Koje su najbolje prakse za poučavanje pisanja u kontekstu umjetne inteligencije?

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

Ispravljate uputu za zadatak i rečenica pred vama kaže da je umjetna inteligencija dopuštena uz navođenje, što studentu ne govori ništa o tome smije li alat ponuditi argument. Kolega je predložio zabranu na razini kolegija i sumnjate da ona najteže pogađa višejezične pisce u prostoriji. Ili se hrpa eseja vratila glađa od seminarske rasprave koja stoji za njima, i treba vam pravilo koje možete braniti na sljedećem sastanku o kurikulu.

Suština: imenujte intelektualni rad koji zadatak treba proizvesti, zadržite taj korak kod studenta i dajte alatu poslove koji vraćaju nešto što student mora prosuditi. Pravilo napisano na taj način studentu kaže koji korak štiti.

Kratka verzija

1. Napišite jednu rečenicu koja imenuje mišljenje koje zadatak ocjenjuje i stavite je tamo gdje će je studenti čitati.

2. Neka student zapiše tvrdnju, interpretaciju ili grubi nacrt prije nego alat vidi zadatak.

3. Postavite granicu po koraku. Dopustite umjetnu inteligenciju tamo gdje korak nije ono što ocjenjujete, ograničite je tamo gdje jest.

4. Dajte umjetnoj inteligenciji stolicu kritičara, a zatim ocjenjujte što student čini s odgovorom.

5. Zadržite jedan tekst koji alat nikada ne dotakne i čitajte potpomognuti rad prema njemu.

6. Unaprijed recite što prijava čini ocjeni.

Imenujte mišljenje za koje zadatak postoji

Granica umjetne inteligencije drugo je pitanje, a većina uputa za zadatke odgovara na njega prvo. Prije nego odlučite što je dopušteno, dovršite ovu rečenicu: ovaj zadatak postoji kako bi pokazao da student može učiniti X. Ako je X argumentiranje, student mora formulirati i braniti tvrdnju. Ako je disciplinarna interpretacija, student mora donijeti interpretativnu prosudbu. Ako je znanstveno rezoniranje, student mora povezati dokaze sa zaključkom. Umjetna inteligencija koja obavlja taj rad prekida inferenciju koju želite izvesti iz eseja, i izvrstan tekst to ne popravlja. Valjanost procjene to tretira kao problem valjanosti, a ne kao problem ponašanja, zbog čega i poučavanje pisanja i akademska čestitost na kraju zagovaraju pravila na razini zadatka umjesto zabrana na razini kolegija.

Nash i Burriss pokazuju kako lako ta rečenica pođe po zlu. Kod 27 budućih nastavnika engleskog i njihovih razrednih politika o umjetnoj inteligenciji, 22 su dopuštale umjetnu inteligenciju za osmišljavanje ideja i brainstorming, 22 su zabranjivale ili ostavljale nejasnom upotrebu umjetne inteligencije za sastavljanje rečenica, odlomaka ili radova, a 22 nisu rekle ništa o čitanju. Isti su nastavnici osmišljavanje ideja i reviziju opisali kao „mišljenje“, dok su stvarno mišljenje smjestili u konačni napisani tekst. Ako mišljenje prolazi kroz planiranje, pisanje nacrta, reviziju i vrednovanje, politika koja čuva samo posljednji proizvod čuva pogrešan korak, a čitanje treba jednako izričito pravilo kao i pisanje.

Napišite pravilo kao rečenicu o koraku: „Umjetnu inteligenciju smijete upotrijebiti da provjerite prigovore na tvrdnju koju ste već iznijeli. Ne smijete je upotrijebiti da generirate tvrdnju ni dokaze za nju.“ Student po tome može postupiti. „Umjetna inteligencija dopuštena uz navođenje“ ne daje mu ništa po čemu bi postupio.

Neka student zauzme stav prije nego alat odgovori

Redoslijed radnji najkorisniji je dizajnerski izbor u ovoj literaturi. Chenova studija osjetljiva na slojeve sa 168 studenata preddiplomskog studija u šest cjelovitih razrednih odjela razlučila je četiri vrste delegiranja: površinsko, strukturno, idejno i rezonirajuće rasterećenje. Otvorena suradnja s umjetnom inteligencijom dala je najjače potpomognuto pisanje i najslabiju kasniju samostalnu izvedbu. Delegiranje rezoniranja bio je sloj najnegativnije povezan sa samostalnim mišljenjem višeg reda. Ograničeni uvjet, koji je ograničavao što studenti smiju delegirati i tražio da objasne kako su prihvatili, izmijenili ili odbili svaki prijedlog umjetne inteligencije, bio je bolji u samostalnom pisanju, dubini argumenta i reviziji.

Tretirajte kauzalnu tvrdnju s pažnjom. Riječ je o kvazieksperimentu, sa šest cjelovitih razrednih odjela i bez slučajnog raspoređivanja studenata, pa razlike među razredima ostaju isprepletene s tretmanom. Smjer se uklapa u širu literaturu o kognitivnom rasterećenju, zbog čega vrijedi djelovati, a veličina učinka nije nešto što biste citirali odboru.

Na uputi to košta jedan redak: student donosi interpretaciju, hipotezu, argument ili analizu, a umjetna inteligencija se traži da ih napadne. „Evo tri prigovora na moj argument“ zadržava mišljenje kod pisca. „Napiši moj argument“ ne zadržava, što god student poslije učinio s rezultatom.

Tretirajte prvi nacrt kao skupi korak

Pomoć u različitim fazama čini različitu štetu. U studiji sa 253 pisca svaka je pomoć umjetne inteligencije smanjila doživljeno vlasništvo nad radom, pomoć pri pisanju nacrta smanjila ga je najviše, a pomoć pri planiranju najmanje. Više teksta i ideja koje je doprinijela umjetna inteligencija išlo je s boljom kvalitetom eseja i nižim vlasništvom u istom uručku (studija o vlasništvu od planiranja do revizije). To je kombinacija oko koje treba planirati: jači esej i slabiji osjećaj autorstva dolaze zajedno, a drugi je ono na čemu počiva agentnost u pisanju.

Ako je autorstvo u vašem kolegiju važno, razdvojite dopuštenja. Umjetna inteligencija koja potiče planiranje, pita koje dokaze student već ima ili imenuje protuargument koji je student propustio, branjiva je gotovo svugdje. Umjetna inteligencija koja generira odlomke teško je branjiva tamo gdje je sastavljanje ciljna vještina. Gdje sastavljanje nije cilj, računica se mijenja.

Postavite pravilo na svakom koraku

Slijed koji vrijedi posuditi zadržava umjetnu inteligenciju u savjetodavnoj ulozi, a rezoniranje stavlja kod studenta:

Faza	Student čini	Umjetna inteligencija smije	Materijal koji možete prikupiti
1. Susret s dokazima	Čita, promatra, bilježi, računa, izvodi pokus	Ništa, ili samo pojašnjenje	Bilješke, oznake, opažanja
2. Formiranje stava	Generira interpretaciju, pitanje, hipotezu, tvrdnju	Postavlja pitanja, osporava pretpostavke	Memo s tvrdnjom ili hipotezom
3. Planiranje	Odlučuje o dokazima, slijedu, publici, žanru	Kritizira nacrt strukture, predlaže alternative	Nacrt strukture s obrazloženjem
4. Pisanje nacrta	Proizvodi sadržajan tekst i rezoniranje	Ograničeno prema cilju učenja	Nacrt i povijest verzija
5. Ljudski odgovor	Daje i prima vršnjačke ili nastavničke povratne informacije	Ništa nije potrebno	Vršnjački komentari
6. Povratne informacije umjetne inteligencije	Traži kritiku prema kriterijima	Kritičar, čitatelj, generator protuargumenata, provjera jasnoće	Transkript povratnih informacija umjetne inteligencije
7. Vrednovanje povratnih informacija	Uspoređuje vršnjačke, nastavničke i prijedloge umjetne inteligencije, prihvaća ili odbija s razlozima	Njegov je rezultat sada predmet vrednovanja	Memo o odlukama o povratnim informacijama
8. Revizija	Čini i obrazlaže suštinske promjene	Provjerava jasnoću, nudi alternative	Revizija
9. Provjera	Provjerava svaku činjeničnu tvrdnju ili tvrdnju ovisnu o izvoru	Ne može provjeriti vlastiti rezultat	Izvori i dokazi
10. Refleksija i prijava	Objašnjava ulogu umjetne inteligencije i što se promijenilo u njegovu mišljenju	Ništa	Kratka refleksija o procesu
11. Samostalna provjera	Objašnjava ili primjenjuje rezoniranje bez umjetne inteligencije	Ništa	Usmena obrana, brzo pisanje, novi slučaj

Ovo je prošireni PAIRR: nacrt, ljudske povratne informacije, povratne informacije umjetne inteligencije, usporedba, revizija, refleksija, uz samostalnu osnovicu i čvršću granicu oko rezoniranja. Uzmite srednji stupac kao zadatak, a desni kao ono na čemu ocjena može počivati.

Jedanaest redaka više je nego što većini zadataka treba. Skupite tablicu na korake koje u nastavi doista možete razlikovati: susret s dokazima, formiranje stava, pisanje nacrta i reviziju. U toj kraćoj verziji susret i stav su mjesta na kojima konstrukt živi, pisanje nacrta je sporni korak, a oblikovanje i provjera referenci mogu se dopustiti posve. Pisanje tablice način je da nađete dva ili tri mjesta na kojima vaše pravilo mora nešto reći, pa pravilo s tri odredbe koje student može slijediti pobjeđuje matricu koju nitko ne čita.

Zadržite ljudske povratne informacije u petlji

Najveća studija iz učionice ovdje je PAIRR: 654 studenta u deset kolegija pisanja i tri kolegija STEM s intenzivnim pisanjem. Pisali su nacrte, proveli vršnjačko ocjenjivanje, dobili povratne informacije umjetne inteligencije prema rubrici, usporedili i ocijenili oba izvora, napisali planove revizije, revidirali i reflektirali. Pedeset i osam posto preferiralo je kombinirane vršnjačke i povratne informacije umjetne inteligencije. Šest posto preferiralo je samo povratne informacije umjetne inteligencije. Studenti su umjetnu inteligenciju smatrali korisnom za široke savjete o reviziji prema rubrici, a vršnjaci su dali kontekstualno znanje i vjerodostojan odgovor publike.

Budite točni u tvrdnji. PAIRR je mjerio iskustvo studenata i njihovu procjenu povratnih informacija, a ne dugoročne ishode učenja, pa je to jak dokaz za dizajn povratnih informacija, a slabiji dokaz da se pisanje poboljšava mjesecima kasnije. Zadržite vršnjački korak i kad je korak umjetne inteligencije brži. Velik dio rada na povratnim informacijama odvija se u usporedbi dvaju izvora, a njegovo uklanjanje uklanja dio koji su studenti rekli da cijene.

Ocjenjujte što je student učinio s povratnim informacijama

Pismenost u području povratnih informacija sposobnost je traženja povratnih informacija, prosudbe njihove kvalitete, upravljanja vlastitom reakcijom na njih i pretvaranja te reakcije u reviziju. Studenti s više te sposobnosti imaju daleko više koristi od povratnih informacija umjetne inteligencije. Studenti koji rezultat smatraju autoritativnim dobivaju manje (Kvaliteta povratnih informacija umjetne inteligencije).

Kratka tablica odluka čini tu sposobnost vidljivom, jedan redak po prijedlogu: prijedlog umjetne inteligencije, prihvati / odbij / izmijeni, zašto, i kriterij iz rubrike ili dokaz koji stoji za odluku. Četiri stupca, bez eseja. To pretvara rezultat modela u materijal za evaluativnu prosudbu i daje vam nešto što se može ocijeniti, a nije tekst.

Opišite dobar redak jednako pažljivo kao tezu: imenuje kriterij iz rubrike, pokazuje na odlomak ili dokaz i objašnjava promjenu koju je student doista napravio. Redak koji kaže „dobra poanta, slažem se“ ne zaslužuje ništa. Studenti pišu prema primjeru pred sobom, pa je primjer uputa.

Učinite prijavu jeftinom i konkretnom

Studenti skrivaju upotrebu umjetne inteligencije kad su politike nejasne, kaznene ili stigmatizirajuće, a iskrenost može privući sumnju (Izjave o upotrebi i prijavi umjetne inteligencije; istraživanje o racionalizaciji kod studenata). Ono što prijavu čini pedagoški korisnom jest to što bilježi odluke: za što je alat upotrijebljen, što je student dao alatu, koji su prijedlozi bili važni, što je student prihvatio ili odbio.

Mohamed i Temimi daju mehanizam. Prijava postaje privlačna opcija samo kad cijena iskrenosti ostane niska. Detektori daju lažno pozitivne rezultate i protiv iskrenih studenata, pa teži nadzor može prikrivanje učiniti relativno privlačnijim. Njihov je savjet dizajnirati za studenta kojega prikrivanje najviše mami i čitati prijavljenu upotrebu kao kontekst, a ne kao priznanje.

Dva detalja na obrascu nose većinu posla. Tražite konkretne upotrebe, a ne kategoriju, i navedite kako će prijava utjecati na ocjenu. Student koji to ne zna pretpostavit će najgore.

Četiri pitanja dovoljna su za većinu zadataka: na kojem je koraku rada alat upotrijebljen, što je student dao alatu, koji su prijedlozi izmijenili nacrt i koji su odbijeni i zašto. Posljednje pitanje najviše govori, jer odbijanje s razlogom dokaz je prosudbe, a popis prihvaćenih prijedloga nije.

Prilagodite pravilo onome što vaše polje naziva pisanjem

Kolegiji kompozicije i pisanja

Nastavnici kompozicije imaju najjači razlog štititi proces, jer su pisanje nacrta, retoričke odluke, revizija, svijest o publici i vlastiti glas ciljevi učenja, a ne njihov prikaz. Prikupite nekoliko samostalnih uzoraka rano u semestru, da i vi i student znate što pisac sada može. Uvedite umjetnu inteligenciju kao publiku, kritičara i partnera u reviziji: pitajte gdje čitatelj gubi nit, generirajte prigovore na tezu, usporedite nacrt s rubrikom, označite nepotkrijepljene tvrdnje, objasnite zašto odlomak djeluje nepovezano. Student prosuduje svaki prijedlog.

Zadržite vršnjačku recenziju uz povratne informacije umjetne inteligencije, jer vršnjaci daju kontekstualno znanje i znanje o publici koje modelu nedostaje, a procjena razlike među njima sama je po sebi pisalačka obuka. Budite suzdržani prema tome da umjetna inteligencija generira duge dijelove prvog nacrta kad je cilj naučiti sastavljati, zbog razloga o vlasništvu i rasterećenju navedenih gore. Izbjegavajte opće zabrane gramatičke, stilske ili jezične pomoći, koje stvaraju nepotrebne prepreke višejezičnim piscima. Umjesto toga razdvojite jezičnu potporu od intelektualnog autorstva: pomoć u izražavanju je u redu, a student ostaje odgovoran za ideje, dokaze, retoričke odluke i značenje. Provjerite i same povratne informacije, jer su Tan i sur. našli da je isti tekst dobio više pohvala i manje suštinske kritike kad su demografski ili obrazovni podaci o studentu bili uključeni u poticaj, što stavlja ublažavanje pristranosti unutar dizajna povratnih informacija.

Kolegiji humanistike i društvenih znanosti

Interpretacija je obično ciljna sposobnost, pa neka susret s izvorom dođe prije susreta s umjetnom inteligencijom. Studenti bilježe primarni tekst, povijesni izvor, umjetničko djelo, arhivski predmet, intervju ili teorijski odlomak i formiraju početno čitanje prije nego što išta konzultiraju. Poslije model radi kao kontrapunkt: ponudi alternativno čitanje, kaže koji bi dokazi osporili ovu interpretaciju, imenuje pretpostavke koje argument nosi, generira čitanje iz suprotstavljene teorijske perspektive. Student odlučuje koje čitanje tekst doista podupire.

Zadajte kritiku modela kao disciplinarni rad. Dajte studentima interpretaciju pjesme, događaja, argumenta ili društvene pojave koju je dao model i pitajte što primjećuje, što propušta, koji dokazi podupiru njezine tvrdnje, čija perspektiva izostaje i gdje dvosmislenost pretvara u glatki odgovor. To zadržava interpretativnu prosudbu koju kolegij humanistike postoji da bi poučio. Ocjenjujte interpretativne odluke i njihovo dokazno opravdanje, i upotrijebite kratko pitanje na konzultacijama kao što je „Zašto ste ovaj odlomak pročitali tako, a ne onako kako ste odbacili?“ Pogađanje je li rečenica strojno napisana slabija je mjera, kako objašnjava otkrivanje umjetne inteligencije.

Kolegiji STEM i laboratorijska izvješća

Najprije jedna ograda: ova baza znanja ima mnogo jače dokaze o akademskom pisanju potpomognutom umjetnom inteligencijom općenito nego o pisanju laboratorijskih izvješća posebno. Praktična i laboratorijska pedagogija ostaju slabije pokrivene, uključujući literaturu o inženjerskom obrazovanju, pa se ono što slijedi oslanja na nalaze o pisanju, rasterećenju, valjanosti i inženjerstvu u okruženju koje te studije nisu testirale.

Povucite granicu oko znanstvenog rezoniranja, a ne oko teksta u cjelini. Studenti ostaju odgovorni za opažanja, sirove podatke, izračune, nesigurnost, grafikone, analitičke izbore, rezultate i rezoniranje od dokaza do tvrdnje. Kad to postoji, umjetna inteligencija razumno može pomoći s organizacijom, čitljivošću, prijelazima i disciplinarnim konvencijama, što je ista podjela na površinu i rezoniranje kao u Chenovoj studiji.

Paket za laboratorijski kolegij u doba umjetne inteligencije nosi izvješće plus odabrane sirove podatke, izračune ili izlaz iz bilježnice, grafikon s interpretacijom koju je napisao student i kratku izjavu o tome kako središnji zaključak slijedi iz dokaza. Za izvješća s visokim ulozima postavite jedno ili dva individualizirana pitanja o grafikonu, anomalnom rezultatu, metodološkom izboru ili ograničenju. Ne dopustite da tečnost pisanja zamijeni konceptualno razumijevanje: automatizirano ocjenjivanje iz fizike može podcijeniti konceptualno razumijevanje kad je jezični izraz slabiji, a to najteže pogađa višejezične studente (Automatsko ocjenjivanje eseja). Ako su rezoniranje i pisanje oba ciljevi, ocjenjujte ih odvojeno.

Inženjerski kolegiji

Profesionalna odgovornost mijenja formulaciju. Pregled 99 empirijskih studija o inženjerskom obrazovanju identificirao je transparentnost, ljudski nadzor, samostalnost studenata, privatnost, autorstvo, pravednost i dobročinstvo kao ponavljajuće etičke teme i ustvrdio da etika umjetne inteligencije pripada profesionalnom formiranju, a ne samo poštivanju pravila. U laboratorijskom ili projektnom izvješću tražite od studenata da prijave pomoć i potvrde da su provjerili izračune, izvore, pretpostavke i tvrdnje relevantne za sigurnost.

Zadržite jedan uzorak koji alat nikada ne dira

Potpomognuta izvedba nije samostalna sposobnost, a treba vam barem jedno čitanje ove druge. Povremeni uvjeti povlačenja dovoljni su: kratko pisanje bez umjetne inteligencije, interpretacija u nastavi, usmeno objašnjenje, konzultacije, spontana revizija ili dodatni problem koji prenosi isto rezoniranje na novi slučaj. To je najvažnije kad završni rad nosi znatan udio ocjene. Ne znači to nadgledati svaki zadatak. Nekoliko postavljenih uzoraka daje vama i studentu osnovicu za tumačenje potpomognutog rada, što je pisalački specifičan slučaj argumenta iz redizajna procjene u doba umjetne inteligencije.

Čitajte dva rada jedan uz drugi i pitajte je li rezoniranje iz potpomognutog vidljivo i u nepotpomognutom. Gdje jest, esej radi svoj posao kao dokaz. Gdje nije, potpomognuta ocjena mjeri ono što je alat dao. Ta je usporedba i ono što morate pokazati studentu koji osporava ocjenu, jer pokazuje na konkretan dio mišljenja, a ne na dojam o tekstu.

Odlučite što umjetna inteligencija smije ocjenjivati

Dva rezultata koja izgledaju proturječno mogu biti spojiva. Pažljivo kalibrirani sustavi s detaljnim rubrikama i primjerima mogu dobro ocijeniti određene zadatke, a ocjenjivanje s LLM-om izvan kutije znatno odstupa od ljudske prosudbe. Mathew i sur. našli su slabu suglasnost čovjeka i LLM-a koja sustavno varira s kvalitetom eseja: modeli prenagrađuju kratke, površno čitljive eseje, podnagrađuju dulje i jače eseje s manjim površinskim pogreškama i grupiraju se oko sredine ljestvice. Taj obrazac podupire umjetnu inteligenciju za formativne povratne informacije s niskim ulozima, sastavljanje komentara i trijažu daleko više nego za samostalno sumativno ocjenjivanje (Automatsko ocjenjivanje eseja).

