PRŮVODCE aplikacemi

Hodnocení AI a zpětná vazba pro učitele

Hodnocení a zpětná vazba pomocí umělé inteligence znamená používat umělou inteligenci k vytváření komentářů založených na rubrikách a navrhovaných skóre k práci studentů, které učitel kontroluje, upravuje a schvaluje.

Poslechněte si tento návodAI-vyprávěný · ~3 min

Na této stránce4 min čtení
  1. Přehled
  2. Hluboký ponor
  3. Real-World Implementace
  4. Budoucnost hodnocení AI a zpětná vazba pro učitele
  5. Uvedení do praxe
  6. Pokračujte v objevování
  7. Často kladené otázky

Přehled

Záleží na tom, protože zpětná vazba je jednou z časově nejnáročnějších částí výuky, ale hodnocení umělé inteligence může být nekonzistentní nebo zaujaté, takže konečným rozhodnutím musí zůstat učitel.

Hluboký ponor

Umělá inteligence může pomoci se dvěma různými úkoly: psaním zpětné vazby a navrhováním skóre. Návrh zpětné vazby je bezpečnější a užitečnější. Díky jasné rubrice a kusu studentské práce může model vytvářet konkrétní komentáře svázané s každým kritériem rychleji, než je většina lidí dokáže napsat. Bodování je riskantnější, protože číslo jde do klasifikační knihy a přímo ovlivňuje studenty. Je dobře známo několik problémů s přesností. Skóre se může mezi běhy na stejném eseji měnit. Modelky dokážou odměnit délku a vybroušenou slovní zásobu před uvažováním. Mohou být ovlivněni sebevědomým tónem. A mohou vymýšlet důkazy, chválit nebo kritizovat věty, které nejsou součástí studentovy práce. Strukturované výzvy a recenze učitele většinu z toho zachytí, ale ne v případě, že učitel pouze přelétne. Spravedlnost je samostatný problém. Psaní studenty angličtiny nebo v jiných dialektech, než je standardní akademická angličtina, může být posuzováno přísněji podle povrchových znaků. Související pastí jsou detektory zápisu AI. Jsou nespolehlivé a výzkum zjistil, že některé detektory neúměrně označují nepůvodní anglické spisovatele. Skóre detektoru by nemělo být základem pro obvinění. Některé nástroje pro hodnocení používají omezenější umělou inteligenci. Gradescope například může seskupit podobné odpovědi, takže učitel ohodnotí každou skupinu jednou. Učitel stále rozhoduje o skóre a AI se stará o třídění. Platí také soukromí. Práce studentů jsou součástí záznamu o vzdělání. Ve Spojených státech FERPA řídí, jak se s tím nakládá, takže používejte okresně schválené nástroje a odstraňte jména, kde můžete. Hlavní mylná představa je, že hodnocení AI je objektivní, protože je automatické. Aplikuje vzorce získané z dat, včetně zkreslení těchto dat. Funkčním modelem je umělá inteligence pro návrhy, učitel pro rozhodování a poctivost vůči studentům ohledně toho, jak byla zpětná vazba vytvářena. Funguje to nejlépe pro častou formativní zpětnou vazbu s nízkými sázkami, nikoli pro konečné známky.

Real-World Implementace

Učitel angličtiny předá asistentovi rubriku argument-esej se čtyřmi kritérii a jednu anonymizovanou esej, poté požádá o dvě silné stránky a jeden další krok pro každé kritérium, přičemž jako důkaz použije krátkou citaci z eseje.

Učitel fyziky používá platformu pro hodnocení, která seskupuje podobné odpovědi na otázku s krátkou odpovědí, takže celá skupina může získat stejné skóre a komentovat najednou poté, co ji učitel zkontroluje.

Učitel spouští sadu návrhů třídy prostřednictvím umělé inteligence pouze pro formativní zpětnou vazbu, každý komentář si před zveřejněním přečte a vymaže ten, který chválil citát, který student nikdy nenapsal.

Katedra kalibruje tak, že má AI skóre pět základních prací, které již učitelé ohodnotili, a poté porovnává skóre AI s dohodnutými skóre, než se rozhodne, zda je použít pro zpětnou vazbu k návrhu.

