Hva er beste praksis for skriveundervisning i en AI-kontekst?

Automatisk maskinoversettelse av denne engelske siden, ennå ikke korrekturlest av en morsmålstalare.

Du skriver om en oppgavetekst, og setningen foran deg sier at AI er tillatt med deklarasjon, noe som ikke forteller en student om verktøyet får levere selve argumentet. En kollega har foreslått et forbud for hele emnet, og du mistenker at det rammer de flerspråklige skriverne i rommet hardest. Eller en bunke essays kom tilbake glattere enn seminarsamtalen bak dem, og du trenger en regel du kan forsvare i neste læreplansmøte.

Konklusjonen: navngi det intellektuelle arbeidet oppgaven finnes for å produsere, hold det trinnet hos studenten, og gi verktøyet jobber som returnerer noe studenten må vurdere. En regel skrevet slik forteller studenten hvilket trinn den beskytter.

Kortversjonen

1. Skriv én setning som navngir tenkningen oppgaven vurderer, og sett den der studentene leser den.

2. La studenten forplikte seg til en påstand, en tolkning eller et grovt utkast før verktøyet ser oppgaven.

3. Sett grensen per trinn. Tillat AI der trinnet ikke er det du vurderer, og begrens det der det er det.

4. Gi AI kritikerstolen, og vurder det studenten gjør med svaret.

5. Hold ett stykke skriving som verktøyet aldri rører, og les det assisterte arbeidet mot det.

6. Si på forhånd hva deklarasjon gjør med karakteren.

Navngi tenkningen oppgaven er til for

AI-grensen er det andre spørsmålet, og de fleste oppgavetekster svarer på det først. Før du bestemmer hva som er tillatt, fullfør denne setningen: denne oppgaven finnes for å vise at studenten kan X. Hvis X er argumentasjon, må studenten formulere og forsvare påstanden. Hvis det er faglig tolkning, må studenten gjøre tolkningsvurderingen. Hvis det er vitenskapelig resonnering, må studenten knytte belegg til en konklusjon. AI som utfører det arbeidet, bryter slutningen du vil trekke fra essayet, og utmerket prosa reparerer den ikke. Vurderingsvaliditet behandler dette som et validitetsproblem snarere enn et atferdsproblem, og det er derfor skriveopplæring og akademisk integritet begge ender med å argumentere for regler på oppgavenivå i stedet for forbud på emnenivå.

Nash og Burriss viser hvor lett setningen går galt. På tvers av 27 lærerstudenters klasseroms-AI-policyer i engelsk tillot 22 AI til idémyldring og brainstorming, 22 forbød eller lot det være uklart om AI kunne brukes til å komponere setninger, avsnitt eller oppgaver, og 22 sa ingenting i det hele tatt om lesing. De samme lærerne beskrev idémyldring og revidering som «tenkning» mens de plasserte den egentlige tenkningen i den ferdige skrevne teksten. Hvis tenkning går gjennom planlegging, utkastskriving, revidering og vurdering, verner en policy som bare verner sluttproduktet, feil trinn, og lesing trenger en like eksplisitt regel som skriving.

Skriv regelen som en setning om et trinn, altså: «Du kan bruke AI til å teste innvendinger mot en påstand du allerede har laget. Du kan ikke bruke den til å generere påstanden eller belegget for den.» En student kan handle på det. «AI tillatt med deklarasjon» gir dem ingenting å handle på.

La studenten forplikte seg før verktøyet svarer

Rekkefølgen på operasjonene er det mest nyttige designvalget i denne litteraturen. Chens lagfølsomme studie av 168 bachelorstudenter i seks intakte klasser skilte fire former for delegering: overflateavlasting, strukturell avlasting, idéavlasting og resonneringsavlasting. Åpent AI-samarbeid ga den sterkeste AI-støttede skrivingen og den svakeste senere selvstendige prestasjonen. Å delegere resonnering var laget som var mest negativt assosiert med selvstendig høyereordens tenkning. En avgrenset betingelse, som begrenset hva studentene fikk delegere og krevde at de forklarte hvordan de hadde akseptert, endret eller avvist hvert AI-forslag, gjorde det bedre på selvstendig skriving, argumentdybde og revidering.

