PRZEWODNIK Aplikacji

Ocena AI i informacje zwrotne dla nauczycieli

Ocenianie i informacje zwrotne oparte na sztucznej inteligencji oznaczają wykorzystanie sztucznej inteligencji do opracowywania komentarzy opartych na rubrykach i sugerowanych ocen prac uczniów, które nauczyciel przegląda, edytuje i zatwierdza.

Posłuchaj tego przewodnikaOpowiadane przez sztuczną inteligencję · ~3 min

Na tej stronie4 minuty czytania
  1. Przegląd
  2. Głębokie nurkowanie
  3. Implementacja w świecie rzeczywistym
  4. Przyszłość oceniania i informacji zwrotnych dla nauczycieli wykorzystujących sztuczną inteligencję
  5. Wdrażanie tego w praktykę
  6. Odkrywaj dalej
  7. Często zadawane pytania

Przegląd

Ma to znaczenie, ponieważ informacja zwrotna jest jedną z najbardziej czasochłonnych części nauczania, ale punktacja AI może być niespójna lub stronnicza, dlatego ostatecznym decydentem musi pozostać nauczyciel.

Głębokie nurkowanie

Sztuczna inteligencja może pomóc w dwóch różnych zadaniach: pisaniu opinii i sugerowaniu ocen. Sporządzanie opinii jest bezpieczniejsze i bardziej przydatne. Biorąc pod uwagę przejrzysty rubryk i fragment pracy uczniów, model może generować konkretne komentarze powiązane z każdym kryterium szybciej, niż większość ludzi jest w stanie je wpisać. Ocenianie jest bardziej ryzykowne, ponieważ liczba trafia do dziennika ocen i ma bezpośredni wpływ na uczniów. Znanych jest kilka problemów związanych z dokładnością. Wyniki mogą się zmieniać pomiędzy seriami tego samego eseju. Modele mogą nagradzać długość i dopracowane słownictwo zamiast rozumowania. Można je kołysać pewnym siebie tonem. Mogą też wymyślać dowody, chwaląc lub krytykując zdania, których nie ma w pracy ucznia. Większość z nich wychwytują ustrukturyzowane podpowiedzi i recenzje nauczyciela, ale nie wtedy, gdy nauczyciel tylko przegląda materiał. Uczciwość to osobna kwestia. Teksty napisane przez osoby uczące się języka angielskiego lub w dialektach innych niż standardowy angielski akademicki mogą być oceniane surowiej na podstawie cech powierzchniowych. Pokrewną pułapką są detektory pisma AI. Są one zawodne, a badania wykazały, że niektóre detektory w nieproporcjonalny sposób identyfikują pisarzy obcokrajowców, którzy nie są rodzimymi użytkownikami języka angielskiego. Wynik wykrywacza nie powinien być podstawą do oskarżenia. Niektóre narzędzia do oceniania korzystają z bardziej ograniczonej sztucznej inteligencji. Na przykład Gradescope może grupować podobne odpowiedzi, dzięki czemu nauczyciel ocenia każdą grupę raz. Nauczyciel nadal decyduje o punktacji, a sortowaniem zajmuje się sztuczna inteligencja. Prywatność również obowiązuje. Praca ucznia jest częścią dokumentacji edukacyjnej. W Stanach Zjednoczonych sposób postępowania z tą sprawą reguluje FERPA, dlatego należy korzystać z narzędzi zatwierdzonych przez okręg i usuwać nazwiska, jeśli to możliwe. Głównym błędnym przekonaniem jest to, że ocena AI jest obiektywna, ponieważ jest zautomatyzowana. Stosuje wzorce wyciągnięte z danych, w tym błędy tych danych. Praktyczny model to sztuczna inteligencja w przypadku wersji roboczych, nauczyciel w przypadku decyzji i uczciwość wobec uczniów w zakresie sposobu uzyskiwania informacji zwrotnej. Działa najlepiej w przypadku częstych, kształtujących informacji zwrotnych o niskiej stawce, a nie w przypadku ocen końcowych.

Implementacja w świecie rzeczywistym

Nauczyciel języka angielskiego przekazuje asystentowi rubrykę eseju z argumentacją zawierającą cztery kryteria i jeden anonimowy esej, następnie prosi o podanie dwóch mocnych stron i jednego kolejnego kroku dla każdego kryterium, podając krótki cytat z eseju jako dowód.

Nauczyciel fizyki korzysta z platformy do oceniania, która grupuje podobne odpowiedzi na pytanie z krótką odpowiedzią, dzięki czemu cała grupa może uzyskać ten sam wynik i komentarz od razu po sprawdzeniu ich przez nauczyciela.

Nauczyciel uruchamia zestaw wersji roboczych zajęć za pomocą sztucznej inteligencji wyłącznie w celu uzyskania kształtującej opinii, czyta każdy komentarz przed jego opublikowaniem i usuwa ten, który pochwala cytat, którego uczeń nigdy nie napisał.

