Társadalom ÚTMUTATÓ

Az AI értékelési skála osztálytermekhez

Az AI Assessment Scale (AIAS) egy ötszintű keretrendszer, amelyet Mike Perkins, Leon Furze, Jasper Roe és Jason MacVaugh fejlesztett ki.

Hallgassa meg ezt az útmutatótAI-narrált · ~3 min

Ezen az oldalon4 perc olvasás
  1. Áttekintés
  2. Mély merülés
  3. Valós megvalósítás
  4. Az AI-értékelési skála jövője az osztálytermekben
  5. A gyakorlatba ültetés
  6. Folytassa a felfedezést
  7. Gyakran ismételt kérdések

Áttekintés

Megmondja a tanulóknak, hogy mennyi generatív AI-t használhatnak fel egy adott feladathoz, a mesterséges intelligencia nélkülitől a teljes AI-ig. Ez azért fontos, mert az általános „vigyázz az MI-vel” szabályt egy megosztott szókincs váltja fel, így minden feladathoz egyértelmű címke tartozik, amelyet a tanulók ellenőrizhetnek.

Mély merülés

The AIAS was first published in 2023 and piloted in higher education. That version had five levels: No AI; AI-Assisted Idea Generation and Structuring; AI-Assisted Editing; AI Task Completion, Human Evaluation; and Full AI. In 2024, the authors released an updated version with simpler names: 1. No AI: work done without AI help. 2. AI Planning: AI for brainstorming, research and structuring, but not the final work. 3. AI Collaboration: AI helps with drafting and feedback, and students critically evaluate and change its output. 4. Full AI: AI may be used throughout, with students directing it. 5. AI Exploration: creative or new uses of AI as part of the task itself. The update made two points clear. First, the levels are not a ladder of quality. A Level 4 task is not easier or less rigorous than a Level 1 task. It assesses different skills. Second, a label cannot guarantee anything by itself. If students do an assignment at home, nobody can confirm that "No AI" was followed. Level 1 only means something when the work is done under supervision. That second point links the scale to wider thinking about assessment security. The University of Sydney's "two-lane" approach, for example, separates secure, supervised assessments from open ones where AI use is expected and taught. To tell students which level applies, teachers usually put it on the assignment brief, explain why that level fits the learning goal, show examples of acceptable and unacceptable use, and require a short disclosure at any level above 1. Common misconceptions are that a whole course must sit at one level, and that the scale is a detection or enforcement tool. It is a communication and design tool.

Valós megvalósítás

A tanár az osztályon belüli időzített esszét 1. szintnek jelöli, „nincs mesterséges intelligenciát”, a hazavihető kutatási javaslatot pedig 2. szintnek, „AI tervezés”. A tanulók ötletelhetnek és vázolhatnak a mesterséges intelligencia segítségével, de maguknak kell megírniuk a javaslatot.

A természettudományi osztály színkóddal látja el az egyes feladatokat AIAS-szintek szerint, és egy mondatot ad hozzá, hogy miért felel meg a feladatnak.

Egy egyetemi üzleti kurzus egy 4. szintű feladatot határoz meg, ahol a hallgatók végig használhatják az AI-t. Az osztályzat azon alapul, hogy mennyire jól ellenőrzik, bírálják és javítják a teljesítményt.

Egy számítástechnikai tanár beállít egy 5. szintű feltárási projektet. A diákok tesztelik az AI kreatív felhasználásait, és beszámolnak arról, hogy mi működött és mi nem.

Az AI-értékelési skála jövője az osztálytermekben

A többszintű skálák, mint az AIAS, általános kiindulóponttá váltak az AI-útmutatót író iskolák és egyetemek számára, és további helyi adaptációk valószínűsíthetők. A fő feladat még az értékelés tervezése, nem a címkézés. Az intézmények még mindig azon dolgoznak, hogy hány felügyelt feladatot tudnak reálisan végrehajtani, és hogyan értékeljék tisztességesen a mesterséges intelligencia által támogatott munkát. Ahogy az AI-eszközök beépülnek a mindennapi szoftverekbe, a szintek közötti vonalak egyértelműbb példákat igényelhetnek. Még mindig korlátozottak a kutatások arra vonatkozóan, hogy ezek a skálák mennyire változtatják meg a tanulók viselkedését.