Behandle den kausale påstanden med omhu. Den er kvasi-eksperimentell, med seks intakte klasser og ingen tilfeldig fordeling av studenter, så klasseromsforskjeller forblir sammenfiltret med behandlingen. Retningen passer med den bredere kognitiv avlasting-litteraturen, og det er derfor den er verdt å handle på, men størrelsen på effekten er ikke noe å sitere i et utvalg.

På oppgaveteksten koster det én linje: studenten kommer med en tolkning, en hypotese, et argument eller en analyse, og AI blir bedt om å angripe den. «Her er tre innvendinger mot argumentet mitt» holder tenkningen hos skriveren. «Skriv argumentet mitt» gjør det ikke, uansett hva studenten gjør med resultatet etterpå.

Behandle førsteutkastet som det dyre trinnet

Assistanse på ulike stadier gjør ulik skade. I en studie av 253 skrivere reduserte enhver AI-assistanse det opplevde eierskapet til arbeidet, utkastassistanse reduserte det mest, og planleggingsassistanse reduserte det minst. Mer AI-bidratt tekst og flere AI-bidratte ideer gikk sammen med bedre essaykvalitet og lavere eierskap i samme innlevering (studien om eierskap fra planlegging til revidering). Den kombinasjonen er den du må planlegge rundt: et sterkere essay og en svakere følelse av forfatterskap ankommer sammen, og det andre er det handlingskraften i skrivingen hviler på.

Hvis forfatterskap betyr noe i emnet ditt, del tillatelsene. AI som sparker i gang planlegging, spør hvilket belegg studenten allerede har, eller navngir et motargument studenten har oversett, er forsvarlig nesten hvor som helst. AI som genererer avsnitt, er vanskelig å forsvare der komponering er målferdigheten. Der komponering ikke er målet, endrer regnestykket seg.

Sett regelen ved hvert trinn

En sekvens verdt å låne holder AI i en rådgivende rolle og legger resonneringen hos studenten:

Trinn	Studenten gjør	AI kan	Artefakt du kan samle inn
1. Møte belegg	Lese, observere, annotere, regne, kjøre eksperimentet	Ingenting, eller bare avklaring	Notater, annotasjoner, observasjoner
2. Danne en posisjon	Generere tolkning, spørsmål, hypotese, påstand	Stille spørsmål, utfordre forutsetninger	Notat med påstand eller hypotese
3. Planlegge	Bestemme belegg, rekkefølge, publikum, sjanger	Kritisere en disposisjon, foreslå alternativer	Disposisjon med begrunnelse
4. Skrive utkast	Produsere substansiell prosa og resonnering	Begrenset etter læringsmålet	Utkast og versjonshistorikk
5. Menneskelig respons	Gi og få tilbakemelding fra medstudent eller underviser	Ingenting nødvendig	Medstudentkommentarer
6. AI-tilbakemelding	Be om kriteriereferert kritikk	Kritiker, leser, motargumentgenerator, klarhetssjekk	Utskrift av AI-tilbakemelding
7. Vurdere tilbakemelding	Sammenligne forslag fra medstudent, underviser og AI, akseptere eller avvise med grunner	Resultatet er nå gjenstand for vurdering	Notat med tilbakemeldingsbeslutning
8. Revidere	Gjøre og begrunne substansielle endringer	Teste klarhet, tilby alternativer	Revidering
9. Verifisere	Kontrollere hver faktapåstand eller kildeavhengige påstand	Kan ikke verifisere sitt eget resultat	Kilder og belegg
10. Reflektere og deklarere	Forklare AI-ens rolle og hva som endret seg i tenkningen deres	Ingenting	Kort prosessrefleksjon
11. Selvstendig kontroll	Forklare eller anvende resonneringen uten AI	Ingenting	Muntlig forsvar, hurtigskriving, nytt tilfelle

Dette er PAIRR utvidet: utkast, menneskelig tilbakemelding, AI-tilbakemelding, sammenligning, revidering, refleksjon, med en selvstendig baseline og en strammere grense rundt resonnering. Bruk midtkolonnen som oppgaven og høyrekolonnen som det en karakter kan hvile på.

