugerencias en tiempo real, modeladas según el comportamiento de expertos -- como preguntas exploratorias o formas de desmontar una idea errónea -- mientras dan clase a los alumnos en vivo por chat, en lugar de sustituir al tutor.

Objetivos

La herramienta busca reducir la brecha entre tutores novatos y expertos, mostrando a mitad de sesión el tipo de orientación que daría un tutor experto, dirigida a la tutoría de matemáticas de primaria y secundaria en escuelas Title I de bajos ingresos.

Actividades

Un ensayo controlado aleatorizado preregistrado -- el primero de su tipo para un sistema de tutoría humano-IA en vivo -- se llevó a cabo con 900 tutores y 1.800 estudiantes de primaria y secundaria en escuelas Title I, dentro del programa de tutoría virtual de matemáticas de un distrito escolar del sur de EE. UU., comparando a tutores asignados aleatoriamente con acceso a Tutor CoPilot frente a un grupo de control sin dicho acceso.

Resultados

Los estudiantes cuyos tutores tenían acceso a Tutor CoPilot mostraron una probabilidad 4 puntos porcentuales mayor de dominar la materia frente al grupo de control; el efecto aumentó a 9 puntos porcentuales en los estudiantes emparejados con tutores peor valorados, y el análisis de más de 350.000 mensajes de tutoría mostró que los tutores asistidos por CoPilot hacían más preguntas exploratorias y daban menos elogios genéricos.

Conclusiones

Con un coste estimado de unos 20 dólares por tutor al año, los investigadores presentan Tutor CoPilot como una forma de bajo coste para escalar la experiencia en tutoría y reducir las diferencias de calidad entre tutores, aunque el ensayo abarca solo un distrito y una asignatura, y la adecuación de las sugerencias de la IA a cada nivel escolar sigue siendo un área de mejora activa.

Implementación
Coste indicativo
Bajo (< 50 000 €) — Researchers estimate roughly $20 per tutor per year, framed as a low-cost addition on top of an existing virtual-tutoring programme rather than a new capital investment.
Tiempo hasta resultados
Corto (< 1 año) — The trial and its published results cover a single tutoring cycle (2024) within one district's programme -- a short, focused evaluation rather than a multi-year rollout.
Personal y competencias
Stanford University EduNLP Lab researchers, FEV Tutor virtual tutors (900 in trial)

Condiciones para el éxito

  • a live chat-based tutoring platform that can surface AI suggestions to the tutor mid-session without disrupting the student-facing conversation
  • a preregistered randomised design with a genuine control group, allowing causal attribution of the mastery gain
  • targeting the intervention's benefit analysis at lower-rated tutors, where the largest gains were found, rather than assuming uniform benefit

Modos de fallo comunes

  • the trial covers a single US Southern school district and one subject (maths), so generalisation to other subjects or districts is untested
  • grade-level appropriateness of AI suggestions is described as an active area of refinement, not yet solved

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles