Testy edukacyjne przechodzą zasadniczą zmianę. Po raz pierwszy sztuczna inteligencja oferuje możliwość odejścia od standardowych, uniwersalnych ocen na rzecz dynamicznych, spersonalizowanych metod. Jednak samo zastosowanie sztucznej inteligencji do istniejących wadliwych systemów grozi wzmocnieniem uprzedzeń i utrwaleniem nierówności, co w istocie oznacza przecieranie starych ścieżek nowymi technologiami.
Aby stworzyć prawdziwie skuteczną i sprawiedliwą przyszłość oceniania, należy zintegrować dwa kluczowe podejścia: Projektowanie zorientowane na dowody (ECD) i Uniwersalne projektowanie na rzecz uczenia się (UDL). Oznacza to, że dostępność musi być priorytetem nie jako dodatkowy warunek, ale jako podstawowa zasada.
Logika oceny: dowody i ważność
Testowanie opiera się na zbieraniu dowodów. ECD traktuje ocenę jako argument prawny, wymagający jasnego twierdzenia (np. „Ten uczeń rozumie algebrę”), potwierdzającego dane (wyniki testu) i wiarygodnego uzasadnienia (logiczne powiązanie między danymi a twierdzeniem).
Krytyczną wadą wielu obecnych systemów są nieistotne bariery — przeszkody, które uniemożliwiają uczniom wykazanie się prawdziwą wiedzą. Uczeń, który ma problemy z rozmiarem czcionki lub szybkością przetwarzania, nie zdaje egzaminu; nie zdał testu projektu. Ignorowanie tych barier prowadzi do bezsensownych wyników, ponieważ wyniki stają się miarą zgodności, a nie kompetencji.
Wniosek warunkowy: sprawiedliwość wykraczająca poza standaryzację
Tradycyjny model testowania opiera się na fałszywym założeniu, że równe szanse gwarantują uczciwość. Prawdziwa sprawiedliwość wymaga konwencjonalnego wniosku : standaryzacji ważności ocen poprzez aktywne modyfikowanie sposobu prezentacji materiału w celu dostosowania go do indywidualnych potrzeb.
Wyobraźmy sobie nieuregulowany mikroskop: zamazany obraz nie jest winą badanego obiektu, ale wadą urządzenia. Podobnie wymaganie, aby wszyscy uczniowie spełniali te same sztywne kryteria, ignoruje różnorodne sposoby uczenia się i przetwarzania informacji.
Projektowanie pod kątem wyjątków: korzyści dla wszystkich
Inwestowanie w technologię przeznaczoną dla uczniów niepełnosprawnych to nie tylko akt włączenia; jest katalizatorem poprawy oceniania wszystkich uczniów. Usuwając bariery dla tych z marginesu, tworzymy systemy, które są dokładniejsze, niezawodne i uczciwe pod każdym względem.
Kilka firm, wspieranych przez inicjatywy takie jak program SBIR Departamentu Edukacji Stanów Zjednoczonych, już potwierdza tę koncepcję:
- Alchemie (Kasi) : Używa wizji komputerowej i narzędzi dotykowych, aby udostępnić chemię uczniom z wadą wzroku.
- IDRT : Zapewnia testy z amerykańskiego języka migowego dla uczniów niesłyszących, eliminując zależność od pisanego języka angielskiego.
- Zwinne narzędzia : integrują nakładki adaptacyjne, zamianę tekstu na mowę i powiększanie, aby spersonalizować doświadczenie testowania.
- IQ Sonics : wykorzystuje muzykę do oceny ekspresyjnych umiejętności językowych u dzieci z opóźnieniami językowymi.
Bariery systemowe i rozwiązania AI
Problem wykracza poza adaptacje indywidualne. Aby zapewnić sprawiedliwy dostęp, wymagana jest infrastruktura systemowa:
- Obecność : Zapewnia bezpieczny, zdalny dostęp do usług terapeutycznych.
- Edukacja zmodyfikowana : Przekłada zindywidualizowane programy edukacyjne (IEP) na praktyczne przepływy pracy w klasie.
Multimodalna sztuczna inteligencja może dynamicznie dostosowywać funkcje scoringowe w czasie rzeczywistym, ale wymaga to starannego wdrożenia. Podobnie jak napisy — niegdyś dodatek, obecnie standard — dostępność musi być wbudowana w proces projektowania od samego początku.
Wniosek
AI nie zmienia podstawowych zasad prawidłowego oceniania; zwiększa naszą zdolność do ich osiągnięcia. Zabezpieczając inwestycje w ECD i UDL, możemy zapewnić każdemu uczniowi jasną ścieżkę zademonstrowania swoich umiejętności, co zapoczątkowuje przyszłość, w której testowanie naprawdę mierzy wiedzę, a nie bariery.
