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 lærere ofte igjen med en tung manuell vurderingsbyrde som tar tid bort fra å utarbeide leksjonsplaner eller kontakte familier.
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, mens 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 karaktersetting spiller lærere fortsatt en viktig rolle i å definere poengstandarder. En fleksibel EdTech-plattform vil til og med la lærere definere poengsettingsstrategier for ulike elementer for å sikre rettferdig poengsetting. I TAO kan lærere gi lærerkollegaer som utmerker seg i et bestemt fag – for eksempel den romerske republikkens politikk – til å vurdere spørsmål om det emnet, samtidig som de er blinde for elevenes identitet.
2. Vurdering av kreativitet
En betydelig utfordring ved automatisert vurdering av subjektive vurderinger er vanskeligheten med å vurdere kreativitet og innovasjon. Originaliteten i svarene som ofte forventes i essayskriving, muntlige presentasjoner og problemløsningsoppgaver, utgjør et problem for automatiserte systemer som er avhengige av mønstergjenkjenning og standardisering.
For eksempel kan en student presentere et unikt perspektiv eller en unik struktur i et essay som trosser tradisjonelle formater, men det automatiserte systemet kan straffe svaret for å avvike fra mønstre det ble trent til å gjenkjenne som «riktige».
I motsetning til dette kan formelpregede, repeterende svar som holder seg tett til de forventede mønstrene, score høyere, selv om de mangler dybde eller kreativitet. Denne begrensningen kan kvele innovasjon i studentenes arbeid, ettersom de kan fokusere på å skrive for algoritmen i stedet for å uttrykke nye ideer.
Løsning: Fleksibel gradering
For å overvinne utfordringen med å vurdere kreativitet, kan automatiserte karaktersystemer utformes med tanke på fleksibilitet. En løsning er å bruke en plattform som TAO som integrerer algoritmer for å analysere komplekst og nyansert språk. Algoritmene kan trenes til å identifisere ikke bare mønstre, men også bruk av originale argumenter, nye perspektiver eller ulike tilnærminger til problemløsning.
En hybridmodell, der AI flagger potensielt kreativt arbeid for menneskelig gjennomgang, ville bidra til å bevare balansen mellom automatisering og subjektiv menneskelig vurdering, og sikre at originalitet og innovasjon blir belønnet på riktig måte.
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. Når lærere kan logge seg på ett enkelt knutepunkt for å utstede vurderinger, laste opp vurderingsmatriser, utføre automatisk karaktersetting og manuell poengsetting, trenger de ikke å bruke tid og energi på å administrere flere forskjellige utdanningsvurderingspakker.
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 IMS Global Learning Consortium (IMS), slik at de kan integreres sømløst med andre læringsverktøy. Dette eliminerer behovet for kostbare tilpassede integrasjoner, reduserer opplæringsbyrden 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, spesielt i subjektive vurderinger der studenter kan bruke subtile former for akademisk uærlighet. Plagiering er ikke begrenset til enkel kopiering og liming: det kan innebære parafrasering, idétyveri eller bruk av AI-generert innhold, noe som gjør det vanskeligere å oppdage plagiering for algoritmer som bare 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 kobles til store akademiske databaser og nettet for sanntidssammenligninger og økt tillit til akademisk integritet.
Konklusjon
Selv om automatiserte karaktersystemer byr på unike utfordringer, spesielt når det gjelder vurdering av subjektivt, langt og kreativt arbeid, 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 hybride karaktermodeller, fleksible algoritmer 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.
For å lære 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. Selv om AI kan håndtere oppgaver som grammatikksjekker og identifisere logisk konsistens, er menneskelig tilsyn nødvendig for nyanserte vurderinger, som å vurdere kreativitet, originalitet og dybden i argumenter.
- 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.
