Etik, akademisk integritet, grænser og end-to-end workflow

Gevinster:

• Evne til at forstå og anvende de etiske principper for brug af kunstig intelligens i matematik (at være i læringens tjeneste, gennemsigtighed, menneskeligt ansvar, retfærdighed, fortrolighed).
• Evne til at vurdere privatlivsrisici og tage passende forholdsregler i følsomt indhold såsom eksamensspørgsmål, elevdata og upubliceret forskning
• Evne til at kombinere alle dele af modulet (produktion + verifikation) i et enkelt end-to-end workflow, der afslutter hvert produktionstrin med et verifikationstrin og endelig menneskelig godkendelse

I denne afsluttende enhed kombinerer vi to ting: på den ene side de etiske, akademiske integritets- og fortrolighedsdimensioner af brugen af kunstig intelligens i matematik; På den anden side for at samle det, vi lærte gennem modulet, i et enkelt end-to-end workflow. AI i matematik er et stærkt værktøj, men det kommer med ansvar såvel som magt: Hvem du bruger det til, hvad du bruger det til, og hvordan du bruger det har etiske konsekvenser. En elev, der får sine lektier lavet af AI, og en lærer, der fremskynder kursusmateriale med AI, er meget forskellige ting. Denne enhed supplerer tekniske færdigheder med ansvarlig brug.

Et par definitioner. Akademisk integritet betyder ærligt at vise, hvem der virkelig ejer et værk og ikke genveje læring. Plagiat er at præsentere en andens (eller et medies) produkt, som om det var dit eget originale produkt. Gennemsigtighed betyder klart at angive, hvor AI bruges. Disse begreber er blevet centrale for matematikundervisningen i AI-tiden.

Grundlæggende principper for etisk brug

1. Ikke i stedet for læring, men i tjeneste for det. AI kan støtte en elev i at lære begrebet (forklaring, alternativ forklaring), men bør ikke få ham/hende til at tænke i stedet. At lade AI lave lektierne underminerer læringen.
2. Gennemsigtighed. Angiv, hvor AI blev brugt - i en artikel, kursusmateriale eller rapport. At skjule er uærligt.
3. Ansvaret tilhører mennesker. Enhver, der udgiver, underviser eller leverer AI-output, er ansvarlig for dets nøjagtighed. "AI sagde det" er ikke en undskyldning.
4. Retfærdighed. Brugen af ​​AI i vurderingen bør være underlagt lige og klare regler for alle elever.
5. Sikkerhed. Indtast ikke følsomme oplysninger, såsom eksamensspørgsmål, elevdata eller upubliceret forskning, i AI-værktøjer, hvis fortrolighed ikke er garanteret.

Privatliv: hvad betyder det i forbindelse med matematik?

Selvom matematik kan virke som om den har "ingen skjulte data", er kontekst vigtig. Et upubliceret forskningsresultat, en institutions eksamensspørgsmålsbank, studerendes personlige præstationsdata eller en virksomheds proprietære algoritme – alle er følsomme. Alt, hvad du indtaster i et AI-værktøj, kan behandles af værktøjets udbyder og i nogle tilfælde bruges til at træne modellen. Så for følsomt indhold skal du enten bruge lokalt/institutionelt sikrede værktøjer eller anonymisere indholdet.

Datatype

Risiko

forholdsregler

Udgivet sætning/problemstilling

lav

frit tilgængelig

Aktive eksamensspørgsmål

høj

Gå ikke ind i eller sikre køretøjet

Elevens personlige/præstationsdata

høj

Anonymiser/indtast ikke

Upubliceret forskning

høj

Sikkert/lokalt værktøj

Foredragsoversigt

lav-middel

Generelt velegnet

Forsigtig: Inden du går ind i AI for at bekræfte et eksamensspørgsmål, skal du overveje, om det spørgsmål skal forblive hemmeligt. Spørgsmål fra en aktiv eksamen kan teoretisk set blive afsløret, når de indtastes i et AI-værktøj, hvis fortrolighed ikke er garanteret. Til kritiske eksamener skal du enten ændre spørgsmål eller kun bruge virksomhedsgodkendte, databeskyttelsessikrede værktøjer.

