University of Rochester · AI Conversations (Blackboard)

Кейс Университета Рочестера с Blackboard AI Conversations относят к типу C по архитектуре, где AI выступает как педагогически формализованная роль (persona в учебном диалоге), что соответствует agentivity 2, то есть функциональной роли ассистента в рамках педагогически регламентированного диалога. Развернутая в LMS модульная архитектура (MOD) подчеркивает, что это не автономный агент, а компонент с ограниченной самостоятельностью и строгим человеческим контролем. Это соответствует Wave 2 и отражает тренд на обучение с AI как ролью, а не автономизацией учебного процесса.

Rochester — AI Conversation как graded activity: persona фиксируется преподавателем, лог виден, есть сравнение с внешними чатами. Применение кейса [[anthology-bb-conversation]] на стороне университета.

До внедрения Blackboard AI Conversations в Университете Рочестера существовали ограничения традиционных LMS-инструментов в том, что они не позволяли интегрировать AI как полноценную персону в учебный диалог с регламентированными ролями и логированием, что нужно для оценивания и рефлексии. Также отсутствовали собственные средства для педагогически контролируемого диалога со студентами, где AI служил бы не просто источником ответов, а активным участником учебного процесса с прозрачной оценкой.

Заявленная цель AI Conversations — включить искусственный интеллект как роль (персону) для проведения упорядоченного учебного диалога с возможностью задания преподавателем параметров (persona, тема, сложность) и сопровождения процесса с обязательной рефлексией и доступом к логам. Это должно повысить качество вовлечения студентов в учебное взаимодействие, облегчить оценивание работы посредством логов, а также создать более глубинный педагогический опыт, нежели простые чаты или генераторы контента.

Архитектура Blackboard AI Conversations реализует модульный (MOD) паттерн с интеграцией в LMS Blackboard. AI представлен в виде роли в учебном цикле: преподаватель формирует сценарий, определяет persona и другие параметры, студент ведет диалог с AI, а затем происходит рефлексия. Лог взаимодействий сохраняется и доступен инструктору для оценивания. Агентность 2/6 — AI не автономен, а выполняет роль диалогового ассистента с фиксированной персоной. Используется мульти-модельный стек, вероятно, с облачными языковыми моделями и механизмами логирования и метрик. Контроль человеческий (HUMAN).

В кейсе четко разграничены роли: преподаватель создает и настраивает сценарии и персонажи AI, студент взаимодействует непосредственно с AI как с собеседником, а AI выступает как роль, поддерживающая диалог. Техническая поддержка осуществляет интеграцию AI в LMS и обеспечивает логирование. Контроль и оценивание остаются полностью за преподавателем. Это проявление модели ROLE с human-in-the-loop контролем.

AI в Blackboard Conversations играет функциональную роль диалогового партнера с заданной персоной в формате Socratic questioning и role-play, помогая студентам вести учебный диалог, при этом действует под контролем человека и не генерирует автономно учебные материалы. Это AI как среда для активной учебной роли, а не просто генератор контента. AI обеспечивает контур рефлексии, доступный для оценки преподавателю. Агентность 2 — AI действует как ассистент и роль, а не автономный агент.

Преподаватель определяет persona ИИ, тему и уровень сложности диалога. Студент взаимодействует с AI через интерфейс LMS, ведет диалог в рамках заданного сценария. Весь процесс фиксируется в логах, доступных преподавателю для последующего анализа и оценивания. После диалога студент проходит рефлексию (reflection), что структурирует опыт и способствует глубокому усвоению материала. Таким образом практика задействует педагогически формализованную ролевую активность с human-in-the-loop контролем.

Внедрение Blackboard AI Conversations предусматривает административный opt-in (опциональное включение инструмента), строгий контроль доступа и централизованное управление в LMS. Нормативка включает политику data governance с необходимостью прозрачности логов и защиты персональных данных, что соответствует требованиям university-wide политики. Преподаватели и IT службы участвуют в поддержании качества и соблюдении правил, что соответствует модели HYBR контроли с human-in-the-loop. Такой подход обеспечивает баланс между инновациями и ответственностью.

Заявлено, что Blackboard AI Conversations используется как graded activity, где логи диалогов доступны для оценивания преподавателям. Агентность — 2 (функциональная роль с ограничениями). Хотя конкретные числовые метрики по количеству пользователей или действий не указаны, отмечены следующие качественные индикаторы: persona фиксирована, логи доступны, активна рефлексия как часть процесса оценки. Отсутствуют данные о объёмах использования или влиянии на учебные результаты, что характерно для Wave 2 на стадии пилота/прототипа.

Паттерн Blackboard AI Conversations — педагогически формализованный диалог с ролью AI, встроенный в LMS и ориентированный на graded activities — потенциально применим в университетах с развитой LMS-инфраструктурой, где важен human-in-the-loop контроль и оценка активности студентов. Хорошо переносится в образовательные форматы, требующие обучающего диалога и рефлексии. Зрелые LMS платформы с возможностью расширения через плагины и API могут адаптировать этот подход в своих системах. Это часть тренда по типу C (pedagogy-shaped dialogue) в [[Agentic orchestration]] и [[Wave 2 onderwijs AI]].

Кейс находится в плоскости Hypothesis C (pedagogy-shaped dialogue) — регламентированная педагогическая форма диалога с AI как ролью в учебном процессе, без автономизации. Это проявление фасеты ROLE и контроль HUMAN, соответствует agentivity 2 уровню. Система отражает эволюционный тренд перехода от функциональной ассистентности к интегрированной роли AI внутри учебного цикла, в LMS с модульной архитектурой (MOD). Связи с [[H4-pedagogy-role]], [[A-governed-access]] и [[autonomy-vs-control]] очевидны.