Штучний інтелект швидко трансформує освітні виміри, але його потенціал залежить від створення не тільки ефективних, але й надійних, справедливих і справді корисних систем для студентів і вчителів. Нещодавня панель підкреслила необхідність «ременів безпеки» — суворої наукової інфраструктури — для того, щоб оцінювання на основі ШІ покращувало навчання, а не просто прискорювало існуючі проблеми.
Стовпи відповідального ШІ в освіті
Kadriye Ercican з ETS стверджує, що три принципи не підлягають обговоренню: ефективність (чи досягає система своїх цілей?), валідність (наскільки сильні докази?) і справедливість (наскільки послідовними є результати в усіх групах студентів?). Це означає впроваджувати справедливість у систему з самого початку, а не намагатися виправити упередження пізніше. Мета полягає в тому, щоб перейти від оцінок, які просто описують статус студента (як термометр), до оцінок, які стимулюють вдосконалення (як термостат).
Зменште навантаження на тестування та підвищте корисність
Анжела Бенг з Фонду Гейтса зазначає, що студенти вже витрачають до 100 годин на рік на тестування, непропорційно навантажуючи кольорових студентів і тих, хто відстає. Її робота зосереджена на «структурі забезпечення якості продукту», яка допомагає школам обирати інструменти на основі їх фактичної корисності: чи вони прості у використанні, надійні та чи безпосередньо підтримують навчання? Нові програми штучного інтелекту, такі як розпізнавання мовлення для зворотного зв’язку в режимі реального часу та репетитори читання штучного інтелекту, демонструють багатообіцяючі результати, а суворі докази очікуються протягом наступних двох-трьох років.
Поза вимірами: повага до досвіду педагогів
Мішель Одемвійє, генеральний директор Achievement Network, стверджує, що достовірність залежить від того, чи дійсно інформація, отримана в результаті оцінювання, впливає на дії вчителів. Сучасне перевантаження освітніми технологіями (їх використовується понад 2700) створює «інформаційне ожиріння», що ускладнює вчителям розуміння фрагментованих даних. Odemwingye застерігає від систем штучного інтелекту, які надійно надають невірну інформацію («розумна нісенітниця»), наголошуючи, що системи оцінювання повинні поважати судження та досвід учителів, щоб забезпечити довгострокову користь. Основна проблема не технічна, а міжособистісна.
Пріоритет процвітання людини над оптимізацією
Габріела Лопес закликає індустрію вийти за межі швидкості та передбачення, розробляючи системи штучного інтелекту, які надають пріоритет розвитку, автономії та розширенню можливостей учнів. Вона наполягає на тому, що «людська мінливість — це сигнал, а не шум» — оптимізація для вузьких визначень типового зменшує точність і довіру. Справжня прозорість полягає не в розкритті коду, а в тому, щоб допомогти людям зрозуміти, що означають результати, як їх використовувати та що вони не означають.
Зрештою, ШІ в освіті має заслужити довіру, демонструючи відкритість, наукову точність і фундаментальну повагу до людей, які стоять за даними. Майбутнє оцінювання полягає не лише в технічній складності, але й у створенні систем, які підтримують процвітання людини та розширюють можливості студентів і викладачів.