End-to-end workflow: en eksempelopgave

Lad os sige, at du skal forberede både kursusmateriale og en eksamen til et emne inden for en uge. Flowet, der kombinerer alle dele af modulet, kunne være sådan:

1. Planlægning. Afklar emne, niveau og mål (Enhed 7).

2. Udarbejdelse af materialet. Få AI til at producere niveausvarende forelæsninger + løste eksempler (Enhed 7).

3. Prøvebekræftelse. Tjek hvert løst eksempel med SymPy (Enhed 4).

4. Visualisering. Fremstil og gengiv grafik for at understøtte fortællingen med Matplotlib-kode og sammenlign dem med matematik (Enhed 6).

5. Notation. Rens indeks, gengiv og bekræft formler med LaTeX (Enhed 10).

6. Generering af spørgsmål. Få multiple choice-spørgsmål + distraktorer produceret til eksamen (Enhed 8).

7. Masseverifikation. Løs alle spørgsmålene samlet med SymPy og tjek svarnøglen (Enhed 8, 9).

8. Etik og gennemsigtighedskontrol. Er fortrolighed passende? Har du angivet brugen af ​​AI i materialet, når det er nødvendigt? Du har det endelige ansvar (denne enhed).

9. Menneskelig godkendelse. Gennemgå og bekræft alt en sidste gang. Ethvert ubekræftet stykke vil ikke gå i luften/testen.

Tip: I en end-to-end workflow er den mest effektive strategi at placere AI som "hastighedslaget", deterministiske værktøjer (SymPy, render) som "korrekthedslaget" og dig selv som "dømmekraft og ansvarlighedslag." Hvert produktionstrin bør efterfølges af et verifikationstrin; Ubekræftet output bør ikke overføres til næste trin.

tre minisager

Case 1 — Gennemsigtighed opbygget tillid. En akademiker brugte AI i det første udkast til et lærebogskapitel, bekræftede derefter hver matematisk påstand og udtalte i forordet, at "AI-støtte blev opnået i produktionen af ​​manuskriptet, alt indhold blev verificeret af forfatteren." Denne gennemsigtighed øgede kollegernes tillid og opretholdt standarden for integritet.

Case 2 — Brug, der underminerer læring. En elev fik AI til at løse hele sit lektiesæt og indsende det. Han bestod eksamen i de samme fag, fordi han aldrig havde lært begreberne. Læreren foreslog at bruge AI for at "få tjekket løsningen og få en alternativ forklaring", men at løse problemerne selv først. AI bør være i læringens tjeneste, ikke på sin plads.

Case 3 — Risiko for brud på privatlivets fred. En lærer overvejede at hacke sig ind i et generelt AI-værktøj for at bekræfte spørgsmål til en central eksamen, der endnu ikke var blevet administreret, men besluttede sig så imod det; i stedet løste han spørgsmålene i SymPy af sig selv og en kollega. At indtaste aktive eksamensspørgsmål i et eksternt værktøj var en alvorlig privatlivsrisiko; lokal autentificering gav den sikre sti.

Fire kopierbare skabeloner

1) Anvendelse, der understøtter læring (for elever):

Jeg løste dette problem FØRST, min løsning er vedhæftet. Giv mig IKKE løsningen; bare vis mig, hvor jeg gik galt, og hvilket koncept jeg misforstod, så jeg kan rette det. Min løsning: [her]

2) Generering af en gennemsigtighedsnotat:

Jeg udarbejdede et [kursusmateriale/rapport] og brugte AI i udkastfasen, hvor jeg selv verificerede al matematikken. Skriv en kort, professionel gennemsigtighedsnotat, der udtrykker dette ærligt.

3) Forhåndskontrol af privatlivets fred:

Jeg vil gerne kvalificere følgende indhold, før jeg indtaster det i et AI-værktøj: [indholdstype]. Anses denne type indhold for følsomt, hvilke risici er der, hvilke forholdsregler (anonymisering, lokalt værktøj) skal jeg tage? Sig det kort og tydeligt.

