En la entrada «El futuro del libro de texto digital: una posible hoja de ruta» señalaba, en la fase 5, la inclusión de herramientas de inteligencia artificial en los recursos educativos. Prometía además que, en cuanto tuviera tiempo, le dedicaría una entrada a este interesante tema.
Pues bien, a pesar de que he tardado más de lo que me hubiera gustado, he tenido algo de tiempo y he podido acabar la entrada antes de fin de año. Un propósito menos para enero.
Pues bien, a pesar de que he tardado más de lo que me hubiera gustado, he tenido algo de tiempo y he podido acabar la entrada antes de fin de año. Un propósito menos para enero.
La inteligencia artificial
Podríamos condensar los objetivos o las aproximaciones de la Inteligencia Artificial (IA para los amigos) en tres grandes bloques:
¿Qué consideramos «comportamiento inteligente»? Existen diferentes posibles definiciones. Por ejemplo, un comportamiento inteligente podría ser aquel que muestra la capacidad de realizar acciones adecuadas a partir de una información concreta, normalmente incompleta, para completar un objetivo con los mínimos errores y la máxima eficiencia.
En uno de los artículos se incide en el hecho de que la IA no tiene porqué ser una simulación de la inteligencia humana; de hecho, pocas veces lo es. Pese a que sí hay desarrollos de IA basados en la observación de comportamientos humanos o animales, la mayoría de estudios prefieren una aproximación distinta.
En este sentido, encuentro cierto paralelismo con el cambio que se está produciendo en neurociencia, muy bien resumido en el artículo «2013 in Review» del número del 19/26 de diciembre de Nature: «[El proyecto BRAIN] de Obama refleja el cambio gradual de la neurociencia de los estudios celulares y moleculares a la investigación sobre cómo las redes neuronales producen los pensamientos, las memorias y las acciones». Del mismo modo, es significativo que en enero la Unión Europea anunciase una partida de mil millones de euros para potenciar una década de estudios encaminados a la simulación del cerebro humano mediante el uso de superordenadores.
Aproximaciones a la resolución de problemas por IA:
Aplicaciones
La IA se aplica en multitud de herramientas presentes en mayor o menor medida en nuestras vidas. Algunos ejemplos bastante extendidos podrían ser:
¿Podría ser el siguiente punto de la lista uno referente a la educación?
- Crear modelos informáticos de facultades humanas como jugar, caminar, hablar o aprender.
- Desarrollar sistemas de replicación de tareas «de sentido común» como resumir un texto, entender frases o reconocer escenas visuales.
- Reproducir un comportamiento que podamos clasificar como inteligente.
¿Qué consideramos «comportamiento inteligente»? Existen diferentes posibles definiciones. Por ejemplo, un comportamiento inteligente podría ser aquel que muestra la capacidad de realizar acciones adecuadas a partir de una información concreta, normalmente incompleta, para completar un objetivo con los mínimos errores y la máxima eficiencia.
En uno de los artículos se incide en el hecho de que la IA no tiene porqué ser una simulación de la inteligencia humana; de hecho, pocas veces lo es. Pese a que sí hay desarrollos de IA basados en la observación de comportamientos humanos o animales, la mayoría de estudios prefieren una aproximación distinta.
En este sentido, encuentro cierto paralelismo con el cambio que se está produciendo en neurociencia, muy bien resumido en el artículo «2013 in Review» del número del 19/26 de diciembre de Nature: «[El proyecto BRAIN] de Obama refleja el cambio gradual de la neurociencia de los estudios celulares y moleculares a la investigación sobre cómo las redes neuronales producen los pensamientos, las memorias y las acciones». Del mismo modo, es significativo que en enero la Unión Europea anunciase una partida de mil millones de euros para potenciar una década de estudios encaminados a la simulación del cerebro humano mediante el uso de superordenadores.
