Ako môžeme riešiť bežné mylné predstavy o AI vo vzdelávaní?

Automatický strojový preklad tejto anglickej stránky, ktorý ešte nebol skontrolovaný rodeným hovorcom.

Váš prorektor chce jednostranový prehľad „mýtov o AI“ na jarné stretnutie pedagogického zboru. Alebo člen správnej rady čítal, že chatboty ničia kritické myslenie, a chce stanovisko do piatku. Alebo ste ten, kto musí písomne vysvetliť, prečo katedra jednoducho nezakáže nástroj, a došli vám spôsoby, ako povedať, že zákaz nie je pedagogika.

Každé presvedčenie na tejto stránke vychádza z niečoho, čo rozumný človek videl. Plynulý text sa naozaj číta ako presný. Vybrúsená odovzdaná práca naozaj vyzerá ako učenie. Tutor, ktorý odpovie na otázku, sa naozaj cíti ako pomoc a politika so slovom „zakázané“ sa naozaj cíti ako rozhodnutie. Oprava, ktorá funguje, pomenuje to, čo pozorovanie nemôže povedať, a potom podá kontrolu, ktorú človek dokáže spustiť v pondelok.

Odpoveď, ktorú dáte kolegovi jedným dychom: vzdelávací účinok AI závisí od toho, kto ju používa, pri ktorej úlohe, aké myslenie nástroj vykonáva, aká zodpovednosť zostáva na človeku a ako sa učenie hodnotí. Istota, rýchlosť, zapojenie a dokončenie úlohy sú vlastnosti používania. Žiadna z nich nie je dôkazom, že sa zmenila schopnosť.

Stručná verzia

1. Uvádzajte, čo študent dokáže so zatvoreným nástrojom, a označte toto meranie ako to, ktoré sa počíta.

2. Napíšte podmienku AI pre každý krok úlohy a pomenujte akt, nie nástroj.

3. Hodnoťte tutora, funkciu spätnej väzby alebo platformu podľa toho, čo študent urobí po tom, ako odpovie.

4. Kupujte dôkazy, nie tvrdenia o schopnostiach: výsledky bez pomoci, výsledky podskupín, viackolové testy bezpečnosti.

5. Keď opravujete presvedčenie, nahraďte ho lepším modelom a aktivitou, ktorá človeku umožní vidieť, ako starý model zlyháva.

Rozhodnite, čo sa počíta ako dôkaz, že sa učenie stalo

Päť presvedčení rozhoduje o tom, či zvyšok tejto stránky vôbec niečo znamená. Každé berie skutočný signál a číta z neho záver, ktorý ten signál nemôže uniesť.

„S otvoreným nástrojom si viedli lepšie, takže sa naučili viac.“

V terénnom experimente s takmer 1 000 stredoškolskými študentmi matematiky neobmedzený prístup ku generatívnej AI zlepšil výkon počas asistovaného precvičovania a znížil neskorší výkon v skúške bez pomoci. Verzia so zábranami, ktorá poskytovala náznaky namiesto úplných odpovedí, odstránila pozorovanú škodu na učení (Generatívna AI bez zábran môže škodiť učeniu). Oba výsledky sú skutočné a stoja na rôznych meraniach: len jedno z nich je meranie, ktoré potvrdzuje výpis známok. Štúdia vám dáva smer a žiadnu veľkosť účinku pre váš kurz.

Študenti robia rovnakú inferenciu o svojej vlastnej práci a odpoveď je tá istá: produkt ukazuje, čo vytvorili študent a nástroj spolu. Štyri otázky položené so zatvoreným oknom chatu vám povedia, čo sa stalo. Dokážu vysvetliť uvažovanie? Vyriešiť podobný problém? Nájsť slabiny vo vygenerovanej odpovedi? Preniesť myšlienku do nového kontextu? Ak sú čestné odpovede nie, pozeráte sa na asistovaný výkon pod menom učenia. Vložte jednu z tých štyroch do hodnotenia a povedzte to v kritériách.

„Študenti majú spätnú väzbu radi, takže spätná väzba funguje.“

Spokojnosť je dôkazom o prijateľnosti. Študenti uprednostňujú spätnú väzbu, ktorá je okamžitá, povzbudzujúca, podrobná a ľahko sledovateľná, a odpoveď môže mať všetky štyri vlastnosti, pričom je nepresná, všeobecná, nesprávne prioritizovaná alebo mierená na iný cieľ než ten váš. Otázky, ktoré o tom rozhodujú, sú nudné a stoja za zapísanie: je presná, diagnostikuje skutočný problém, je dosť konkrétna na to, aby sa podľa nej dalo konať, je ladená na tohto študenta, používa ju študent, zlepšuje sa prepracovanie, zlepšuje sa neskorší samostatný výkon? Posledné dve sú tie, na ktoré prieskum spokojnosti nedosiahne. Kvalita spätnej väzby AI a gramotnosť v spätnej väzbe nesú podrobnosti a praktický krok je prečítať dvadsať odpovedí proti vlastnému cieľu skôr, než čokoľvek rozšírite.

„Priemerný účinok bol pozitívny, takže intervencia študentom pomáha.“

Priemery zakrývajú práve tú variáciu, ktorá rozhoduje o otázke rovnosti. Účinky sa líšia podľa predchádzajúcich vedomostí, veku, disciplíny, jazyka, postihnutia, metakognitívnej zručnosti, prístupu, implementácie zo strany vyučujúceho a typu používania AI. Malý priemerný zisk môže skrývať skutočný prínos pre jednu skupinu a škodu pre druhú, veľký zisk môže závisieť od podmienok, ktoré vaša inštitúcia nedokáže zopakovať. Žiadajte odhady pre podskupiny s ich neistotou, vernosť implementácie, to, čo študenti vnútri nástroja skutočne robili, a vzorec ukončovania. Obmedzenia dôkazovej základne AIED a Výskumné metódy v AIED uvádzajú porovnania, ktoré vás priblížia, a Rovnosť vo vzdelávaní s AI vysvetľuje, prečo je tabuľka podskupín tým zistením.

„Uviedli, že sa naučili veľa.“

Sebauvádzanie meria vnímanie, prijatie, úzkosť a sebaúčinnosť a vo všetkých štyroch je dobré. Nie je meraním preukázanej schopnosti, pretože ľudia môžu byť istí a mýliť sa alebo zruční a mať nízku sebadôveru. Syntéza výskumu AI gramotnosti učiteľov v tejto wiki uvádza podstatnú medzeru medzi sebahodnotením a meraným výkonom a učitelia v nej svoju kompetenciu výrazne precenili (Hodnotenie AI gramotnosti: nesúlad medzi sebahodnotením a výkonom). Spárujte každé sebahodnotenie s úlohou: identifikovať chybu vo výstupe, overiť zdroj, vybrať stratégiu použitia, odhaliť predpojatosť alebo patolízalstvo, prepracovať chybnú odpoveď, kalibrovať istotu proti presnosti. Jedna taká položka v prieskume mení názor na výsledok.