4) End-to-end verifikationskontrolplan:

Jeg udarbejder kursusmateriale + eksamen til [emne]. Angiv som en kontrolplan, hvilken verifikation jeg skal udføre ved hvert produktionstrin: prøveverifikation, grafisk kontrol, notation, svarnøgle, fortrolighed, menneskelig godkendelse.

Svag prompt / Stærk prompt

Svag: "Løs disse lektiespørgsmål, så afleverer jeg dem." (elev)

Resultat: Læring springes over, akademisk integritet krænkes, eleven formår ikke at lære konceptet. Det er etisk og pædagogisk kritisabelt.

Güçlü: "Jeg prøvede at løse dette lektiespørgsmål, men jeg gik i stå; min løsning er vedhæftet. Giv ikke svaret direkte; vis mig med en anelse om hvilket trin og hvorfor jeg gjorde forkert, mind mig om det rigtige koncept, så prøver jeg igen."

Konklusion: AI bruges i læringens tjeneste; Eleven fortsætter med at tænke, ærligheden bevares.

Almindelige fejl

• Bruger det til at springe læring over. At få AI til at lave lektierne er let på kort sigt, men ødelægger indlæringen på lang sigt.
• Ikke at være gennemsigtig. At skjule brugen af ​​kunstig intelligens er imod akademisk integritet; specificere, når det er nødvendigt.
• At lægge ansvaret på AI. "AI sagde det" er ikke en undskyldning; Forlaget/læreren er ansvarlig.
• Indtastning af fortroligt indhold i eksternt værktøj. Aktiv eksamen, elevdata, upubliceret forskning er følsomme.
• Overlader validering til slutningen af ​​workflowet. Verifikation bør komme efter hvert produktionstrin; Fejl bør ikke akkumulere.

Sammenfattende

Brugen af kunstig intelligens i matematik kræver etisk ansvar såvel som tekniske færdigheder: det skal være i læringens tjeneste (ikke i stedet for det), være gennemsigtigt, bevare det endelige ansvar, overholde fair regler og respektere fortrolighed. I en end-to-end workflow er AI hastighedslaget, SymPy og gengivelsesværktøjer er nøjagtighedslaget, og mennesker er dømmekraft og ansvar. Hvert produktionstrin bør efterfølges af et verifikationstrin; Intet ubekræftet output bør indgå i publikation, forelæsning eller eksamen. Det er essensen af ​​dette modul: Bliv hurtigere med AI, men bekræft og tag ansvar for hvert trin.

Ansøgningsopgave

Design en lille ende-til-ende-opgave: en kort fortælling + 1 diagram + 3 multiple choice-spørgsmål til et emne. Følg modulets flow: (1) planlæg, (2) udkast med AI, (3) valider eksempler med SymPy, (4) gengiv og tjek grafen, (5) rens og gengiv notationen med LaTeX, (6) batchvalider spørgsmålene med SymPy, (7) lav et privatlivs- og gennemsigtighedstjek, (8) giv endelig menneskelig godkendelse. Registrer, hvilken verifikation du foretog, og hvad du fandt ved hvert trin. Ved afslutningen af ​​processen skal du vurdere, hvor AI sparer tid, og hvor din dømmekraft er uundværlig.

tjekliste

• [ ] Jeg brugte AI til at tjene (ikke i stedet for) læring.
• [ ] Jeg har tydeligt angivet brugen af ​​kunstig intelligens, hvor det er nødvendigt.
• [ ] Jeg har påtaget mig ansvaret for den ultimative nøjagtighed.
• [ ] Jeg fik ikke adgang til fortroligt/følsomt indhold gennem usikrede værktøjer.
• [ ] Jeg fulgte hvert produktionstrin med et verifikationstrin.
• [ ] Jeg havde ikke noget ubekræftet output med i udsendelsen/lektionen/eksamenen.