Aproximaciones a la resolución de problemas por IA:
- Sistemas expertos. Un “ingeniero de conocimiento” entrevista expertos en determinadas materias y trata de incorporar su conocimiento en un programa informático que lleva a cabo alguna tarea. La utilidad de los sistemas expertos actuales depende del sentido común de sus usuarios.
- Cotejo. El sistema de IA analiza millones de posibilidades en un corto espacio de tiempo tomando decisiones en base a este cotejo. La eficiencia de estas búsquedas mejora continuamente. Así funcionan la mayoría de juegos de ajedrez programados.
- Planificación. A partir de la definición de hechos generales y particulares, en especial, de las consecuencias que tienen determinadas acciones, y de la declaración de un objetivo se genera una estrategia de consecución que, en la mayoría de casos resulta en una secuencia de acciones
- Programación genética. Se generan diferentes programas que van mutando y evolucionando por selección natural hasta que, pasadas muchas generaciones, se obtiene una solución refinada.
Aplicaciones
La IA se aplica en multitud de herramientas presentes en mayor o menor medida en nuestras vidas. Algunos ejemplos bastante extendidos podrían ser:
- Juegos. El ejemplo paradigmático lo encontramos en los juegos de ajedrez.
- Personalización de la información. Los resultados personalizados de Google, las recomendaciones de Amazon, etc.
- Reconocimiento de voz, de lenguaje, de imágenes, de escenas, etc.
¿Podría ser el siguiente punto de la lista uno referente a la educación?
Implantación en educación
Un sistema de IA en educación debería maximizar el aprendizaje tanto a corto como a largo plazo. Esto se conseguiría con herramientas basadas en IA dirigidas tanto a aprendices como a docentes.
¿Se está siguiendo este camino?
Situación actual
El mundo de la educación digital, hasta ahora, se ha limitado mayoritariamente a trasladar los libros de texto de un formato a otro. Pero se siguen ofreciendo de la misma manera en el aula.
Pese a la cada vez mayor presencia de plataformas de gestión del aula, estas se limitan a ofrecer herramientas de gestión, de control de asistencia y de evaluaciones. Algunas incluso ofrecen un control centralizado de ejercicios autocorrectivos. Sin embargo, pocas incorporan un sistema de aprendizaje o de ayudas basado en la IA. Aunque se empiezan a ver movimientos en este sentido (encontraréis múltiples ejemplos en el artículo de Audrey Watters)
Oportunidades
Los espectaculares avances tecnológicos de la última década, especialmente la espectacular expansión de los smartphones y de las redes sociales pueden estar abonando el terreno para la germinación de iniciativas educativas con una base de inteligencia artificial.
¿Se está siguiendo este camino?
Situación actual
El mundo de la educación digital, hasta ahora, se ha limitado mayoritariamente a trasladar los libros de texto de un formato a otro. Pero se siguen ofreciendo de la misma manera en el aula.
Pese a la cada vez mayor presencia de plataformas de gestión del aula, estas se limitan a ofrecer herramientas de gestión, de control de asistencia y de evaluaciones. Algunas incluso ofrecen un control centralizado de ejercicios autocorrectivos. Sin embargo, pocas incorporan un sistema de aprendizaje o de ayudas basado en la IA. Aunque se empiezan a ver movimientos en este sentido (encontraréis múltiples ejemplos en el artículo de Audrey Watters)
Oportunidades
Los espectaculares avances tecnológicos de la última década, especialmente la espectacular expansión de los smartphones y de las redes sociales pueden estar abonando el terreno para la germinación de iniciativas educativas con una base de inteligencia artificial.
La inteligencia artificial en la educación
El el informe A Roadmap for Education Technology de 2010 se destacan diferentes retos educativos, junto con recomendaciones a nivel de tecnología educativa:
Ventajas
La IA puede contribuir a proporcionar experiencias educativas efectivas, personalizadas, motivadoras, flexibles e inclusivas.
Existe un creciente número de programas, software y juegos centrados en el aprendizaje adaptativo. Estos sistemas responden a las necesidades del estudiante mediante el análisis de su perfil y de sus acciones, permitiendo a cada estudiante trabajar a su propio ritmo y siguiendo un recorrido educativo particular.