„Simulovaný študent je lacná náhrada za skutočného.“

Simulácia je užitočná na prototypovanie, záťažové testovanie a generovanie scenárov a nie je dôkazom o ľudskom učení, kým nie je overená proti ľuďom. Model dokáže napodobniť jazyk zmätku bez vytrvalosti, motivácie, predchádzajúcich vedomostí, emócií alebo vývojovej trajektórie študenta a výskum zhrnutý v tejto wiki zistil, že simulovaní študenti opustili pridelenú mylnú predstavu po minimálnej korekcii, čo vyvoláva pochybnosti o tom, či vôbec reprezentujú konceptuálnu zmenu (Simulovanie študentov, Simulovať študentov alebo patolízalské riešenie problémov?). Použite ich na nájdenie chýb vo svojom prompte skôr, než sa s ním stretnú reálni študenti, a potom akékoľvek tvrdenie o študentoch považujte za neoverené.

Nastavte podmienku AI v kroku, ktorý nesie učenie

Pravidlá zlyhávajú, keď sú napísané o nástroji, a fungujú, keď sú napísané o akte. Nižšie uvedené presvedčenia sú tie, ktoré držia politiky vágne.

„Akékoľvek použitie AI je podvádzanie.“

Zrkadlové presvedčenie je horšie: že používanie AI nemôže byť podvádzanie, pretože nebol skopírovaný žiadny človek. Integrita závisí od účelu zadania, pravidiel vyučujúceho, toho, akú časť práce nástroj vykonal, či bolo použitie uvedené a či AI nahradila schopnosť, ktorá sa hodnotí. Brainstorming je v jednom zadaní povolený, v druhom požadovaný a v treťom diskvalifikujúci, a všetky tri sú obhájiteľné (Akademická integrita). Výučbový krok je postaviť pred študentov päť otázok skôr, než niečo otvoria: čo má toto zadanie ukázať, že dokážem, ktorá pomoc je povolená, som stále autor a ten, kto rozhoduje, dokážem odovzdanú prácu obhájiť a musím ju zverejniť. Používanie AI a vyhlásenia o zverejnení ukazuje, ako vyzerá použiteľný formulár zverejnenia.

„Ak to nikto nedokáže odhaliť, nemá to žiadnu nevýhodu.“

Detekcia odpovedá na inú otázku, než je tá, na ktorej záleží. Neodhalené zadanie práce mimo študenta aj tak necháva študenta neschopného vysvetliť prácu, odpovedať na doplňujúcu otázku, prispôsobiť ju alebo podať výkon bez nástroja, a medzera sa ukáže neskôr pri skúške, licenčnom procese, stáži alebo v prvom zamestnaní. Známky sa vzďaľujú od schopnosti, kým obe vyzerajú v poriadku. To je problém kreditu skôr, než je problémom disciplíny, čo je argument v Platnosti hodnotenia a Autentickom hodnotení. Pre študenta je užitočným preformulovaním to, že známka je tvrdenie o ňom a toto tvrdenie musí obstáť v ďalšej miestnosti, kde sa testuje.

„Problém je, ako často to používajú.“

Frekvencia vám nepovie nič. Študent môže používať AI denne na porovnávanie vysvetlení, generovanie cvičných problémov a získavanie spätnej väzby, pričom zostáva kognitívne aktívny, a iný ju môže použiť raz na vytvorenie argumentu, ktorý malo zadanie vyvolať. Rozdeľuje ich otázka, ktorá vrstva myslenia bola delegovaná a či študent dokáže túto vrstvu stále vykonať sám, čo je rozdiel, ktorý interakcia medzi študentom a AI podrobne dokumentuje. Oprava gramatiky leží ďaleko od tvrdení, dôkazov a protiargumentov eseje. Krok je urobiť vrstvu v úlohe explicitnou: pomenujte myslenie, ktoré kurz učí, povoľte pomoc všade inde a pomenovanú vrstvu overte bez pomoci.

„Rýchlejšie dokončenie znamená efektívnejšie učenie.“

AI odstraňuje administratívnu prácu, zmätok vo formátovaní a opakovanie, čo je zisk. Odstraňuje aj vybavovanie, plánovanie, písanie konceptu, ladenie a prepracovanie, cez ktoré sa zručnosť formuje, a to je strata. Rozlíšenie, ktoré prežije kontakt s reálnym zadaním, je podporné verzus nahradzujúce odľahčenie: jedno uvoľňuje pozornosť pre ťažšie myslenie, druhé vykonáva myslenie, ktoré ste sa mali naučiť (Kognitívne odľahčenie, Redukovanie zneužívania AI). Postup, ktorý bráni druhému, je krátky. Urobte pokus, poraďte sa s nástrojom o náznaky, príklady alebo porovnanie, prepracujte podľa vlastného úsudku a potom vytvorte krátke vysvetlenie bez pomoci. Cieľom nie je obtiažnosť, cieľom je zachovať kognitívnu prácu.

„Plošný zákaz je najbezpečnejšie a najspravodlivejšie pravidlo.“

Podmienky bez AI sú správne vtedy, keď hodnotenou schopnosťou je samostatný výkon: určité skúšky, základné precvičovanie, overovanie odbornej kompetencie. Všeobecný zákaz je iný nástroj, tlačí používanie do ilegality, je ťažké ho dôsledne presadzovať a blokuje AI gramotnosť, ktorú študenti potrebujú po skončení kurzu. Štyri podmienky na úrovni úlohy pokrývajú viac: AI požadovaná, AI povolená so zverejnením, AI obmedzená na pomenované funkcie, AI zakázaná, pretože pomoc by spochybnila tvrdenie o učení. Študenti dodržiavajú hranice, ktorým rozumejú, takže pravidlo potrebuje pripojený dôvod a musí byť zhodné v sylabe, v zadaní, v spätnej väzbe a v hodnotení. Formulovanie používania AI pre študentov a Vzdelávacia politika AI sú šablóny.

Hodnoťte tutora podľa toho, čo študent urobí ďalej

Systém, ktorý vytvára odpoveď, a systém, ktorý vytvára študenta, sú rôzne produkty a výstup vždy opisuje len ten prvý.