Modul eksamen

1. Hvilken af følgende er den mest nøjagtige positionering for kunstig intelligens i matematik?

• A) Kunstig intelligens er et strategi-, plan- og organiseringsværktøj; Det er op til mennesket at verificere den nøjagtige beregning og resultat med deterministiske midler ✔
• B) Kunstig intelligens er som en lommeregner, og hvert numerisk resultat, det giver, er præcist
• C) Kunstig intelligens er aldrig forkert i de konklusioner, den selvsikkert præsenterer, så verifikation er unødvendig
• D) Kunstig intelligens er kun nyttig til at skrive tekst, det har intet at gøre med nogen matematiske opgaver

Beskrivelse: En stor sprogmodel er et værktøj, der statistisk genererer tekst; Det er ikke en lommeregner eller prøvekontrol. Det producerer korrekt matematik det meste af tiden, men det garanterer ikke; så hvert output bør verificeres med deterministiske værktøjer (SymPy, lommeregner, manuel validering), og ansvaret bør forblive hos mennesket.

2. En elev beder kunstig intelligens om at løse et integral og ønsker at få resultatet. Hvad er den mest pålidelige måde at verificere resultatet på?

• A) Differentiering af resultatet og kontrol af, om det vender tilbage til den oprindelige funktion (SymPy eller manuelt) ✔
• B) Spørg kunstig intelligens 'er dette sandt?' at spørge
• C) At acceptere resultatet, som det er, fordi det præsenteres flydende og sikkert.
• D) Går videre til et andet spørgsmål og kontrollerer slet ikke resultatet

Forklaring: Afledte-integral-inverse er et indbygget verifikationsværktøj i matematik: at tage den afledede af det fundne resultat og kontrollere, om det vender tilbage til den oprindelige funktion, bekræfter integralets rigtighed. Samme krydstjek kan udføres med SymPy.

3. Hvad betyder princippet om 'det rigtige resultat er ikke den rigtige vej' i problemløsning med kunstig intelligens?

• A) Det rigtige resultat beviser altid, at vejen også er rigtig
• B) Stien er ligegyldig, kun resultatet skal scores
• C) Forkerte mellemtrin kan tilfældigt føre til det korrekte resultat; Derfor skal både resultatet og hvert mellemtrin inspiceres ✔
• D) Det er umuligt at finde en fast vej, så vi ser kun på resultatet

Forklaring: Nogle gange fører forkerte mellemtrin tilfældigt til det rigtige resultat; Selvom resultatet er korrekt, kan stien være ugyldig. Derfor er det i matematik bare 'er resultatet korrekt?' men snarere 'er hvert mellemtrin korrekt?' Spørgsmålet er også vigtigt, og hvert trin bør overvåges.

4. Hvad skal du gøre, når AI bruger udtrykket 'uden tab af almenhed' i et bevis?

• A) Accept af, at beviset er gyldigt, fordi udsagnet er flydende
• B) Retfærdiggør for dig selv, at almenheden faktisk ikke er brudt; ✔ ikke acceptere uden spørgsmål
• C) At betragte beviset som gyldigt uden overhovedet at læse det
• D) Søgning efter dette udtryk fra kilden som et sætningsnavn

Præcisering: Udsagnet 'uden tab af almenhed' er nogle gange gyldigt (hvis der er ægte symmetri), men nogle gange er det en skjult fejl. Kunstig intelligens bruger dette udtryk meget; Du skal hver gang begrunde over for dig selv, at almenheden ikke reelt krænkes, og du må ikke acceptere udsagnet uden spørgsmål.

5. Du skrev en SymPy-kode til den kunstige intelligens. Hvordan får du resultatet korrekt?

• A) At få kunstig intelligens til at forudsige outputtet af koden
• B) Forudsat at koden er korrekt uden at læse den
• C) Tillid til AI's fortolkning af outputtet
• D) Kør selv koden i et rigtigt Python-miljø og se det nøjagtige output ✔

Beskrivelse: Styrken ved SymPy afsløres kun, når koden køres i et rigtigt Python-miljø. Spørg kunstig intelligens 'hvad producerer denne kode?' spørge er ikke verifikation, fordi AI også kan udgøre kodeoutputtet. Du skal selv køre koden.

6. Hvis løsningen af ​​en ligning fundet manuelt af kunstig intelligens og resultatet givet af SymPy er anderledes, hvilken skal du så stole på og hvorfor?

