Een nieuwe recensie gepubliceerd in de Journal of Research in Science Teaching benadrukt het potentieel van machine learning - een subset van kunstmatige intelligentie - in het wetenschappelijk onderwijs. Hoewel de auteurs hun beoordeling begonnen vóór de COVID-19-uitbraak, de pandemie benadrukt de noodzaak om geavanceerde digitale technologieën te onderzoeken bij het heroverwegen van de toekomst van lesgeven en leren.

Op basis van een beoordeling van 47 onderzoeken, onderzoekers ontwikkelden een raamwerk om machine learning-toepassingen in wetenschappelijke beoordeling te conceptualiseren. Het artikel is bedoeld om te onderzoeken hoe machinaal leren een revolutie teweeg heeft gebracht in de capaciteit van wetenschappelijke beoordeling in termen van het aanboren van complexe constructies, het verbeteren van de beoordelingsfunctionaliteit, en het faciliteren van scoringsautomatisering.

Op basis van hun onderzoek, de onderzoekers identificeerden verschillende manieren waarop machine learning de traditionele wetenschappelijke beoordeling heeft getransformeerd, evenals de verwachte effecten die het in de toekomst waarschijnlijk zal hebben (zoals het bieden van gepersonaliseerd wetenschappelijk leren en het veranderen van het proces van educatieve besluitvorming).

"Machine learning heeft steeds meer invloed op elk aspect van ons leven, inclusief onderwijs, " zei hoofdauteur Xiaoming Zhai, een assistent-professor aan de Mary Frances Early's Department of Mathematics and Science Education van de University of Georgia. "Er wordt verwacht dat de geavanceerde technologie in staat zal zijn om wetenschappelijke beoordelingspraktijken te herdefiniëren en het onderwijs in de toekomst aanzienlijk te veranderen."

Het artikel maakt deel uit van een speciaal tijdschriftnummer over "Science teaching, aan het leren, en beoordeling met 21e eeuw, geavanceerde digitale technologieën."