Kanadský Contact North na portálu TeachOnline vydal přehledový článek o možnostech, které současný překotný vývoj AI poskytuje specificky v oblasti evaluace [1]. Určitě nebude na závadu se s ním seznámit.
Hodnocení s výsledkem (známkování, bodování)
AI se používá k hodnocení žáků již mnoho let. Pomocí výsledků hodnocení prací získaných zkušenými hodnotiteli se systémy pracující s umělou inteligencí naučí, jak klasifikovat výsledky podobně zadaných úkolů, které pak dokážou uplatnit ve velkém měřítku. V některých případech stačí pouhých 15 vzorových hodnocení k posouzení libovolného množství dalších prací. Přitom systémy umělé inteligence umí pracovat s různými typy úloh, od řešení matematických problémů až po krátké či dlouhé eseje a výběr z více možností (např. Copyleaks). V současnosti nic nebrání ani tomu, aby výstupy byly v různých jazycích, a hodnocení není ovlivněno ani jinými vnějšími faktory, jako je rukopis a kultura.
Přestože dnes existuje mnoho takových systémů, jejich většímu nasazení brání určité překážky. Je to cenová dostupnost, schopnost pedagogů tyto systémy používat a nutnost jejich počátečního zacvičení, které je pro správnou funkci nezbytné.
Automatické generování testů
Jednou z výzev pro učitele je navrhnout vhodný nástroj, ať už to bude hodnocení formativní, které má pomoci při učení, nebo sumativní, které má posoudit výsledky. AI může generovat otázky používané v testech, zkouškách a hodnoceních (např. ASC). Učitel vytvoří model, který systému ukáže, jak vypadá ideální test nebo sada testů. Systém pak generuje vzorky, které lze upřesnit. Pokud má například hodnocení 10 položek (čtyři o klíčových teoretických znalostech, tři o používaných znalostech praktických a tři o alternativních přístupech k řešení problému), systém umělé inteligence tento přístup replikuje v každém vzorovém testu, který vytvoří. Jakmile učitel schválí vzorky, systém může vygenerovat tisíce odlišných verzí testu. Vzhledem k množství vytvořených srovnatelných testů mohou žáci své znalosti ověřovat kdykoli opakovaně.
Vzájemné hodnocení
Jednou z metod, které se v posledním desetiletí výrazně rozšířily, je tzv. peer-to-peer (partnerské) hodnocení. Existuje celá řada nástrojů tuto funkci podporujících (např. Kritik, Peerceptiv, Teammates). Všechny využívají chytré technologie a umělou inteligenci k usnadnění spravedlivého a vhodného vzájemného hodnocení. Mají obvykle tyto vlastnosti:
Poskytnutí vedení a pomoci během hodnoticí činnosti tak, aby výsledkem byla lepší zpětná vazba partnerovi.
Integrace modelů pravděpodobnosti a analýzy textových zpráv pro zlepšení přesnosti výsledného hodnocení a odstranění možného zkreslení vzniklého dohodou mezi partnery.
Využití zpětné vazby k použitým strategiím hodnocení, jež zlepšuje kvalitu hodnocení a dovoluje posoudit též práci hodnotitelů.
Využití mechanismu namátkové kontroly, který pomáhá učitelům dohlížet na proces vzájemného hodnocení a posiluje shodu hodnotitelů.
Hodnocení projektového učení
Efektivní učení založené na projektech je zaměřeno na uplatnění učení v akci – získávání znalostí, schopností a dovedností v rámci práce na projektu. V ideálním případě by znalosti, schopnosti a dovednosti měly být posuzovány před zahájením projektu, během práce (několikrát) a na konci, aby bylo možné zjistit přínos vzhledem k výukovým cílům. AI lze použít k vytvoření vhodných hodnoticích nástrojů.
Produkty jako ChatGPT nebo jiné formy generativní AI se používají k podpoře schopností žáků. Tyto nástroje poskytují návrhy, jak dokončit úkol, umožňují najít videa nebo jiné zdroje pro rozvoj dovedností a poskytují soustavnou pomoc při práci na projektu.
Podobné systémy jako Valid-8 podporují hodnocení kompetencí prostřednictvím prokazatelných důkazů, které mohou být předloženy v různých formátech: video, audio, textové dokumenty, odkazy na výsledky předchozí práce (nebo nějaká jejich kombinace). Díky důkazům založeným na hodnocení výsledků práce na projektu může AI usnadnit i realizaci právně akceptovatelného ověření způsobilosti.
Embedding Assessment Throughout the Project: Keys to PBL
Inkluze
AI zásadním způsobem rozšiřuje možnosti zapojení znevýhodněných. Nevidomým převádí text na řeč (a naopak) a umožňuje komunikovat znakovou řečí, neslyšícím generuje titulky k videím, napravuje řečové vady, překládá v reálném čase. To vše dovoluje žákům s různými hendikepy alespoň do určité míry využívat hodnoticích nástrojů vytvořených pro běžné žáky.
Mnoho vývojářů umělé inteligence se zavázalo, že budou rovnost a inkluzi ve vzdělávání svými produkty podporovat.
6. Kontrola podvádění
Když AI hodnotí žákovu práci, může také automaticky odhalovat plagiátorství a jiné formy podvádění (např. dva nebo více žáků poskytujících stejné odpovědi). Systémy AI mohou také porovnávat aktuální vzorky rukopisu s minulými pracemi, aby ověřily, zda žák či student, který zkoušku skládá, je stále stejná osoba. Nejnovější formou plagiátorství, kterou je obtížné běžnými nástroji odhalit, je využití generativní AI k samotné tvorbě dokumentů, ale i na řešení tohoto problému se již pracuje.
Některé služby využívají kontroverzní biometrické metody ověřování totožnosti – rozpoznávání obličeje, otisky prstů, styl psaní na klávesnici apod. (ExamOnline, ProctorEdu, Examroom). Tyto systémy většinou též zároveň monitorují aktivitu v prostoru, který student používá, aby se pravděpodobnost, že dojde k podvádění, snížila (Podvádění při online výuce).
Co dál?
Díky velkému růstu využití AI můžeme očekávat, že se bude zvyšovat i zájem o její aplikaci v rámci hodnocení žáků a studentů. Mnoho zemí provádí transformaci vzdělávání směrem k více kompetenčnímu pojetí, a tak se asi dočkáme vyšší orientace na průběžnou formativní zpětnou vazbu a na hodnocení dosažených kompetencí. Přestože se někteří učitelé obávají akademického pochybení, jiní bez problémů aplikují nové vysoce funkční systémy umělé inteligence za účelem zlepšení způsobu hodnocení svých žáků.
Všechny články jsou publikovány pod licencí Creative Commons BY-NC-ND.
Článek nebyl prozatím komentován.
Pro vložení komentáře je nutné se nejprve přihlásit.
Článek není zařazen do žádného seriálu.
