Как ИИ может сэкономить мне время как преподавателю?

Автоматический перевод данной английской страницы, не проверенный носителем языка.

ИИ лучше всего подходит для повторяющейся черновой работы и работы по преобразованию материалов с низкими ставками, тогда как ответственное образовательное суждение остаётся за преподавателем. Продуктивные сферы применения включают первые черновики учебных материалов, примеры, вопросы для обсуждения, формирующие викторины, альтернативные объяснения, рубрики, предложения по обратной связи, краткие изложения, дифференцированные версии материалов и рутинную административную переписку. Ключевой механизм — перераспределение, а не сокращение: ИИ освобождает время, которое преподаватели перенаправляют на более ценную учебную работу — то же время затем позволяет расширить индивидуальное взаимодействие со студентами, сделать обратную связь глубже, а преподавание — более высокого порядка.

Что показывают данные

Подготовка к занятиям: экономия времени около 30% при сохранении качества

Статья How AI Is Changing Teaching Workflows обобщает результаты английского рандомизированного испытания с участием 259 преподавателей естественных наук: преподаватели, использовавшие ChatGPT, затратили около 69% времени на подготовку к занятиям по сравнению с контрольной группой — примерно сокращение на 31% — без обнаружимой потери качества материалов по оценке слепых экспертных рецензентов. Преподаватели в основном перераспределяли сэкономленное время на другую учебную работу (планирование, проверку работ, деятельность, ориентированную на студентов), а не просто устраняли работу. Сопутствующий набор данных из более чем 104 000 сообщений от более чем 15 000 педагогов показал, что средний преподавательский промпт затрагивает 1,7 категории одновременно (например, один запрос, сочетающий план занятия + дифференциацию + формирующую викторину), так что ИИ часто выводит на поверхность учебные элементы, о которых преподавателю не приходилось просить.

Где качество ИИ сохраняется — а где нет

Материалы, созданные ИИ, не отличаются одинаково высоким качеством по сравнению с человеческими; ценность зависит от задачи и уровня:

• Сильно: заключения занятий/билеты выхода (версии ИИ предпочитались 59,7% случаев по сравнению с профессиональными разработками), содержание для старшей школы (59,2%) и преподавание вне вашей области экспертизы (большая экономия времени, когда вы менее уверенно чувствуете себя в предмете).
• Слабо: материалы для начальной школы (люди предпочитали их ~65% случаев с точки зрения соответствия возрастному развитию) и адресный многоязычный/Специальное образование скаффолдинг (ИИ «нейтрален», но не отличается нюансированностью).

Таким образом, самые безопасные и наиболее ценные способы применения — это структурированные, хорошо специфицированные материалы, которые вы можете проверить, — а не тонко выстроенное под возрастное развитие или культурный контекст содержание, которое вам всё равно пришлось бы переделывать.

Обратная связь и оценивание: выигрыш от перераспределения реален

Крупномасштабный эксперимент в Бразилии, охватывающий 178 школ и около 19 000 выпускников старших школ, проверил автоматизированную ИИ-обратную связь по эссе:

• Обратная связь ИИ дала идентичный прирост в обучении по сравнению с человеческими оценивающими — которые стоили ~$0,85 за эссе и добавляли нулевую дополнительную пользу.
• В классах с ИИ у студентов было примерно на 35% больше индивидуальных разговоров с преподавателями о письме, и они написали на 30% больше эссе.
• Домашние рабочие часы преподавателей снизились на 20%; доля преподавателей, сообщавших о времени как «весьма недостаточном», упала с 23% до 9%.
• Самый большой прирост в обучении был по самой сложной задаче на письмо — как раз тому, к оценке чего ИИ менее всего подготовлен, — потому что ИИ освободил преподавателей для сосредоточения на преподавании более высокого порядка.

Предостережение: нижний квартиль не показал улучшений — одного лишь освобождённого времени было недостаточно для студентов, нуждавшихся в наибольшей поддержке, поэтому экономию необходимо сочетать с намеренным, справедливым перераспределением.

Противовес: иллюзия прироста эффективности

Экономию времени легко переоценить — в том числе самими преподавателями, которые её получают. В трёх предзарегистрированных исследованиях (N = 2 691) люди систематически недооценивали, как часто они фактически использовали ИИ, и переоценивали сэкономленные ими время и усилия, считая задачи более быстрыми и лёгкими даже тогда, когда объективные измерения не показывали различий; предшествующее использование ИИ в ходе сессии предсказывало дальнейшее использование, закрепляя неверную калибровку в самоподкрепляющемся цикле. Практический вывод: рассматривать экономию времени от Генеративный ИИ как утверждение, которое нужно проверять по фактическим данным рабочего процесса, а не принимать на ощупь, и развивать метакогнитивную калибровку, позволяющую замечать, когда задача действительно ускорилась. Впрочем, не всякая воспринимаемая экономия иллюзорна: исследование с внутрисубъектным дизайном 13 преподавателей высших учебных заведений показало, что доступ к ИИ резко снизил воспринимаемые когнитивные усилия на дизайн обучения (медиана с 6,33 до 3,33, p = .004), но обучение промптингу, наложенное поверх, не улучшило качество дизайна дальше — напоминание о том, что сэкономленные усилия — это не то же самое, что приобретённая способность.

