Hvað ef nemendur þínir eru að afrita úr heimildum sem þú getur ekki lesið?

Óhugnanleg veruleiki Óstaðfestanlegra heimilda í Hinu nútímalega skólastarfi

Við kennarar höfum öll upplifað þá óhugnanlegu stund þegar við erum að leggja mat á ritgerðir seint um kvöld. Þú les skil á nemanda—kannski nemanda sem er enskunemi—sem inniheldur ótrúlega vandaðan orðaforða og flóknar setningagerðir sem passa alls ekki við fyrri vinnu hans/hennar í bekknum. Fyrsta grunsemdin er að um fræðilegt óheiðarleika sé að ræða, en þegar þú keyrir textann í gegnum hefðbundna líkindapróf þá kemur ekkert upp. Hvað ef nemendur þínir eru að afrita úr heimildum sem þú getur ekki lesið, og þýða greinar á erlendu máli beint yfir á ensku? Þessi aðstaða, sem er aukin tilkoma generative AI, hefur látið marga kennara líða svekktir og máttlausa. Að treysta einungis á AI-eftirlit er ekki lengur nægjanlegt til að halda uppi fræðilegum heiðarleika í sífellt fjölbreyttari og tæknivæddari kennslustofum okkar.

Málhindranir og Gölluð AI-kenning

Nútímaleg kennslustofa er lifandi, fjöltyngt umhverfi, sem færir bæði gífurlegan menningarlegan auð og einstaka áskoranir varðandi sannleiksgildi nemenda. Þegar nemendur standa frammi fyrir málhindrunum í tengslum við ritstuld geta þeir snúið sér að því að þýða óljósar alþjóðlegar heimildir, og þannig komist fram hjá hefðbundnum líkindaprófum sem aðeins skanna ensk gagnasöfn. Þar að auki hefur innleiðing generative AI í vinnuferla nemenda breytt landslaginu fyrir fræðilegan óheiðarleika í grundvallaratriðum. Við stöndum frammi fyrir flóknu tvíþættu ógninni: þýddum ritstuldi og yfirveguðum texta sem er framleiddur af vélum.

Það er mikilvægt að við skiljum tæknilegar takmarkanir núverandi verkfæra til AI-eftirlits. Þessi kerfi vinna út frá tölfræðilegum líkindum og greina mælikvarða eins og perplexity og burstiness til að giska á hvort manneskja eða vél hafi skrifað textann. Þar sem þau eru í grunninn líkindaútreikningar eru þau viðkvæm fyrir verulegum göllum, einkum falskum jákvæðum og falskum neikvæðum. Falskt jákvætt—þegar alvöru vinna nemanda er ranglega merkt sem AI-framleitt—getur óbætanlega skaðað samband kennara og nemanda og valdið gríðarlegu kvíða hjá nemandanum. Aftur á móti leyfa falsk neikvæð að snjöllur fræðilegur óheiðarleiki komist í gegn. Sem kennarar verðum við að viðurkenna að greiningarverkfæri eru ekki endanlegir dómarar sannleikans. Þetta eru ófullkomin verkfæri sem geta ekki komið í stað sértækrar, blæbrigðaríkrar þekkingar kennara á getu nemenda og framförum þeirra.

Pedagógískar breytingar fyrir Mat sem byggir á ferli Og raunverulegu námi

Að þessu sinni verðum við að færa fókusinn frá viðbragðsmiðuðu eftirliti yfir í fyrirbyggjandi, pedagógískar lausnir. Svarið við þessum flóknu áskorunum liggur í mati sem byggir á ferli frekar en að reiða sig alfarið á lokaafurðina. Með því að leggja áherslu á leiðina í rituninni getum við byggt sjálfsvirkni hjá nemendum og tryggt að raunverulegt nám eigi sér stað án stöðugrar gæslu vegna gallaðra reiknirit.

Fyrsta aðgerðin er að nýta skjalútgáfusögu sem staðlaðan hluta af matsferlinu. Pallar eins og Google Docs gera kennurum kleift að yfirfara allt vinnuferlið, sjá hvernig nemandi smíðar rök sín með tímanum. Skyndileg tilkoma stórra kubba af fullkomnum texta án fyrri slóðar í innslætti er sterk vísbending um annaðhvort þýtt ritstuld eða AI-útgáfu. Þessi framkvæmd færir umræðuna frá ákæru yfir í samvinnu- og samtalsumræðu um sjálft ritunarferlið.

Önnur aðgerðin felur í sér að krefjast endurtekinna draga með stöðugu formlegu mati. Þegar verkefni eru brotin niður í viðráðanleg áfanga—eins og hugmyndavinnu, uppsetningu, drög og endurskoðun—eru nemendur ólíklegri til að örvænta og grípa til fræðilegs óheiðarleika. Með því að veita endurgjöf á hverju stigi sköpum við „scaffold“ umhverfi þar sem kennari þekkir þróun hugmynda nemandans mjög náið. Þessi nálgun hamlar eðlilega notkun óstaðfestra erlendra heimilda eða AI-verkfæra, þar sem nemandinn verður stöðugt að sýna fram á sívaxandi skilning sinn.

Þriðja aðgerðin er hönnun á mjög sértækum, aðstæðutengdum fyrirmælum. Almennt orðaðar ritgerðarhugmyndir er auðvelt að láta generative AI útvista eða finna í fyrirfram tilvistum erlendum greinum. Í staðinn ættum við að setja verkefni sem krefjast þess að nemendur tengi hugmyndir úr námskeiðinu við persónulega reynslu sína, nýlegar umræður í tímum eða mjög sértækar staðbundnar kringumstæður. Með því að hanna verkefni á raunverulegan hátt neyðum við nemendur til að kafa djúpt í efnið, sem gerir það afar erfitt fyrir þá að komast hjá andlegu vinnunni sem þarf til að skapa upprunalegt svar.

Aðlagast framtíðinni Með sjálfstrausti og faglegri sérþekkingu

Aðstæður í menntun eru án efa að breytast og áskoranirnar sem tengjast þýddum ritstuldi og generative AI eru hér til að vera. Þótt eðlilegt sé að leita að hinu fullkomna verkfæri til AI-eftirlits, getum við verndað heiðarleika með yfirgripsmikilli nálgun sem sameinar tækni og kennslufræði. Með því að tileinka okkur mat sem byggir á ferli, hanna raunveruleg verkefni og halda fókus á framfarir nemenda, getum við tryggt að kennslustofurnar okkar verði staðir þar sem raunverulegt nám á sér stað. Sem kennarar er okkar besta verkfæri ekki reiknirit, heldur fagleg sérþekking okkar og skuldbinding um að efla raunverulega sannleiksgildi nemenda. Við höfum vald til að aðlagast, leiða nemendur okkar og dafna í þessari nýju menntunaröld.