Budoucnost hodnocení AI a zpětná vazba pro učitele

Výukové platformy začleňují zpětnou vazbu AI do pracovních postupů úkolů a více okresů pravděpodobně zveřejní pravidla, kdy může AI navrhovat skóre a co musí být sděleno studentům a rodinám. Lepší kalibrační nástroje a zpětná vazba spojená s důkazy mohou snížit některé problémy s přesností, ale otázky týkající se zkreslení a odpovědnosti nezmizí pouze prostřednictvím technických oprav. Nejobhajitelnějším směrem je častější, rychlejší formativní zpětná vazba, kdy si učitelé ponechají pravomoc nad známkami. Nezávislý výzkum účinků na různé skupiny studentů bude záležet více než na tvrzeních prodejců.

Uvedení do praxe

Proč na tom záleží

  • Volby sestavy. Návrh na úrovni aplikace určuje, zda AI zlepšuje skutečné výsledky.
  • Tým a pracovní postup. Dobrá integrace pracovních postupů přináší zvýšení produktivity, kterému uživatelé mohou důvěřovat.
  • Riziko a bezpečnost. Dobře vymezené případy použití snižují únavu ze změn a riziko implementace.

Pozor na

  • Automatizace nefunkčního procesu může zesílit stávající problémy.
  • Týmy se mohou přeautomatizovat a odstranit potřebný lidský úsudek.
  • Kvalita se může posunout, pokud výstupy nejsou průběžně vyhodnocovány.

Další kroky

  1. Zmapujte aktuální pracovní postup a identifikujte krok s nejvyšším třením.
  2. Definujte lidské kontrolní body před plnou automatizací.
  3. Školte uživatele o výzvách, eskalačních cestách a standardech kvality.
  4. Sledujte výsledky na úrovni úkolů, abyste potvrdili trvalou hodnotu.

Pokračujte v objevování

Newsletter zdarma

Získejte denní přehled o AI

Tři ověřené příběhy ze světa AI každý všední den ráno, psané srozumitelnou angličtinou. Navždy zdarma, bez reklam.

Jeden e-mail každý všední den. Odhlásit se můžete jedním kliknutím. Vaši adresu nikdy neprodáváme ani nesdílíme.

Otestujte se

Take the AI Grading and Feedback for Teachers quiz

Okamžitá zpětná vazba ke každé odpovědi a sdílitelný certifikát s ověřitelným ID po absolvování kurzu.

Spustit kvíz

Podpořte bezplatnou AI vzdělávání. AI Understanding je nezisková organizace 501(c)(3) — žádné reklamy, žádná platba za přístup, nikdy. Darujte

Často kladené otázky

Co je hodnocení a zpětná vazba AI pro učitele?

Hodnocení a zpětná vazba pomocí umělé inteligence znamená používat umělou inteligenci k vytváření komentářů založených na rubrikách a navrhovaných skóre k práci studentů, které učitel kontroluje, upravuje a schvaluje. Záleží na tom, protože zpětná vazba je jednou z časově nejnáročnějších částí výuky, ale hodnocení umělé inteligence může být nekonzistentní nebo zaujaté, takže konečným rozhodnutím musí zůstat učitel.

Která práce hodnocení AI je podle průvodce bezpečnější a užitečnější?

Vypracování zpětné vazby je nižší riziko než bodování, které přímo ovlivňuje klasifikaci.

Který problém přesnosti zahrnuje AI chválící ​​věty, které nejsou součástí studentovy práce?

Modelky si mohou vymýšlet citace, a proto je důležitá kontrola citovaných důkazů proti předložení.

Co průvodce říká o detektorech zápisu AI?

Výzkum zjistil zaujatost vůči nerodilým autorům, takže skóre detektoru by nemělo být základem pro obvinění.

Jak funguje funkce seskupování odpovědí Gradescope, jak je popsáno v příručce?

AI seřadí odpovědi a učitel rozhodne o skóre pro každou skupinu.

Jaké automatizované kontroly chytí vynalezené důkazy ve zpětné vazbě AI?

Pokud model musí citovat důkazy, každý citát může být porovnán s textem studenta.