Κέρδη:
- Ικανότητα χρήσης τεχνητής νοημοσύνης ως σύνοψη γνώσης και δημιουργία ερωτήσεων ανακάλυψης στη διαδικασία εξερεύνησης σταδιοδρομίας, επιλογής τομέα/τμημάτων και προτιμήσεων
- Ικανότητα παραγωγής υλικού προσανατολισμένου στην ανακάλυψη που επικεντρώνεται στα ενδιαφέροντα, τις αξίες και τις ικανότητες του μαθητή και δεν παρέχει ακριβή καθοδήγηση.
- Κατανοώντας ότι εναπόκειται στον εμπειρογνώμονα να επαληθεύσει το νόμισμα, την ποσόστωση, τη βαθμολογία και τις πληροφορίες μισθού που παρέχονται από την τεχνητή νοημοσύνη από την επίσημη πηγή.
Ο επαγγελματικός και εκπαιδευτικός προσανατολισμός είναι μια από τις πιο ορατές και πιο απαιτητικές εργασίες ενός ειδικού PDR: προσανατολισμός τύπου πεδίου/λυκείου στη δευτεροβάθμια εκπαίδευση, επιλογή πεδίου στο γυμνάσιο (αριθμητική, λεκτική, ίση βαρύτητα, κ.λπ.), περίοδος προτίμησης πανεπιστημίου, σπουδές εξερεύνησης σταδιοδρομίας, πρακτική άσκηση και προωθήσεις στον κόσμο των επιχειρήσεων. Ο σκοπός αυτών των διαδικασιών δεν είναι να πουν σε έναν μαθητή "διάλεξε αυτό το επάγγελμα". Ο στόχος είναι να βοηθήσει τον μαθητή να ανακαλύψει τα δικά του ενδιαφέροντα, αξίες και ικανότητες, να αναγνωρίσει τις επιλογές και να λάβει τη δική του απόφαση συνειδητά. Τα ενδιαφέροντα είναι τομείς που απολαμβάνει ένα άτομο. αξία, τι περιμένει από την εργασία (αυτονομία, ασφάλεια, βοήθεια, δημιουργικότητα). Η ικανότητα είναι οι δεξιότητες που έχει και μπορεί να αναπτύξει κάποιος.
Σε αυτή την ενότητα θα μάθουμε να χρησιμοποιούμε την τεχνητή νοημοσύνη ως περίγραμμα γνώσεων και ως γεννήτρια διερευνητικών ερωτήσεων στον επαγγελματικό προσανατολισμό. Η πιο κρίσιμη αρχή είναι η εξής: Η τεχνητή νοημοσύνη δεν λαμβάνει αποφάσεις για λογαριασμό του μαθητή. διευκολύνει την ανακάλυψη. Και ο μοναδικός κίνδυνος αυτού του τομέα: πληροφορίες όπως ποσοστώσεις, πόντοι βάσης, μισθοί, προοπτικές σταδιοδρομίας αλλάζουν γρήγορα και η τεχνητή νοημοσύνη μπορεί να τις κάνει λάθος ή ξεπερασμένες. Επομένως, κάθε αριθμητική και τρέχουσα πληροφορία θα πρέπει να επαληθεύεται από την επίσημη πηγή.
Ο σωστός ρόλος της AI: ανοίγοντας την ανακάλυψη, όχι κλείνοντας την πόρτα
Η καρδιά του επαγγελματικού προσανατολισμού είναι η αυτογνωσία των μαθητών. Εδώ, η τεχνητή νοημοσύνη μπορεί να δημιουργήσει ερωτήσεις που κάνουν τον μαθητή να σκεφτεί, αμερόληπτα περιγράμματα πληροφοριών που συγκρίνουν επαγγέλματα, σενάρια που περιγράφουν μια ημέρα σε ένα επάγγελμα και δραστηριότητες ανακάλυψης. Ο λάθος ρόλος είναι όταν το AI δίνει ένα οριστικό αποτέλεσμα λέγοντας "αυτό είναι το επάγγελμα που ταιριάζει καλύτερα στο προφίλ σου" και ο μαθητής το παίρνει σαν προφήτης. Αυτό είναι και λάθος (το AI δεν γνωρίζει πραγματικά τον μαθητή) και αντίκειται στην αρχή της αυτονομίας της καθοδήγησης (η απόφαση ανήκει στον μαθητή).
