ЧЗВ
Как да се справим с често срещаните погрешни представи за AI в образованието?
Автоматичен машинен превод на тази английска страница, който още не е проверен от носител на езика.
Ректорът иска едностраничен лист с „AI митове“ за пролетната среща на преподавателите. Или член на настоятелството е прочел, че чатботите унищожават критичното мислене, и иска позиция до петък. Или ти си човекът, който трябва писмено да обясни защо катедрата няма просто да забрани инструмента, и вече не ти остават начини да кажеш, че забраната не е педагогика.
Всяко вярване на тази страница започва от нещо, което разумен човек е видял. Гладкият текст наистина се чете като точен. Изпипаното предаване наистина изглежда като учене. Преподавател, който отговаря на въпроса, наистина се усеща като помощ, а политика с думата „забранено“ в нея наистина се усеща като решение. Корекцията, която работи, назовава какво наблюдението не може да ти каже и после подава проверка, която човекът може да направи в понеделник.
Отговорът, който да дадеш на колега, с едно издишване: образователният ефект на AI зависи от това кой го използва, за коя задача, какво мислене извършва инструментът, каква отговорност остава у човека и как се оценява ученето. Увереността, скоростта, ангажираността и завършването на задачата са характеристики на използването. Никое от тях не е доказателство, че способността се е променила.
Накратко
1. Докладвай какво може обучаемият със затворен инструмент и обозначи тази мярка като единствената, която се брои.
2. Напиши условието за AI за всяка стъпка от задачата, като назовеш действието, а не инструмента.
3. Съди за преподавател, функция за обратна връзка или платформа по това какво прави студентът, след като тя отговори.
4. Купувай доказателства, а не твърдения за възможности: резултати без помощ, резултати по подгрупи, тестове за безопасност в много ходове.
5. Когато коригираш вярване, замени го с по-добър модел и с дейност, която дава на човека да види как старият се проваля.
Реши какво се брои за доказателство, че ученето се е случило
Пет вярвания решават дали останалата част от страницата има значение. Всяко взема реален сигнал и вкарва в него извод, който сигналът не може да понесе.
„Справиха се по-добре с отворен инструмент, значи са научили повече.“
В полеви експеримент с близо 1 000 ученици в гимназиален курс по математика неограниченият достъп до генеративен AI подобри представянето по време на подкрепяната практика и намали по-късното представяне на изпит без помощ. Версия с предпазители, която даваше подсказки вместо пълни отговори, премахна наблюдаваната вреда за ученето (Генеративният AI без предпазители може да навреди на ученето). И двата резултата са реални и стоят на различни мерки: само едната от тях е мярката, която удостоверява академичната справка. Изследването ти дава посока и никакъв размер на ефекта за твоя курс.
Студентите правят същото умозаключение за собствената си работа и отговорът е същият: продуктът показва какво са произвели заедно студентът и инструментът. Четири въпроса, зададени със затворен прозорец на чата, ти казват какво се е случило. Могат ли да обяснят разсъждението? Да решат подобна задача? Да намерят слабостите в генерирания отговор? Да пренесат идеята в нов контекст? Ако честните отговори са „не“, гледаш представяне с помощ под името учене. Постави един от тези четири въпроса в оценяването и го кажи в рубриката.
„На студентите им харесва обратната връзка, значи тя работи.“
Удовлетвореността е доказателство за приемливост. Студентите предпочитат обратна връзка, която е незабавна, насърчаваща, подробна и лесна за следване, а един отговор може да има и четирите свойства, като същевременно е неточен, общ, с грешни приоритети или насочен към друга цел, различна от твоята. Въпросите, които решават това, са скучни и си струва да бъдат записани: точна ли е, диагностицира ли действителния проблем, достатъчно конкретна ли е, за да се действа по нея, съобразена ли е с този обучаем, използва ли я студентът, подобрява ли се преработката, подобрява ли се по-късното самостоятелно представяне. Последните две са тези, до които анкета за удовлетвореност не може да стигне. Качеството на обратната връзка от AI и грамотността за обратна връзка носят подробностите, а практическата стъпка е да прочетеш двадесет отговора срещу собствената си цел, преди да мащабираш каквото и да е.
„Средният ефект беше положителен, значи интервенцията помага на студентите.“
Средните стойности скриват точно онази вариация, която решава въпрос за справедливостта. Ефектите се различават по предварителни знания, възраст, дисциплина, език, увреждане, метакогнитивно умение, достъп, прилагане от преподавателя и тип използване на AI. Малка средна печалба може да скрие реална полза за една група и вреда за друга; голяма може да зависи от условия, които твоята институция не може да възпроизведе. Поискай оценки по подгрупи с тяхната несигурност, точност на прилагането, какво всъщност са правили студентите в инструмента и модела на отпадане. Ограниченията на доказателствената база в AIED и Изследователските методи в AIED описват сравненията, които те доближават, а Справедливостта в AI образованието обяснява защо таблицата по подгрупи е самата констатация.
„Съобщиха, че са научили много.“
Самоотчитането измерва възприятие, приемане, тревожност и самоефективност и е добро и в четирите. То не е мярка за демонстрирана способност, защото хората могат да бъдат уверени и да грешат, или да са умели и да не вярват в себе си. Синтезът в уикито на изследванията върху AI грамотността на преподавателите докладва съществена разлика между самооценката и измереното представяне, а преподавателите в него значително надцениха компетентността си (Оценяване на AI грамотността: разминаване между самоотчитане и представяне). Свържи всяко самоотчитане със задача: открий грешка в резултат, провери източник, избери стратегия за използване, забележи пристрастие или подмазване, преработи дефектен отговор, калибрирай увереността спрямо точността. Един такъв елемент в анкета превръща мнението в резултат.
„Симулираният студент е евтин заместител на истински.“
Симулацията е полезна за прототипиране, тестване на натоварване и генериране на сценарии и не е доказателство за човешко учене, докато не бъде валидирана срещу хора. Моделът може да имитира езика на объркването без постоянството, мотивацията, предварителните знания, емоцията или развойната траектория на обучаем, а изследването, обобщено в уикито, установи, че симулираните студенти изоставят зададена погрешна представа след минимална корекция, което поставя под съмнение дали въобще представят концептуална промяна (Симулиране на студенти, Симулиране на студенти или подмазващо се решаване на проблеми?). Използвай ги, за да намериш дефектите в подканващия си текст, преди истински студенти да се сблъскат с него, и после третирай всяко твърдение за обучаемите като невалидирано.
Задай условието за AI на стъпката, която носи ученето
Правилата се провалят, когато са написани за инструмент, и успяват, когато са написани за действие. Вярванията по-долу са тези, които държат политиките неясни.
„Всяко използване на AI е измама.“
Огледалното вярване е по-лошо: че използването на AI не може да е измама, защото не е копиран човек. Честността зависи от целта на задачата, правилата на преподавателя, колко от работата е свършил инструментът, дали използването е посочено и дали AI е заменил способността, която се оценява. Мозъчната атака е разрешена в една задача, задължителна в друга и дисквалифицираща в трета, и трите са защитими (Академична честност). Преподавателската стъпка е да поставиш пет въпроса пред студентите, преди да отворят какъвто и да е инструмент: какво трябва да покаже тази задача, че мога да направя, каква помощ е разрешена, аз ли съм все още авторът и вземащият решения, мога ли да защитя предадената работа и трябва ли да я оповестя. Декларации за използване на AI показва как изглежда използваема форма за декларация.
„Ако никой не може да го открие, няма вреда.“
Откриването отговаря на друг въпрос, различен от този, който има значение. Неразкритото изнасяне все пак оставя студент, който не може да обясни работата, да отговори на продължение, да я адаптира или да се представи без инструмента, а разликата излиза по-късно на изпит, в процедура за лиценз, в стаж или в първата работа. Оценките се отдалечават от способността, докато и двете изглеждат наред. Това е проблем с удостоверяването, преди да е проблем с дисциплината, което е аргументът в Валидността на оценяването и автентичното оценяване. За студента полезната преформулировка е, че оценката е твърдение за него и твърдението трябва да оцелее в следващата стая, в която бъде проверено.
„Проблемът е колко често го използват.“
Честотата не ти казва нищо. Един студент може да използва AI ежедневно, за да сравнява обяснения, да генерира задачи за упражнение и да получава обратна връзка, оставайки когнитивно активен, а друг може да го използва веднъж, за да произведе аргумента, за чието извличане задачата е съществувала. Въпросът, който ги разделя, е кой слой на мисленето е делегиран и може ли студентът все още да изпълни този слой сам, разграничение, което взаимодействието студент-AI документира подробно. Корекцията на граматиката стои далеч от твърденията, доказателствата и контрааргументите в есе. Стъпката е да направиш слоя явен в задачата: назови мисленето, което курсът преподава, разреши помощ навсякъде другаде и провери названия слой без помощ.
„По-бързото завършване означава по-ефективно учене.“
AI премахва канцеларската работа, объркването с форматирането и повторението, което е печалба. Той премахва и извличането, планирането, черновата, отстраняването на грешки и преработката, чрез които умението се формира, което е загубата. Разграничението, което оцелява при среща с реална задача, е подкрепящо срещу заместващо изнасяне: едното освобождава внимание за по-трудно мислене, другото извършва мисленето, което е трябвало да научиш (Когнитивно изнасяне, Намаляване на злоупотребата с AI). Последователността, която пречи на второто да се случи, е кратка. Направи опит, консултирай се с инструмента за подсказки, примери или сравнение, преработи по собствена преценка, после произведи кратко обяснение без помощ. Трудността не е целта; запазването на когнитивната работа е.
„Пълната забрана е най-сигурното и най-справедливото правило.“
Условията без AI са правилни, когато самостоятелното представяне е способността, която се оценява: определени изпити, основополагаща практика, проверки за професионална компетентност. Всеобщата забрана е друг инструмент: тя прогонва използването под повърхността, трудна е за последователно прилагане и блокира AI грамотността, от която студентите се нуждаят след края на курса. Четири условия на ниво задача покриват повече терен: AI е задължителен, AI е разрешен с декларация, AI е ограничен до посочени функции, AI е забранен, защото помощта би обезсмислила твърдението за учене. Студентите следват граници, които разбират, затова правилото трябва да носи причината си и да е еднакво в учебната програма, листа със задачата, обратната връзка и оценяването. Рамкиране на използването на AI за студентите и образователната политика за AI са шаблоните.
Съди за преподавателя по това какво прави студентът след това
Система, която произвежда отговор, и система, която произвежда обучаем, са различни продукти, а резултатът винаги описва само първата.
„Дай на студентите мощен преподавател и ученето ще се подобри.“
Достъпът не е дизайн на обучението. Един и същ модел подкрепя ученето, когато изисква първо опит, дава подсказки вместо решения, иска разсъждение, коригира погрешни представи, оттегля подкрепата и завършва с проверка без помощ. Той подкопава ученето, когато отговаря веднага, върши планирането и възнаграждава търсенето на отговор. Стойността е в педагогическата обвивка, което е аргументът в Дизайна на обучението и дизайнерската логика зад скафолдинга. Преди да пуснеш преподавател в употреба, прекарай един урок през него и преброй колко пъти ти позволява да избегнеш мисленето.
„Преподавател, който дава верния отговор, е добър преподавател.“
Правилността е необходима и недостатъчна. Верният отговор може да дойде твърде рано, да разкрие твърде много и да заобиколи желаните трудности, които правят извличането трайно. По-силният преподавател диагностицира, преди да се намеси, пита вместо да казва, дава най-малката полезна подсказка, изисква обяснение, реагира на конкретната грешка, оттегля се и проверява представянето без помощ по-късно. Оценявай го по това какво студентите забелязват, опитват, обясняват, преработват и в крайна сметка правят сами, което е стандартът в интелигентните обучаващи системи и педагогическата безопасност.
„Повече автоматизация и персонализация е по-добре.“
Персонализацията може да подкрепи ученето и може да се превърне в прекомерно угаждане. Когато системата планира, следи, решава какво има значение и изпълнява трудните стъпки, студентът става по-бърз и по-малко агентен, а саморегулацията е това, което тихо напуска стаята. Дизайнерският проблем е да премахнеш ненужните бариери, като запазиш усилието, свързано с целта. Функции, които издържат: задължителни опити, подкани за обяснение, отложени подсказки, регулируема помощ, оттегляне на скафолдинга, размисъл върху препоръките на системата, периодична практика без помощ и видим начин да я отмениш. Агентният AI и агентността разглеждат какво се случва, когато системата започне да взема решенията.
„По-големият модел прави преподавателя по-сигурен.“
Общата способност и педагогическото качество са отделни свойства и по-големият модел може да решава по-трудни задачи, като продължава да се проваля в избора на стратегия, в задържането на отговор, в съобразяването с развойно ниво, в запазването на продуктивния провал, в сигнализирането на несигурност или в оставането в границите на твоите учебни цели. Участващо дизайнерско изследване с шест учители от средното училище е най-ясното изложение за това откъде всъщност идва сигурността. Учителите независимо са проектирали „ограничени експерти“: тясна способност в рамките на определена област под човешки надзор, с две линии, които не биха преминали (авторитет, защото отговорността за ученето на студента не може да се делегира, и експертиза, защото моделът не познава отделните студенти и нормите на класната стая) и три защитни слоя (граници на областта, филтрирано съдържание със стандартизирани откази и отмяна от учителя). Те поискаха пълно записване на разговорите и сигнали в реално време, а не по-добри обяснения от модела (дизайн на чатбот като ограничен експерт). Обхватът и надзорът свършиха работата, която мащабът не можа. Теориите за учене и обучението и дообучаването на LLM покриват дизайнерската страна.
„Повече обратна връзка е по-добра обратна връзка.“
Обемът е най-лесното за увеличаване и най-слабо свързаното с подобрение. Отговор, който коментира всеки проблем, може да погребе единствената промяна, която има значение, и може да е в грешен момент, общ или неверен. Обратната връзка заслужава дължината си, като посочи най-важната следваща стъпка за този обучаем в тази точка от задачата. Измервай дали студентите я разбират, дали могат да преценят качеството ѝ, дали преработват с нея, дали губят погрешната представа и дали по-късно се представят по-добре без нея. Обратната връзка и грамотността за обратна връзка описват последователността, а практическата проверка е дали един студент може с едно изречение да каже какво ще направи различно.
„AI унищожава критичното мислене.“
Той може да замени критичното мислене или да стане негов обект, и задачата решава кое. Една задача отслабва ангажираността, когато студентите поискат готова интерпретация и я приемат, и я засилва, когато те прогнозират, преди да се консултират, сравняват разсъждението си с това на модела, търсят неподкрепени твърдения, подобряват слаб отговор, избират между алтернативи и обясняват защо са отхвърлили препоръка. Полезното разграничение е ролята, която инструментът играе: наставник, оспорващ или източник за оценяване, а не заместител на разсъждението на обучаемия. Критичното мислене и Дизайнът на обучението носят самите дизайни на задачи.
Реши какво трябва да ти покаже доставчикът, преди да подпишеш
Тук погрешната представа се превръща в многогодишен договор. Нито един от въпросите по-долу не изисква техническа експертиза и всички те изискват да бъдат зададени преди датата на подновяване, а не след нея.
„Купуването на напреднала платформа ще преобразува преподаването.“
Платформата предоставя възможности. Подобрението изисква съответствие между учебния план, оценяването, развитието на преподавателите, техническата подкрепа, достъпността, поверителността, управлението, натоварването и местното оценяване, а без тях институцията купува сложна система, която се използва непоследователно, дублира работа, добавя тежест на преподавателите или произвежда впечатляваща демонстрация без измерима печалба. Определи шест неща преди обществената поръчка: образователния проблем, предвидените потребители и случаи на използване, резултатите, които се броят за успех, събираните данни, необходимия човешки надзор и условията, при които би променил или преустановил. AI от гледна точка на администратора и Оценяването на AI в образованието са рамките, които да занесеш в стаята.