Studenti sami povlače sličnu crtu. U preddiplomskom kolegiju tehničke komunikacije gdje je ChatGPT ocjenjivao rukom pisane radove i gdje su studenti o tome bili obaviješteni, svih 13 sudionika smatralo je povratne informacije jasnima i korisnima za površinsku reviziju. Većina je odvojila korisnost povratnih informacija od evaluacijskog autoriteta: prihvatili su kritiku i inzistirali da nastavnik odluči ocjenu (perspektive studenata o ocjenjivanju pisanja uz umjetnu inteligenciju). Dizajnirajte ljudski nadzor kao mjesto na kojem rezultat umjetne inteligencije postaje ocjena, a ne kao uslugu koja se nudi kad je zgodno.

Procijenite dokaze prije nego prepišete silabus

Argument za te dizajne obećava i još nije dovoljno jak da opravda jedinstvenu politiku pisanja s umjetnom inteligencijom. Dio najboljih dokaza dolazi iz velikih studija u učionici kao što je PAIRR sa svojih 654 studenta. Velik dio ostalog počiva na kvazieksperimentima, malim eksperimentalnim uzorcima, konceptualnim analizama i radu iz 2025. i 2026. koji je još nov: Chenova studija o ograničenom pisanju imala je 168 studenata, ali samo šest cjelovitih razrednih odjela, studija o vlasništvu rabila je kratak eksperimentalni zadatak pisanja, a studija koja izvješćuje o trenutnim dobitcima u kvaliteti nakon vježbe s ChatGPT-om uključivala je samo 21 studenta prve godine iz inozemstva i nije utvrdila dugoročni prijenos (kvaliteta i vlasništvo akademskog pisanja uz ChatGPT). Ono što baza znanja o umjetnoj inteligenciji u obrazovanju podupire jest skup dizajnerskih načela, a nalaz koji se najpouzdanije ponavlja u više studija jest da treba sačuvati studentsku agentnost, evaluativnu prosudbu, samostalnu kompetenciju, disciplinarno rezoniranje i ljudske povratne informacije, dok se umjetna inteligencija rabi za širenje pristupa kritici, vježbi, potpori pri reviziji i jezičnoj pomoći.

Ta mješavina ima praktičnu posljedicu. Promijenite jedan zadatak, sačuvajte materijal i usporedite sljedeću generaciju s ovom na istoj mjeri. Pravilo koje možete revidirati nakon jednog semestra vrijedi više od politike koju ne možete testirati, a male studije gore neće vam reći što se događa u vašem kolegiju.

Što nastavnici pogrešno shvaćaju u vezi s ovim

Detektor će utvrditi je li tekst studentov. Neće. U prikrivenoj terenskoj studiji 94% prijava na ispitu koje je generirala umjetna inteligencija prošlo je neotkriveno i dobilo bolje ocjene od stvarnih studenata, a kontrolirana studija našla je da detektori označavaju dopušteno lagano uređivanje uz pomoć umjetne inteligencije u 38-80% slučajeva, dok propuštaju više od 96% humaniziranih prepisa (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI; Why AI Detection Fails for Academic Integrity). Detekcija odgovara na detekcijsko pitanje, a valjanost je drugo pitanje.

Politika na razini kolegija jasnija je od pravila po zadatku. Nashove i Burrissove politike bile su dokumenti na razini kolegija, a 22 od 27 dopuštale su brainstorming, 22 su ograničavale ili zamućivale sastavljanje, a 22 su šutjele o čitanju. Jedan dokument koji pokriva sve obično je konkretan za korak koji nastavnika brine, a neodređen za ostalo.

Bolji tekst znači da je poučavanje pisanja uspjelo. Studija o vlasništvu našla je bolju kvalitetu eseja i niže vlasništvo u istom uručku, a Chenov uvjet otvorene suradnje dao je najjače potpomognuto pisanje uz najslabiju kasniju samostalnu izvedbu. Kvaliteta teksta mjera je proizvoda. Ono za što kolegij postoji mjera je sposobnosti.

Neograničen pristup plus dobar poticaj dovoljni su. Studenti koji povratne informacije umjetne inteligencije smatraju autoritativnim dobivaju od njih manje od studenata s razvijenom pismenošću u području povratnih informacija. Pristup kritici i sposobnost upotrebe kritike zasebna su dobra.