„Dajte študentom výkonného tutora a učenie sa zlepší.“

Prístup nie je návrh výučby. Ten istý model podporuje učenie, keď vyžaduje najprv pokus, náznaky namiesto riešení, žiada odôvodnenie, opravuje mylné predstavy, utlmuje podporu a končí kontrolou bez pomoci. Podkopáva učenie, keď odpovedá okamžite, robí plánovanie a odmeňuje hľadanie odpovedí. Hodnota sedí v pedagogickom obale, čo je argument v Návrhu učenia a logika návrhu za lešením. Skôr než tutora zavediete, prejdite s ním jednu hodinu sami a spočítajte, koľkokrát vám umožní vyhnúť sa mysleniu.

„Tutor, ktorý dáva správnu odpoveď, je dobrý tutor.“

Správnosť je nevyhnutná a nedostatočná. Správna odpoveď môže prísť priskoro, prezradiť priveľa a obísť žiaduce ťažkosti, ktoré robia vybavovanie trvácim. Silnejší tutor diagnostikuje pred zásahom, pýta sa namiesto tvrdenia, dáva najmenší užitočný náznak, vyžaduje vysvetlenie, reaguje na konkrétnu chybu, utlmuje sa a neskôr overuje výkon bez pomoci. Hodnoťte ho podľa toho, čo študenti zbadajú, o čo sa pokúsia, čo vysvetlia, prepracujú a napokon urobia sami, čo je štandard v Inteligentných tutorských systémoch a Pedagogickej bezpečnosti.

„Viac automatizácie a personalizácie je lepšie.“

Personalizácia môže podporovať učenie a môže sa stať nadmerným prispôsobovaním. Keď systém plánuje, monitoruje, rozhoduje o tom, čo je dôležité, a dokončuje ťažké kroky, študent je rýchlejší a menej agentný a samoregulácia je to, čo potichu odchádza z miestnosti. Problém návrhu je odstrániť nepotrebné bariéry a zároveň zachovať úsilie spojené s cieľom. Funkcie, ktoré obstoja: povinné pokusy, výzvy na vysvetlenie, odložené náznaky, nastaviteľná pomoc, utlmovanie lešenia, reflexia odporúčaní systému, pravidelné precvičovanie bez pomoci a viditeľný spôsob, ako ho obísť. Agentická AI a agentúra pokrývajú to, čo sa stane, keď systém začne robiť rozhodnutia.

„Väčší model robí tutora bezpečnejším.“

Všeobecná schopnosť a pedagogická kvalita sú oddelené vlastnosti a väčší model dokáže riešiť ťažšie problémy, pričom stále nedokáže zvoliť stratégiu, odoprieť odpoveď, prispôsobiť sa vývojovej úrovni, zachovať produktívne zlyhanie, signalizovať neistotu alebo zostať vnútri vašich cieľov učenia. Participatívna dizajnová štúdia so šiestimi stredoškolskými učiteľmi je najjasnejším vyjadrením toho, odkiaľ bezpečnosť skutočne prichádza. Učitelia nezávisle navrhli „ohraničených expertov“: úzku schopnosť vnútri definovanej domény pod ľudským dohľadom, s dvoma hranicami, ktoré by neprekročili (autorita, pretože zodpovednosť za učenie študentov sa nedá delegovať, a expertíza, pretože model nemá poznatky o jednotlivých študentoch a normách triedy), a tromi ochrannými vrstvami (doménové limity, filtrovaný obsah so štandardizovanými odmietnutiami a možnosť učiteľa zasiahnuť). Žiadali úplné zaznamenávanie konverzácií a upozornenia v reálnom čase namiesto lepších vysvetlení od modelu (návrh chatbota ako ohraničeného experta). Rozsah a dohľad urobili prácu, ktorú samotná veľkosť modelu nedokázala. Teórie učenia a Trénovanie a doladenie LLM pokrývajú stránku návrhu.

„Viac spätnej väzby je lepšia spätná väzba.“

Objem je najľahšie zvýšiť a najslabšie koreluje so zlepšením. Odpoveď, ktorá komentuje každý problém, môže zahrabať jedinú zmenu, na ktorej záleží, a môže byť na nesprávnom mieste, všeobecná alebo nesprávna. Spätná väzba si svoju dĺžku zaslúži tým, že identifikuje najdôležitejší ďalší krok pre tohto študenta v tomto bode úlohy. Merajte, či jej študenti rozumejú, dokážu posúdiť jej kvalitu, prepracujú podľa nej prácu, zbavia sa mylnej predstavy a neskôr podajú lepší výkon bez nej. Spätná väzba a gramotnosť v spätnej väzbe uvádzajú postupnosť a praktickým testom je, či študent dokáže jednou vetou povedať, čo urobí inak.

„AI ničí kritické myslenie.“

Môže kritické myslenie nahradiť alebo sa stať jeho predmetom a rozhoduje o tom zadanie. Úloha oslabuje zapojenie, keď študenti žiadajú hotovú interpretáciu a prijmú ju, a posilňuje ho, keď predpovedajú pred konzultáciou, porovnávajú svoje uvažovanie s uvažovaním modelu, hľadajú nepodložené tvrdenia, zlepšujú slabú odpoveď, vyberajú medzi alternatívami a vysvetľujú, prečo odporúčanie odmietli. Užitočný rozdiel je rola, ktorú nástroj hrá: kouč, vyzývateľ alebo zdroj na hodnotenie, a nie náhrada uvažovania študenta. Kritické myslenie a Návrh učenia nesú návrhy úloh.

Rozhodnite, čo vám dodávateľ musí ukázať, kým podpíšete

Tu sa z mylnej predstavy stáva viacročná zmluva. Žiadna z otázok nižšie nevyžaduje technickú expertízu a všetky vyžadujú pýtať sa pred dátumom obnovy, nie po ňom.

„Nákup pokročilej platformy premení výučbu.“

Platforma poskytuje schopnosti. Zlepšenie vyžaduje zladenie naprieč kurikulom, hodnotením, rozvojom pedagógov, technickou podporou, prístupnosťou, súkromím, riadením, pracovnou záťažou a miestnym hodnotením, a bez nich inštitúcia kupuje sofistikovaný systém, ktorý sa používa nedôsledne, duplikuje prácu, pridáva pedagógom záťaž alebo produkuje pôsobivú ukážku bez merateľného zisku. Pred obstarávaním špecifikujte šesť vecí: vzdelávací problém, zamýšľaných používateľov a prípady použitia, výsledky, ktoré sa počítajú ako úspech, zbierané dáta, potrebný ľudský dohľad a podmienky, za ktorých by ste systém upravili alebo ukončili. AI z pohľadu administrátora a Hodnotenie AI vo vzdelávaní sú rámce, ktoré si vezmete do rokovania.