Elleve rader er mer enn de fleste oppgaver trenger. Skjær tabellen ned til trinnene du faktisk kan skille i klasserommet: å møte belegget, å danne en posisjon, å skrive utkast og å revidere. I den kortere versjonen er møtet og posisjonen der konstruktet bor, utkastskriving er det omstridte trinnet, og formatering eller kildekontroll kan tillates helt. Å skrive tabellen er hvordan du finner de to eller tre stedene der regelen din må si noe, så en regel med tre ledd som en student kan følge, slår en matrise ingen leser.

Hold menneskelig tilbakemelding i sløyfen

Den største klasseromsstudien her er PAIRR: 654 studenter på tvers av ti skriveemner og tre skriveintensive STEM-emner. De skrev utkast, gjennomførte medstudentvurdering, hentet rubrikkbasert AI-tilbakemelding, sammenlignet og vurderte begge kildene, skrev revideringsplaner, reviderte og reflekterte. 58 % foretrakk kombinert medstudent- og AI-tilbakemelding. 6 % foretrakk AI-tilbakemelding alene. Studentene fant AI nyttig for brede, rubrikkorienterte revideringsråd, og medstudentene leverte kontekstuell kunnskap og en autentisk publikumsrespons.

Vær presis om påstanden. PAIRR målte studentenes opplevelse og vurdering av tilbakemelding, ikke langsiktige læringsgevinster, så det er sterkt belegg for et tilbakemeldingsdesign og svakere belegg for at skrivingen blir bedre måneder senere. Behold medstudenttrinnet selv når AI-trinnet er raskere. Mye av tilbakemeldingsarbeidet skjer i sammenligningen mellom de to kildene, og å droppe det fjerner den delen studentene sa de verdsatte.

Vurder det studenten gjorde med tilbakemeldingen

Tilbakemeldingskompetanse er evnen til å søke tilbakemelding, vurdere kvaliteten på den, håndtere reaksjonen på den og gjøre den om til revidering. Studenter med mer av den har langt større utbytte av AI-tilbakemelding. Studenter som behandler resultatet som autoritativt, vinner mindre (Kvalitet på AI-tilbakemelding).

En kort beslutningstabell gjør den kompetansen synlig, med én rad per forslag: AI-forslaget, aksepter / avvis / endre, hvorfor, og rubrikkriteriet eller belegget bak avgjørelsen. Fire kolonner, ingen essay påkrevd. Det gjør modellresultatet om til materiale for evaluerende dømmekraft, og det gir deg noe vurderbart som ikke er prosaen.

Beskriv en sterk rad like nøye som du beskriver en tesepåstand: den navngir rubrikkriteriet, peker på en passasje eller et belegg, og forklarer en endring studenten faktisk gjorde. En rad som sier «godt poeng, enig» gir ingenting. Studenter skriver mot eksempelet foran seg, så eksempelet er instruksjonen.

Gjør deklarasjon billig og spesifikk

Studenter skjuler AI-bruk når policyene er tvetydige, straffende eller stigmatiserende, og ærlighet kan vekke mistanke (Erklæringer om AI-bruk og deklarasjon; forskning på studenters rasjonalisering). Det som gjør deklarasjon pedagogisk nyttig, er at den registrerer beslutninger: hva verktøyet ble brukt til, hva studenten ga det, hvilke forslag som betydde noe, og hva studenten aksepterte eller avviste.

