Kako mi umjetna inteligencija može uštedjeti vrijeme kao nastavniku?

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

Četvrtak je navečer u osmom tjednu. Tri skice nastavnih jedinica dospijevaju u ponedjeljak, izvještaji iz laboratorija napola su ocijenjeni, a na petkovu sastanku odjela jedna je točka o tome što je svatko učinio s umjetnom inteligencijom od kolovoške obuke. Kolegica kaže da joj je alat prepolovio vrijeme planiranja. Pokušali ste ga dvaput, potrošili četrdeset minuta na popravljanje radnog lista i otišli s mišlju da je cijela stvar precijenjena.

Oboje opisujete isti alat. On štedi vrijeme na sastavljanju materijala koji biste ionako uređivali, a troši vrijeme kada ga usmjerite na prosudbu o određenom studentu. Hoće li ušteda postati vaša, ovisi o odluci koju većina nastavnika nikada ne donese: čemu služe vraćeni sati.

Osnovni zaključak za sastanak: predajte prvi nacrt i zadržite prosudbu. Skice nastavnih jedinica, riješeni primjeri, pitanja za raspravu, formativna pitanja za provjeru, alternativna objašnjenja, formulacije rubrika i rutinski administrativni tekst posao je koji možete specificirati, provjeriti i ispraviti. Ciljevi, završne ocjene i svaka prosudba o određenom učeniku ostaju uz vas. Imenujte što oslobođeni sat kupuje, jer dokazi o uštedi vremena dokazi su o tome kamo vrijeme odlazi.

Kratka verzija

1. Popišite zadatke iz prošlog tjedna koji su dali dokument koji ste zatim uređivali. To su vaši kandidati.

2. Počnite sa strukturiranim materijalom koji možete provjeriti prema vlastitoj specifikaciji: izlaznim listićima, pitanjima za provjeru, riješenim primjerima, drugim objašnjenjem teškog koncepta.

3. Zapišite kamo odlazi vraćeni sat prije nego što ga vratite.

4. Mjerite vrijeme tri ponavljajuća zadatka dva tjedna. Vaš osjećaj uštede nepouzdan je na specifičan, dokumentiran način.

5. Držite postavljanje ciljeva, sumativne ocjene i odluke o pojedinom studentu na svojoj strani crte.

Počnite s radom koji biste ionako prepisivali

Najsnažnija brojka u ovoj bazi znanja dolazi iz randomiziranog pokusa sažetog u Kako umjetna inteligencija mijenja tijekove poučavanja. Dvjesto pedeset i devet nastavnika prirodoslovnih predmeta koji su rabili ChatGPT provelo je oko 69% vremena na pripremu nastave u odnosu na kontrolnu skupinu, što je smanjenje od otprilike 31%, a neovisni stručni ocjenjivači nisu našli zamjetan gubitak kvalitete. Nastavnici su to vrijeme preraspodijelili, a nisu ga stavili na stranu, prebacivši ga u planiranje, ocjenjivanje i rad sa studentima.

Drugi skup podataka u istom radu, više od 104.000 poruka od preko 15.000 edukatora, pokazuje zašto ušteda završava na neobičnim mjestima. Prosječan upit dotiče 1,7 kategorija odjednom, pa se na jedan zahtjev za nastavnu jedinicu vraća odgovor koji nosi i diferencijaciju i kviz koji nastavnik nije mislio tražiti.

To je preraspodjela, a ne smanjenje: ono što dobivate od generativne umjetne inteligencije jest razlika između prazne stranice i nacrta koji je dovoljno određen da se s njim možete prepirati.

Uskladite zadatak s onim što alat radi dobro

Kvaliteta je neravnomjerna u obrascu koji je dovoljno stabilan da se prema njemu planira. Neovisni ocjenjivači preferirali su verzije zaključaka nastavnih jedinica i izlaznih listića koje je dala umjetna inteligencija u 59,7% slučajeva pred materijalima koje su osmislili stručnjaci, a materijal umjetne inteligencije za srednjoškolski sadržaj u 59,2% slučajeva. Ušteda raste i tamo gdje je vaše samopouzdanje najniže: poučavanje izvan vlastitog predmeta slučaj je s najvećim jazom između onoga što vam alat daje i onoga što biste napisali sami.

Dvije kategorije idu u suprotnom smjeru. Na materijalu za osnovnoškolsku razinu ljudi su preferirani u otprilike 65% slučajeva zbog razvojne primjerenosti. Ciljane postupne potpore za višejezične učenike i učenike u posebnom obrazovanju vraćale su se neutralne, a ne pogrešne, što je gore nego što zvuči, jer neutralnu potporu gradite iznova od početka.

Test koji to predviđa prije nego što potrošite večer: možete li specificirati zahtjev dovoljno precizno da provjerite izlaz? Izlazni listić o jednom cilju, da. Odgovara li odlomak određenom devetogodišnjaku koji čita dvije godine ispod razine razreda, ne.

Dajte vraćenom satu odredište

Najjasniji dokaz da je ušteda stvarna i da sama po sebi ne čini ništa dolazi iz velikog eksperimenta u 178 škola i s otprilike 19.000 srednjoškolaca završnog razreda o automatskoj povratnoj informaciji o esejima uz pomoć umjetne inteligencije. Studenti čija je povratna informacija dolazila iz sustava napredovali su jednako kao studenti koje su ocjenjivali ljudi. Ljudski ocjenjivači koštali su oko 0,85 dolara po eseju i nisu dodali nikakvu mjerljivu korist povrh toga.

U učionicama s umjetnom inteligencijom studenti su imali oko 35% više razgovora jedan na jedan s nastavnicima o pisanju i napisali su 30% više eseja. Radni sati nastavnika kod kuće pali su za 20%, a udio onih koji svoje vrijeme opisuju kao „vrlo nedostatno“ pao je s 23% na 9%. Najveće učenje ostvareno je na najsloženijem zadatku pisanja, onom koji umjetna inteligencija najmanje može ocijeniti, jer je nastavnik sada imao sati za njega.

Ograda je rečenica koju treba ponijeti na sastanak. Najniži kvartil nije pokazao nikakvo poboljšanje. Studenti koji su najviše zaostajali nisu dobili ništa od nastavnika koji je samo imao više prostora u danu, pa je mjesto na koje sate odlaze cijeli argument, a pravedna preraspodjela pripada u plan od početka, a ne u pregled na kraju.

Mjerite uštedu, nemojte je osjećati

Ušteda vremena tvrdnja je o sebi koju nastavnici najpouzdanije pogrešno procjenjuju. U tri predregistrirane studije s 2.691 sudionikom ljudi su podcjenjivali koliko često rabe umjetnu inteligenciju i precjenjivali vrijeme i napor koje im štedi, prijavljujući zadatke kao brže i lakše, dok objektivne mjere nisu pokazale razliku. Upotreba alata ranije u sesiji predviđala je veću upotrebu kasnije, pa se pogreška nagomilava unutar jednog poslijepodneva (The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks).

Pomaže metakognitivna kalibracija, a jeftina je inačica dnevnik. Dva tjedna bilježite početak i kraj tri ponavljajuća zadatka, jednog s alatom i dvaju bez njega. Očekujte jedan zadatak s velikom stvarnom uštedom, nekoliko bez nje i par onih u kojima je alat dodao korak pregleda koji je pojeo dobitak.

Napor i sposobnost također se razdvajaju. Studija unutar ispitanika s 13 nastavnika u visokom obrazovanju našla je da je pristup umjetnoj inteligenciji smanjio percipirani kognitivni napor dizajna učenja s medijana 6,33 na 3,33 (p = 0,004), dok obuka oblikovanja upita dodana povrh toga nije poboljšala kvalitetu dizajna (When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort). Manje naprezanja u četvrtak navečer stvarna je korist. To nije dokaz da su se dizajni poboljšali.

Držite ciljeve i završne ocjene na svojoj strani

Participatorni dizajn sa šest srednjoškolskih nastavnika dao je granicu koju vrijedi kopirati. Sustav su osmislili kao omeđenog stručnjaka: sposoban unutar uskog područja, koji radi pod nadzorom. Htjeli su pomoć u predstavljanju sadržaja, stvaranju zadataka za vježbu i davanju formativne povratne informacije, a odbili su prepustiti postavljanje ciljeva ili sumativnu procjenu, inzistirajući na mogućnosti nadjačavanja u dvosmislenim slučajevima. Ono što su zaštitili jest jezgra nastavničke uloge: odlučivanje o tome što je vrijedno učenja i prosudba je li se to naučilo.

Ocjenjivanje je zadatak s najvećom prividnom dobiti i najslabijom prenosivošću. Benchmark OpRaise pokrenuo je tri vrhunska modela na 761 autentičnom eseju iz preddiplomske psihologije 125 studenata s tri britanska sveučilišta, sa 27 konfiguracija upita po modelu. Slaganje s ljudskim ocjenama razreda kretalo se od 35% do 65%, ovisno o ustanovi. Ocjene su se stiskale prema sredini, pa su najjači i najslabiji eseji ocijenjeni najnetočnije, a modeli su se međusobno slagali mnogo više nego s ljudskim ocjenjivačima. Središnji je nalaz autora da se dokazi prikupljeni u jednom kontekstu ne prenose u drugi.