• A) SymPy-resultat, fordi det er deterministisk og præcist; Lad derefter den kunstige intelligens finde stedet for dens fejl ✔
• B) Resultatet af kunstig intelligens, fordi den forklarer mere flydende
• C) At vælge en tilfældigt, fordi de begge er lige pålidelige
• D) Afvisning af begge dele og betragter spørgsmålet som uløseligt

Beskrivelse: SymPy er et deterministisk symbolsk computersystem: det giver altid det samme nøjagtige korrekte resultat til det samme input. Kunstig intelligens producerer tekst statistisk og kan hallucinere. I tvisten bør SymPy tages som grundlag, og den kunstige intelligens bør laves for at finde placeringen af ​​dens fejl.

7. Hvorfor virker betingelsen '0.1 + 0.2 == 0.3' ikke som forventet i en Python-kode, og hvordan rettes det?

• A) Tilføjelse er brudt i Python; skal bruge et andet sprog
• B) Nøjagtig lighed gælder ikke på grund af flydende tals præcision; En tolerance såsom 'abs(a-b) < 1e-9' bør anvendes ✔
• C) Værdien 0,3 er forkert; Det er nødvendigt at skrive 0,30000000004
• D) Tilstanden fungerer altid korrekt, der er intet problem

Forklaring: Computere gemmer decimaltal i flydende kommaformat med begrænset præcision; 0,1 + 0,2 er gemt med en meget lille afvigelse, ikke ligefrem 0,3. Derfor bør der i stedet for den nøjagtige lighed '==' anvendes en tolerance som 'abs(a-b) < 1e-9'.

8. Hvad er den bedste 'sunde fornuftstest', før du anvender en skalær rodfindingskode på det virkelige problem?

• A) Anvendelse af koden direkte på det faktiske problem uden at teste det overhovedet
• B) Tjek længden af koden og tæl den korrekt, hvis den er lang.
• C) Test af koden med et simpelt input, hvis svar er kendt (f.eks. x²-4=0 rødder ±2) og kontroller, at den giver det forventede resultat ✔
• D) Bekræftelse over for kunstig intelligens, at koden er korrekt

Forklaring: Test af koden med et simpelt input, hvis svar du allerede kender (f.eks. ±2 for x²-4=0 med åbenlyse rødder) er den billigste og mest effektive verifikation. Hvis koden giver den kendte situation korrekt, øges sandsynligheden for, at den er pålidelig for problemer, du ikke kender.

9. Hvordan kontrollerer man i visualisering, at en graf afspejler matematikken korrekt?

• A) Hvis grafen ser æstetisk tiltalende ud, anses den for at være korrekt.
• B) Sammenligning af grafen med kendte egenskaber for funktionen og den sande værdi af mindst et punkt ✔
• C) Ser slet ikke på aksemærkaterne
• D) At stole på AI's verbale beskrivelse af grafen

Forklaring: En grafik, der ser pæn ud, behøver ikke at være nøjagtig; AI kan tegne den forkerte funktion, i det forkerte område eller med en forvrænget asymptote. Sammenligning af grafen med kendte egenskaber for funktionen (oscillationsområde, symmetri, asymptote) og mindst et punktberegning fanger fejl.

10. Hvad er det mest kritiske verifikationspunkt i et kursusmateriale produceret med kunstig intelligens og hvorfor?

• A) Skrifttype og farveskema for materialet
• B) Materialets længde og antal sider
• C) Nøjagtighed af løste eksempler; fordi eleverne tager dem som modeller og underviser i det forkerte eksempel og den forkerte metode ✔
• D) Hvor hurtigt materialet produceres

Forklaring: Løste eksempler tages som modeller af eleverne; Et forkert løst eksempel lærer eleverne direkte den forkerte metode. Derfor skal hvert løst eksempel verificeres individuelt, trin for trin, enten med SymPy eller manuelt. En lille uklarhed i forklaringen af ​​emnet kan kompenseres, men det forkerte eksempel forårsager kaskadeskader.

11. Hvad er den mest effektive og pålidelige måde at verificere et multiple choice-spørgsmål genereret af kunstig intelligens på?

