Aké sú osvedčené postupy pre výučbu písania v kontexte AI?

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

Prepisujete zadanie úlohy a veta pred vami hovorí, že AI je povolená s uvedením zdroja, čo študentovi nehovorí nič o tom, či nástroj smie dodať aj samotný argument. Kolega navrhol zákaz pre celý kurz a vy tušíte, že najtvrdšie dopadne práve na viacjazyčných pisateľov v miestnosti. Alebo sa vám vrátila séria esejí plynulejšia než seminárna diskusia, z ktorej vzišli, a potrebujete pravidlo, ktoré dokážete obhájiť na najbližšej porade o kurikule.

Podstatné je toto: pomenujte intelektuálnu prácu, ktorú má úloha vyprodukovať, nechajte ten krok na študentovi a dajte nástroju úlohy, ktorých výstup musí študent posúdiť. Pravidlo napísané takto študentovi hovorí, ktorý krok chráni.

Stručná verzia

1. Napíšte jednu vetu, ktorá pomenúva myslenie, ktoré úloha hodnotí, a umiestnite ju tam, kde si ju študenti prečítajú.

2. Nechajte študenta zaujať stanovisko, sformulovať interpretáciu alebo napísať hrubý návrh skôr, než nástroj uvidí zadanie.

3. Hranicu stanovte po krokoch. Povoľte AI tam, kde krok nie je to, čo hodnotíte, a obmedzte ju tam, kde ním je.

4. Dajte AI kreslo kritika a potom hodnotte, čo študent s odpoveďou urobí.

5. Zachovajte jeden text, na ktorý nástroj nikdy nesiaha, a čítajte asistovanú prácu proti nemu.

6. Vopred povedzte, čo uvedenie použitia urobí so známkou.

Pomenujte myslenie, pre ktoré úloha existuje

Hranica AI je druhá otázka a väčšina zadatí na ňu odpovedá ako na prvú. Skôr než sa rozhodnete, čo je povolené, dokončite túto vetu: táto úloha existuje preto, aby ukázala, že študent dokáže X. Ak je X argumentácia, študent musí formulovať a obhájiť tvrdenie. Ak je to odborová interpretácia, študent musí urobiť interpretačný úsudok. Ak je to vedecké uvažovanie, študent musí spojiť dôkaz so záverom. AI, ktorá túto prácu vykoná, narúša inferenciu, ktorú chcete z eseje vyvodiť, a vynikajúca próza to nenapraví. Platnosť hodnotenia to chápe ako problém platnosti, nie ako problém správania, a preto sa vyučovanie písania aj akademická integrita napokon prihovárajú za pravidlá na úrovni úlohy, nie za zákazy na úrovni kurzu.

Nash a Burriss ukazujú, ako ľahko sa tá veta pokazí. Naprieč budúcimi učiteľmi angličtiny: v ich 27 triednych politikách AI 22 povolilo AI na tvorbu nápadov a brainstorming, 22 zakázalo alebo nechalo nejasné používanie AI na skladanie viet, odsekov či prác a 22 nepovedalo o čítaní vôbec nič. Tí istí učitelia opisovali tvorbu nápadov a revíziu ako „myslenie“, pričom skutočné myslenie umiestňovali do výsledného písaného textu. Ak myslenie prechádza plánovaním, písaním návrhu, revíziou a hodnotením, politika, ktorá chráni len posledný produkt, chráni nesprávny krok, a čítanie potrebuje rovnako výslovné pravidlo ako písanie.

Napíšte pravidlo ako vetu o kroku: „AI môžete použiť na to, aby ste otestovali námietky voči tvrdeniu, ktoré ste už urobili. Nesmiete ju použiť na to, aby ste tvrdenie alebo dôkazy preň vygenerovali.“ Študent sa podľa toho dokáže zachovať. „AI povolená s uvedením zdroja“ mu nedáva nič, podľa čoho by sa zachoval.

Nechajte študenta zaujať stanovisko skôr, než nástroj odpovie

Poradie operácií je najužitočnejšia dizajnová voľba v tejto literatúre. Chenova štúdia citlivá na vrstvy so 168 bakalármi v šiestich intaktných triedach rozlíšila štyri druhy delegovania: povrchové, štrukturálne, myšlienkové a uvažovacie odľahčenie. Otvorená spolupráca s AI priniesla najsilnejšie písanie podporované AI a najslabší neskorší samostatný výkon. Delegovanie uvažovania bola vrstva najviac negatívne spojená so samostatným vyšším myslením. Obmedzená podmienka, ktorá zužovala, čo študenti smeli delegovať, a vyžadovala, aby vysvetlili, ako každý návrh AI prijali, upravili alebo odmietli, dopadla lepšie v samostatnom písaní, hĺbke argumentu aj revízii.

Ku kauzálnemu tvrdeniu pristupujte opatrne. Ide o kváziexperiment so šiestimi intaktnými triedami a bez náhodného pridelenia študentov, takže rozdiely medzi triedami zostávajú poprepletané so zásahom. Smer zapadá do širšej literatúry o kognitívnom odľahčení, a preto sa podľa neho oplatí konať, no veľkosť účinku nie je niečo, čo by ste citovali na komisii.

Na zadaní to stojí jeden riadok: študent prinesie interpretáciu, hypotézu, argument alebo analýzu a AI dostane za úlohu naň zaútočiť. „Tu sú tri námietky voči môjmu argumentu“ necháva myslenie pri pisovateľovi. „Napíš môj argument“ nie, nech už študent s výstupom potom urobí čokoľvek.

Prvý návrh berte ako drahý krok

Pomoc v rôznych fázach spôsobuje rôzne škody. V štúdii s 253 pisovateľmi akákoľvek pomoc AI znížila vnímané vlastníctvo práce, pomoc pri písaní návrhu ho znížila najviac a pomoc pri plánovaní najmenej. Viac textu a nápadov od AI išlo spolu s lepšou kvalitou eseje a nižším vlastníctvom v tom istom odovzdaní (štúdia o vlastníctve od plánovania po revíziu). Práve na túto kombináciu treba plánovať: silnejšia esej a slabší pocit autorstva prichádzajú spolu a druhé z toho je to, na čom v písaní stojí agentúra.

Ak vo vašom kurze záleží na autorstve, rozdeľte povolenia. AI, ktorá podnecuje plánovanie, pýta sa, aké dôkazy študent už má, alebo pomenúva protiargument, ktorý študent prehliadol, je obhájiteľná takmer kdekoľvek. AI, ktorá generuje odseky, sa ťažko obhajuje tam, kde je cieľovou zručnosťou komponovanie. Kde komponovanie cieľom nie je, výpočet sa mení.

Pravidlo stanovte pre každý krok

Sekvencia, ktorú sa oplatí prevziať, drží AI v poradnej role a uvažovanie necháva pri študentovi:

