evidoria

← Voltar à navegação

Boa prática Importada

Tutor CoPilot — O Sistema Humano-IA de Stanford e FEV Tutor Melhora Resultados de Tutoria de Matemática em Escolas Título I

Estados Unidos da América · Woburn · Ver o perfil de Estados Unidos da América

Evidência: Ensaio controlado aleatorizado Top 5% 80/100 · Pergunte a Evidence Copilot sobre esta prática

Um copiloto de IA de Stanford dá sugestões em tempo real a tutores de matemática. Um ensaio com 900 tutores e 1.800 alunos do Título I encontrou um ganho de 4 pontos no domínio da matéria, subindo para 9 pontos com tutores menos experientes.

+4 pp
Ganho de domínio, alunos com tutores apoiados pelo CoPilot (global)
+9 pp
Ganho de domínio, alunos emparelhados com tutores pior classificados
900
Tutores no ensaio
1,800
Alunos de escolas Title I no ensaio
$20
Custo estimado por tutor por ano
Tutor CoPilot — O Sistema Humano-IA de Stanford e FEV Tutor Melhora Resultados de Tutoria de Matemática em Escolas Título I

Detalhes

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

Contexto

O Tutor CoPilot, desenvolvido por investigadores do EduNLP Lab da Universidade de Stanford em conjunto com o fornecedor de tutoria virtual FEV Tutor, dá aos tutores humanos sugestões em tempo real, modeladas segundo o comportamento de peritos -- como perguntas exploratórias ou formas de desconstruir um erro conceptual -- enquanto dão aulas a alunos ao vivo por chat, em vez de substituir o tutor.

Objetivos

A ferramenta visa reduzir a diferença entre tutores principiantes e peritos, apresentando, a meio da sessão, o tipo de orientação que um tutor experiente daria, sendo dirigida à tutoria de matemática do ensino básico e secundário em escolas Title I de baixo rendimento.

Atividades

Um ensaio controlado e aleatorizado pré-registado -- o primeiro do género para um sistema de tutoria humano-IA ao vivo -- decorreu com 900 tutores e 1.800 alunos do ensino básico e secundário em escolas Title I, no âmbito do programa de tutoria virtual de matemática de um distrito escolar do sul dos EUA, comparando tutores aleatoriamente designados com acesso ao Tutor CoPilot com um grupo de controlo sem esse acesso.

Resultados

Os alunos cujos tutores tinham acesso ao Tutor CoPilot apresentaram uma probabilidade 4 pontos percentuais superior de dominar a matéria em comparação com o grupo de controlo; o efeito subiu para 9 pontos percentuais nos alunos emparelhados com tutores pior classificados, e a análise de mais de 350.000 mensagens de tutoria mostrou que os tutores apoiados pelo CoPilot faziam mais perguntas exploratórias e davam menos elogios genéricos.

Conclusões

Com um custo estimado de cerca de 20 dólares por tutor por ano, os investigadores apresentam o Tutor CoPilot como uma forma de baixo custo para escalar a perícia de tutoria e reduzir as diferenças de qualidade entre tutores, embora o ensaio abranja apenas um distrito e uma disciplina, e a adequação das sugestões de IA a cada nível escolar continue a ser uma área de aperfeiçoamento ativo.

Implementação
Custo indicativo
Baixo (< 50 mil €) — 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.
Tempo até resultados
Curto (< 1 ano) — 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.
Equipa e competências
Stanford University EduNLP Lab researchers, FEV Tutor virtual tutors (900 in trial)

Condições de sucesso

  • 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 falha comuns

  • 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

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis