Etter hvert som skolesystemer prioriterer ferdigheter for det 21. århundre som problemløsning, kritisk tenkning og eksperimentering, intensiverer lærere vurderingsarbeidet sitt. For å nøyaktig måle ytelsen på høyere ordens tenkeoppgaver, er lærere i økende grad avhengige av komplekse subjektive vurderinger, inkludert essays, presentasjoner og avsluttende prosjekter.
Mange synes imidlertid at det er langt vanskeligere å automatisere karaktersettingen av subjektive vurderinger enn å gi poeng på objektive vurderinger som flervalgstester. Lærere kan være bekymret for at poengsystemer drevet av kunstig intelligens (KI) ikke vil kunne håndtere nyansene i uttrykket som finnes i mer åpne vurderinger. Som et resultat sitter lærerne ofte igjen med en tung manuell vurderingsbyrde.
Men det trenger ikke å være slik. I denne artikkelen skal vi vise hvordan det er mulig å automatisere karaktersetting, selv for subjektive vurderinger, og spare skolesystemene tid og penger.
Viktige konklusjoner
- Effektivitetsøkning : Automatisert vurdering reduserer tiden lærerne bruker på vurderinger betydelig, spesielt for store oppgaver.
- Balanse mellom AI og menneske : Selv om AI kan håndtere objektiv vurdering og noen aspekter ved subjektive oppgaver, er menneskelig tilsyn avgjørende for nyanserte vurderinger.
- Fleksibilitet er nøkkelen : Fleksible algoritmer og hybridmodeller forbedrer evnen til å evaluere kreativitet, originalitet og mangfoldige perspektiver på en rettferdig måte.
- Lærerstøtte : Intuitive EdTech-verktøy og riktig opplæring gir lærere muligheten til å sømløst integrere automatisert vurdering i arbeidsflyten sin uten at det går på bekostning av kvaliteten.
Hva er automatisert karaktersetting?
Automatisert vurdering refererer til bruk av teknologi, som AI og maskinlæring (ML), for å evaluere og gi poeng til elevvurderinger. Dette er spesielt nyttig i store utdanningsmiljøer, der manuell vurdering av hundrevis eller tusenvis av oppgaver kan være tidkrevende og utsatt for inkonsekvenser.
I motsetning til hva mange tror, kan automatiserte karaktersystemer vurdere en rekke formater, inkludert flervalg, sant/usant, korte svar og enda mer komplekse tekstbaserte svar som essays. Målet er å forbedre effektiviteten og gi rask tilbakemelding samtidig som vurderingen opprettholdes rettferdig og pålitelig.
EdTech-plattformer som TAO gir lærere automatiserte vurderingsverktøy . For eksempel kan TAO vurdere objektive spørsmål som flervalg ved hjelp av forhåndsdefinerte svarnøkler. For mer subjektive eller komplekse svar bruker de et teknologiassistert menneskelig poengsystem, TAO Grader , som øker effektiviteten av manuell vurdering. AI-assistenten i TAO Grader bruker avanserte algoritmer som naturlig språkbehandling (NLP) for å analysere skriftlige svar og anbefale en poengsum, sammen med begrunnelsen bak poengsummen, basert på vurderingsrubrikken.
4 utfordringer (og løsninger) ved bruk av automatisert karaktersetting for subjektive vurderinger
Mange lærere og administratorer føler at automatiserte karaktersystemer ikke kan forstå den fulle dybden og bredden av elevenes læring. Sannheten er litt mer nyansert. Selv om disse systemene ikke er perfekte subjektive vurderere, kan de gi uvurderlig hjelp til menneskelige vurderere når de brukes riktig.
1. Karaktersetting av lange essays
Lange essays er kanskje den mest varige formen for subjektiv vurdering, og er notorisk tidkrevende å vurdere. Når lærere må korrigere tekster for grammatiske feil, oppdage logiske inkonsekvenser og evaluere bevis, kan det ta dusinvis av timer å fullføre vurderingen av et sett med essays. Kan AI virkelig hjelpe med denne svært komplekse utfordringen?
Løsning: AI-assistert vurdering
Ja, det kan det absolutt. Selv om automatiserte karaktersystemer ikke kan gjøre 100 % av arbeidet, kan de redusere tiden lærerne bruker på å vurdere lange essays betraktelig.
Takket være den avanserte NLP-funksjonaliteten som finnes i chatboter som ChatGPT og Gemini, kan AI-vurderingsassistenter oppdage grammatikk- og staveproblemer og evaluere essays for logisk konsistens. Dette frigjør lærere til å fokusere på å skrive målrettet tilbakemelding og oppdage problemer med faktiske bevis og analyser.
Med AI-assistert vurdering spiller lærere fortsatt en viktig rolle i å definere poengstandarder. En fleksibel EdTech-plattform vil til og med la lærere definere poengstrategier for ulike elementer for å sikre rettferdig vurdering. I TAO kan lærere gi andre lærere som er fageksperter til å vurdere spørsmål om bestemte emner, samtidig som de er blindet for elevenes identitet.
2. Måling av ferdigheter for det 21. århundre
Tradisjonell automatisert vurdering fungerer bra for objektive spørsmål, men mange av dagens utdanningsmål går utover å velge riktig svar. Ferdigheter som problemløsning, kritisk tenkning, samarbeid og beslutningstaking demonstreres best gjennom autentiske oppgaver som speiler virkelige situasjoner, snarere enn konvensjonelle essays eller flervalgsspørsmål.
Å utforme vurderinger som fanger opp disse ferdighetene på høyere nivå krever mer enn å evaluere et endelig svar. Det krever forståelse av prosessen elevene bruker for å komme frem til svarene sine.
Løsning: Ytelsesbaserte vurderinger med interaksjonsdata
Teknologiforbedrede vurderinger gjør det mulig å evaluere komplekse ferdigheter ved å plassere elever i interaktive, scenariobaserte miljøer. Ved hjelp av Portable Custom Interactions (PCI-er) kan vurderingsdesignere lage simuleringer, spillbaserte aktiviteter, virtuelle laboratorier og andre autentiske oppgaver som gjenspeiler utfordringer i den virkelige verden.
I motsetning til tradisjonelle vurderinger genererer disse interaksjonene detaljerte loggdata gjennom hele elevens opplevelse. I stedet for bare å registrere om et svar er riktig, fanger vurderingen opp hvordan elevene har håndtert problemet. For eksempel rekkefølgen av handlinger de utførte, tiden de brukte på ulike oppgaver, og om de reviderte tilnærmingen sin før de kom frem til en løsning.
Disse rikere dataene gir lærere dypere innsikt i kompetanser for det 21. århundre som er vanskelige å måle kun gjennom konvensjonelle vurderinger. I stedet for kun å evaluere resultater, kan lærere bedre forstå elevenes problemløsningsprosesser, utholdenhet og beslutningstaking.
Plattformer som TAO støtter konfigurerbare PCI-er som gjør det mulig for organisasjoner å bygge engasjerende vurderingsopplevelser fra den virkelige verden, samtidig som de samler inn bevisene som trengs for å evaluere komplekse ferdigheter mer effektivt.
3. Lærerutdanning
Lærere trenger støtte når de går over fra helmanuell til automatisert og assistert vurdering. For å sikre at de får mest mulig ut av EdTech-verktøyene sine, må administratorer kanskje planlegge opplæringsøkter. Naturligvis kan tids- og økonomiske kostnader ved dette være en hindring for implementeringen.
Løsning: Intuitiv verktøystyring
Selv om opplæring i digital kompetanse er avgjørende, kan intuitive EdTech-plattformer i stor grad redusere behovet for å holde lange workshops. Ved å samle vurderingslevering, vurderingsmatrisehåndtering, automatisert karaktersetting og manuell poengsetting i én plattform, kan lærere jobbe mer effektivt uten å bytte mellom flere systemer og arbeidsflyter.
