Bagaimana AI dapat menghemat waktu saya sebagai pengajar?

Terjemahan mesin otomatis halaman berbahasa Inggris ini, yang belum ditinjau oleh penutur asli.

Sekarang Kamis malam di minggu kedelapan. Tiga kerangka pelajaran jatuh tempo Senin, laporan praktikum baru separuh dinilai, dan rapat departemen Jumat punya satu butir tentang apa yang sudah dilakukan semua orang dengan AI sejak pelatihan Agustus. Seorang kolega mengatakan alat itu memangkas separuh waktu perencanaannya. Anda mencobanya dua kali, menghabiskan empat puluh menit memperbaiki lembar kerja, dan pulang dengan kesan bahwa semuanya dilebih-lebihkan.

Kalian berdua sedang menggambarkan alat yang sama. Ia menghemat waktu untuk menyusun materi yang memang akan Anda sunting, dan ia memakan waktu ketika Anda mengarahkannya pada penilaian tentang siswa tertentu. Apakah penghematannya menjadi milik Anda bergantung pada keputusan yang jarang diambil pengajar: untuk apa jam yang kembali itu.

Intinya untuk rapat: serahkan draf pertamanya dan pertahankan penilaiannya. Kerangka pelajaran, contoh terkerjakan, pertanyaan diskusi, butir kuis formatif, penjelasan alternatif, rumusan rubrik dan teks administratif rutin adalah pekerjaan yang dapat Anda spesifikasikan, periksa dan koreksi. Tujuan, nilai akhir dan setiap keputusan tentang pembelajar tertentu tetap pada Anda. Sebutkan apa yang dibeli jam yang terbebaskan itu, karena bukti tentang penghematan waktu adalah bukti tentang ke mana waktunya pergi.

Versi singkat

1. Daftar tugas dari minggu lalu yang menghasilkan dokumen yang kemudian Anda sunting. Itulah calon Anda.

2. Mulailah dari materi terstruktur yang dapat Anda periksa terhadap spesifikasi Anda sendiri: tiket keluar, butir kuis, contoh terkerjakan, penjelasan kedua untuk konsep yang sulit.

3. Tuliskan ke mana jam yang kembali itu pergi sebelum Anda memperolehnya.

4. Ukur waktu tiga tugas berulang selama dua minggu. Rasa Anda tentang penghematannya tidak dapat diandalkan dengan cara yang spesifik dan terdokumentasi.

5. Simpan penetapan tujuan, nilai sumatif dan keputusan tentang siswa individual di sisi garis Anda.

Mulailah dari pekerjaan yang memang akan Anda tulis ulang

Angka terkuat dalam basis pengetahuan ini datang dari uji acak yang dirangkum dalam Bagaimana AI mengubah alur kerja pengajaran. Dua ratus lima puluh sembilan guru sains yang memakai ChatGPT menghabiskan sekitar 69% waktu persiapan pelajaran dibandingkan kelompok kontrol, pemangkasan sekitar 31%, dan peninjau ahli tersamar tidak menemukan penurunan kualitas yang terdeteksi. Para guru mengalokasikannya ulang alih-alih menyimpannya, memindahkan waktu itu ke perencanaan, penilaian dan pekerjaan yang berhadapan dengan siswa.

Kumpulan data kedua dalam karya yang sama, lebih dari 104.000 pesan dari lebih dari 15.000 pendidik, menunjukkan mengapa penghematannya mendarat di tempat yang aneh. Prompt rata-rata menyentuh 1,7 kategori sekaligus, sehingga satu permintaan untuk rencana pelajaran kembali membawa diferensiasi dan kuis yang tidak terpikirkan untuk diminta guru.

Itu alokasi ulang, bukan pengurangan: yang Anda peroleh dari AI generatif adalah selisih antara halaman kosong dan draf yang cukup spesifik untuk diperdebatkan.

Cocokkan tugasnya dengan apa yang dikerjakan alat itu dengan baik

Kualitasnya tidak merata dalam pola yang cukup stabil untuk dijadikan dasar perencanaan. Peninjau tersamar lebih menyukai versi AI untuk kesimpulan pelajaran dan tiket keluar sebesar 59,7% dibandingkan materi yang dirancang profesional, dan lebih menyukai materi AI untuk konten sekolah menengah sebesar 59,2%. Penghematannya juga tumbuh di tempat kepercayaan diri Anda paling rendah: mengajar di luar bidang Anda sendiri adalah kasus dengan kesenjangan terlebar antara apa yang diserahkan alat itu dan apa yang akan Anda tulis sendiri.

Dua kategori berjalan sebaliknya. Pada materi tingkat dasar, manusia lebih disukai sekitar 65% untuk kesesuaian perkembangan. Perancah yang ditargetkan untuk pembelajar multibahasa dan siswa di pendidikan khusus kembali netral alih-alih salah, yang lebih buruk daripada kedengarannya, karena perancah netral adalah perancah yang Anda bangun ulang dari awal.