Fáza	Študent robí	AI smie	Artefakt, ktorý môžete zozbierať
1. Stretnutie s dôkazmi	Číta, pozoruje, anotuje, počíta, vykoná experiment	Nič, alebo len objasnenie	Poznámky, anotácie, pozorovania
2. Formovanie pozície	Vytvára interpretáciu, otázku, hypotézu, tvrdenie	Kladie otázky, spochybňuje predpoklady	Memo s tvrdením alebo hypotézou
3. Plánovanie	Rozhoduje o dôkazoch, poradí, publiku, žánri	Kritizuje osnovu, navrhuje alternatívy	Osnova s odôvodnením
4. Návrh	Produkuje vecnú prózu a uvažovanie	Obmedzené podľa cieľa učenia	Návrh a história verzií
5. Ľudská odpoveď	Dáva a prijíma spätnú väzbu od rovesníkov alebo vyučujúceho	Nič potrebné	Komentáre rovesníkov
6. Spätná väzba AI	Žiada kritiku podľa kritérií	Kritik, čitateľ, generátor protiargumentov, kontrolór zrozumiteľnosti	Prepis spätnej väzby AI
7. Hodnotenie spätnej väzby	Porovnáva návrhy rovesníkov, vyučujúceho a AI, prijíma alebo odmieta s dôvodmi	Jeho výstup je teraz predmetom hodnotenia	Memo s rozhodnutím o spätnej väzbe
8. Revízia	Robí a odôvodňuje vecné zmeny	Testuje zrozumiteľnosť, ponúka alternatívy	Revízia
9. Overenie	Kontroluje každé faktické alebo na zdroji závislé tvrdenie	Nemôže overiť vlastný výstup	Zdroje a dôkazy
10. Reflexia a uvedenie použitia	Vysvetľuje rolu AI a čo sa zmenilo v jeho myslení	Nič	Krátka reflexia procesu
11. Samostatná kontrola	Vysvetlí alebo aplikuje uvažovanie bez AI	Nič	Ústna obhajoba, krátke písanie, nový prípad

Toto je PAIRR rozšírený: návrh, ľudská spätná väzba, spätná väzba AI, porovnanie, revízia, reflexia, s nezávislým východiskom a tesnejšou hranicou okolo uvažovania. Stredný stĺpec použite ako zadanie a pravý stĺpec ako to, o čo sa známka môže oprieť.

Jedenásť riadkov je viac, než väčšina úloh potrebuje. Zúžte tabuľku na kroky, ktoré v triede skutočne dokážete rozlíšiť: stretnutie s dôkazmi, formovanie pozície, písanie návrhu a revíziu. V takej kratšej verzii je stretnutie a pozícia tam, kde žije konštrukt, písanie návrhu je sporný krok a formátovanie či kontrola referencií môžu byť povolené úplne. Písaním tabuľky zisťujete dve alebo tri miesta, kde vaše pravidlo musí niečo povedať, takže pravidlo s tromi vetami, ktoré študent dokáže dodržať, je lepšie než matica, ktorú nikto nečíta.

Nechajte v slučke ľudskú spätnú väzbu

Najväčšia triedna štúdia tu je PAIRR: 654 študentov v desiatich kurzoch písania a troch kurzoch STEM náročných na písanie. Napísali návrh, absolvovali vzájomné hodnotenie, získali spätnú väzbu AI podľa rubriky, porovnali a zhodnotili oba zdroje, napísali plány revízie, revidovali a reflektovali. Päťdesiatosem percent uprednostnilo kombináciu spätnej väzby rovesníkov a AI. Šesť percent uprednostnilo len spätnú väzbu AI. Študenti považovali AI za užitočnú pri širokých radách k revízii orientovaných na rubriku a rovesníci dodali kontextové poznanie a autentickú reakciu publika.

Buďte presní v tvrdení. PAIRR meral skúsenosť študentov so spätnou väzbou a ich hodnotenie spätnej väzby, nie dlhodobé prínosy učenia, takže je silným dôkazom pre dizajn spätnej väzby a slabším dôkazom, že sa písanie o mesiace neskôr zlepší. Krok rovesníkov zachovajte aj vtedy, keď je krok AI rýchlejší. Veľká časť práce so spätnou väzbou sa odohráva v porovnaní oboch zdrojov a jeho vynechaním odstránite práve tú časť, ktorú študenti označili za cennú.

Hodnotte, čo študent so spätnou väzbou urobil

Gramotnosť spätnej väzby je schopnosť vyhľadať spätnú väzbu, posúdiť jej kvalitu, zvládnuť svoju reakciu na ňu a premeniť ju na revíziu. Študenti, ktorí jej majú viac, profitujú zo spätnej väzby AI oveľa viac. Študenti, ktorí berú výstup ako autoritatívny, získavajú menej (Kvalita spätnej väzby AI).