La adaptabilidad de los sistemas de IA permite ofrecer ayuda dinámica en función de los cambios registrados tanto a nivel de alumno, de docente, de los colaboradores, de los iguales o de su contexto.
La IA se encuentra íntimamente relacionada con otro de los campos con un mayor futuro estimado en educación: los datos educativos. Los sistemas de IA pueden intervenir tanto en la recogida como en el análisis, interpretación y representación de esta cada vez mayor cantidad de datos.
Este procesamiento se puede utilizar tanto para refinar nuestra comprensión de la enseñanza y el aprendizaje como para obtener evidencias del efecto de diferentes aproximaciones pedagógicas en el aprendizaje. Pero, además, se pueden descubrir patrones e información que se puede compartir con los docentes, pero también con los propios alumnos, sus padres o sus tutores.
El análisis del comportamiento y los resultados de los alumnos que sigan una propuesta educativa concreta permitirá detectar excesos, «lagunas» o debilidades en estas secuencias. Al informar a la editorial o al docente que las ha realizado, éstos podrán modificarla en base a las recomendaciones de la IA.
Estos sistemas, además de un análisis adecuado, requieren una gran cantidad de datos. El uso de los datos educativos es un tema candente por las implicaciones que tiene a nivel de protección de datos y de la intimidad de las personas (menores, en muchos casos).
- ambientes de aprendizaje inteligentes
- educación personalizada
- evaluación del aprendizaje de los estudiantes
- apoyo del aprendizaje social
- análisis de los datos educativos
- interfaces ricas
- desarrollo de estrategias de enseñanza alternativas
- disminución de las brechas educativas
- aumento del papel de las diferentes partes implicadas
- direccionamiento de cambios políticos
Ventajas
La IA puede contribuir a proporcionar experiencias educativas efectivas, personalizadas, motivadoras, flexibles e inclusivas.
Existe un creciente número de programas, software y juegos centrados en el aprendizaje adaptativo. Estos sistemas responden a las necesidades del estudiante mediante el análisis de su perfil y de sus acciones, permitiendo a cada estudiante trabajar a su propio ritmo y siguiendo un recorrido educativo particular.
La adaptabilidad de los sistemas de IA permite ofrecer ayuda dinámica en función de los cambios registrados tanto a nivel de alumno, de docente, de los colaboradores, de los iguales o de su contexto.
La IA se encuentra íntimamente relacionada con otro de los campos con un mayor futuro estimado en educación: los datos educativos. Los sistemas de IA pueden intervenir tanto en la recogida como en el análisis, interpretación y representación de esta cada vez mayor cantidad de datos.
Este procesamiento se puede utilizar tanto para refinar nuestra comprensión de la enseñanza y el aprendizaje como para obtener evidencias del efecto de diferentes aproximaciones pedagógicas en el aprendizaje. Pero, además, se pueden descubrir patrones e información que se puede compartir con los docentes, pero también con los propios alumnos, sus padres o sus tutores.
El análisis del comportamiento y los resultados de los alumnos que sigan una propuesta educativa concreta permitirá detectar excesos, «lagunas» o debilidades en estas secuencias. Al informar a la editorial o al docente que las ha realizado, éstos podrán modificarla en base a las recomendaciones de la IA.
Estos sistemas, además de un análisis adecuado, requieren una gran cantidad de datos. El uso de los datos educativos es un tema candente por las implicaciones que tiene a nivel de protección de datos y de la intimidad de las personas (menores, en muchos casos).
Consecuencias del uso de la IA en educación
Docentes
Los sistemas de IA podrían sustituir a los docentes en tareas puntuales puesto que se podrían programar para ofrecer experiencia y seguir el desarrollo de tareas concretas.