Dział przeprowadza kalibrację, oceniając przez sztuczną inteligencję pięć referatów, które nauczyciele już ocenili, a następnie porównuje wyniki sztucznej inteligencji z ustalonymi wynikami, zanim podejmie decyzję, czy wykorzystać je do wstępnej wersji opinii.

Przyszłość oceniania i informacji zwrotnych dla nauczycieli wykorzystujących sztuczną inteligencję

Platformy edukacyjne włączają informacje zwrotne AI do przepływów zadań, a coraz więcej okręgów prawdopodobnie opublikuje zasady określające, kiedy sztuczna inteligencja może sugerować oceny i co należy ujawniać uczniom i rodzinom. Lepsze narzędzia kalibracyjne i informacje zwrotne powiązane z dowodami mogą zmniejszyć pewne problemy z dokładnością, ale pytania dotyczące stronniczości i odpowiedzialności nie znikną same w sobie dzięki poprawkom technicznym. Najbardziej możliwym do obrony kierunkiem jest częstsza i szybsza informacja zwrotna kształtująca, w ramach której nauczyciele zachowują władzę nad ocenami. Niezależne badania dotyczące skutków dla różnych grup uczniów będą miały większe znaczenie niż twierdzenia dostawców.

Wdrażanie tego w praktykę

Dlaczego to ma znaczenie

  • Buduj wybory. Projektowanie na poziomie aplikacji określa, czy sztuczna inteligencja poprawia rzeczywiste wyniki.
  • Zespół i przepływ pracy. Dobra integracja przepływu pracy zapewnia wzrost produktywności, któremu użytkownicy mogą zaufać.
  • Ryzyko i bezpieczeństwo. Dobrze określone przypadki użycia zmniejszają zmęczenie zmianami i ryzyko wdrożenia.

Uważaj na

  • Automatyzacja uszkodzonego procesu może spotęgować istniejące problemy.
  • Zespoły mogą nadmiernie zautomatyzować i wyeliminować niezbędny ludzki osąd.
  • Jakość może się wahać, jeśli wyniki nie są stale oceniane.

Kolejne kroki

  1. Zamapuj bieżący przepływ pracy i zidentyfikuj etap o największym tarciu.
  2. Zdefiniuj ludzkie punkty kontrolne przed pełną automatyzacją.
  3. Szkoluj użytkowników w zakresie podpowiedzi, ścieżek eskalacji i standardów jakości.
  4. Śledź wyniki na poziomie zadań, aby potwierdzić trwałą wartość.

Odkrywaj dalej

Darmowy newsletter

Otrzymuj codzienne podsumowanie AI

Trzy zweryfikowane historie AI każdego poranka w dni robocze, napisane prostym angielskim. Bezpłatne na zawsze, bez reklam.

Jedno e‑mail każdego dnia roboczego. Wypisz się jednym kliknięciem. Nigdy nie sprzedajemy ani nie udostępniamy Twojego adresu.

Sprawdź się

Take the AI Grading and Feedback for Teachers quiz

Natychmiastowa informacja zwrotna na każde pytanie oraz udostępnialny certyfikat z weryfikowalnym ID po zaliczeniu kursu.

Rozpocznij quiz

Wspieraj darmową edukację AI. AI Understanding jest organizacją non-profit 501(c)(3) — bez reklam, bez płatnej ściany, zawsze. Przekaż darowiznę

Często zadawane pytania

Co to jest ocenianie i informacje zwrotne AI dla nauczycieli?

Ocenianie i informacje zwrotne oparte na sztucznej inteligencji oznaczają wykorzystanie sztucznej inteligencji do opracowywania komentarzy opartych na rubrykach i sugerowanych ocen prac uczniów, które nauczyciel przegląda, edytuje i zatwierdza. Ma to znaczenie, ponieważ informacja zwrotna jest jedną z najbardziej czasochłonnych części nauczania, ale punktacja AI może być niespójna lub stronnicza, dlatego ostatecznym decydentem musi pozostać nauczyciel.

Które zadanie oceniania AI jest według poradnika bezpieczniejsze i bardziej przydatne?

Sporządzanie informacji zwrotnej wiąże się z mniejszym ryzykiem niż punktacja, co bezpośrednio wpływa na dziennik ocen.

Który problem z dokładnością dotyczy zdań pochwalających AI, których nie ma w pracy ucznia?

Modele mogą wymyślać cytaty, dlatego też sprawdzenie cytowanych dowodów w stosunku do złożonych dokumentów ma znaczenie.

Co przewodnik mówi o detektorach pisania AI?

Badania wykazały uprzedzenia w stosunku do pisarzy obcokrajowców, zatem wynik uzyskany na podstawie detektora nie powinien być podstawą do oskarżenia.

Jak działa funkcja grupowania odpowiedzi w Gradescope, jak opisano w przewodniku?

Sztuczna inteligencja sortuje odpowiedzi, a nauczyciel decyduje o punktacji dla każdej grupy.

Jaka automatyczna kontrola wyłapuje wymyślone dowody w informacjach zwrotnych AI?

Jeśli model musi cytować dowody, każdy cytat można porównać z tekstem ucznia.