Krátka rozhodovacia tabuľka robí túto schopnosť viditeľnou, jeden riadok na návrh: návrh AI, prijať / odmietnuť / upraviť, prečo, a kritérium rubriky alebo dôkaz, o ktorý sa rozhodnutie opiera. Štyri stĺpce, žiadna esej. Premieňa výstup modelu na materiál pre hodnotiaci úsudok a dáva vám niečo hodnotiteľné, čo nie je próza.

Opíšte silný riadok tak starostlivo, ako opisujete tézu: pomenúva kritérium rubriky, ukazuje na pasáž alebo na kus dôkazu a vysvetľuje zmenu, ktorú študent skutočne urobil. Riadok „dobrý postreh, súhlasím“ nezíska nič. Študenti píšu podľa príkladu, ktorý majú pred sebou, takže príklad je inštrukcia.

Urobte uvedenie použitia lacným a konkrétnym

Študenti používanie AI skrývajú, keď sú politiky nejednoznačné, represívne alebo stigmatizujúce, a čestnosť môže vyvolať podozrenie (Vyhlásenia o používaní AI a uvedení použitia; výskum racionalizácie u študentov). To, čo robí uvedenie pedagogicky užitočným, je, že zaznamenáva rozhodnutia: na čo sa nástroj použil, čo mu študent dal, ktoré návrhy boli dôležité, čo študent prijal alebo odmietol.

Mohamed a Temimi dodávajú mechanizmus. Uvedenie sa stane príťažlivou možnosťou len vtedy, keď cena čestnosti zostane nízka. Detektory produkujú falošné pozitíva aj proti čestným študentom, takže silnejší dohľad môže urobiť skrývanie relatívne príťažlivejším. Ich rada je navrhovať pre študenta, ktorý má najväčšie pokušenie skrývať, a deklarované použitie čítať ako kontext, nie ako priznanie.

Dva detaily urobia na formulári najviac práce. Pýtajte sa na konkrétne použitia, nie na kategóriu, a uveďte, ako deklarácia ovplyvní známku. Študent, ktorý to nevie, bude predpokladať najhoršie.

Štyri výzvy stačia pre väčšinu úloh: v ktorom kroku práce sa nástroj použil, čo doň študent vložil, ktoré návrhy zmenili návrh textu a ktoré boli odmietnuté a prečo. Posledná výzva je najinformatívnejšia, pretože odmietnutie s dôvodom je dôkazom úsudku a zoznam prijatých návrhov nie je.

Prispôsobte pravidlo tomu, čo vaše odbory volajú písaním

Kompozícia a kurzy písania

Vyučujúci kompozície majú najsilnejší dôvod chrániť proces, pretože písanie návrhu, rétorické rozhodnutia, revízia, uvedomovanie si publika a vlastný hlas sú cieľmi učenia, nie ich predvedením. Zozbierajte niekoľko nezávislých vzoriek na začiatku semestra, aby ste vy aj študent obaja vedeli, čo pisovateľ teraz dokáže. Zaveďte AI ako publikum, kritika a partnera pri revízii: pýtajte sa, kde čitateľ stráca niť, generujte námietky voči téze, porovnávajte návrh s rubrikou, označujte nepodložené tvrdenia, vysvetľujte, prečo odsek pôsobí nesúvislo. Každý návrh posudzuje študent.

Rovesnícke hodnotenie zachovajte popri spätnej väzbe AI, pretože rovesníci dodávajú kontextové poznanie a poznanie publika, ktoré model nemá, a hodnotenie rozdielu medzi nimi je samo osebe tréningom pisateľa. Buďte zdržanliví v tom, aby AI generovala dlhé úseky prvého návrhu, keď je cieľom učiť sa komponovať, z dôvodov vlastníctva a odľahčenia uvedených vyššie. Vyhnite sa plošným zákazom gramatiky, formulácií alebo jazykovej pomoci, ktoré vytvárajú zbytočné bariéry pre viacjazyčných pisateľov. Oddeľte jazykovú podporu od intelektuálneho autorstva: pomoc s vyjadrením je v poriadku a študent zostáva zodpovedný za myšlienky, dôkazy, rétorické rozhodnutia a význam. Samotnú spätnú väzbu auditujte, pretože Tan a kol. zistili, že identický text získal viac chvály a menej vecnej kritiky, keď boli do promptu zahrnuté demografické alebo vzdelanostné charakteristiky študenta, čo stavia zmierňovanie predsudkov dovnútra dizajnu spätnej väzby.