En general, sin embargo, provocarán un cambio en el papel del profesor, el cual desarrollará cada vez más un rol de guía o «facilitador»: ayudará a los estudiantes que encuentren dificultades, suplementará las lecciones de la IA y proporcionará la imprescindible interacción humana.
La tecnología en sí ya está provocando algunos de estos cambios (clases «flipped» o herramientas de corrección de ejercicios) aunque es de esperar que con la llegada de la IA los cambios se extiendan y se hagan más comunes y profundos.
Las herramientas de IA podrán colaborar con los docentes. El registro de sus acciones y de las de sus alumnos permitirá generar sugerencias de decisiones y acciones a tomar.
Las aulas que utilicen estas herramientas disfrutarán de docentes guías y de alumnos que tendrán más oportunidades de participar como generadores de contenido, en una dinámica de aula mucho más fluida.
Mundo físico y virtual
Aunque la tecnología sin IA ya permite disponer de animaciones y simulaciones, la IA puede mejorar la experiencia de los aprendices con estas herramientas. Otro de los desarrollos tecnológicos que está recibiendo mayor atención, junto con la propia IA, son los laboratorios virtuales. En este caso, un laboratorio virtual con una IA participando en el análisis de las acciones de los alumnos supone un cambio exponencial en el uso de esta ya de por sí potentísima herramienta.
Los sistemas de IA podrían sustituir a los docentes en tareas puntuales puesto que se podrían programar para ofrecer experiencia y seguir el desarrollo de tareas concretas.
En general, sin embargo, provocarán un cambio en el papel del profesor, el cual desarrollará cada vez más un rol de guía o «facilitador»: ayudará a los estudiantes que encuentren dificultades, suplementará las lecciones de la IA y proporcionará la imprescindible interacción humana.
La tecnología en sí ya está provocando algunos de estos cambios (clases «flipped» o herramientas de corrección de ejercicios) aunque es de esperar que con la llegada de la IA los cambios se extiendan y se hagan más comunes y profundos.
Las herramientas de IA podrán colaborar con los docentes. El registro de sus acciones y de las de sus alumnos permitirá generar sugerencias de decisiones y acciones a tomar.
Las aulas que utilicen estas herramientas disfrutarán de docentes guías y de alumnos que tendrán más oportunidades de participar como generadores de contenido, en una dinámica de aula mucho más fluida.
Mundo físico y virtual
Aunque la tecnología sin IA ya permite disponer de animaciones y simulaciones, la IA puede mejorar la experiencia de los aprendices con estas herramientas. Otro de los desarrollos tecnológicos que está recibiendo mayor atención, junto con la propia IA, son los laboratorios virtuales. En este caso, un laboratorio virtual con una IA participando en el análisis de las acciones de los alumnos supone un cambio exponencial en el uso de esta ya de por sí potentísima herramienta.
Principales tipos de herramientas educativas basadas en IA
Sistema de Tutoría Inteligente (ITS)
Diseñadas para ayudar en tareas concretas. Ofrece ayuda instantánea y personalizada a partir de las acciones de un alumno, según su perfil.
Un Sistema de tutoría inteligente no se limita a analizar los resultados finales de los ejercicios, sino que debe ser informado de todos los pasos intermedios para que la herramienta pueda identificar las dificultades propias de cada estudiante.
Un ITS, por tanto, debe:
Sistemas de hipertexto adaptativo: Construcción del libro
Este sistema «construye» el material educativo a «tiempo real» según las acciones y el perfil de los estudiantes. En su vertiente más simple, ofrece diferentes hipervínculos a las distintas personas.
Combinación de los anteriores
Los sistemas anteriores pueden combinarse sin problemas. El sistema de construcción del libro iría presentando al usuario aquel contenido que considerase más necesario teniendo en cuenta su evolución, su perfil y sus acciones. Cuando el recurso ofrecido fuera una actividad o un ejercicio en el que fuera adecuado realizar un seguimiento de cómo el usuario lo resuelve, intervendría el sistema de tutoría inteligente. Estos dos sistemas estarían vinculados, comunicándose constantemente e influenciándose el uno al otro.
