This paper provides guidance for using AI to quickly and easily implement evidence-based teaching strategies that instructors can integrate into their teaching. We discuss five teaching strategies that have proven value but are hard to implement in practice due to time and effort constraints. We show how AI can help instructors create material that supports these strategies and improve student learning. The strategies include providing multiple examples and explanations; uncovering and addressing student misconceptions; frequent low-stakes testing; assessing student learning; and distributed practice. The paper provides guidelines for how AI can support each strategy, and discusses both the promises and perils of this approach, arguing that AI may act as a “force multiplier” for instructors if implemented cautiously and thoughtfully in service of evidence-based teaching practices.
Las cinco estrategias, todas con respaldo empírico pero difíciles de llevar a la práctica por falta de tiempo, y cada una con sus prompts:
- Ejemplos y explicaciones múltiples de un mismo concepto.
- Detección y corrección de ideas erróneas frecuentes del alumnado.
- Pruebas frecuentes de bajo riesgo (efecto test).
- Evaluación del aprendizaje, con preguntas y rúbricas.
- Práctica distribuida a lo largo del curso.
Perspectiva: es el trabajo de la serie centrado en el docente —la IA como «multiplicador de fuerza» para preparar materiales—, frente a Assigning AI (2023), que traslada el uso al estudiante. Los autores insisten en que la IA se equivoca y en que el profesor debe revisar todo lo que genera antes de llevarlo al aula.
- Inicie sesión para enviar comentarios