Kurzy humanitných a spoločenských vied

Interpretácia je zvyčajne cieľová schopnosť, takže stretnutie so zdrojom musí prísť pred stretnutím s AI. Študenti anotujú primárny text, historický prameň, umelecké dielo, archívny materiál, rozhovor alebo teoretickú pasáž a sformulujú prvotné čítanie skôr, než sa na čokoľvek obrátia. Potom model pracuje ako protihlas: ponúkne alternatívne čítanie, povie, ktoré dôkazy by túto interpretáciu spochybnili, pomenuje predpoklady, ktoré argument robí, vygeneruje čítanie z kontrastnej teoretickej perspektívy. Študent rozhodne, ktoré čítanie text skutočne podporuje.

Kritiku modelu zadajte ako odborovú prácu. Dajte študentom interpretáciu básne, udalosti, argumentu alebo spoločenského javu od AI a pýtajte sa, čo si všíma, čo prehliada, ktoré dôkazy podporujú jej tvrdenia, čia perspektíva chýba a kde zlieva nejednoznačnosť do hladkej odpovede. To udržiava interpretačný úsudok tým, čo má kurz humanitných vied učiť. Hodnotte interpretačné rozhodnutia a ich dokladovanie dôkazmi a použite krátku konzultačnú otázku, napríklad „Prečo ste túto pasáž čítali takto a nie tak, ako ste odmietli?“ Hádať, či veta vyzerá strojovo napísaná, je slabšia miera, ako vysvetľuje detekcia AI.

Kurzy STEM a laboratórne protokoly

Najprv jedna výhrada: táto vedomostná báza má oveľa silnejšie dôkazy o akademickom písaní podporovanom AI všeobecne než o písaní laboratórnych protokolov konkrétne. Praktická a laboratórna pedagogika zostávajú nedostatočne pokryté, a to aj v literatúre o inžinierskom vzdelávaní, takže to, čo nasleduje, aplikuje zistenia o písaní, odľahčení, platnosti a inžinierstve na prostredie, ktoré tie štúdie netestovali.

Hranicu nakreslite okolo vedeckého uvažovania, nie okolo prózy ako celku. Študenti zostávajú zodpovední za pozorovania, surové dáta, výpočty, neistotu, grafy, rozhodnutia o analýze, výsledky a uvažovanie od tvrdenia k dôkazu. Keď tieto veci existujú, AI môže rozumne pomôcť s organizáciou, čitateľnosťou, prechodmi a odborovými konvenciami, čo je to isté rozdelenie povrchu a uvažovania ako v Chenovej štúdii.

Balík protokolu pre laboratórny kurz v ére AI obsahuje protokol plus vybrané surové dáta, výpočty alebo výstup z notebooku, graf so študentom napísanou interpretáciou a krátke vyhlásenie o tom, ako z dôkazov vyplýva ústredný záver. Pri protokoloch s vysokou váhou známky položte jednu alebo dve individuálne doplňujúce otázky ku grafu, anomálnemu výsledku, metodologickej voľbe alebo obmedzeniu. Nedovoľte, aby plynulosť písania zastupovala konceptuálne porozumenie: automatizované hodnotenie v fyzike môže podceniť konceptuálne porozumenie, keď je jazykové vyjadrenie slabšie, a to dopadá najtvrdšie na viacjazyčných študentov (Automatizované hodnotenie esejí). Ak sú uvažovanie aj písanie cieľmi, bodujte ich oddelene.