„Резултатът от бенчмарк доказва, че е образователно ефективен.“
Бенчмаркът измерва представяне при условията на бенчмарка. Моделът може да решава трудни задачи, да пише гладки обяснения и да получава добър резултат по рубрика за преподаване, като същевременно не подобрява задържането, преноса, саморегулацията или справедливите резултати. Дръж резултатите от бенчмарка отделно от техническата надеждност, педагогическото качество, безопасността, използваемостта, тежестта на прилагането, приемането в класната стая и печалбите в ученето без помощ. Само полеви тест с истински обучаеми, подходящо условие за сравнение и разумна мярка за резултата говори по въпроса, който всъщност решаваш (бенчмарк). Изследователите дължат същата дисциплина в обратната посока: да кажат кое звено от тази верига заема едно изследване.
„Надеждно е, значи оценките са валидни.“
Надеждността е последователност, валидността е дали интерпретацията и използването на оценката са оправдани, и двете могат да се разминат рязко. Голям британски бенчмарк оцени 761 автентични есета на студенти по психология и установи, че оценките на AI и на хора съвпадат по степента само в 35 до 65% от случаите (63% в една институция, 53% във втора, 35% в трета), докато надеждността при повторно оценяване беше почти перфектна, с интракласови корелации до 1,00. Трите модела се съгласяваха помежду си далеч по-тясно, отколкото с хората (ICC 0,91), и съвпадаха по степента при 56% от предадените работи, когато и трите трябваше да са съгласни. Оценките се свиваха към средата (показател за свиване 0,47 до 0,82), така че системата беше най-неточна точно на границите, които отделят първа степен от горна втора или издържането от скъсването. Обратната ѝ връзка беше от три до осем пъти по-дълга от човешката средна стойност от 100 до 200 думи (автоматизирано оценяване на университетски есета). Поискай покритие на конструкта, сравнение с човешката преценка, представяне по подгрупи, модели на грешките, несигурност и последствията от използването, което е аргументът в Образователното измерване и автоматизираното оценяване.
„Един добре поведен разговор показва, че преподавателят е сигурен.“
Образователните вреди се натрупват през взаимодействието. Системата може да отговори подходящо на една подкана и после, през ходовете, да започне да дава отговори, да затвърждава погрешна представа, да насърчава зависимост или да излезе от ролята си на преподавател. Бенчмаркът SafeTutors, обобщен в уикито, установи, че педагогическите вреди се покачват рязко, когато системите се оценяват през много ходове, вместо при един обмен (Безопасността на AI преподавателя и педагогическите вреди). Изисквай продължителни разговори, повтарящи се грешки на студента, опити за пряк отговор, емоционални и релационни сценарии, враждебно подканване и мярка за зависимост във времето. Доказателство от бенчмарк от този вид не е оценка за учене в класната стая и е минимумът, върху който трябва да почива твърдение за безопасност.
„Човешкият преглед е временна кръпка, докато моделите се подобрят.“
Прегледът е функция за отчетност, а не функция за коригиране на грешки, защото някой трябва да реши дали резултатът подхожда на конкретен обучаем, курс, култура или последично решение, да тълкува изключението, да достави контекста, който моделът не притежава, и да отговаря за резултата. Смислената уредба назовава кой преглежда, какви доказателства вижда, кога се случва прегледът, колко време има, може ли да отмени, кой отговаря за окончателното действие и как студентът обжалва. Преглеждащ без време, правомощия или информация е подпис (AI с човек в цикъла).
„Достъпността, поверителността и справедливостта могат да се добавят, след като основният продукт проработи.“
Това са изисквания към дизайна. Начинът на въвеждане, нивото на четене, езиковите допускания, изискванията към устройствата, задържането на данни, персонализацията и пристрастието на модела решават кой може да използва системата и кой бива увреден от нея, а доработката след факта обикновено подобрява интерфейса, като оставя работния поток, модела на данните и логиката на решенията непокътнати. Включи засегнатите обучаеми и преподаватели рано, тествай с разнообразни потребители, събирай минимума, осигури достъпни алтернативи и изследвай диференцираните резултати. Система, чиито ползи са недостъпни или неравномерно разпределени, не е образователно ефективна, каквато и да е средната ѝ стойност (достъпност, Универсален дизайн за учене, поверителност).
„Чатботът е безопасен за деца, ако блокира токсично съдържание.“
Модерацията на съдържанието покрива забранени думи и теми. Любезната система все още може да отговаря твърде бързо, да затвърждава погрешна представа, да насърчава емоционална зависимост, да събира неподходящи данни, да дава съвети, неподходящи за развойното ниво, да прави допускания, които са недостъпни, да измества човешката подкрепа и да намалява продуктивното усилие. Продуктите, насочени към деца, се нуждаят от оценяване на безопасността на съдържанието, педагогическата безопасност, поверителността, достъпността, релационното влияние и ефектите от повтарящото се използване, което е стандартът в AI образованието в K-12 и педагогическата безопасност.
Реши какво ще приемеш като доказателство за способността на студента
Никога няма да установиш как е произведен един файл. Можеш на ниска цена да установиш дали студентът може да направи това, което файлът изглежда показва, и това е единственото твърдение, което една оценка трябва да подкрепи.
