概述
教育系统应保护学习者的能动性和隐私，同时衡量人们是否理解并能够应用材料。单独的界面活动并不是学习。
主要要点
- 定义学习目标。
- 评估可访问性和学习者能动性。
- 衡量学习和隐私成果。
深入探讨
从学习目标以及系统支持的教师或学习者决策开始。生成的解释应该准确、适合级别并且可以接受质疑。当活动旨在建立独立的问题解决能力时，避免隐藏推理或答案。跨语言、设备、辅助工具和先验知识进行评估。翻译或自动反馈可能听起来很流畅，但同时会改变概念或使学习者感到沮丧。保留教师审查路径以进行高影响力的评估，并展示解释背后的证据。保护学生的作业和身份。文件收集、保留、提供者访问和适合年龄的保护措施。联合国教科文组织的指导强调以人为本的方法、隐私和对教育和研究中的生成人工智能的道德验证。一起衡量学习收获、完成情况、信心和支持负担。根据实际学习者错误和教师观察进行迭代，并为不能或不应该使用该工具的人保留有用的非人工智能路线。
04工作示例
保持练习的意义
想象一下，一位导师会立即提供每个答案，从而提高课程完成率。
衡量学习者事后能否独立解决类似问题。
更改交互方式以提供分级提示并查看学习成果。
它显示了什么
构造的例子将完成与理解区分开来。
现实世界的实施
将人工智能生成的提示与教师审阅的评分标准进行比较。
使用屏幕阅读器和低带宽设备测试课程。
付诸实践
为什么这很重要
- 风险与安全. 灾难性和日常的人工智能危害都取决于谁了解风险以及谁能够采取行动。
- 更清晰的判决. 公众和专业素养决定强有力的安全政策在政治上是否可行。
- 打破炒作. 清晰的解释可以减少炒作、实验室公关和模糊道德剧场的影响。
留意
- 将存在风险视为科幻小说，同时能力复合。
- 混淆了表面产品安全与高度自治下的对准。
- 只给非英语和非专业观众留下低质量的资源。
后续步骤
- 单独的产品危害、误用和失控/失调风险。
- 询问哪些证据会改变您对时间表和严重性的看法。
- 比起营销主张，更喜欢主要来源和具体评估。
- 确定一条行动路径：职业、政策、资金或技能——而不仅仅是意识。
资料来源与延伸阅读
- UNESCO教育和研究中的生成式人工智能指南
不断探索
常见问题
与人工智能导师相处的时间越长，学习效果就越好吗？
不。衡量学习者能够理解和应用的内容，而不仅仅是对话长度或完成的课程。