Inžinierske kurzy

Profesijná zodpovednosť mení formuláciu. Prehľad 99 empirických štúdií inžinierskeho vzdelávania určil transparentnosť, ľudský dohľad, samostatnosť študenta, súkromie, autorstvo, spravodlivosť a dobroprajnosť ako opakujúce sa etické otázky a argumentoval, že etika AI patrí do profesijnej formácie, nie len do dodržiavania pravidiel. V laboratórnom alebo dizajnovom protokole požiadajte študentov, aby uviedli pomoc a potvrdili, že overili výpočty, zdroje, predpoklady a tvrdenia relevantné pre bezpečnosť.

Zachovajte jednu vzorku, na ktorú nástroj nikdy nesiaha

Asistovaný výkon nie je samostatná schopnosť a potrebujete aspoň jedno čítanie tej druhej. Občasné podmienky bez AI stačia: krátke písanie bez AI, interpretácia v triede, ústne vysvetlenie, konzultácia, spontánna revízia alebo doplňujúca úloha, ktorá prenáša to isté uvažovanie na nový prípad. Najviac to záleží vtedy, keď záverečná práca nesie podstatnú váhu známky. Neznamená to dozor pri každej úlohe. Niekoľko umiestnených vzoriek dá vám aj študentovi východisko na interpretáciu asistovanej práce, čo je na písanie špecifický prípad argumentu v preprojektovaní hodnotenia v ére AI.

Prečítajte obe práce vedľa seba a pýtajte sa, či je uvažovanie z asistovanej práce viditeľné aj v neasistovanej. Kde je, esej plní svoju úlohu ako dôkaz. Kde nie je, asistovaná známka meria to, čo dodal nástroj. Toto porovnanie je aj to, čo musíte ukázať študentovi, ktorý spochybňuje známku, pretože ukazuje na konkrétny kus myslenia, nie na dojem z prózy.

Rozhodnite, čo smie AI hodnotiť

Dve zistenia, ktoré vyzerajú protirečivo, sú zlučiteľné. Starostlivo kalibrované systémy s podrobnými rubrikami a príkladmi dokážu určité úlohy bodovať dobre a hodnotenie hotovým LLM sa podstatne odchyľuje od ľudského úsudku. Mathew a kol. zistili slabú zhodu človeka a LLM, ktorá sa systematicky mení s kvalitou eseje: modely preceňujú krátke, povrchne čitateľné eseje, podceňujú dlhšie a silnejšie eseje s drobnými povrchovými chybami a zhlukujú sa k stredu škály. Tento vzorec podporuje AI pri formatívnej spätnej väzbe s nízkou váhou, pri koncipovaní komentárov a pri triedení oveľa viac než pri autonómnom sumatívnom hodnotení (Automatizované hodnotenie esejí).

Študenti si hranicu kreslia podobne. V bakalárskom kurze technickej komunikácie, kde ChatGPT bodoval ručne písaný text a študenti o tom vedeli, všetkých 13 účastníkov považovalo spätnú väzbu za jasnú a užitočnú na povrchovú revíziu. Väčšina oddelila užitočnosť spätnej väzby od hodnotiacej autority: kritiku prijali a trvali na tom, aby o známke rozhodol vyučujúci (Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education). Navrhnite ľudský dohľad ako bod, v ktorom sa výstup AI stáva známkou, nie ako zdvorilosť ponúkanú vtedy, keď sa to hodí.