„Опитните преподаватели разпознават генерирана от AI работа.“
Не достатъчно надеждно, за да се третира подозрение като доказателство. Генерираният текст може да бъде редактиран, смесен с човешки текст, преведен, перифразиран или произведен през няколко системи, а човешката преценка се огъва към стила на писане, езиковия произход, увреждането и очакванията как трябва да звучи конкретен студент. Детекторите споделят проблема и добавят както фалшиви положителни, така и фалшиви отрицателни резултати, затова един флаг е основание за по-внимателен поглед и никога за заключение (Откриване на AI). Проверката е защитимата алтернатива: помоли студента да обясни разсъждението, да обсъди източниците, да преработи пасаж, да приложи идеята към нов случай или да покаже доказателства за процеса. Всеки от тези подходи оценява разбирането директно и всеки е евтин.
„Откриването и прокторингът ще решат проблема с честността.“
Откриването оценява дали един артефакт прилича на машинно генерирана работа. Образованието се нуждае от доказателство, че обучаемият притежава способността, а числата от страната на откриването вече са достатъчно конкретни, за да бъдат цитирани в комисия. Анализ на процедурната справедливост докладва, че нито един от 14 ранни инструмента за откриване не достига 80% точност, че перифразирането или леката редакция приблизително наполовина намалява и без това скромната точност и че инструментите систематично класифицират погрешно пишещите на английски като втори език, защото признаците, четени като сигнали за AI, характеризират и компетентното писане на втори език. В скрито полево изследване 94% от изцяло генерираните от AI работи, вмъкнати в реални онлайн изпити в пет модула по психология, останаха неоткрити, а работата на AI средно изпревари реалните студенти. Университетът Vanderbilt изключи лицензирания си детектор, след като не успя да валидира обявен процент фалшиви положителни резултати от 1%, процент, който предполага около 750 погрешно класифицирани студенти сред 75 000 годишно предавани работи (неоткриваемо нарушение). Прокторингът добавя разходи за поверителност, достъпност, тревожност и справедливост, без да установява учене. Устойчивата стратегия е комбинация: обяснени очаквания, условия без AI там, където им е мястото, доказателства за процеса и работа на етапи, устна или писмена проверка, декларация за конкретната задача, препроектиране на оценяването и процедури с човешки преглед и възможност за обжалване. Дистанционният прокторинг и Как да намалим измамите с AI? дават оперативните подробности.
„Изпипаният краен продукт показва професионална компетентност.“
Той показва представянето на човек плюс инструмент. Компетентността се вижда в това дали някой може да формулира проблема, да изложи допусканията, да провери доказателствата, да хване фина грешка, да се адаптира при промяна на условията, да защити препоръката и да упражни съществена преценка без неподходяща помощ. Отговорното използване на AI е само по себе си легитимна професионална компетентност, затова задачата е да отделиш ефективното използване на инструмента от вида на експертиза, който инструментът доставя (Кариерно развитие и готовност за работа).
„AI грамотност означава да знаеш как да напишеш добър подканващ текст.“
Подканването е едно оперативно умение. Обхватът, който има значение за един преподавател или служител, е по-широк: какво могат и какво не могат надеждно да правят AI системите, как да се оценява точността и пристрастието, как AI влияе на валидността на оценяването, кога изнасянето се превръща в изместване, изискванията за поверителност и достъпност, как използването се вписва в дисциплината и кога изобщо да не се използва. Синтезът в уикито установи, че преподавателите значително надценяват AI компетентността си, когато самоотчетите се сравнят с мерки за представяне, а демонстрираната компетентност предсказва интегрирането в класната стая далеч по-добре от увереността (Оценяване на AI грамотността: разминаване между самоотчитане и представяне). Техниките за подканване също остаряват по-бързо от преценката. Преподавай подканването като умение и оценявай AI компетентността на преподавателя като по-широката.
„Основополагащото дисциплинарно знание е остаряло, защото AI може да го извлече.“
Надзорът зависи от експертизата, която тежката автоматизация обезсърчава хората да изградят. Без предметни знания човек не може да види правдоподобното грешно заключение, липсващото ограничение, опасната препоръка, невалидното сравнение, измисленото цитиране, пристрастното допускане или ситуацията, в която на инструмента изобщо не бива да се доверява (Предварителни знания, калибриране на доверието). Учебните програми могат да преразгледат какво се запаметява и кои инструменти остават на разположение. Премахването на основата, защото инструментът може да произведе отговор, премахва базата за преценка на отговора.
„Преподаването на критично и етично използване на AI струва производителност.“
Непроверената автоматизация произвежда преработване, инциденти със сигурността, дискриминационни решения, правна експозиция, щети за репутацията и фалшива увереност, и всяко от тези е разход, който показателят за производителност не е отчел. Служителят, който си струва да бъде нает, е този, който разпределя работата между хора и инструменти, като държи качеството, поверителността, отчетността и професионалната преценка. Това е аргумент за производителност, изказан в посоката, която балансът обикновено пропуска (Сътрудничество между човек и AI, управление на AI).
Отговори на това, в което вярват студентите
Студентите идват с работещи теории и повечето от тях са изградени от нещо, което инструментът наистина е направил. Коригирането на теорията е част от преподаването и изисква по-добър модел, а не предупреждение.
„Ако отговорът звучи уверено и подробно, вероятно е верен.“
Увереността и гладкостта са свойства на генерирания език, а не доказателство за проверка. Моделът предсказва правдоподобен текст и не проверява твърденията срещу доказателства, затова може да измисля източници, да сбърква факти, да изпуска контекст и да повтаря погрешна представа в отлично написана проза. Третирай резултата като хипотеза и разгледай от какво зависи отговорът: източниците, изчислението, сравнението с материалите от курса. Проверката, на която да научиш студентите, е дали биха приели същото твърдение от непознат човек, който не показва никакви доказателства (Риск от халюцинации).