Mohamed og Temimi leverer mekanismen. Deklarasjon blir det attraktive alternativet bare når kostnaden ved ærlighet holder seg lav. Detektorer gir falske positive også mot ærlige studenter, så tyngre overvåking kan gjøre skjuling relativt mer attraktiv. Rådet deres er å designe for studenten som er mest fristet til å skjule, og å lese en deklarert bruk som kontekst snarere enn som en tilståelse.

To detaljer gjør mesteparten av arbeidet på skjemaet. Spør om spesifikk bruk snarere enn om en kategori, og si hvordan en deklarasjon vil påvirke karakteren. En student som ikke vet det, vil anta det verste.

Fire spørsmål er nok for de fleste oppgaver: ved hvilket trinn i arbeidet verktøyet ble brukt, hva studenten ga det, hvilke forslag som endret utkastet, og hvilke som ble avvist og hvorfor. Det siste spørsmålet er det mest informative, fordi en avvisning med en grunn er belegg for dømmekraft, mens en liste over aksepterte forslag ikke er det.

Tilpass regelen til det faget ditt kaller skriving

Komposisjon og skriveemner

Komposisjonsundervisere har den sterkeste grunnen til å verne prosessen, fordi utkastskriving, retoriske beslutninger, revidering, publikumsbevissthet og stemme er læringsmålene snarere enn framvisningen av dem. Samle flere selvstendige prøver tidlig i semesteret, så både du og studenten vet hva skriveren kan nå. Introduser AI som publikum, kritiker og revideringspartner: spør hvor en leser mister tråden, generer innvendinger mot en tese, sammenlign et utkast mot rubrikken, flagg påstander uten belegg, forklar hvorfor et avsnitt føles usammenhengende. Studenten vurderer hvert forslag.

Behold medstudentvurdering ved siden av AI-tilbakemelding, siden medstudenter leverer kontekstuell kunnskap og publikumskunnskap som modellen mangler, og å vurdere forskjellen mellom de to er skrivetrening i seg selv. Vær konservativ med AI som genererer lange partier av et førsteutkast når det å lære å komponere er målet, av eierskaps- og avlastningsgrunnene over. Unngå totalforbud mot grammatikk-, formulering- eller språkhjelp, som skaper unødvendige barrierer for flerspråklige skrivere. Skill språkstøtte fra intellektuelt forfatterskap i stedet: hjelp med uttrykk er greit, og studenten forblir ansvarlig for ideer, belegg, retoriske beslutninger og mening. Revider tilbakemeldingen selv, fordi Tan et al. fant at identisk skriving fikk mer ros og mindre substansiell kritikk når studentens demografiske eller utdanningsmessige kjennetegn var med i prompten, noe som legger skjevhetsreduksjon inne i selve tilbakemeldingsdesignet.

Humaniora og samfunnsvitenskap

Tolkning er vanligvis målkompetansen, så la møtet med kilden komme før møtet med AI. Studentene annoterer primærteksten, den historiske kilden, kunstverket, arkivmaterialet, intervjuet eller den teoretiske passasjen og danner en første lesning før de konsulterer noe. Etterpå fungerer modellen som en motvekt: tilby en alternativ lesning, si hvilket belegg som ville utfordre denne tolkningen, navngi forutsetningene argumentet gjør, generer en lesning fra et kontrasterende teoretisk perspektiv. Studenten avgjør hvilken lesning teksten faktisk støtter.

Gi kritikken av modellen som faglig arbeid. Gi studentene en AI-tolkning av et dikt, en hendelse, et argument eller et sosialt fenomen og spør hva den legger merke til, hva den overser, hvilket belegg som støtter påstandene, hvis perspektiv som mangler, og hvor den kollapser tvetydighet til et glatt svar. Det holder tolkningsvurderingen som et humaniora-emne finnes for å undervise. Vurder tolkningsbeslutningene og deres beleggsmessige begrunnelse, og bruk et kort samtaletidsspørsmål som «Hvorfor leste du denne passasjen slik i stedet for alternativet du avviste?» Å gjette om en setning ser maskinskrevet ut, er et svakere mål, som AI-deteksjon forklarer.