„Skóre v benchmarku dokazuje, že je to vzdelávaco účinné.“

Benchmark meria výkon za podmienok benchmarku. Model dokáže riešiť ťažké problémy, písať plynulé vysvetlenia a dobre skórovať v tutorskej rubrike, pričom nezlepšuje retenciu, transfer, samoreguláciu ani výsledky z hľadiska rovnosti. Držte výsledky benchmarkov oddelene od technickej spoľahlivosti, pedagogickej kvality, bezpečnosti, použiteľnosti, záťaže implementácie, prijatia v triede a prírastkov v učení bez pomoci. Len testovanie v teréne s reálnymi študentmi, relevantná porovnávacia podmienka a rozumné meranie výsledku vypovedajú o otázke, o ktorej skutočne rozhodujete (Benchmark). Výskumníci dlhujú rovnakú disciplínu opačným smerom: povedzte, ktorý článok v tom reťazci štúdia obsadzuje.

„Je to spoľahlivé, takže skóre sú platné.“

Spoľahlivosť je konzistencia, platnosť je otázka, či je interpretácia a používanie skóre opodstatnené, a tieto dve sa môžu výrazne rozísť. Veľký britský benchmark oznámkoval 761 autentických bakalárskych esejí z psychológie a zistil, že známky AI a ľudí sa zhodujú v pásme stupňa len v 35 až 65 % prípadov (63 % v jednej inštitúcii, 53 % v druhej, 35 % v tretej), kým spoľahlivosť opakovaného skórovania bola takmer dokonalá, s intraklasovými koreláciami do 1,00. Tri modely sa zhodovali navzájom oveľa tesnejšie než s ľuďmi (ICC 0,91) a zhodli sa na pásme pri 56 % odovzdaní, keď museli súhlasiť všetky tri. Známky sa stláčali k stredu (skóre kompresie 0,47 až 0,82), takže systém bol najmenej presný práve na hraniciach, ktoré oddeľujú jednotku od dvojky alebo absolvovanie od neúspechu. Jeho spätná väzba bola tri až osemkrát dlhšia než ľudský priemer 100 až 200 slov (automatizované známkovanie univerzitných esejí). Žiadajte pokrytie konštruktu, porovnanie s ľudským úsudkom, výkon na podskupinách, vzorce chýb, neistotu a dôsledky používania, čo je argument v Vzdelávacom meraní a Automatizovanom hodnotení.

„Jedna dobre prebehnutá konverzácia ukazuje, že tutor je bezpečný.“

Vzdelávacie škody sa hromadia počas interakcie. Systém môže na jeden prompt odpovedať primerane a potom v priebehu ťahov začať dodávať odpovede, posilňovať mylnú predstavu, podporovať závislosť alebo vybočiť zo svojej tutorskej roly. Benchmark SafeTutors zhrnutý v tejto wiki zistil, že zlyhania pedagogickej škody prudko rastú, keď sa systémy hodnotia vo viacerých ťahoch namiesto jednej výmeny (Bezpečnosť AI tutora a pedagogické škody). Vyžadujte dlhé konverzácie, opakované chyby študentov, pokusy o priamu odpoveď, emocionálne a relačné scenáre, adversariálne promptovanie a meranie závislosti v čase. Dôkaz z benchmarku tohto druhu nie je odhadom učenia v triede a je to minimum, o ktoré sa má opierať tvrdenie o bezpečnosti.

„Ľudské preskúmanie je dočasná záplata, kým sa modely nezlepšia.“

Preskúmanie je funkcia zodpovednosti, nie funkcia opravy chýb, pretože niekto musí rozhodnúť, či výstup vyhovuje konkrétnemu študentovi, kurzu, kultúre alebo závažnému rozhodnutiu, interpretovať výnimku, dodať kontext, ktorý model nemá, a zodpovedať za výsledok. Zmysluplné usporiadanie pomenúva, kto preskúmava, aké dôkazy vidí, kedy sa preskúmanie deje, koľko má času, či môže zasiahnuť, kto zodpovedá za konečnú akciu a ako sa študent odvolá. Preskúmavateľ bez času, právomoci alebo informácií je podpis (AI s človekom v slučke).

„Prístupnosť, súkromie a rovnosť sa dajú pridať, keď jadro produktu funguje.“

Toto sú požiadavky návrhu. Vstupná modalita, čitateľská úroveň, jazykové predpoklady, požiadavky na zariadenie, uchovávanie dát, personalizácia a predpojatosť modelu rozhodujú o tom, kto môže systém používať a komu spôsobí škodu, a dodatočné úpravy zvyčajne zlepšia rozhranie, pričom pracovný postup, dátový model a rozhodovacia logika zostanú nedotknuté. Zapojte dotknutých študentov a pedagógov zavčasu, testujte s rôznorodými používateľmi, zbierajte minimum, poskytujte prístupné alternatívy a skúmajte rozdielne výsledky. Systém, ktorého prínosy sú neprístupné alebo nerovnomerne rozdelené, nie je vzdelávaco účinný, akýkoľvek je jeho priemer (Prístupnosť, Univerzálny návrh učenia, Súkromie).

„Chatbot je pre deti bezpečný, ak blokuje toxický obsah.“

Moderovanie obsahu pokrýva zakázané slová a témy. Zdvorilý systém môže aj tak odpovedať príliš rýchlo, posilniť mylnú predstavu, podporiť emocionálnu závislosť, zbierať nevhodné dáta, ponúkať vývojovo nevhodné rady, vytvárať neprístupné predpoklady, vytláčať ľudskú podporu a znižovať produktívne úsilie. Produkty pre deti potrebujú hodnotenie bezpečnosti obsahu, pedagogickej bezpečnosti, súkromia, prístupnosti, relačného vplyvu a účinkov opakovaného používania, čo je štandard v Vzdelávaní s AI na K-12 a Pedagogickej bezpečnosti.

Rozhodnite, čo prijmete ako dôkaz schopnosti študenta

Nikdy nezistíte, ako súbor vznikol. Dokážete lacno zistiť, či študent dokáže to, čo súbor zjavne ukazuje, a to je jediné tvrdenie, ktoré známka potrebuje podporiť.