Zabrana umjetne inteligencije štiti proces pisanja. Zabrana odgovara na pitanje koje se razlikuje od koraka do koraka i stvara prepreke višejezičnim piscima kojima treba jezična potpora koja nema veze s autorstvom. Izvediva podjela prolazi između izražavanja i intelektualne odgovornosti.

Što će vam se vratiti

„Nemam vremena čitati još jedan materijal.“ Onda materijal učinite malim: četiri stupca tablice odluka ili pet minuta pisanja u nastavi kao samostalni uzorak. Korpus ne izvješćuje o podacima o vremenu ocjenjivanja za te dizajne, pa se argument opterećenja mora testirati na jednom zadatku, a ne pretpostaviti iz ove stranice.

„Moji studenti će rabiti umjetnu inteligenciju što god pravilo kaže.“ Hoće, a dizajnersko je pitanje koji odgovor vaš zadatak čini najlakšim. Izjava koja ne košta ništa i rubrika koja plaća proces čine prijavu jeftinijim putem. Taj mehanizam dolazi iz modeliranja, a ne iz ispitivanja politike prijave, pa predviđanje tretirajte kao razumno i nepotvrđeno.

„Zabrana je jednostavnija i štiti proces.“ Jednostavnija, da. Politike gore pokazuju kako jedno pravilo na razini kolegija sklizne u šutnju o koracima koji su važni, a opće jezične zabrane padaju na studente kojima su najpotrebnije.

„Vršnjačka recenzija je suvišna sad kad umjetna inteligencija odgovara u sekundama.“ Pedeset i osam posto PAIRR studenata preferiralo je kombinaciju, a 6% samo umjetnu inteligenciju, a razlog koji su naveli bilo je kontekstualno znanje i znanje o publici koje su dali vršnjaci. To mjeri iskustvo, pa nosi manje daleko nego što bi rezultat o ishodima učenja.

„Model ocjenjuje ovaj zadatak jednako dobro kao ja.“ Kalibrirani sustavi s detaljnim rubrikama i riješenim primjerima mogu dobro ocijeniti određene zadatke. Generičko ocjenjivanje ne može, a Mathew i sur. pokazuju da nesuglasnost slijedi kvalitetu eseja, a ne rasipa se slučajno, što je teža vrsta pogreške za primijetiti. Testirajte alat na vlastitom označenom skupu prije nego dotakne ocjenu.

„Ovo kažnjava studente čiji je akademski engleski slabiji.“ Može, ako pravilo tretira izražavanje i autorstvo kao jedno. Razdvojite ih i provjerite povratne informacije umjetne inteligencije na obrazac koji su našli Tan i sur., gdje je isti tekst dobio više pohvala i manje suštinske kritike kad su demografski ili obrazovni podaci bili u poticaju. Korpus dokumentira tu pristranost. Ne izvješćuje o testiranom rješenju, pa je vaša vlastita usporedba provjera.

Što učiniti ovaj tjedan

1. Napišite rečenicu o sposobnosti za svoj sljedeći veći zadatak i stavite je na uputu.

2. Dodajte jedan redak koji traži tvrdnju, interpretaciju ili grubi nacrt studenta prije svake upotrebe umjetne inteligencije i recite što ćete prikupiti.

3. Označite svaki korak tog zadatka kao nositelj konstrukta ili ne i prepišite pravilo o umjetnoj inteligenciji tako da dopušta alat tamo gdje se korak ne ocjenjuje.

4. Dodajte u rubriku tablicu odluka o povratnim informacijama s četiri stupca i pridružite joj bodove.

5. Nađite termin za jedan kratki tekst koji nijedan alat ne dira i odmah odlučite kojem zadatku pripada.

Kamo dalje

Strana procjene ovog argumenta, uključujući dizajn autentificiranih koraka, nalazi se u redizajnu procjene u doba umjetne inteligencije. Za politiku koju studenti doista čitaju vidi politiku kolegija o umjetnoj inteligenciji, a za same alate za povratne informacije kvalitetu povratnih informacija umjetne inteligencije. Provjera rezultata umjetne inteligencije pokriva što bi studenti trebali provjeravati kad model daje tvrdnju ili izvor, a konceptualna stranica trener, a ne štake izriče granicu kojoj se ova stranica stalno vraća.