Ένας άλλος κίνδυνος είναι η μεροληψία: η τεχνητή νοημοσύνη μπορεί να επαναλάβει τα πρότυπα φύλου και κοινωνικοοικονομικής φύσης. Μπορεί να ωθήσει μια φοιτήτρια προς τα επαγγέλματα φροντίδας, έναν άνδρα φοιτητή προς τη μηχανική ή να ωθήσει προς επαγγέλματα που θεωρούνται «ασφαλή, με κύρος». Ο ειδικός πρέπει να επιθεωρήσει κάθε υλικό που παράγεται από την άποψη αυτών των μοτίβων και να επεκτείνει συνειδητά το εύρος των επιλογών.
Μια άλλη λεπτότητα στον επαγγελματικό προσανατολισμό είναι να μην αγνοούμε την περιβαλλοντική πραγματικότητα του μαθητή. Η τεχνητή νοημοσύνη συχνά προϋποθέτει ιδανικές συνθήκες κατά την εισαγωγή ενός επαγγέλματος. Ωστόσο, τα μέσα της οικογένειας του μαθητή, οι ευκαιρίες εκπαίδευσης και εργασίας στην περιοχή όπου ζει και οι υποτροφίες στις οποίες μπορεί να έχει πρόσβαση καθορίζουν τον ρεαλισμό της επιλογής. Η δουλειά του ειδικού δεν είναι να περιορίζει τα όνειρα του μαθητή. Είναι τόσο για να κρατήσει ανοιχτό τον ορίζοντα όσο και για να δείξει ρεαλιστικά τα συγκεκριμένα βήματα της διαδρομής (ποιο τμήμα, ποια υποτροφία, ποια προετοιμασία). Η τεχνητή νοημοσύνη μπορεί να απαριθμήσει αυτά τα βήματα ως περίγραμμα, αλλά εναπόκειται στον ειδικό να προσεγγίσει τα συμφραζόμενα του μαθητή και να επαληθεύσει τις απαραίτητες πηγές. Αυτό κάνει την ανακάλυψη μια διαδικασία που είναι και ενθαρρυντική και θεμελιώδης.
Προσοχή: Οι πληροφορίες που παρέχονται από την τεχνητή νοημοσύνη, όπως η βαθμολογία βάσης, η ποσόστωση, η κατάταξη, ο τύπος ποσόστωσης, ο μισθός και τα "επαγγέλματα του μέλλοντος" μπορεί να είναι παλιές ή κατασκευασμένες. Πριν τα πείτε αυτά στον μαθητή ή τον γονέα, φροντίστε να τα επαληθεύσετε από επίσημες και τρέχουσες πηγές (οδηγοί προτιμήσεων πανεπιστημίου/ανώτατης εκπαίδευσης, επίσημα επαγγελματικά ιδρύματα, τρέχουσες στατιστικές πηγές).
Βήμα προς βήμα: Ανακάλυψη καριέρας με τεχνητή νοημοσύνη
- Ξεκινήστε γνωρίζοντας τον εαυτό σας. Προσδιορίστε τα ενδιαφέροντα, τις αξίες και τις ικανότητες του μαθητή μέσω συνέντευξης ή απογραφής. (Η ερμηνεία του αποθέματος είναι το θέμα της ενότητας 5· χρησιμοποιείται ως είσοδος εδώ.)
- Δημιουργήστε ερωτήσεις ανακάλυψης με AI. Ετοιμάστε διερευνητικές ερωτήσεις ανοιχτού τύπου που θα κάνουν τον μαθητή να σκεφτεί.
- Αναπτύξτε τις επιλογές. Παράγει αμερόληπτα προσχέδια που εισάγουν διαφορετικές επαγγελματικές οικογένειες ανάλογα με τα ενδιαφέροντα του μαθητή.
- Συγκρίνω. Ετοιμάστε έναν πίνακα συγκρίνοντας τα επαγγέλματα στη λίστα των μαθητών ως προς τη διαδρομή σπουδών, τις συνθήκες εργασίας και τις απαιτούμενες δεξιότητες.
- Επαληθεύω. Επιβεβαιώστε όλες τις αριθμητικές και τρέχουσες πληροφορίες από την επίσημη πηγή.