„Skúsení učitelia dokážu rozpoznať prácu vytvorenú AI.“

Nie dosť spoľahlivo na to, aby sa podozrenie bralo ako dôkaz. Vygenerovaný text sa dá upraviť, zmiešať s ľudským textom, preložiť, parafrázovať alebo vytvoriť cez viacero systémov a ľudský úsudok sa ohýba smerom k štýlu písania, jazykovému zázemiu, postihnutiu a očakávaniam o tom, ako má konkrétny študent znieť. Detektory majú ten istý problém a pridávajú falošné pozitíva aj falošné negatíva, a preto je označenie dôvodom na bližší pohľad a nikdy nie na zistenie (Detekcia AI). Overovanie je obhájiteľná alternatíva: požiadajte študenta, aby vysvetlil uvažovanie, prediskutoval zdroje, prepracoval pasáž, aplikoval myšlienku na nový prípad alebo ukázal dôkazy o postupe. Každé z toho priamo hodnotí porozumenie a každé je lacné.

„Detekcia a dohľad pri skúškach vyriešia problém integrity.“

Detekcia odhaduje, či artefakt pripomína strojovo generovanú prácu. Vzdelávanie potrebuje dôkaz, že študent schopnosť má, a čísla na strane detekcie sú dnes dosť konkrétne na to, aby sa dali citovať v komisii. Analýza procedurálnej spravodlivosti uvádza, že ani jeden zo štrnástich skorých detekčných nástrojov nedosiahol 80 % presnosť, že parafrázovanie alebo ľahká úprava zhruba polovične znižuje už aj tak skromnú presnosť a že nástroje systematicky chybne klasifikujú pisateľov, pre ktorých angličtina nie je rodný jazyk, pretože znaky čítané ako signály AI charakterizujú aj kompetentné písanie v druhom jazyku. V utajenom terénnom experimente zostalo 94 % úplne AI generovaných odovzdaní vložených do živých online skúšok v piatich psychologických moduloch neodhalených a práca AI v priemere prekonala skutočných študentov. Vanderbilt University vypol svoj licencovaný detektor po tom, ako nedokázal overiť inzerovanú mieru falošných pozitív 1 %, mieru, ktorá pri 75 000 ročných odovzdaniach znamená približne 750 chybne označených študentov (neodhaliteľné nečestné konanie). Dohľad pri skúškach pridáva náklady na súkromie, prístupnosť, úzkosť a rovnosť, a ani tak nepreukazuje učenie. Trvácna stratégia je kombinácia: vysvetlené očakávania, podmienky bez AI tam, kam patria, dôkazy o postupe a práca po etapách, ústne alebo písomné overenie, zverejnenie špecifické pre úlohu, prepracovanie hodnotenia a postupy preskúmané ľuďmi s cestou odvolania. Vzdialený dohľad pri skúškach a Ako znížiť podvádzanie s AI? prinášajú operačné podrobnosti.

„Vybrúsený pracovný produkt preukazuje odbornú kompetenciu.“

Preukazuje výkon človeka plus nástroja. Kompetencia sa ukazuje v tom, či niekto dokáže zarámovať problém, uviesť predpoklady, overiť dôkazy, zachytiť jemnú chybu, prispôsobiť sa zmene podmienok, obhájiť odporúčanie a vykonať podstatný úsudok bez nevhodnej pomoci. Zodpovedné používanie AI je samo legitímnou odbornou kompetenciou, takže úlohou je oddeliť efektívne používanie nástroja od zdania expertízy, ktoré nástroj dodáva (Kariérny rozvoj a pripravenosť).

„AI gramotnosť znamená vedieť napísať dobrý prompt.“

Promptovanie je jedna operačná zručnosť. Rozsah, ktorý záleží pre učiteľa alebo zamestnanca, je širší: čo systémy AI dokážu spoľahlivo a čo nie, ako hodnotiť presnosť a predpojatosť, ako AI ovplyvňuje platnosť hodnotenia, kedy sa odľahčenie stáva vytlačením, požiadavky na súkromie a prístupnosť, ako používanie zapadá do disciplíny a kedy ho vôbec nepoužiť. Syntéza v tejto wiki zistila, že učitelia podstatne precenili svoju AI kompetenciu, keď sa sebahodnotenia porovnali s meraniami výkonu, a preukázaná kompetencia predpovedala integráciu do triedy oveľa lepšie než sebadôvera (Hodnotenie AI gramotnosti: nesúlad medzi sebahodnotením a výkonom). Techniky promptov tiež starnú rýchlejšie než úsudok. Učte prácu s promptmi ako zručnosť a hodnoťte AI kompetenciu učiteľa ako tú širšiu.

„Základné disciplinárne vedomosti sú zastarané, pretože AI ich dokáže vyhľadať.“

Dohľad závisí od expertízy, ktorej budovanie silná automatizácia ľuďom rozhovára. Bez doménových vedomostí človek nevidí vierohodný nesprávny záver, chýbajúce obmedzenie, nebezpečné odporúčanie, neplatné porovnanie, vymyslenú citáciu, predpojatý predpoklad ani situáciu, v ktorej sa nástroju nemá dôverovať vôbec (Predchádzajúce vedomosti, Kalibrácia dôvery). Kurikulá môžu prehodnotiť, čo sa memoruje a ktoré nástroje zostávajú dostupné. Odstránenie základu preto, že nástroj dokáže vyprodukovať odpoveď, odstraňuje základ pre posudzovanie odpovede.

„Výučba kritického a etického používania AI stojí produktivitu.“

Neoverená automatizácia produkuje prepracovanie, bezpečnostné incidenty, diskriminačné rozhodnutia, právne riziko, poškodenie reputácie a falošnú sebadôveru, a každé z toho je náklad, ktorý číslo produktivity nezapočítalo. Zamestnanec, ktorého sa oplatí prijať, je ten, kto rozdeľuje prácu medzi ľudí a nástroje a zároveň drží kvalitu, dôvernosť, zodpovednosť a odborný úsudok. To je argument produktivity, urobený smerom, ktorý súvaha zvyčajne prehliada (Spolupráca človeka a AI, Riadenie AI).

Odpovedajte na to, čomu veria študenti

Študenti prichádzajú s funkčnými teóriami a väčšina z nich vznikla z niečoho, čo nástroj skutočne urobil. Oprava teórie je súčasťou výučby a vyžaduje lepší model, nie varovanie.

„Ak odpoveď znie isto a podrobne, je pravdepodobne správna.“

Istota a plynulosť sú vlastnosti generovaného jazyka, nie dôkaz overenia. Model predpovedá vierohodný text a nekontroluje tvrdenia proti dôkazom, takže dokáže vymýšľať zdroje, nesprávne uvádzať fakty, vynechať kontext a zopakovať mylnú predstavu vo výbornej próze. Berte výstup ako hypotézu a skúmajte, od čoho odpoveď závisí: zdroje, výpočet, porovnanie s materiálmi kurzu. Test, ktorý treba učiť, je, či by študent prijal to isté tvrdenie od neznámeho človeka, ktorý neukázal žiadny dôkaz (Riziko halucinácií).