A gyakorlatba ültetés

Miért számít

  • Kockázat és biztonság. A katasztrofális és a mindennapi mesterséges intelligencia okozta károk egyaránt attól függnek, hogy ki érti a kockázatokat, és ki tud cselekedni.
  • Tisztább döntések. A közéleti és szakmai műveltség határozza meg, hogy politikailag lehetséges-e az erős biztonsági politika.
  • Átvágva a felhajtáson. A világos magyarázatok csökkentik a hírverés, a laboratóriumi PR és a homályos etikai színház általi elkapását.

Vigyázz

  • Az egzisztenciális kockázat sci-fiként való kezelése, miközben a képesség összetett.
  • Zavaros felületi termékbiztonság a nagy autonómia melletti igazítással.
  • A nem angol nyelvű és nem szakértő közönségnek csak rossz minőségű forrásokat kell hagynia.

Következő lépések

  1. Különítse el a termékkárok, a visszaélések és az ellenőrzés elvesztésének/hibás beállításának kockázatait.
  2. Kérdezd meg, milyen bizonyítékok változtatnák meg az idővonalakról és a súlyosságról alkotott nézetedet.
  3. Részesítse előnyben az elsődleges forrásokat és a konkrét értékeléseket a marketinges állításokkal szemben.
  4. Határozzon meg egy cselekvési utat: karrier, politika, finanszírozás vagy készségek – nem csak a tudatosság.

Folytassa a felfedezést

Ingyenes hírlevél

Szerezze meg a napi AI összefoglalót

Minden hétköznap reggel három ellenőrzött AI történet, egyszerű angol nyelven. Örökké ingyen, hirdetések nélkül.

Minden hétköznap egy e-mail. Egy kattintással lemondhat. Soha nem értékesítjük vagy osztjuk meg az Ön címét.

Teszteld magad

Töltse ki a The AI Assessment Scale for Classrooms kvízt

Azonnali visszajelzés minden válaszra, és megosztható tanúsítvány egy ellenőrizhető azonosítóval, miután sikeresen teljesít egy kurzust.

Kezdő kvíz

Támogassa az ingyenes AI oktatást. AI Understanding egy 501(c)(3) nonprofit – nincs hirdetés, nincs fizetőfal, soha. Tegyen adományt

Gyakran ismételt kérdések

Mi az a mesterséges intelligencia értékelési skála osztálytermekhez?

Az AI Assessment Scale (AIAS) egy ötszintű keretrendszer, amelyet Mike Perkins, Leon Furze, Jasper Roe és Jason MacVaugh fejlesztett ki. Megmondja a tanulóknak, hogy mennyi generatív AI-t használhatnak fel egy adott feladathoz, a mesterséges intelligencia nélkülitől a teljes AI-ig. Ez azért fontos, mert az általános „vigyázz az MI-vel” szabályt egy megosztott szókincs váltja fel, így minden feladathoz egyértelmű címke tartozik, amelyet a tanulók ellenőrizhetnek.

Mire használják főként az AI Assessment Scale-t?

Az AIAS minden hozzárendeléshez ad egy szintet, amely megadja, hogy mennyi generatív AI megengedett. Ez egy kommunikációs és tervezési eszköz.

A frissített 2024-es AIAS-ban mi a 2. szint neve?

A 2. szint, a mesterséges intelligencia tervezése, lehetővé teszi az MI számára az ötletelést, a kutatást és a strukturálást, de nem a végső munkához.

Miért kell az 1. szintű (nincs AI) címkéhez felügyelt feltételek?

Egy címke önmagában nem garantál semmit. Az AI-ban csak akkor lehet megbízni, ha a munkát felügyelet mellett végzik.

Melyik állítás igaz az AIAS-szintekre vonatkozóan?

A szerzők hangsúlyozzák, hogy a szintek nem hierarchikusak. A teljes mesterségesintelligencia-feladat ugyanolyan megerőltető lehet, mint a mesterséges intelligencia nélküli feladat.

Milyen bizonyítékok támasztják alá legjobban a 2. vagy 3. szintű feladatot?

A piszkozatok, átiratok és gondolatok bemutatják, hogyan használták az AI-t, és mihez járult hozzá a tanuló.