- Αφήστε την απόφαση στον μαθητή. Το υλικό παρέχει έναν χάρτη. Ο μαθητής σχεδιάζει τη διαδρομή.
Αντιγράψιμα πρότυπα
1) Πρόγραμμα δημιουργίας ερωτήσεων Discovery:
Ο ρόλος σας: βοηθός του ειδικού στον επαγγελματικό προσανατολισμό. Λήψη απόφασης για λογαριασμό του μαθητή. Εργασία: Προτείνετε 10 μη επικριτικές, διερευνητικές ερωτήσεις ανοιχτού τύπου για μια συνέντευξη εξερεύνησης σταδιοδρομίας με έναν 16χρονο μαθητή που λέει ότι ενδιαφέρεται για τις κοινωνικές επιστήμες και τη συνεργασία με ανθρώπους. Αφήστε τις ερωτήσεις να εξετάσουν τις διαστάσεις του ενδιαφέροντος, της αξίας και της ικανότητας.
2) Προσχέδιο εισαγωγής σταδιοδρομίας (για φοιτητή):
Ο ρόλος σας: βοηθός συγγραφής επαγγελματικού προσανατολισμού. Εργασία: Γράψτε ένα σύντομο αντικειμενικό κείμενο παρουσιάζοντας τα επαγγέλματα «Φυσιοθεραπευτής», «Κοινωνικός λειτουργός» και «Βιομηχανικός μηχανικός» σε έναν μαθητή Λυκείου. Για το καθένα: μια μέρα στο επάγγελμα, τις δεξιότητες που απαιτεί, τη διαδρομή σπουδών και για ποιους μπορεί να είναι κατάλληλο. ΔΙΝΟΝΤΑΣ ΤΡΕΧΟΝΤΑ μόρια/ποσόστωση/μισθός? Αντί για αυτό, προσθέστε μια σημείωση "επαλήθευση των τρεχουσών πληροφοριών από επίσημη πηγή".
3) Πίνακας σύγκρισης επαγγελμάτων:
Συγκρίνετε τα ακόλουθα 3 επαγγέλματα σε έναν πίνακα: εργασιακό περιβάλλον, κύρια καθήκοντα, απαιτούμενες δεξιότητες, διάρκεια/πίστος σπουδών, πιθανές δυσκολίες. ΠΡΟΣΘΗΚΗ αριθμητικών/τρέχοντων πληροφοριών (μόρια, μισθός). Επαγγέλματα: [επιλέξιμος φοιτητής]
4) Προσχέδιο γονικών πληροφοριών περιόδου προτίμησης:
Ο ρόλος σας: βοηθός γραφής PDR. Συντάξτε μια κατευναστική και ενημερωτική επιστολή που θα σταλεί στους γονείς κατά την περίοδο επιλογής. Περιεχόμενο: η απόφαση πρέπει να βασίζεται στο ενδιαφέρον και την αυτογνωσία του μαθητή, οι τρέχουσες πληροφορίες να επαληθεύονται από επίσημες πηγές, να αποφεύγεται η υπερβολική καθοδήγηση. Δίνοντας οριστική σύσταση βαθμολογίας/προτίμησης.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμο:
Ποια καριέρα θα προτείνατε σε αυτόν τον μαθητή; Είναι καλός στα μαθηματικά, και τι;
Καθιστά την AI την αρχή λήψης αποφάσεων, την ανάγει σε μια ενιαία διάσταση (μαθηματικά) και αγνοεί τις αξίες και τα ενδιαφέροντα του μαθητή.
Δυνατό:
Ο ρόλος σας: βοηθός επαγγελματικού προσανατολισμού, Λήψη αποφάσεων. Πλαίσιο: σε έναν μαθητή γυμνασίου αρέσει η αναλυτική επίλυση προβλημάτων, εκτιμά τη συνεργασία με μια ομάδα, είναι ακόμα αναποφάσιστος. Εργασία: εισαγάγετε αμερόληπτα 5 ΔΙΑΦΟΡΕΤΙΚΕΣ οικογένειες επαγγελμάτων που μπορεί να αγγίξουν αυτό το προφίλ και προσθέστε μια ερώτηση ανακάλυψης για καθεμία από αυτές που μπορεί να κάνει ο μαθητής στον εαυτό του. Δίνοντας τρέχοντες πόντους/μισθό.