• A) Spørg den kunstige intelligens igen, om spørgsmålene er korrekte
• B) Kontrollerer kun nogle få spørgsmål tilfældigt og stoler på resten
• C) Brug af svartasten som den er uden at kontrollere noget af den
• D) Tjek svarnøglen kollektivt og deterministisk ved at udskrive og køre en kode, der løser alle spørgsmålene med SymPy ✔

Forklaring: Kunstig intelligens laver oftest fejl, såsom at markere svartasten forkert og producere flere/nul rigtige valgmuligheder. At skrive og køre en kode, der løser alle spørgsmålene på én gang med SymPy, er den mest effektive måde at kontrollere svarnøglen deterministisk og i bulk.

12. Hvilken af ​​følgende er hovedårsagen til, at kunstig intelligens laver fejl i matematik?

• A) Kunstig intelligens er en sprogmodel; kontrollerer ikke logisk gyldighed, genererer tekst statistisk ✔
• B) Kunstig intelligens har aldrig lært matematik
• C) Kunstig intelligens er bevidst programmeret til at give forkerte svar
• D) Kunstig intelligens laver kun fejl i meget vanskelige problemer, aldrig i lette.

Beskrivelse: Kunstig intelligens er ikke en logisk motor, men en sprogmodel, der producerer tekst med statistiske mønstre; Den har ingen intern mekanisme til at kontrollere den logiske gyldighed af trinene. 'Et gyldigt bevis' med '3-cifret multiplikation' er for ham opgaven med at fremstille den samme type tekst, så dens rigtighed kan ikke garanteres.

13. Når resultatet af et sandsynlighedsproblem er 1,4, hvordan ved du, at der er en fejl uden at gå i detaljer?

• A) Beregningen er korrekt, fordi resultatet er 1,4, sandsynligheden kan overstige 1
• B) Tegnet på sandsynligheden er ligegyldigt, værdien accepteres uanset
• C) Det er ikke forstået, at der er en fejl, resultatet betragtes som endeligt.
• D) Sandsynlighed skal være mellem 0 og 1; ✔ Test af sund fornuft indikerer en fejl, fordi 1,4 overskrider denne grænse

Beskrivelse: Den sunde fornuft og en størrelsesorden test kontrollerer inden for få sekunder, om resultatet er inden for et rimeligt område. En sandsynlighed skal per definition være mellem 0 og 1; 1,4 er uden for denne grænse, så det er åbenlyst, at der er en fejl uden at se på detaljerne i beregningen.

14. Hvorfor er det vigtigt at skrive 'e^{x^2}' i stedet for 'e^x^2' i LaTeX?

• A) De er nøjagtig ens, forskellen er kun æstetisk
• B) Krøllede parenteser bestemmer omfanget af eksponenten; Uden det ville udtrykket være forkert eller tvetydigt, så flertegnseksponenten {} er vigtig ✔
• C) Krøllede parenteser er ubrugelige i LaTeX
• D) 'e^x^2' er altid sandt, at bruge '{}' er unødvendigt

Forklaring: Den mest almindelige fejl i LaTeX er scope-fejlen: hvis de krøllede parenteser '{}' ikke bruges i en flertegnseksponent, sænket eller brøk, er kun det første tegn dækket, og udtrykket bliver forkert (eller endda tvetydigt). 'e^{x^2}' gør det klart, at hele eksponenten er x²; Koden skal gengives og verificeres ved visuel inspektion.

15. Du ønsker at få verificeret spørgsmålene fra en aktiv central eksamen med kunstig intelligens. Hvad er den bedste tilgang med hensyn til etik og privatliv?

• A) Indtastning af spørgsmål frit i ethvert generelt AI-værktøj, fordi matematik ikke indeholder fortrolige data
• B) Brug af spørgsmål i eksamen uden at verificere dem
• C) Validering af spørgsmål med et sikkert/native værktøj (f.eks. SymPy) eller kun brug af privatlivssikrede virksomhedsværktøjer ✔
• D) Dele spørgsmål på sociale medier og bede andre om kontrol

Beskrivelse: Aktive eksamensspørgsmål er følsomme; Det kunne teoretisk set blive afsløret, når et kunstig intelligensværktøj, hvis fortrolighed ikke er garanteret, bliver hacket. Den korrekte tilgang er enten at validere spørgsmål med et sikkert/native værktøj (f.eks. med en kollega i SymPy) eller kun at bruge virksomhedscertificerede, databeskyttelsessikrede værktøjer.