„AI mi rozumie a vie, čo mám na mysli.“

Reaguje na jazyk, využíva konverzáciu a niekedy si uchováva informácie, čo stačí na to, aby to pôsobilo osobne. Nemá zámer, skúsenosť, starostlivosť ani kontextové porozumenie a praktickým dôsledkom je, že môže súhlasiť, pretože prompt naznačil odpoveď. To je AI patolizálnosť a je to režim zlyhania, ktorý študenti čakajú najmenej. Požiadajte ju, aby pomenovala slabiny v uvažovaní, ponúkla protidôkazy a povedala, čo by urobilo jej odpoveď nesprávnou, a potom overte nezávisle. Súhlas nie je potvrdenie.

„Jeden dobrý prompt by mal vyprodukovať správnu odpoveď.“

Výstup je citlivý na prompt a často nedeterministický, takže malé zmeny vo formulácii, kontexte, príkladoch alebo predpokladoch podstatne posúvajú odpoveď a opýtať sa znova nie je overovanie. Päť podobných odpovedí môže zdieľať jeden nesprávny predpoklad. Produktívna iterácia objasňuje cieľ a obmedzenia, odhaľuje predpoklady, žiada alternatívy, testuje proti dôkazom a kontroluje, či odpoveď prežije zmenu v probléme. Je to zručnosť a nerovnomerne rozdelená zručnosť. Ukážka naivného študenta používajúceho chatbota pri otázke z domácej skúšky zostala „vybrúsená, ale pedagogicky tenká“ na multistrukturálnej úrovni taxonómie SOLO a na dosiahnutie použiteľnej učebnej slučky bolo potrebných osem kôl intervencie na metarovine: signalizácia preťaženia, žiadosť o zjednodušenie, zúženie rozsahu. Autori tú schopnosť nazývajú gramotnosť v interakcii s AI, čo znamená schopnosť viesť, hodnotiť a učiť sa z iteratívnej interakcie, a všímajú si aj rovnostársky aspekt: keďže nevedené používanie ukladá zručnosť riadenia interakcie, ktorá je nerovnomerne rozdelená, generatívna AI „môže byť najprospešnejšia už zvýhodneným študentom“ (gramotnosť v interakcii s AI). Pre nároky na sebareguláciu, ktoré sú pod tým, pozri Ako vyvinúť efektívneho AI tutora?.

„Mladí ľudia sú už AI gramotní, pretože sú digitálni domorodci.“

Znalosť digitálnych produktov nie je schopnosť hodnotiť AI. Študent dokáže otvoriť chatbota, vygenerovať obrázok a požiadať o odpoveď, pričom nedokáže overiť tvrdenie, odhaliť vymyslený dôkaz, rozpoznať predpojatosť alebo patolízalstvo, chrániť osobné údaje, rozhodnúť, čo nedelegovať, ani vysvetliť, ako AI ovplyvnila prácu. Wiki zhrňuje výskum, v ktorom sa sebadôvera pri každodenných technológiách nepreniesla do algoritmického uvažovania, technologickej tvorby ani kritického hodnotenia AI (Ilúzia kompetencie). Gramotnosť sa vyučuje a preukazuje, vek a frekvencia používania ju neudeľujú.

„Študenti, ktorí používajú AI, sú leniví alebo nečestní.“

K zneužitiu niekedy dochádza a morálne označovanie z toho vysvetlí málo a zabráni ešte menej. Rozhodnutia formuje hodnota zadania, časový tlak, sebadôvera, normy rovesníkov, jasnosť politiky, strach zo zlyhania, predchádzajúci prístup a to, či práca vyzerá spojená s niečím, na čom študentovi záleží, a študenti rozlišujú medzi brainstormingom, úpravou, vysvetlením a generovaním celého textu spôsobom, ktorý plošné pravidlo zotiera. Reakcia, ktorá mení správanie, spája jasné očakávania, zmysluplné hodnotenie, výučbu zodpovedného používania, cestu zverejnenia, overovanie učenia a primeranú zodpovednosť. Považovať akékoľvek používanie za povahovú chybu ho tlačí do utajenia, kde stratíte informáciu aj rozhovor.

Odpovedajte na to, čomu veria rodiny a verejnosť

Otázky zvonku budovy sú jednoduchšie a odpovede musia byť kratšie, pretože sa budú opakovať na zasadnutí rady bez výhrad.

„Zrevolucionizuje AI vzdelávanie, alebo ho zničí?“

Obe tvrdenia preháňajú to, čo technológia robí sama o sebe. AI môže rozšíriť prístup k vysvetleniu, prekladu, precvičovaniu, spätnej väzbe a podpornej pomoci a môže pridať dezinformácie, riziko pre súkromie, predpojatosť, nadmernú závislosť a nové problémy integrity. O tom, ktorý zoznam narastie, rozhoduje návrh, výučba, inštitucionálne rozhodnutia a zodpovednosti, ktoré študenti nesú (AI vo vzdelávaní). Otázka, ktorú stojí za to predložiť rade, je užšia a zodpovedateľná: pre ktorých študentov, úlohy a výsledky a za akých podmienok prináša toto používanie viac úžitku než škody.

„AI je v podstate ďalšia kalkulačka.“

Porovnanie funguje pri jednej vlastnosti, pretože obe odľahčujú prácu, a zlyháva v rozsahu. Kalkulačka vykonáva definovanú operáciu, generatívna AI produkuje vysvetlenia, argumenty, plány, zhrnutia zdrojov, kód, spätnú väzbu a celé zadania, jej činnosť je oveľa menej transparentná a jej výstup môže byť presvedčivý a nesprávny (Generatívna AI). Preto je rozhodnutie o delegovaní jemnejšie. Odľahčenie rutinného výpočtu môže študentovi uvoľniť priestor na interpretáciu, odľahčenie interpretácie odstraňuje lekciu.

„Empatická AI sa o študenta stará.“

Systém dokáže produkovať jazyk, ktorý znie pozorne a podporne, a to môže študentovi pomôcť sformulovať problém alebo vydržať pri úlohe s nízkymi stávkami. Zdanie starostlivosti nie je starostlivosť, zodpovednosť ani povinnosť starostlivosti a model môže situáciu nepochopiť, posilniť rámcovanie používateľa alebo odpovedať zle, pričom bude znieť láskavo (Konverzačná AI). Študenti by mali vedieť, kedy hovoria so systémom, čo sa uchováva a kedy ich má poslať ku kvalifikovanému dospelému.