STEM-emner og labrapporter

En presisering først: denne kunnskapsbasen har mye sterkere belegg om AI-støttet akademisk skriving generelt enn om skriving av laboratorierapporter spesielt. Praktisk og laboratoriebasert pedagogikk er fortsatt underdekket, også i ingeniørutdanning-litteraturen, så det følgende anvender funn om skriving, avlasting, validitet og ingeniørfag på en setting disse studiene ikke testet.

Trekk grensen rundt vitenskapelig resonnering snarere enn rundt prosa som helhet. Studenter forblir ansvarlige for observasjoner, rådata, beregninger, usikkerhet, figurer, analysevalg, resultater og resonnering fra påstand til belegg. Når de finnes, kan AI med rimelighet hjelpe med organisering, lesbarhet, overganger og faglige konvensjoner, som er den samme delingen mellom overflate og resonnering som i Chens studie.

En rapportpakke for et labemne i AI-tiden inneholder rapporten pluss utvalgte rådata, beregninger eller notatbokutskrift, en figur med en studenteskrevet tolkning, og en kort erklæring om hvordan den sentrale konklusjonen følger av belegget. For rapporter med høy innsats, still ett eller to individualiserte oppfølgingsspørsmål om en graf, et avvikende resultat, et metodisk valg eller en begrensning. Ikke la skriveflyt stå i stedet for begrepsforståelse: automatisert fysikk-skåring kan undervurdere begrepsforståelse når det språklige uttrykket er svakere, og det rammer flerspråklige studenter hardest (Automatisk essayvurdering). Hvis resonnering og skriving begge er mål, skår dem separat.

Ingeniøremner

Profesjonelt ansvar endrer ordlyden. En gjennomgang av 99 empiriske studier av ingeniørutdanning identifiserte åpenhet, menneskelig tilsyn, studentens selvstendighet, personvern, forfatterskap, rettferdighet og velgjørenhet som tilbakevendende etiske bekymringer, og argumenterte for at AI-etikk hører hjemme i profesjonsdanningen snarere enn i regeloppfyllelse alene. I en lab- eller designrapport kan du be studentene deklarere assistanse og bekrefte at de har verifisert beregningene, kildene, forutsetningene og de sikkerhetsrelevante påstandene.

Behold én prøve verktøyet aldri rører

Assistert prestasjon er ikke selvstendig kompetanse, og du trenger minst én lesning av den andre. Sporadiske betingelser uten AI er nok: kort skriving uten AI, tolkning i timen, en muntlig forklaring, en samtale, spontan revidering eller et oppfølgingsproblem som overfører den samme resonneringen til et nytt tilfelle. Dette betyr mest når den endelige oppgaven bærer betydelig karaktervekt. Det betyr ikke å føre tilsyn med hver oppgave. Noen få plasserte prøver gir deg og studenten en baseline for å tolke det assisterte arbeidet, som er den skrivespesifikke varianten av argumentet i Redesign av vurdering i AI-tiden.

Les de to stykkene side ved side og spør om resonneringen i det assisterte også er synlig i det uassisterte. Der den er det, gjør essayet jobben sin som belegg. Der den ikke er det, måler den assisterte karakteren det verktøyet leverte. Den sammenligningen er også det du må vise en student som bestrider en karakter, fordi den peker på et bestemt stykke tenkning snarere enn på et inntrykk av prosaen.

Bestem hva AI får lov å vurdere

To resultater som ser motstridende ut, er forenlige. Nøye kalibrerte systemer med detaljerte rubrikker og eksempler kan skåre bestemte oppgaver godt, og LLM-vurdering rett ut av boksen avviker betydelig fra menneskelig dømmekraft. Mathew et al. fant svak enighet mellom menneske og LLM, og den varierer systematisk med essaykvalitet: modellene overbelønner korte, overfladisk lesbare essays, underbelønner lengre og sterkere essays med mindre overflatefeil, og klynger seg mot midten av skalaen. Det mønsteret støtter AI for lavinnsats formativ tilbakemelding, utkast til kommentarer og triage langt mer enn for autonom summativ vurdering (Automatisk essayvurdering).

