概述
教育质量包括学习、能动性、隐私和公平机会。流利的解释或自动评分并不自动表明学习者理解了材料。
主要要点
- 定义学习成果。
- 评估可访问性、隐私性和学习者能动性。
- 让教师和学习者能够审查和纠正输出。
深入探讨
定义学习目标和系统的角色。提示生成器、写作助手、评估评分器和注册工具对学习者的影响不同。在重要的地方让学习者自己的推理可见，并避免用无法解释的预测取代老师的判断。根据现实的学习者、任务、语言和可访问性需求进行评估。检查反馈是否准确、有用且具有适当的挑战性。衡量一段时间内的学习或任务完成情况，而不仅仅是聊天所花费的时间。给出答案太快的系统会减少活动旨在创建的实践。保护学生信息并传达如何处理提示、作业和录音。教科文组织的指南建议在教育和研究中采用以人为本的方法、数据隐私、适合年龄的使用以及道德验证。将这些原则应用于实际产品和管辖范围，而不是将其作为通用法律认证。提供教师和学习者的纠正路径。在依靠自动输出做出相应决策之前，对生成的材料进行标记、保留源证据并审查住宿条件。
04工作示例
衡量学习，而不是谈话
想象一下两种辅导设计：一种为每个学习者生成 30 条消息，另一种为每个学习者生成 12 条消息和一套完整的练习集。
衡量正确的解释、保留的理解和学习者的努力，而不是信息量。
检查助理的帮助是否使学习者能够独立解决类似的问题。
它显示了什么
构建的比较将产品活动与教育目的联系起来。
现实世界的实施
将人工智能提示与针对相同学习目标的教师审阅的评分标准进行比较。
使用屏幕阅读器、长文本和多种支持的语言测试课程。
付诸实践
为什么这很重要
- 背景与规则. 行业背景决定了人工智能创意能否与现实接触。
- 质量控制. 领域约束会影响可接受的错误率和监督模型。
- 构建选择. 成功的部署使技术能力与一线工作流程保持一致。
留意
- 监管要求可能会使原本强大的原型失效。
- 历史数据可能会编码损害特定社区的偏见。
- 遗留系统可能会造成集成瓶颈和隐性成本。
后续步骤
- 让领域专家参与从问题框架到评估的整个过程。
- 在启动前设计审计跟踪和文档。
- 尽早验证合规性和安全义务。
- 分阶段推出，并具有明确的停止和回滚标准。
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
AI导师会取代老师的专业知识吗？
不。它可以提供帮助，但教育工作者对于背景、判断、关系和责任仍然很重要。