„AI ме разбира и знае какво имам предвид.“
Той реагира на езика, използва разговора и понякога задържа информация, което е достатъчно, за да се усеща лично. Той няма намерение, опит, грижа или контекстуално разбиране, а практическата последица е, че може да се съгласи, защото подканващият текст е подсказал отговор. Това е подмазването на AI и е режимът на провал, който студентите очакват най-малко. Помоли го да назове слабостите в разсъждението, да предложи контрадоказателства и да каже какво би направило отговора му грешен, после провери независимо. Съгласието не е потвърждение.
„Един добър подканващ текст трябва да произведе верния отговор.“
Резултатът е чувствителен към подканването и често е недетерминиран, така че малки промени във формулировката, контекста, примерите или допусканията местят отговора съществено, а повторното питане не е проверка. Пет подобни отговора могат да споделят една грешна предпоставка. Продуктивната итерация изяснява целта и ограниченията, разкрива допусканията, иска алтернативи, проверява срещу доказателства и проверява дали отговорът оцелява при промяна в задачата. Това е умение и то е неравномерно разпределено. Демонстрация на наивен студент, използващ чатбот по въпрос от изпит за вкъщи, остана „изпипана, но педагогически тънка“ на мултиструктурното ниво на таксономията SOLO, а достигането до използваем цикъл на учене изискваше осем кръга на мета-ниво интервенция: сигнализиране на претоварване, искане за опростяване, стесняване на обхвата. Авторите наричат тази способност грамотност за взаимодействие с AI, означаваща умението да насочваш, оценяваш и се учиш от итеративно взаимодействие, и отбелязват острието за справедливостта: тъй като неводеното използване налага умение за управление на взаимодействие, което е неравномерно разпределено, генеративният AI „може да е най-полезен за вече облагодетелстваните студенти“ (грамотност за взаимодействие с AI). За изискванията за саморегулация под тях виж Как да разработим ефективен AI преподавател?.
„Младите хора вече са AI грамотни, защото са израснали с технологиите.“
Познаването на цифрови продукти не е способност да се оценява AI. Един студент може да отвори чатбот, да генерира изображение и да поиска отговор, като същевременно не може да провери твърдение, да забележи измислено доказателство, да открие пристрастие или подмазване, да защити лична информация, да реши какво да не делегира или да обясни как AI е оформил работата. Уикито обобщава изследвания, в които увереността с ежедневните технологии не се пренася върху алгоритмичното разсъждение, технологичното създаване или критичното оценяване на AI (Илюзията за компетентност). Грамотността се преподава и демонстрира; възрастта и честотата на използване не я дават.
„Студентите, които използват AI, са мързеливи или нечестни.“
Известна злоупотреба се случва, а моралното етикетиране обяснява малко от нея и предотвратява още по-малко. Решенията се оформят от стойността на задачата, натиска на времето, увереността, нормите на връстниците, яснотата на политиката, страха от провал, предишния достъп и от това дали работата изглежда свързана с нещо, което е важно за студента, а студентите правят разлики между мозъчна атака, редактиране, обяснение и генериране на цял текст, които едно всеобщо правило изтрива. Реакцията, която променя поведението, съчетава ясни очаквания, смислено оценяване, обучение за отговорно използване, път за деклариране, проверка на ученето и пропорционална отчетност. Третирането на всяко използване като недостатък на характера го изтласква в тайна, където губиш и информацията, и разговора.
Отговори на това, в което вярват семействата и обществото
Въпросите отвън са по-прости, а отговорите трябва да са по-кратки, защото ще бъдат повторени на заседание на съвета без уточненията.
„Ще преобразува ли AI образованието или ще го унищожи?“
И двете твърдения преувеличават това, което технологията прави сама. AI може да разшири достъпа до обяснение, превод, практика, обратна връзка и подпомагаща подкрепа и може да добави дезинформация, риск за поверителността, пристрастие, прекомерна зависимост и нови проблеми с честността. Дизайнът, преподаването, институционалните решения и отговорностите, които обучаемите запазват, решават кой списък расте (AI в образованието). Въпросът, който си струва да се постави пред съвет, е по-тесен и има отговор: за кои обучаеми, задачи и резултати, при какви условия това използване дава повече полза, отколкото вреда.
„AI е основно още един калкулатор.“
Сравнението работи за едно свойство, защото и двете изнасят работа, и се проваля по обхват. Калкулаторът извършва определена операция; генеративният AI произвежда обяснения, аргументи, планове, обобщения на източници, код, обратна връзка и цели задачи, действието му е далеч по-малко прозрачно, а резултатът му може да е убедителен и грешен (Генеративен AI). Затова решението за делегиране е по-гранулирано. Изнасянето на рутинното изчисление може да освободи обучаемия да интерпретира; изнасянето на интерпретацията премахва урока.
„Емпатичният AI се грижи за студента.“
Системата може да произведе език, който звучи внимателно и подкрепящо, и това може да помогне на обучаем да формулира проблем или да издържи през задача с ниски залози. Привидността на грижа не е грижа, отговорност или задължение за полагане на грижа, а моделът може да разбере ситуацията погрешно, да затвърди рамката на потребителя или да отговори зле, звучейки любезно (Разговорен AI). Студентите трябва да знаят кога говорят със система, какво се запазва и кога тя трябва да ги насочи към квалифициран възрастен.