Sistema de aprendizaje colaborativo
Este sistema se basa en el aprendizaje basado en las interacciones sociales y está muy relacionado con los mundos virtuales y las redes sociales.
Diseñadas para ayudar en tareas concretas. Ofrece ayuda instantánea y personalizada a partir de las acciones de un alumno, según su perfil.
Un Sistema de tutoría inteligente no se limita a analizar los resultados finales de los ejercicios, sino que debe ser informado de todos los pasos intermedios para que la herramienta pueda identificar las dificultades propias de cada estudiante.
Un ITS, por tanto, debe:
- Escoger un problema adecuado a partir de la categorización y etiquetado exhaustivo de las actividades.
- Reconocer las acciones del estudiante y detectar y analizar sus errores.
- Analizar las acciones con un alto grado de tolerancia (un mismo problema puede resolverse de diferentes maneras).
Sistemas de hipertexto adaptativo: Construcción del libro
Este sistema «construye» el material educativo a «tiempo real» según las acciones y el perfil de los estudiantes. En su vertiente más simple, ofrece diferentes hipervínculos a las distintas personas.
Combinación de los anteriores
Los sistemas anteriores pueden combinarse sin problemas. El sistema de construcción del libro iría presentando al usuario aquel contenido que considerase más necesario teniendo en cuenta su evolución, su perfil y sus acciones. Cuando el recurso ofrecido fuera una actividad o un ejercicio en el que fuera adecuado realizar un seguimiento de cómo el usuario lo resuelve, intervendría el sistema de tutoría inteligente. Estos dos sistemas estarían vinculados, comunicándose constantemente e influenciándose el uno al otro.
Sistema de aprendizaje colaborativo
Este sistema se basa en el aprendizaje basado en las interacciones sociales y está muy relacionado con los mundos virtuales y las redes sociales.
Otras consideraciones
Requisitos
Evidentemente, montar un sistema de IA no es una tarea sencilla. Además del la propia IA se requiere una comprensión profunda de los profesores, alumnos, de sus contextos y de diferentes pedagogías para poder modelarlos adecuadamente. Para ello, se deberá definir la información relevante de cada uno de sus perfiles. Para los alumnos, por ejemplo, se podría tener en cuenta su «estilo de aprendizaje», sus conocimientos previos, sus aptitudes en diferentes competencias, su lenguaje de preferencia, etc.
Se necesita también un modelo explícito de la materia que se pretende enseñar que incluya los conceptos más relevantes y sus relaciones, así como los errores más comunes que puedan generar. En el caso de los problemas y ejercicios se deben contemplar todas las maneras posibles de llegar al resultado.
Usabilidad
La complejidad de los mecanismos de la IA no deberían verse reflejado en la interfaz de relación con los usuarios. De hecho, creo que un objetivo sería lograr que el usuario se «olvide» de que tiene una IA trabajando sobre sus acciones. Por ejemplo, en el caso de la construcción a tiempo real del «libro» del aprendiz, éste avanzaría página sin ser consciente de que la siguiente página a la que accede procede de la decisión de una IA y no de un itinerario predefinido.
Evolución de la IA «académica» (2000-2010)
En uno de los artículos consultados me he encontrado con una tabla muy interesante que resume la evolución de la investigación académica sobre la IA en educación. De esa tabla se pueden inferir las tendencias actuales (del 2010) en este campo de investigación, las cuales me parecen relevantes:
Evidentemente, montar un sistema de IA no es una tarea sencilla. Además del la propia IA se requiere una comprensión profunda de los profesores, alumnos, de sus contextos y de diferentes pedagogías para poder modelarlos adecuadamente. Para ello, se deberá definir la información relevante de cada uno de sus perfiles. Para los alumnos, por ejemplo, se podría tener en cuenta su «estilo de aprendizaje», sus conocimientos previos, sus aptitudes en diferentes competencias, su lenguaje de preferencia, etc.