Автоматизированное оценивание: многообещающе, но непереносимо

Автоматизированное оценивание — самое сильное утверждение об экономии времени — и то, которое требует наибольшей осторожности. Бенчмарк OpRaise протестировал три передовых модели на 761 аутентичном эссе студентов-психологов от 125 студентов из трёх университетов Великобритании с 27 конфигурациями промптов на модель. Согласие с человеческими диапазонами классификации степеней варьировалось от 35% до 65% в зависимости от учреждения; оценки ИИ сжимались к середине, так что самые сильные и самые слабые эссе оценивались наименее точно; модели соглашались друг с другом гораздо больше, чем с человеческими оценивающими; и центральный вывод авторов состоит в том, что доказательства, собранные в одном контексте, не переносятся на другой. Автоматическое оценивание эссе может экономить время, но полагаться на него должны только учреждения, готовые валидировать его локально и сохранять окончательное авторитет за людьми. См. Как переработать оценивание так, чтобы оценка по-прежнему говорила мне нечто защитимое о том, что студент знает или умеет? как аналог по дизайну оценивания.

Что преподаватели готовы и не готовы делегировать

Работа по партисипаторному проектированию с шестью преподавателями средних школ показала, что они проектировали генеративный ИИ как «ограниченного эксперта» — компетентного в строго определённой области и под человеческим наблюдением. Они приветствовали помощь ИИ в представлении содержания, подборе практических задач и предоставлении формирующей Обратная связь, но отказались делегировать постановку целей или суммативное Оценивание и настаивали на праве преподавателя на переопределение в неоднозначных случаях. Эта граница отмечает, где заканчивается подлинная экономия времени и начинается неприемлемая передача профессионального суждения, — полезная проверка для любой задачи, которую вы собираетесь передать, и причина сохранять человеческий контроль явным.

Конкретные способы использовать ИИ для экономии времени

• Черновики учебных материалов — черновые слайды, раздаточные материалы, рабочие листы или последовательность примеров, которые вы затем проверяете и редактируете.
• Генерация вопросов для обсуждения, формирующих викторин и билетов выхода из ваших собственных заметок или чтений.
• Альтернативные объяснения — переобъяснение концепции на другом уровне, в другой метафоре или для другой аудитории.
• Черновики рубрик и предложений по обратной связи — ИИ может предложить критерии рубрики или первый вариант комментария по обратной связи, который вы затем персонализируете; синтез Качество обратной связи с ИИ предостерегает, что скорость и объём не гарантируют полезности, поэтому педагогическое суждение оставьте за собой.
• Краткие изложения и дифференциация — сжатие длинных источников в учебные пособия или создание дифференцированных версий задачи для различных уровней готовности (тщательно проверяйте нюансы многоязычия и специального образования).
• Написание рутинной административной переписки — объявления, стандартные тексты для программ курсов, шаблонные письма и переписка.

О чём стоит помнить

• Не предполагайте, что точная величина переносится на колледж. Показатель 31% получен в K–12 преподавании естественных наук; более безопасный общий вывод — использовать ИИ для первого прохода и тратить человеческое время там, где важнее всего предметное суждение, отношения, интерпретация мышления студентов, приоритизация обратной связи или решения с высокими ставками.
• Промптинговый разрыв: большинство преподавателей в исследовании не уточняли запросы последующими промптами — они брали первый результат и редактировали вручную. Инвестиции немного времени в ИИ-грамотность и совершенствование промптов окупаются в качестве выдаваемого результата.
• Ловушка оценивания: почти половина разговоров педагогов с ИИ касались оценивания, но некоторые запрашивали выставление оценок без указания рубрик или критериев — неструктурированное ИИ-оценивание рискует непоследовательностью и предвзятостью, поэтому сохраняйте человеческий контроль.
• Разрывы в справедливости: освобождённое время даёт чистый положительный эффект только если оно не тратится за счёт многоязычных учащихся или студентов с ограниченными возможностями и если преподаватели в недостаточно обеспеченных ресурсами условиях используют его для совершенствования практики, а не просто чтобы не отставать.