Uji yang memprediksi hal ini sebelum Anda menghabiskan satu malam untuknya: dapatkah Anda menyatakan spesifikasinya cukup tepat untuk memeriksa keluarannya? Tiket keluar tentang satu tujuan, ya. Apakah sebuah paragraf cocok untuk anak sembilan tahun tertentu yang membaca dua tahun di bawah kelasnya, tidak.

Beri tujuan pada jam yang kembali itu

Bukti paling jelas bahwa penghematannya nyata, dan bahwa ia tidak melakukan apa pun sendirian, datang dari eksperimen besar di 178 sekolah dan sekitar 19.000 siswa kelas dua belas tentang umpan balik esai yang diotomatiskan AI. Siswa yang umpan baliknya datang dari sistem memperoleh sebanyak siswa yang dinilai manusia. Penilai manusia berbiaya sekitar 0,85 dolar AS per esai dan tidak menambah manfaat terukur di atasnya.

Di kelas-kelas AI itu, siswa memiliki sekitar 35% lebih banyak percakapan berdua dengan guru tentang menulis dan menulis 30% lebih banyak esai. Jam kerja guru di rumah turun 20%, dan porsi yang menyebut waktu mereka “sangat tidak cukup” turun dari 23% menjadi 9%. Perolehan belajar terbesar mendarat pada tugas menulis paling kompleks, jenis yang paling tidak mampu dinilai AI, karena guru kini punya jam untuk mencurahkannya.

Peringatannya adalah kalimat yang perlu dibawa ke rapat. Kuartil terbawah tidak menunjukkan perbaikan. Siswa yang paling tertinggal tidak memperoleh apa pun dari guru yang sekadar punya lebih banyak ruang dalam harinya, sehingga ke mana jamnya pergi adalah seluruh argumennya, dan alokasi ulang yang berkeadilan harus masuk rencana sejak awal alih-alih dalam tinjauan di akhir.

Ukur penghematannya alih-alih merasakannya

Penghematan waktu adalah klaim yang paling andal salah diukur pengajar tentang dirinya sendiri. Di tiga studi terpraregistrasi dengan 2.691 peserta, orang meremehkan seberapa sering mereka memakai AI dan melebih-lebihkan waktu serta upaya yang dihematnya, melaporkan tugas sebagai lebih cepat dan lebih mudah sementara ukuran objektif tidak menunjukkan perbedaan. Memakai alat itu lebih awal dalam satu sesi memprediksi pemakaian yang lebih banyak kemudian, sehingga galatnya menumpuk di dalam satu sore (The efficiency-gain illusion: People underestimate the rate of AI use and overestimate its benefits on simple tasks).

Yang membantu adalah kalibrasi metakognitif, dan versi murahnya adalah catatan. Selama dua minggu, catat waktu mulai dan selesai pada tiga tugas berulang, satu dengan alat itu dan dua tanpa. Perkirakan satu tugas dengan penghematan nyata yang besar, beberapa tanpa penghematan, dan dua-tiga ketika alat itu menambah langkah telaah yang memakan perolehannya.

Upaya dan kapabilitas juga berpisah. Studi dalam-subjek atas 13 guru pendidikan tinggi menemukan akses AI memangkas upaya kognitif yang dirasakan dalam desain pembelajaran dari median 6,33 menjadi 3,33 (p = 0,004), sementara pelatihan perumusan prompt yang dilapiskan di atasnya tidak memperbaiki kualitas desainnya (When Teachers Use AI Chatbots and Are Trained for It: Impact on Learning Design Quality and Cognitive Effort). Beban yang lebih ringan pada Kamis malam adalah manfaat nyata. Itu bukan bukti bahwa desainnya membaik.

Simpan tujuan dan nilai akhir di sisi Anda

Kerja desain partisipatif dengan enam guru sekolah menengah menghasilkan batas yang layak ditiru. Mereka merancang sistem itu sebagai pakar terbatas: cakap di dalam domain sempit, bekerja di bawah pengawasan. Mereka menginginkan bantuan menyajikan konten, menghasilkan soal latihan dan memberi umpan balik formatif, dan menolak menyerahkan penetapan tujuan atau penilaian sumatif, dengan bersikeras pada hak menimpa untuk kasus yang ambigu. Yang mereka lindungi adalah inti peran guru: memutuskan apa yang layak dipelajari dan menilai apakah itu sudah dipelajari.

Penilaian adalah tugas dengan hasil tampak terbesar dan portabilitas terlemah. Tolok ukur OpRaise menjalankan tiga model terdepan terhadap 761 esai psikologi sarjana yang autentik dari 125 mahasiswa di tiga universitas Inggris, dengan 27 konfigurasi prompt per model. Kesepakatan dengan pita nilai manusia berkisar dari 35% sampai 65% tergantung institusi. Nilainya memadat ke tengah, sehingga esai terkuat dan terlemah dinilai paling tidak akurat, dan model-model itu sepakat satu sama lain jauh lebih sering daripada dengan penilai manusia. Temuan utama penulisnya adalah bahwa bukti yang dikumpulkan di satu konteks tidak berpindah ke konteks lain.