Se necesita también un modelo explícito de la materia que se pretende enseñar que incluya los conceptos más relevantes y sus relaciones, así como los errores más comunes que puedan generar. En el caso de los problemas y ejercicios se deben contemplar todas las maneras posibles de llegar al resultado.
Usabilidad
La complejidad de los mecanismos de la IA no deberían verse reflejado en la interfaz de relación con los usuarios. De hecho, creo que un objetivo sería lograr que el usuario se «olvide» de que tiene una IA trabajando sobre sus acciones. Por ejemplo, en el caso de la construcción a tiempo real del «libro» del aprendiz, éste avanzaría página sin ser consciente de que la siguiente página a la que accede procede de la decisión de una IA y no de un itinerario predefinido.
Evolución de la IA «académica» (2000-2010)
En uno de los artículos consultados me he encontrado con una tabla muy interesante que resume la evolución de la investigación académica sobre la IA en educación. De esa tabla se pueden inferir las tendencias actuales (del 2010) en este campo de investigación, las cuales me parecen relevantes:
- Apoyo al aprendizaje personal, colaborativo y social.
- Apoyo al aprendizaje abierto en dominios poco definidos y a través de escenarios sociales y culturales que se prolongan en el tiempo.
- Apoyo a la construcción del conocimiento (como evolución del apoyo a la adquisición de conocimiento).
- Sistemas de evaluaciones en escenarios reales, a gran escala y con análisis de datos.
- Análisis masivo de datos procedentes de usos reales.
- Interfaces tangibles, accesibles, ubícuas, inalámbricas y móviles.
- Diseño de experiencias de aprendizaje mejoradas por la tecnología (como evolución del diseño de software educativo).
- Progresiva atención sobre los aspectos afectivos y sociales (como evolución desde una mira exclusiva sobre contenidos factuales).
Ejemplos
Ejemplos «académicos»
Ejemplos «comerciales»
El artículo de Audrey Watters (2013) resume los principales movimientos a nivel de empresas dedicadas al análisis de datos y a la educación personalizada y adaptativa que se han producido en los últimos meses.
Así, Clever y Junyo se han especializado en la obtención e incluso compra y venta de datos educativos. Pearson adquirió Learning Catalytics, dedicada al análisis de datos.
Por otro lado, Kidaptive y KnowRe, dos empresas dedicadas a las herramientas de aprendizaje adaptativas han conseguido una importante financación. McGraw-Hill ha comprado parte de Area9 con la que quiere construir su propia plataforma adaptativa. Desire2Learn también ha empezado a virar hacia esta dirección con la adquisición de DegreeCompass y Knowillage. Finalmente, la plataforma de aprendizaje adaptativo, Knewton se ha aliado con Houghton Mifflin Harcourt y Macmillan.
- Tactical Language & Culture Training System. Procesa discursos de usuarios, dialoga con ellos y evalua su ejecución en un entorno de juego de rol virtual.
- Cognitive Tutors y Wayang Outpost. Proporcionan ayuda en la resolución de problemas matemáticos. Dicha ayuda puede darse como respuesta a una demanda concreta del usuario o a la detección de algún error común.
- ActiveMath. Permite generar cursos adaptados al currículum del alumno, a su idioma o campo de estudio, a sus necesidades educativas y cognitivas, así como a los objetivos de aprendizaje, las preferencias en cuanto a presentación, sus objetivos competenciales y su nivel en esa materia. Se utilizó y evaluó en centros y universidades de diferentes países europeos. La última actualización de la página parece ser del 2007 (por copyright), aunque muestra noticias del 2011.
- Andes Physics Tutors. Proporciona ayuda inteligente en la resolución de problemas de física. Los estudiantes introducen los pasos que siguen al resolver un problema. Andes proporciona una respuesta tras cada paso, ofreciendo diferentes tipos de asistencia dependiendo de la naturaleza del error cometido. También se ofrece a través del Open Learning Initiative.
