Sztuczna inteligencja szybko zmienia wymiary edukacji, ale jej potencjał zależy od stworzenia systemów, które będą nie tylko wydajne, ale także godne zaufania, sprawiedliwe i naprawdę korzystne dla uczniów i nauczycieli. Niedawny panel podkreślił potrzebę „pasów bezpieczeństwa” – rygorystycznej infrastruktury naukowej – aby zapewnić, że ocena oparta na sztucznej inteligencji usprawni proces uczenia się, a nie po prostu przyspiesza istniejące problemy.
Filary odpowiedzialnej sztucznej inteligencji w edukacji
Kadriye Ercican z ETS argumentuje, że trzy zasady nie powinny podlegać negocjacjom: skuteczność (czy system osiąga swoje cele?), ważność (jak mocne są dowody?) i równość (jak spójne są wyniki we wszystkich grupach uczniów?). Oznacza to zaprojektowanie uczciwości w systemie od samego początku, zamiast próbować później korygować uprzedzenia. Celem jest przejście od ocen, które po prostu opisują status ucznia (jak termometr) do takich, które zachęcają do poprawy (jak termostat).
Zmniejsz obciążenie testowaniem i zwiększ użyteczność
Fundacja Angeli Bang z Gates zauważa, że uczniowie spędzają już do 100 godzin rocznie na testowaniu, co nieproporcjonalnie obciąża uczniów kolorowych i tych, którzy mają zaległości. Jej praca koncentruje się na „ramach zapewniania jakości produktu”, które pomagają szkołom wybierać narzędzia na podstawie ich rzeczywistej przydatności: czy są łatwe w użyciu, niezawodne i bezpośrednio wspierają naukę? Pojawiające się zastosowania sztucznej inteligencji – takie jak rozpoznawanie mowy w celu uzyskania informacji zwrotnej w czasie rzeczywistym i nauczyciele czytania wykorzystujący sztuczną inteligencję – przynoszą obiecujące wyniki, a rygorystyczne dowody mają pojawić się w ciągu najbliższych dwóch–trzech lat.
Poza wymiarami: szacunek dla doświadczenia nauczycieli
Michelle Odemwingye, dyrektor generalna Achievement Network, argumentuje, że trafność oceny zależy od tego, czy informacje uzyskane na podstawie oceny faktycznie wpływają na działania nauczycieli. Obecne przeciążenie technologiami edukacyjnymi (w użyciu jest ich ponad 2700) powoduje „otyłość informacyjną”, utrudniającą nauczycielom zrozumienie fragmentarycznych danych. Odemwingye ostrzega przed systemami sztucznej inteligencji, które niezawodnie dostarczają nieprawidłowych informacji („inteligentne bzdury”), podkreślając, że systemy oceniania muszą szanuje osąd i doświadczenie nauczycieli, aby zapewniały długoterminowe korzyści. Główny problem nie jest techniczny, ale interpersonalny.
Przedkładanie rozwoju ludzkiego nad optymalizację
Gabriela Lopez wzywa branżę, aby wyszła poza prędkość i przewidywanie, opracowując systemy sztucznej inteligencji, które priorytetowo traktują rozwój uczniów, autonomię i wzmacnianie ich pozycji. Upiera się, że „ludzka zmienność jest sygnałem, a nie szumem” – optymalizacja pod kątem wąskich definicji typowych zmniejsza dokładność i zaufanie. Prawdziwa przejrzystość nie polega na ujawnianiu kodu, ale na pomaganiu ludziom w zrozumieniu, co oznaczają wyniki, jak z nich korzystać i czego nie oznaczają.
Ostatecznie sztuczna inteligencja w edukacji musi zdobyć zaufanie, wykazując się otwartością, dyscypliną naukową i zasadniczym szacunkiem dla osób stojących za danymi. Przyszłość oceniania leży nie tylko w zaawansowaniu technicznym, ale także w tworzeniu systemów wspierających rozwój ludzki i wzmacniających pozycję uczniów i nauczycieli.