Posúďte dôkazy skôr, než prepíšete sylabus

Argument pre tieto dizajny je sľubný a ešte nie dosť silný na to, aby odôvodnil jednu univerzálnu politiku písania s AI. Niektoré z najlepších dôkazov pochádzajú z rozsiahlych triednych štúdií, ako je PAIRR so svojimi 654 študentmi. Veľká časť ostatných stojí na kváziexperimentoch, malých experimentálnych vzorkách, konceptuálnych analýzach a prácach z rokov 2025 a 2026, ktoré sú ešte nové: Chenova štúdia o obmedzenom písaní mala 168 študentov, ale len šesť intaktných tried, štúdia o vlastníctve použila krátku experimentálnu písaciu úlohu a štúdia, ktorá hlásila okamžité zlepšenie kvality po cvičení s ChatGPT, zahŕňala len 21 zahraničných študentov prvého ročníka a nezistila dlhodobý prenos (Leveraging ChatGPT in academic writing: ChatGPT enhances students' writing quality, writing experience, and ownership). To, čo vedomostná báza AI vo vzdelávaní podporuje, je súbor dizajnových princípov, a najspoľahlivejšie zistenie naprieč štúdiami v nej je zachovať študentovu agentúru, hodnotiaci úsudok, samostatnú kompetenciu, odborové uvažovanie a ľudskú spätnú väzbu, pričom AI slúži na rozšírenie prístupu ku kritike, praxi, podpore revízie a jazykovej pomoci.

Táto zmes má praktický dôsledok. Zmeňte jednu úlohu, zachovajte artefakt a porovnajte nasledujúcu kohortu s touto na tej istej miere. Pravidlo, ktoré dokážete po jednom semestri revidovať, má väčšiu cenu než politika, ktorú nemôžete testovať, a malé štúdie vyššie vám nepovedia, čo sa stane vo vašom kurze.

V čom sa vyučujúci mýlia

Detektor rozhodne, či text napísal študent. Nerozhodne. V utajenej terénnej štúdii zostalo 94 % odovzdaní skúšky vygenerovaných AI neodhalených a získali viac bodov než skutoční študenti, a kontrolovaná štúdia zistila, že detektory označili povolené mierne úpravy textu pomocou AI v rozsahu 38 až 80 %, pričom im uniklo viac než 96 % prepisov prevedených do ľudskejšej podoby (Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI; Why AI Detection Fails for Academic Integrity). Detekcia odpovedá na otázku detekcie a platnosť je iná otázka.

Politika na úrovni kurzu je jasnejšia než pravidlo na úrovni úlohy. Politiky Nasha a Burriss boli dokumenty na úrovni kurzu a 22 z 27 povolilo brainstorming, 22 obmedzilo alebo zahmlilo komponovanie a 22 mlčalo o čítaní. Jeden dokument pokrývajúci všetko má tendenciu byť konkrétny v kroku, o ktorý sa vyučujúci obáva, a vágny vo zvyšku.

Lepšia próza znamená, že výuka písania fungovala. Štúdia o vlastníctve zistila lepšiu kvalitu eseje a nižšie vlastníctvo v tom istom odovzdaní a Chenova podmienka otvorenej spolupráce priniesla najsilnejšie asistované písanie s najslabším neskorším samostatným výkonom. Kvalita prózy je miera produktu. To, prečo kurz existuje, je miera schopnosti.

Neobmedzený prístup plus dobrý prompt stačí. Študenti, ktorí berú spätnú väzbu AI ako autoritatívnu, z nej získavajú menej než študenti s rozvinutou gramotnosťou spätnej väzby. Prístup ku kritike a schopnosť kritiku použiť sú oddelené aktíva.

Zákaz AI chráni proces písania. Zákaz odpovedá na otázku, ktorá sa líši krok po kroku, a vytvára bariéry pre viacjazyčných pisateľov, ktorí potrebujú jazykovú podporu, ktorá s autorstvom nemá nič spoločné. Fungujúce rozdelenie vedie medzi vyjadrením a intelektuálnou zodpovednosťou.

Čo sa vám vráti

„Nemám čas čítať ďalší artefakt.“ Potom artefakt zmenšite: štyri stĺpce rozhodovacej tabuľky alebo päť minút písania v triede ako nezávislá vzorka. Korpus neuvádza žiadne údaje o čase na opravovanie pri týchto dizajnoch, takže prípad pracovnej záťaže treba testovať na jednej úlohe, nie predpokladať z tejto stránky.