„AI ще направи учителите ненужни.“
Автоматизирането на задачи не е заместване на образователната функция. Чертането на примери, производството на предварителни материали, отговарянето на рутинни въпроси и подпомагането с обратна връзка могат да се преместят към инструмент. Тълкуването на нуждите на обучаемите, изграждането на отношения, поддържането на класната стая интелектуално и емоционално сигурна, контекстуализирането на дисциплинарното знание, упражняването на етична преценка и решаването кога генериран отговор е неподходящ остават при човек. Ролята се измества към организатор, дизайнер на обучение, дисциплинарен водач и отговорен вземащ решения, което е промяна в професионалната работа, а не нейното изчезване (Преподаването).
Какво хората, които управляват това, разбират погрешно
Погрешните представи по-горе принадлежат на аудиторията, за която е написана страницата. Тези принадлежат на хората, които пишат докладната записка, и те са причината добрите корекции да не стигат до целта.
„Управляваното от данни означава обективно.“
Пристрастието влиза през обучителните данни, етикетите, дефинициите на резултатите, подканващите текстове, езиковите допускания, изборите за достъпност, праговете за решения и начина, по който служителите четат резултата. Човешката преценка също е пристрастна, което не е доказателство, че автоматизираната преценка е неутрална; автоматизацията може да скрие пристрастие зад интерфейс и да го приложи в мащаб (Намаляване на пристрастията). За последични решения изисквай анализ на представянето по подгрупи, документация на условията за обучение и валидиране, отчитане на несигурността, смислен човешки преглед, процес за обжалване, наблюдение след внедряване и разследване на диференцирани вреди.
„Един акаунт на студент решава въпроса със справедливостта.“
Равният достъп е първата от три линии. Студентите се различават по предварителни знания, опит с AI, език, достъп при увреждане, качество на устройството, налично време, увереност и способност да оценяват резултат, а по-опитните студенти използват инструмента, за да разширят ученето си, докато по-слабите или тези с по-слаба метакогниция приемат грешен резултат или делегират практиката, от която се нуждаят най-много. Планирай достъп, после умение, после резултати: кой може да го използва надеждно, кой може да го използва и да го оценява, кой всъщност печели и кой среща нова вреда (Цифрово разделение, метакогниция).
„Една институционална политика ще сложи край на несигурността.“
Текстът на политиката не създава споделено разбиране. Студентите и служителите четат очакванията от институционалните насоки, програмните норми, учебните програми, указанията към задачите, коментарите на преподавателите, поведението на връстниците и предишното прилагане, и когато те си противоречат, хората измислят собствени правила. Архитектурата, която работи, свързва институционалните принципи с програмните очаквания, политиките на курса, указанията към задачите, разработените примери и прозрачните процедури за деклариране и преглед, с образователната причина, прикрепена към всяко ограничение. Правило, което казва само „разрешено“ или „забранено“, оставя преценката на този, който е най-уверен.
„Съпротивата на преподавателите е липса на обучение.“
Понякога е така. Готовността е също натоварване, професионална идентичност, дисциплинарни ценности, съмнения във валидността на оценяването, слаба институционална подкрепа, несигурност за поверителността и обоснована преценка, че конкретно приложение не служи на студентите. Затова развитието трябва да покрива практическа компетентност, педагогическа интеграция, цел и идентичност, време, политика, употреба, специфична за дисциплината, и възможността за принципно невъзприемане. Еднократна демонстрация на функция не решава професионална и организационна промяна (Развитие на образованието).
„Да кажеш на хората верните факти е достатъчно.“
Погрешните представи често са стабилни, правдоподобни мисловни модели, а не празнини, и собственият опит на човека продължава да ги потвърждава: резултатът звучи уверено, работата изглежда добре, задачата се завърши по-бързо. Фактите, които противоречат на модел с прикачено работещо обяснение, се изхвърлят. Това, което ги замества, е по-добър модел плюс начин да се приложи, което е последователността на опровергаването в Опровергаващия текст и синтезът в Погрешни представи за AI.
„Да коригираш някого означава да му кажеш, че е сгрешил.“
Позорът произвежда защитна реакция и прикриване, а послания като „само мързеливи студенти използват AI“ или „всеки, който вярва на чатбот, е глупак“ атакуват идентичността, а не вярването. Обърни се към вярването и последиците му: признай защо е изглеждало разумно, покажи разминаване, например уверена грешка, покани прогноза, преди да разкриеш корекцията, дай на хората да сравнят представяне с помощ и без помощ, дай им стратегия за следващия път и затвърди новия модел през няколко дейности. Хората преразглеждат мисленето си по-охотно, когато преразглеждането не им струва достойнство.
Замести вярването с по-добро
Механиката е достатъчно кратка, за да се използва на среща на преподавателите. Назови вярването, кажи защо изглежда вярно, отхвърли го ясно, обясни провала, дай по-добрия модел и подай приложение.
Разработеният вариант, който можеш да адаптираш към всеки елемент от тази страница:
Погрешна представа: „Добре генерирана от AI задача показва, че студентът се е научил.“ Опровержение: „Това не е задължително вярно. Продуктът показва какво са произвели заедно студентът и AI, но не разкрива кое разсъждение е извършил студентът.“ Замяна: „Ученето се демонстрира по-добре, когато студентът може да обясни, пренесе, адаптира и възпроизведе способността.“ Приложение: „Следвай работата с AI с обяснение, устна защита, запис на процеса или приложение без помощ.“
Замяната носи тежестта. Премахването на погрешна представа без предоставяне на по-добро обяснение оставя човека без нищо, с което да мисли, и старото вярване се връща следващия път, когато опитът го потвърди.