„AI urobí učiteľov zbytočnými.“

Automatizovať úlohy nie je nahradiť vzdelávaciu funkciu. Písanie príkladov, tvorba predbežných materiálov, odpovedanie na rutinné otázky a pomoc so spätnou väzbou sa môžu presunúť na nástroj. Interpretácia potrieb študentov, budovanie vzťahov, udržiavanie intelektuálne a emocionálne bezpečnej triedy, kontextualizácia disciplinárnych vedomostí, uplatňovanie etického úsudku a rozhodovanie o tom, kedy je vygenerovaná odpoveď nevhodná, zostávajú na človeku. Rola sa posúva k orchestrátorovi, návrhárovi učenia, disciplinárnemu sprievodcovi a zodpovednému rozhodovateľovi, čo je zmena odbornej práce, nie jej zmiznutie (Výučba).

V čom sa mýlia ľudia, ktorí to vedú

Mylné predstavy vyššie patria publiku, pre ktoré je stránka napísaná. Tieto patria ľuďom, ktorí píšu memorandum, a preto dobré opravy nezaberajú.

„Data-driven znamená objektívne.“

Predpojatosť vstupuje cez trénovacie dáta, označenia, definície výsledkov, prompty, jazykové predpoklady, voľby prístupnosti, rozhodovacie prahy a spôsob, akým personál číta výstup. Ľudský úsudok je tiež predpojatý, čo nie je dôkaz, že automatizovaný úsudok je neutrálny; automatizácia môže skryť predpojatosť za rozhraním a uplatniť ju vo veľkom (Zmierňovanie predpojatosti). Pri závažných rozhodnutiach vyžadujte analýzu výkonu na podskupinách, dokumentáciu trénovacích a validačných podmienok, hlásenie neistoty, zmysluplné ľudské preskúmanie, proces odvolania, monitorovanie po nasadení a vyšetrovanie rozdielnych škôd.

„Jeden účet na študenta vyrieši rovnosť.“

Rovnaký prístup je prvý z troch riadkov. Študenti sa líšia v predchádzajúcich vedomostiach, skúsenosti s AI, jazyku, prístupe pri postihnutí, kvalite zariadenia, dostupnom čase, sebadôvere a schopnosti hodnotiť výstup, a skúsenejší študenti používajú nástroj na rozšírenie svojho učenia, kým slabší alebo menej metakognitívni študenti prijímajú nesprávny výstup alebo delegujú práve to precvičovanie, ktoré najviac potrebujú. Plánujte prístup, potom zručnosť, potom výsledky: kto ho dokáže spoľahlivo používať, kto ho dokáže používať a hodnotiť, kto má skutočný prínos a kto narazí na novú škodu (Digitálna priepasť, Metakognícia).

„Jedna celoškolská politika ukončí neistotu.“

Text politiky nevytvára zdieľané porozumenie. Študenti a personál čítajú očakávania z inštitucionálnych usmernení, noriem programu, syláb, pokynov k zadaniam, komentárov vyučujúcich, správania rovesníkov a predchádzajúceho presadzovania, a keď si tieto odporujú, ľudia si vymýšľajú vlastné pravidlá. Architektúra, ktorá funguje, spája celoškolské princípy s očakávaniami programu, politikami kurzu, pokynmi k zadaniam, rozpracovanými príkladmi a transparentnými postupmi zverejňovania a preskúmania, pričom pri každom obmedzení je pripojený vzdelávací dôvod. Pravidlo, ktoré hovorí len „povolené“ alebo „zakázané“, necháva úsudok na toho, kto je najistejší.

„Nechuť pedagógov je medzera v školení.“

Niekedy je. Pripravenosť je aj pracovná záťaž, profesijná identita, disciplinárne hodnoty, pochybnosti o platnosti hodnotenia, slabá inštitucionálna podpora, neistota okolo súkromia a odôvodnený úsudok, že konkrétna aplikácia študentom neprospieva. Rozvoj preto musí pokryť praktickú kompetenciu, pedagogickú integráciu, účel a identitu, čas, politiku, používanie špecifické pre disciplínu a možnosť principiálneho neprijatia. Jednorazová ukážka funkcií nevyrieši profesijnú a organizačnú zmenu (Vzdelávací rozvoj).

„Povedať ľuďom správne fakty stačí.“

Mylné predstavy sú často stabilné a vierohodné mentálne modely, nie medzery, a vlastná skúsenosť človeka ich neustále potvrdzuje: výstup znie isto, práca vyzerá dobre, úloha sa dokončila rýchlejšie. Fakty, ktoré odporujú modelu s funkčným vysvetlením, sa zahodia. Nahradí ich lepší model plus spôsob, ako ho uplatniť, čo je postup refutácie v Refutačnom texte a syntéza v Mylných predstavách o AI.

„Opraviť niekoho znamená povedať mu, že sa mýlil.“

Zahanbenie produkuje obrannosť a skrývanie a odkazy ako „AI používajú len leniví študenti“ alebo „kto dôveruje chatbotu, je hlupák“ útočia na identitu, nie na presvedčenie. Venujte sa presvedčeniu a jeho dôsledkom: uznajte, prečo sa zdalo rozumné, ukážte rozpor, napríklad istú chybu, pozvite človeka k predpovedi pred odhalením opravy, nechajte ľudí porovnať asistovaný a samostatný výkon, dajte im stratégiu na nabudúce a posilnite nový model naprieč viacerými aktivitami. Ľudia menia svoje myslenie ochotnejšie vtedy, keď ich to nestojí dôstojnosť.

Nahraďte presvedčenie lepším

Mechanika je dosť krátka na použitie na porade pedagogického zboru. Pomenujte presvedčenie, povedzte, prečo vyzerá pravdivo, jasne ho odmietnite, vysvetlite zlyhanie, dajte lepší model a podajte aplikáciu.

Spracovaná verzia, ktorú môžete prispôsobiť ktorejkoľvek položke na tejto stránke:

Mylná predstava: „Dobre vytvorené zadanie od AI ukazuje, že sa študent naučil.“ Refutácia: „To nemusí byť pravda. Produkt ukazuje, čo vytvorili študent a AI spolu, ale neodhaľuje, ktoré uvažovanie vykonal študent.“ Náhrada: „Učenie sa preukazuje lepšie vtedy, keď študent dokáže schopnosť vysvetliť, preniesť, prispôsobiť a zopakovať.“ Aplikácia: „Po práci s podporou AI nasleduje vysvetlenie, ústna obhajoba, záznam o postupe alebo aplikácia bez pomoci.“

Náhrada nesie váhu. Odstrániť mylnú predstavu bez poskytnutia lepšieho vysvetlenia nechá človeka bez ničoho, čím by myslel, a staré presvedčenie sa vráti, keď ho jeho skúsenosť nabudúce potvrdí.