Anda dapat memakai penilaian esai otomatis jika Anda memvalidasinya pada bidang dan siswa Anda sendiri, dan tetap menaruh keputusannya pada manusia. Kualitas umpan balik AI menyatakan apa yang perlu diperiksa: kecepatan dan volume tidak sama dengan kegunaan, dan pertimbangan pedagogis tentang komentar mana yang dibutuhkan siswa berikutnya tetap pada Anda.

Apa yang salah dipahami pengajar

“31% itu angka saya.” Angka itu berasal dari 259 guru sains pendidikan sains K-12 pada persiapan pelajaran. Arahnya menular; besarnya tidak. Seminar yang dibangun di atas diskusi mungkin menghemat lebih sedikit, dan mata kuliah laboratorium dengan batasan keselamatan mungkin tidak menghemat apa pun pada bagian yang paling Anda ingin bantu.

“Hemat waktu adalah tujuannya.” Eksperimen Brasil adalah kontracontohnya. Jamnya datang gratis dan kuartil terbawah tidak memperoleh apa pun. Tujuannya adalah apa yang dibeli jam itu.

“Draf yang bagus berarti saya bisa menyerahkan langkah berikutnya juga.” Enam guru itu menarik garis di tujuan dan penilaian sumatif karena suatu alasan. Kualitas pada tiket keluar tidak mengatakan apa pun tentang apakah alat itu dapat memutuskan apa yang harus dinilai tiket keluar itu.

Apa yang akan kembali kepada Anda

“Saya sudah mencobanya dan keluarannya generik.” Sebagian besar guru dalam riset mengambil hasil pertama dan menyuntingnya dengan tangan alih-alih mengiterasi dengan prompt lanjutan. Putaran kedua dan ketiga yang menyuplai tingkat kelas Anda, bacaan Anda, tiga butir kuis terakhir Anda dan satu contoh tentang apa yang bagus mengubah keluarannya lebih banyak daripada berganti alat. Literasi AI adalah investasi murahnya, dan penyempurnaan prompt adalah tempat ia berbuah.

“Kalau saya lebih cepat, waktunya akan diisi rapat.” Kemungkinan besar begitu, dan itu cara paling umum sebuah penghematan menghilang. Tuliskan tujuannya di tempat yang bisa dilihat ketua program Anda, sebelum ruangnya terisi.

“Umpan balik AI merugikan siswa yang paling kesulitan.” Kuartil terbawah di Brasil tidak memperoleh apa pun, dan itu peringatan terkuat di halaman ini. Pasangkan penghematannya dengan pemakaian yang sengaja. Kenaikan 35% percakapan berdua adalah yang dilakukan kelas-kelas itu dengan jamnya, dan itu pilihan yang dibuat gurunya.

“Penilaian adalah tempat jam saya sebenarnya.” Betul, dan itu juga tempat alatnya paling tidak portabel antar institusi. Validasi secara lokal atau tinggalkan.

“Ini menurunkan keterampilan profesinya.” Hasil Pishtari adalah versi jujurnya: upaya yang dirasakan turun, dan pelatihan tambahannya tidak memperbaiki kualitas desain. Upaya yang dihemat bukan kapabilitas yang diperoleh, dan batas yang ditarik enam guru itu tempat yang wajar untuk mempertahankan garis sementara Anda mempelajari tugas mana yang termasuk yang mana.

Yang perlu dilakukan pekan ini

1. Tuliskan lima tugas yang Anda kerjakan minggu lalu yang berakhir pada dokumen yang kemudian Anda sunting.

2. Pilih yang spesifikasinya paling jelas dan susun drafnya dengan alat itu, sambil mengukur waktu kedua versinya.

3. Taruh waktu yang kembali itu ke slot bernama di kalender Anda: percakapan dengan seorang siswa, putaran umpan balik kedua, atau membaca sekumpulan draf dengan benar.

4. Tulis daftar larangan Anda dan buat tetap terlihat: tujuan, nilai akhir, apa pun yang bergantung pada kebutuhan satu siswa.

5. Simpan catatannya selama dua minggu, lalu putuskan dua tugas mana yang permanen menjadi milik Anda untuk diserahkan.

Ke mana selanjutnya

Umpan balik AI dalam skala besar membawa pertanyaan umpan baliknya lebih jauh, dan Kompetensi AI fakultas bersama pengembangan fakultas untuk AI membahas apa yang dapat dibangun departemen agar ini berhenti bergantung pada eksperimen individual. Merancang ulang penilaian di era AI dan mengurangi kecurangan AI menangani konsekuensi penilaiannya. Bagaimana AI mengubah alur kerja pengajaran adalah artikel di balik angka persiapan itu, dan pengawasan manusia adalah prinsip yang menjadi poros halaman ini.