Ett element ved intuitiv EdTech-programvare foregår helt bak kulissene, men det er utrolig viktig: interoperabilitet. Interoperable EdTech-løsninger følger åpen kildekode-standarder som de som er satt av 1EdTech Global Learning Consortium , slik at de kan integreres sømløst med andre læringsverktøy. Dette eliminerer behovet for kostbare, tilpassede integrasjoner og lar lærere velge løsningene de vil bruke uten ekstra administrative problemer.
4. Forebygging av plagiering
Automatiserte karaktersystemer står overfor betydelige utfordringer når det gjelder å oppdage plagiering. Dette gjelder spesielt i subjektive vurderinger der studenter kan bruke subtile former for akademisk uærlighet. Plagiering er ikke begrenset til ren kopiering og liming. Det kan innebære parafrasering, idétyveri eller bruk av AI-generert innhold. Dette gjør det vanskeligere å oppdage plagiering for algoritmer som kun er avhengige av overfladiske matchingsteknikker.
Løsning: Integrering av avanserte verktøy for plagiatdeteksjon
For å håndtere denne utfordringen bør plagiatdeteksjonsløsninger integreres i karaktersystemer. Disse verktøyene kan gå utover enkel tekstmatching ved å bruke semantisk analyse. Dette identifiserer likheter i betydning, selv når ordlyden er forskjellig.
I tillegg bør AI-modeller trenes til å oppdage vanlige plagiatmønstre på tvers av ulike kilder. Automatiserte karaktersystemer kan også koble seg til store akademiske databaser og nettet for sammenligninger i sanntid og støtte akademisk integritet.
Konklusjon
Automatiserte karaktersystemer byr på unike utfordringer, spesielt når det gjelder vurdering av subjektivt, langt og kreativt arbeid. Men i de rette tilfellene tilbyr de også et enormt potensial for å effektivisere karakterprosesser og forbedre effektiviteten. Ved å utnytte avanserte AI-verktøy som NLP, kan lærere redusere tiden som brukes på karaktersetting betydelig, samtidig som de sikrer rettferdighet og nøyaktighet.
Løsninger som fleksible eller hybride karaktermodeller og intuitive, interoperable plattformer gjør det enklere for lærere å integrere automatiserte systemer uten å miste det menneskelige elementet som er avgjørende for subjektive vurderinger. Med riktig balanse mellom teknologi og menneskelig tilsyn kan automatisert karaktersetting forbedre læringsopplevelsen for både elever og lærere.
Lær mer om automatisering av karaktersetting av subjektive vurderinger. Ta en titt på disse nyttige ressursene på TAO-bloggen:
- Bryting med konvensjonen: Forklaring av 3 typer alternative vurderinger
- Hvordan redusere risikoen for juks ved nettbasert testing
- Podkast: Fremtiden for språk- og leseferdighetsvurdering i skoler i New York
Vanlige spørsmål
Kan AI erstatte lærere fullt ut i vurdering av subjektive vurderinger?
Nei, AI kan ikke erstatte læreres subjektive vurderinger fullt ut. AI kan håndtere oppgaver som grammatikksjekker og identifisere logisk konsistens. Nyanserte vurderinger – som å vurdere kreativitet, originalitet og dybden i argumenter – krever imidlertid fortsatt menneskelig tilsyn.
Hvor nøyaktig er automatisert vurdering?
Automatisert vurdering er generelt nøyaktig for objektive spørsmål, men kan møte utfordringer med subjektive svar. Nøyaktigheten forbedres med bedre algoritmer og varierte treningsdata, men menneskelig involvering sikrer rettferdighet.
Hva er fordelene med automatisert karaktersetting i utdanning?
Automatisert vurdering øker effektiviteten, reduserer vurderingstiden og gir raskere tilbakemeldinger til studentene.