Studenter trekker en liknende linje selv. I et bacheloremne i teknisk kommunikasjon der ChatGPT skåret håndskrevet tekst og studentene fikk vite det, fant alle 13 deltakere tilbakemeldingen klar og nyttig for revidering på overflatenivå. De fleste skilte nytten av tilbakemeldingen fra den evaluerende autoriteten: de aksepterte kritikken og insisterte på at underviseren bestemte karakteren (Studentperspektiver på AI-vurdering av skriving). Design menneskelig tilsyn som det punktet der AI-resultat blir en karakter, snarere enn som en høflighet som tilbys når det passer.

Vurder belegget før du skriver om læreplanen

Argumentet for disse designene er lovende og ennå ikke sterkt nok til å rettferdiggjøre én universell AI-skrivepolicy. Noe av det beste belegget kommer fra omfattende klasseromsstudier som PAIRR med sine 654 studenter. Mye av resten hviler på kvasi-eksperimenter, små eksperimentelle utvalg, konseptuelle analyser og arbeid fra 2025-2026 som fortsatt er nytt: Chens studie av avgrenset skriving hadde 168 studenter, men bare seks intakte klasser, eierskapsstudien brukte en kort eksperimentell skriveoppgave, og en studie som rapporterte umiddelbare kvalitetsgevinster etter ChatGPT-øving, omfattet bare 21 internasjonale førsteårsstudenter og etablerte ikke langsiktig overføring (ChatGPT, akademisk skrivekvalitet og eierskap). Det kunnskapsbasen om AI i utdanning støtter, er et sett designprinsipper, og det mest pålitelige funnet på tvers av studiene er å bevare studentens handlingskraft, evaluerende dømmekraft, selvstendige kompetanse, faglige resonnering og menneskelige tilbakemelding mens AI brukes til å utvide tilgangen til kritikk, øving, revideringsstøtte og språklig hjelp.

Den blandingen har en praktisk konsekvens. Endre én oppgave, behold artefakten, og sammenlign neste kull med dette på samme mål. En regel du kan revidere etter ett semester, er verdt mer enn en policy du ikke kan teste, og de små studiene over vil ikke fortelle deg hva som skjer i emnet ditt.

Hva undervisere tar feil om her

En detektor vil avgjøre om skrivingen er studentens. Det vil den ikke. I en skjult feltstudie ble 94 % av AI-genererte eksamensbesvarelser ikke oppdaget og skåret høyere enn ekte studenter, og en kontrollert studie fant at detektorer flagget lovlig lett AI-redigering ved 38-80 % mens de overså mer enn 96 % av humaniserte omskrivinger (Teichmann et al.; Karr et al.). Deteksjon svarer på et deteksjonsspørsmål, og validitet er et annet spørsmål.

En policy på emnenivå er klarere enn en regel per oppgave. Nash og Burriss sine policyer var dokumenter på emnenivå, og 22 av 27 tillot brainstorming, 22 begrenset eller tilslørte komponering, og 22 var tause om lesing. Ett dokument som dekker alt, har en tendens til å være spesifikt om trinnet underviseren bekymrer seg for, og vagt om resten.

Bedre prosa betyr at skriveundervisningen virket. Eierskapsstudien fant bedre essaykvalitet og lavere eierskap i samme innlevering, og Chens åpne samarbeidsbetingelse ga den sterkeste assisterte skrivingen med den svakeste senere selvstendige prestasjonen. Prosakvalitet er et produktmål. Det emnet er til for, er et kompetansemål.

Ubegrenset tilgang pluss en god prompt er nok. Studenter som behandler AI-tilbakemelding som autoritativ, får mindre ut av den enn studenter med utviklet tilbakemeldingskompetanse. Tilgang til kritikk og evnen til å bruke kritikk er separate ressurser.