Skúsenosti robia viac než opisy. Presvedčenie menia tie, ktoré robia jeho zlyhanie viditeľným: požiadajte ľudí, aby našli isto znejúcu vymyslenú citáciu; porovnajte niekoľko protirečiacich odpovedí na jeden prompt; dokončite úlohu bez pomoci po asistovanom precvičovaní; sledujte, ako model zrkadlí nesprávny predpoklad; porovnajte tutora s priamou odpoveďou a tutora s náznakmi; prejdite výstupy naprieč menami, dialektmi alebo scenármi; obhájte odporúčanie AI pomocou pôvodných dôkazov. Každé mení varovanie na niečo, čo človek videl stať sa, a každé dáva prax v overovaní, kalibrácii dôvery a rozhodnutí o odľahčení.

Čo sa vám vráti

„Detektor sme už kúpili a licencia nie je vratná.“

Tak ho používajte ako jeden signál vnútri procesu, ktorý prežije odvolanie, a rozpočítajte chybovosť, namiesto toho, aby ste ju predstierali preč. Pri miere falošných pozitív, ktorú Vanderbilt nedokázal overiť, je 1 % zo 75 000 odovzdaní 750 chybne označených študentov a analýza procedurálnej spravodlivosti hovorí, že nástroje chybne klasifikujú pisateľov, pre ktorých angličtina nie je rodný jazyk. Skóre detektora je obvinenie. Zaznamenané vysvetlenie je záznam.

„Naši študenti by to nikdy neurobili.“

Výsledok 94 % neodhalených vznikol z odovzdaní vložených do živých online skúšok, čo nie je príbeh o záporákoch. Väčšina tlaku je nejednoznačnosť a čas a praktickou otázkou je, ktorú cestu vaše zadanie robí najľahšou. Ak sa overovanie hodnotí, zverejnenie nič nestojí a existuje kontrola bez pomoci, väčšina študentov ide po ceste, ktorú ste postavili.

„Dodávateľ nám ukázal benchmark a šťastnú prípadovú štúdiu.“

Spýtajte sa, čo benchmark meral a či sa nejaký študent s uzavretým nástrojom niečo naučil. Skóre v tutorskej rubrike a prírastok v učení v triede sú rôzne tvrdenia a pilot bez porovnávacej podmienky vám nepovie, ktoré z nich máte. Rovnaká skepsa platí aj pre váš vlastný dashboard.

„Učitelia len potrebujú viac školenia.“

Učitelia podstatne precenili svoju AI kompetenciu, keď sa sebahodnotenie stretlo s výkonom, takže školenie sa musí hodnotiť podľa toho, čo ľudia dokážu, nie podľa toho, čo hovoria, že vedia. Musí tiež pokryť účel, pracovnú záťaž a možnosť odmietnuť, inak tí, ktorí majú najväčšie právo vzdorovať, budú tí, ktorí problému rozumejú najlepšie.

„Rodičia neprijmú nič iné než zákaz.“

Rodičia sa pýtajú, či je vec pred ich dieťaťom bezpečná a či známka niečo znamená. Odpovedzte priamo na tieto dve otázky, pomocou otázok pedagogickej bezpečnosti a nie filtra obsahu, a argument zákazu stratí silu. Otázka pre radu je užšia než titulok a ľahšie sa obhajuje.

„Nemôžeme robiť ústne obhajoby pre prednáškový kurz tejto veľkosti.“

Tak ich nerobte pre každého študenta. Vysvetlite uvažovanie písomne, prediskutujte zdroje v krátkej nahranej poznámke, prepracujte pasáž, aplikujte myšlienku na nový prípad alebo prečítajte dôkazy o postupe, ktoré už zbierate. Urobte vzorku z odovzdaní, ktoré vyzerajú nekonzistentne s predchádzajúcou prácou. Overovanie je návyk zabudovaný do kurzu, nie samostatná udalosť pre každého študenta.

„Nič z toho nie je náš predmet.“

Rušenie sa deje vnútri disciplíny, v kroku, kde nástroj vykonáva prax, ktorú má kurz poskytovať. Preto je reakciou zmena zadania a veta v politike, nie nová lekcia o AI.

Čo urobiť tento týždeň

1. Vezmite tri presvedčenia, ktoré počúvate najčastejšie, a každé napíšte ako refutáciu: presvedčenie, prečo vyzerá pravdivo, oprava, náhrada, aplikácia. Jedna stránka, bez citácií.

2. Pridajte jednu položku bez pomoci do hodnotenia, ktoré už robíte, a dajte jej dosť váhy, aby výsledok niečo znamenal.

3. Prepíšte klauzulu o AI v jednom kurze tak, aby pomenúvala akt a krok, a pre každú fázu zadania vyberte jednu zo štyroch podmienok.

4. Pred ďalším rozhodnutím o obnove alebo pilotom si vypýtajte jednu tabuľku podskupín, jeden záznam o bezpečnosti vo viacerých ťahoch a jedno meranie výsledku bez pomoci. Ak niektoré z tých troch chýba, povedzte to písomne.

5. Urobte jednu dvadsaťminútovú aktivitu, ktorá nechá mylnú predstavu v miestnosti zlyhať, pomocou vymyslenej citácie alebo dvoch protirečiacich odpovedí na ten istý prompt.

Kam ďalej

Mylné predstavy o AI sú syntézou za touto stránkou a Refutačný text je metóda, ako ju použiť pred plnou miestnosťou. Ako znížiť podvádzanie s AI? rieši rozhodnutia o integrite, Ako má byť hodnotenie prepracované pre éru AI? rieši, čo známka dokáže podporiť, a Hodnotenie AI vo vzdelávaní je sprievodca pre posudzovanie pilota alebo platformy. Na strane výučby AI kompetencia učiteľa a AI gramotnosť pokrývajú to, čo ľudia v miestnosti potrebujú dokázať.

Myšlienka, ktorú si treba nechať, vo forme, ktorú dokážete vysloviť nahlas: AI je omylný kognitívny zdroj, nie autorita, nie myseľ a nie dôkaz, že sa učenie stalo. Zodpovedné používanie drží človeka zodpovedného, zachováva myslenie, ktoré učenie vyžaduje, overuje to, na čom záleží, a hodnotí úspech podľa trvácnej a rovnej schopnosti, nie podľa plynulosti, rýchlosti, zapojenia alebo dokončenej úlohy.