- SQL Tutor. Producto de los Intelligent Tutoring Systems producidos por el Intelligent Computer Tutoring Group (ICTG) de la University of Canterbury (Nueva Zelanda). Una de sus herramientas, ASPIRE, permite generar herramientas inteligentes de tutoría.
Ejemplos «comerciales»
El artículo de Audrey Watters (2013) resume los principales movimientos a nivel de empresas dedicadas al análisis de datos y a la educación personalizada y adaptativa que se han producido en los últimos meses.
Así, Clever y Junyo se han especializado en la obtención e incluso compra y venta de datos educativos. Pearson adquirió Learning Catalytics, dedicada al análisis de datos.
Por otro lado, Kidaptive y KnowRe, dos empresas dedicadas a las herramientas de aprendizaje adaptativas han conseguido una importante financación. McGraw-Hill ha comprado parte de Area9 con la que quiere construir su propia plataforma adaptativa. Desire2Learn también ha empezado a virar hacia esta dirección con la adquisición de DegreeCompass y Knowillage. Finalmente, la plataforma de aprendizaje adaptativo, Knewton se ha aliado con Houghton Mifflin Harcourt y Macmillan.
Bibliografía
Beck, J. et al. (2005) Applications of AI in Education. Crossroads
Heick, T. (2012) 10 Roles for Artificial Intelligence in Education. TeachThought. October 31, 2012.
Istvan, SN. (1997) What is Artificial Intelligence? www.ucs.louisiana.edu.
McCarthy, J. (2007) What is Artificial Intelligence? Stanford University.
Mintchell, G. (2012) The Role of Artificial Intelligence in Education. Gary Mintchell’s Feed Forward. July 6, 2012.
Sasikumar, M. (2012) Role of Artificial Intelligence in Enhancing the Effectiveness of Education. CSI Communications. December 2012
Smith, C et al. (2006) The History of Artificial Intelligence. History of Computing. University of Washington.
Underwood, J and Luckin, R. (2011a) Supporting Integration, Synthesis, Uptake & Reuse of AIED Research. A report for the UK’s TLRP Technology Enhanced Learning – Artificial Intelligence in Education Theme.
Underwood, J and Luckin, R. (2011b) What is AIED and why does Education need it? A report for the UK’s TLRP Technology Enhanced Learning – Artificial Intelligence in Education Theme.
Van Noorden, R. et al. (2013) 2013 in Review. Nature (504), 19/26 december 2013.
Watters, A. (2013) Top Ed-Tech Trends of 2013: Data vs Privacy. Hack Education. December 11, 2013.
Woolf, BP. (2010) A Roadmap for Education Technology.
Heick, T. (2012) 10 Roles for Artificial Intelligence in Education. TeachThought. October 31, 2012.
Istvan, SN. (1997) What is Artificial Intelligence? www.ucs.louisiana.edu.
McCarthy, J. (2007) What is Artificial Intelligence? Stanford University.
Mintchell, G. (2012) The Role of Artificial Intelligence in Education. Gary Mintchell’s Feed Forward. July 6, 2012.
Sasikumar, M. (2012) Role of Artificial Intelligence in Enhancing the Effectiveness of Education. CSI Communications. December 2012
Smith, C et al. (2006) The History of Artificial Intelligence. History of Computing. University of Washington.
Underwood, J and Luckin, R. (2011a) Supporting Integration, Synthesis, Uptake & Reuse of AIED Research. A report for the UK’s TLRP Technology Enhanced Learning – Artificial Intelligence in Education Theme.
Underwood, J and Luckin, R. (2011b) What is AIED and why does Education need it? A report for the UK’s TLRP Technology Enhanced Learning – Artificial Intelligence in Education Theme.
Van Noorden, R. et al. (2013) 2013 in Review. Nature (504), 19/26 december 2013.
Watters, A. (2013) Top Ed-Tech Trends of 2013: Data vs Privacy. Hack Education. December 11, 2013.
Woolf, BP. (2010) A Roadmap for Education Technology.