Forbud mot AI verner skriveprosessen. Et forbud svarer på et spørsmål som varierer fra trinn til trinn, og det skaper barrierer for flerspråklige skrivere som trenger språkstøtte som ikke har noe med forfatterskap å gjøre. En brukbar deling går mellom uttrykk og intellektuelt ansvar.

Hva som kommer tilbake på deg

«Jeg har ikke tid til å lese enda en artefakt.» Så gjør artefakten liten: fire kolonner beslutningstabell, eller fem minutter skriving i timen som den selvstendige prøven. Korpuset rapporterer ingen data om rettetid for disse designene, så arbeidsbelastningsargumentet må testes på én oppgave snarere enn antas fra denne siden.

«Studentene mine bruker AI uansett hva regelen sier.» Det gjør de, og designspørsmålet er hvilken respons oppgaven din gjør enklest. En deklarasjon som ikke koster noe, og en rubrikk som betaler for prosess, gjør deklarasjon til den billigere veien. Den mekanismen kommer fra modellering snarere enn fra en utprøving av en deklareringspolicy, så behandle prediksjonen som rimelig og ubekreftet.

«Et forbud er enklere, og det verner prosessen.» Enklere, ja. Policyene over viser hvordan én regel på emnenivå glir over i taushet om trinnene som betyr noe, og generelle språkbegrensninger rammer studentene som trenger dem mest.

«Medstudentvurdering er overflødig nå som AI svarer på sekunder.» 58 % av PAIRR-studentene foretrakk kombinasjonen og 6 % foretrakk AI alene, og grunnen de oppga, var den kontekstuelle kunnskapen og publikumskunnskapen medstudentene leverte. Det måler opplevelse, så det holder kortere enn et læringsgevinstresultat ville gjort.

«Modellen vurderer denne oppgaven like godt som jeg.» Kalibrerte systemer med detaljerte rubrikker og gjennomarbeidede eksempler kan skåre bestemte oppgaver godt. Generisk vurdering gjør det ikke, og Mathew et al. viser at uenigheten følger essaykvalitet snarere enn å spre seg tilfeldig, som er den vanskeligere typen feil å legge merke til. Test verktøyet på ditt eget rettede sett før det rører en karakter.

«Dette straffer studenter med svakere akademisk engelsk.» Det kan det, hvis regelen behandler uttrykk og forfatterskap som én ting. Skill dem, og revider AI-tilbakemeldingen for mønsteret Tan et al. fant, der identisk skriving fikk mer ros og mindre substansiell kritikk når demografiske eller utdanningsmessige kjennetegn var i prompten. Korpuset dokumenterer den skjevheten. Det rapporterer ingen utprøvd løsning, så din egen sammenligning er kontrollen.

Hva du kan gjøre denne uken

1. Skriv kompetansesetningen for neste store oppgave og sett den på oppgaveteksten.

2. Legg til én linje som krever studentens påstand, tolkning eller grove utkast før noen AI-bruk, og si hva du vil samle inn.

3. Merk hvert trinn i oppgaven som konstruktbærende eller ikke, og skriv om AI-regelen slik at den tillater verktøyet der trinnet ikke vurderes.

4. Legg en firespaltet beslutningstabell for tilbakemelding til rubrikken, med poeng knyttet til.

5. Planlegg ett kort stykke skriving som ingen verktøy rører, og bestem nå hvilken oppgave det hører til.

Hvor du kan gå videre

Vurderingssiden av dette argumentet, inkludert designet av autentiserte trinn, finnes i Redesign av vurdering i AI-tiden. For policydokumentet studentene faktisk leser, se AI-policy for emnet, og for selve tilbakemeldingsverktøyene, Kvalitet på AI-tilbakemelding. Hvordan lærer jeg studenter å verifisere AI-resultat? dekker hva studentene bør kontrollere når modellen leverer en påstand eller en kilde, og konseptsiden trener, ikke krykke angir grensen denne siden stadig vender tilbake til.