Опитите правят повече от описанията. Тези, които променят вярване, са тези, които правят провала му видим: помоли хората да намерят уверено измислено цитиране; сравни няколко противоречиви отговора на един подканващ текст; реши задача без помощ след подкрепяна практика; наблюдавай как моделът отразява грешно допускане; сравни преподавател, който дава пряк отговор, с такъв, който работи с подсказки; одитирай резултати по имена, диалекти или сценарии; защити препоръка на AI с оригинални доказателства. Всяко превръща предупреждението в нещо, което човекът е видял да се случва, и всяко дава практика по проверката, калибрирането на доверието и решението за изнасяне.
Какво ще ти се върне
„Вече купихме детектора и лицензът не се възстановява.“
Тогава го използвай като един сигнал в процес, който може да преживее обжалване, и предвиди бюджет за процента грешки, вместо да се преструваш, че го няма. При процента фалшиви положителни резултати, който Vanderbilt не успя да валидира, 1% от 75 000 предадени работи е 750 погрешно класифицирани студенти, а анализът на процедурната справедливост казва, че инструментите класифицират погрешно пишещите на английски като втори език. Резултатът от детектор е обвинение. Записаното обяснение е доказателство.
„Нашите студенти никога не биха го направили.“
Резултатът с 94% неоткрити работи идва от предадени работи, вмъкнати в реални онлайн изпити, което не е история за злодеи. По-голямата част от натиска идва от двусмислието и времето, а практическият въпрос е кой път твоята задача прави най-лесен. Ако проверката се оценява, декларирането не струва нищо и съществува проверка без помощ, повечето студенти поемат пътя, който си построил.
„Доставчикът ни показа бенчмарк и щастлив пример от практиката.“
Питай какво е измервал бенчмаркът и дали някой студент е научил нещо със затворен инструмент. Резултатът по рубрика за преподаване и печалбата в учене в класната стая са различни твърдения, а пилот без условие за сравнение не може да ти каже кое от двете имаш. Същият скептицизъм важи и за твоето собствено табло.
„На учителите просто им трябва повече обучение.“
Учителите значително надцениха AI компетентността си, когато самоотчетът срещна представянето, затова обучението трябва да се оценява по това какво могат да правят хората, а не по това какво казват, че знаят. То трябва да покрива и целта, натоварването и възможността да откажат, иначе хората с най-голямо основание да се съпротивляват ще бъдат тези, които разбират проблема най-добре.
„Родителите няма да приемат нищо друго освен забрана.“
Родителите питат дали това нещо пред детето им е сигурно и дали удостоверението означава нещо. Отговори директно на тези два въпроса, с въпросите за педагогическа безопасност, а не с филтъра за съдържание, и доводът за забрана губи силата си. Въпросът пред съвета е по-тесен от заглавието и по-лесен за защита.
„Не можем да провеждаме устни защити за лекционен курс с такъв размер.“
Тогава не провеждай по една на студент. Обясни разсъждението писмено, обсъди източниците в кратък записан коментар, преработи пасаж, приложи идеята към нов случай или прочети доказателствата за процеса, които вече събираш. Извади за проверка предадените работи, които изглеждат несъответстващи на по-ранна работа. Проверката е навик, вграден в курса, а не отделно събитие за всеки студент.
„Нищо от това не е наша тема.“
Намесата се случва вътре в дисциплината, на стъпката, където инструментът извършва практиката, за която курсът съществува. Затова реакцията е промяна в задачата и едно изречение в политиката, а не нов модул за AI.
Какво да направиш тази седмица
1. Вземи трите вярвания, които чуваш най-често, и напиши всяко като опровержение: вярването, защо изглежда вярно, корекцията, замяната, приложението. Една страница, без цитати.
2. Добави един елемент без помощ към оценяване, което вече провеждаш, и му дай достатъчна тежест, за да означава резултатът нещо.
3. Пренапиши клаузата за AI в един курс така, че да назовава действието и стъпката, и избери едно от четирите условия за всеки етап от задачата.
4. Преди следващото решение за подновяване или пилот поискай една таблица по подгрупи, един дневник за безопасност в много ходове и една мярка за резултат без помощ. Ако някое от трите липсва, кажи го писмено.
5. Проведи една двадесетминутна дейност, която прави погрешна представа да се провали в стаята, като използваш измислено цитиране или два противоречиви отговора на един и същ подканващ текст.
Накъде след това
Погрешните представи за AI са синтезът зад тази страница, а Опровергаващият текст е методът да го използваш пред публика. Как да намалим измамите с AI? се занимава с решенията за честността, Как да препроектираме оценяването за ерата на AI? се занимава с това какво може да подкрепи една оценка, а Оценяването на AI в образованието е наръчникът за преценка на пилот или платформа. От преподавателската страна AI компетентността на преподавателя и AI грамотността покриват какво трябва да могат да правят хората в стаята.
Идеята, която да запазиш, във вида, в който можеш да я кажеш на глас: AI е погрешим когнитивен ресурс, а не авторитет, не ум и не доказателство, че ученето се е случило. Отговорното използване държи човека отговорен, запазва мисленето, което ученето изисква, проверява това, което има значение, и съди за успеха по трайна и справедлива способност, а не по гладкост, скорост, ангажираност или завършена задача.