„Moji študenti budú používať AI, nech pravidlo hovorí čokoľvek.“ Budú, a dizajnová otázka je, ktorú odpoveď vaša úloha urobí najľahšou. Deklarácia, ktorá nič nestojí, a rubrika, ktorá platí za proces, robia z uvedenia lacnejšiu cestu. Ten mechanizmus pochádza z modelovania, nie z pokusu s politikou uvádzania, takže predpoveď berte ako rozumnú a nepotvrdenú.

„Zákaz je jednoduchší a chráni proces.“ Jednoduchší áno. Politiky vyššie ukazujú, ako jedno pravidlo na úrovni kurzu skĺzne do mlčania o krokoch, na ktorých záleží, a plošné jazykové obmedzenia dopadajú na študentov, ktorí ich najviac potrebujú.

„Rovesnícke hodnotenie je teraz nadbytočné, keď AI odpovie za sekundy.“ Päťdesiatosem percent študentov PAIRR uprednostnilo kombináciu a 6 % uprednostnilo len AI, a dôvod, ktorý uviedli, bolo kontextové poznanie a poznanie publika, ktoré dodali rovesníci. To meria skúsenosť, takže to platí menej ďaleko, než by platil výsledok o prínose učenia.

„Model hodnotí túto úlohu tak dobre ako ja.“ Kalibrované systémy s podrobnými rubrikami a vypracovanými príkladmi dokážu určité úlohy bodovať dobre. Všeobecné hodnotenie nie a Mathew a kol. ukazujú, že nezhoda nasleduje kvalitu eseje a nerozptyľuje sa náhodne, čo je ťažšie spozorovateľný druh chyby. Otestujte nástroj na svojej vlastnej oznámkovanej sade, kým sa dotkne známky.

„Toto trestá študentov so slabšou akademickou angličtinou.“ Môže, ak pravidlo berie vyjadrenie a autorstvo ako jednu vec. Oddeľte ich a auditujte spätnú väzbu AI na vzorec, ktorý našli Tan a kol., kde identický text získal viac chvály a menej vecnej kritiky, keď boli demografické alebo vzdelanostné charakteristiky v prompte. Korpus ten predsudok dokumentuje. Neuvádza otestovanú opravu, takže vaše vlastné porovnanie je kontrola.

Čo urobiť tento týždeň

1. Napíšte vetu o schopnosti pre svoju najbližšiu veľkú úlohu a umiestnite ju do zadania.

2. Pridajte jeden riadok vyžadujúci tvrdenie, interpretáciu alebo hrubý návrh študenta pred akýmkoľvek použitím AI a povedzte, čo budete zbierať.

3. Označte každý krok tej úlohy ako nesúci konštrukt alebo nie a prepíšte pravidlo AI tak, aby nástroj povolilo tam, kde krok nie je hodnotený.

4. Pridajte do rubriky štvorsĺpcovú rozhodovaciu tabuľku spätnej väzby s pridelenými bodmi.

5. Naplánujte jeden krátky text, na ktorý nesiaha žiadny nástroj, a rozhodnite teraz, do ktorej úlohy patrí.

Kam ísť ďalej

Hodnotiaca strana tohto argumentu, vrátane dizajnu autentizovaných krokov, je v preprojektovaní hodnotenia v ére AI. Pre dokument politiky, ktorý študenti skutočne čítajú, pozrite politiku AI v kurze, a pre samotné nástroje spätnej väzby kvalitu spätnej väzby AI. Ako naučiť študentov overovať výstup AI pokrýva, čo majú študenti kontrolovať, keď model dodá tvrdenie alebo zdroj, a koncepčná stránka kouč, nie barla pri písaní s AI vymedzuje hranicu, ku ktorej sa táto stránka stále vracia.