Automatsko ocjenjivanje eseja možete rabiti ako ga validirate na svom predmetu i svojim studentima i odluku zadržite kod osobe. Kvaliteta povratne informacije umjetne inteligencije kaže što provjeriti: brzina i količina nisu isto što i korisnost, a pedagoška prosudba o tome koji komentar student treba sljedeći ostaje uz vas.

Što nastavnici pogrešno razumiju

„31% je moja brojka.“ To je 259 K-12 prirodoslovnih nastavnika na pripremi nastave. Smjer se prenosi, veličina ne. Seminar utemeljen na raspravi može uštedjeti manje, a laboratorijski kolegij s ograničenjima sigurnosti možda neće uštedjeti ništa na dijelu za koji ste najviše htjeli pomoć.

„Ušteda vremena je cilj.“ Brazilski eksperiment protuprimjer je. Sati su došli besplatno, a najniži kvartil nije dobio ništa. Cilj je ono što sati kupuju.

„Dobar nacrt znači da mogu predati i sljedeći korak.“ Šest je nastavnika povuklo crtu kod ciljeva i sumativne prosudbe s razlogom. Kvaliteta izlaznog listića ne govori ništa o tome može li alat odlučiti što izlazni listić treba procjenjivati.

Što će vam se vratiti

„Pokušao sam i izlaz je bio općenit.“ Većina nastavnika u istraživanjima uzela je prvi rezultat i uredila ga ručno, umjesto da iterira daljnjim upitima. Drugi i treći krug u kojem navedete svoj razred, svoje čitanje, svoja posljednja tri pitanja za provjeru i primjer dobrog izlaska mijenjaju izlaz više nego promjena alata. Pismenost u području umjetne inteligencije jeftino je ulaganje, a dotjerivanje upita mjesto je na kojem se ono isplati.

„Ako postanem brži, vrijeme će se popuniti sastancima.“ Vjerojatno, i to je najčešći način na koji ušteda nestaje. Stavite odredište u pisanom obliku gdje ga vaš pročelnik može vidjeti, prije nego što se prostor popuni.

„Povratna informacija umjetne inteligencije zakida studente kojima je najteže.“ Najniži kvartil u Brazilu nije dobio ništa, i to je najsnažnije upozorenje na ovoj stranici. Uparite uštedu s namjernom upotrebom. Porast od 35% u razgovorima jedan na jedan ono je što su te učionice učinile sa satima, i to je bila nastavnikova odluka.

„Ocjenjivanje je mjesto gdje su moji sati stvarno.“ Jest, i ujedno mjesto gdje je alat najmanje prenosiv među ustanovama. Validirajte lokalno ili ga ostavite na miru.

„Ovo oduzima vještinu profesiji.“ Pishtarijev je rezultat iskrena inačica: percipirani je napor pao, a dodana obuka nije poboljšala kvalitetu dizajna. Ušteđeni napor nije stečena sposobnost, a granica šest nastavnika razumno je mjesto na kojem držati crtu dok učite koji je od vaših zadataka koji.

Što učiniti ovaj tjedan

1. Zapišite pet zadataka koje ste radili prošlog tjedna i koji su završili dokumentom koji ste zatim uređivali.

2. Odaberite onaj s najjasnijom specifikacijom i sastavite ga s alatom, mjereći vrijeme obiju verzija.

3. Stavite vraćeno vrijeme u imenovani termin u svom kalendaru: razgovor sa studentom, drugi krug povratne informacije ili pošteno čitanje niza nacrta.

4. Napišite svoj popis zabrana i držite ga vidljivim: ciljevi, završne ocjene, sve što ovisi o potrebama jednog studenta.

5. Vodite dnevnik dva tjedna, zatim odlučite koja dva zadatka trajno prepuštate.

Kamo dalje

Povratna informacija u velikom opsegu vodi pitanje povratne informacije dalje, a Kompetencije nastavnika za umjetnu inteligenciju s razvojem nastavnika za umjetnu inteligenciju pokriva što odjel može izgraditi da to prestane ovisiti o pojedinačnom eksperimentiranju. Preoblikovanje procjene u eri umjetne inteligencije i Smanjivanje varanja uz pomoć umjetne inteligencije bave se posljedicama za procjenu. Kako umjetna inteligencija mijenja tijekove poučavanja članak je iza brojki o pripremi, a ljudski nadzor načelo je na kojem se ova stranica zasniva.