Πολυδιάστατο, προσανατολισμένο στην ανακάλυψη, η απόφαση εναπόκειται στον μαθητή.
τρεις μίνι θήκες
Περίπτωση 1 — Κίνδυνος παλαιού σημείου. Ένας σύμβουλος καθοδήγησης ζήτησε από την YZ τη "βασική βαθμολογία" ενός τμήματος πέρυσι και η YZ έδωσε με σιγουριά έναν αριθμό. Όταν ο δάσκαλος το συνέκρινε με τον επίσημο οδηγό προτιμήσεων, είδε ότι ο αριθμός ήταν λάθος. Εάν δεν επαληθευτεί, θα μπορούσε να οδηγήσει έναν μαθητή να βασίσει τη λίστα προτιμήσεών του σε έναν εσφαλμένο αριθμό. Μάθημα: οι τρέχουσες αριθμητικές πληροφορίες προέρχονται πάντα από την επίσημη πηγή.
Περίπτωση 2 — Σπάζοντας την προκατάληψη. Ένας ειδικός ζήτησε από την τεχνητή νοημοσύνη μια σύσταση σταδιοδρομίας για μια φοιτήτρια που «αρέσει να βοηθάει ανθρώπους». Ο ΥΖ πρότεινε κυρίως τη νοσηλευτική και τη διδασκαλία. Ο ειδικός ζήτησε να διευρύνει συνειδητά τη λίστα: προστέθηκαν επιλογές όπως φυσιοθεραπεία, κοινωνική εργασία, ανθρώπινο δυναμικό, δημόσια υγεία, ασφάλεια στην εργασία. Ο μαθητής άρχισε να ενδιαφέρεται για έναν τομέα που δεν είχε σκεφτεί ποτέ πριν. Ο έλεγχος της μεροληψίας του ειδικού διεύρυνε τους ορίζοντες του μαθητή.
Περίπτωση 3 — Κέρδος εξερεύνησης. Ένας ειδικός PDR θα έκανε ομαδική εργασία με 60 μαθητές πριν από την περίοδο επιλογής. Θα χρειαζόταν μέρες για να γραφτεί ένα ξεχωριστό σενάριο «μιας ημέρας» για κάθε επαγγελματική ομάδα. Με την τεχνητή νοημοσύνη, ετοίμασε ένα αμερόληπτο προσχέδιο εισαγωγής 20 επαγγελμάτων σε μια μέρα, τα επαλήθευσε όλα και τα μετέτρεψε σε κάρτες ανακάλυψης μαθητών. Αφιέρωσε τον εξοικονομημένο χρόνο σε ατομικές συναντήσεις.
Συνήθη λάθη
- Να γίνει η AI αρχή λήψης αποφάσεων. Παρουσίαση του αποτελέσματος «Αυτή είναι η καριέρα που σου ταιριάζει καλύτερα» στον μαθητή ως απόλυτη αλήθεια. Λύση: παρουσιάζεται η ανακάλυψη, η απόφαση αφήνεται στον μαθητή.
- Δεν γίνεται επαλήθευση των τρεχόντων δεδομένων. Μεταφορά βαθμών, ποσοστώσεων και μισθών από την ΑΙ. Λύση: επιβεβαίωση από επίσημη πηγή.
- Μη αναγνωρίζοντας την προκατάληψη. Χρήση της λίστας προτάσεων με μοτίβο φύλου/τάξης ως έχει. Λύση: διευρύνετε το εύρος συνειδητά.
- Μείωση σε μία διάσταση. Σχεδιασμός κατεύθυνσης με βάση την επιτυχία σε ένα μόνο μάθημα. Λύση: ενδιαφέρον, αξία, ικανότητα μαζί.
- Παραγωγή περιεχομένου χωρίς να γνωρίζει ο μαθητής. Παράκαμψη της φάσης της αυτογνωσίας. Λύση: συνέντευξη/απόθεμα πρώτα, περιεχόμενο μετά.
Πίνακας: Σωστός ρόλος / Λάθος ρόλος
Κατάσταση
Λάθος (το AI αποφασίζει)
True (ξεκλειδώνει την εξερεύνηση AI)
Επιλογή καριέρας
«Το πιο κατάλληλο επάγγελμα για σένα είναι το Χ»
"5 διαφορετικοί τομείς ενδιαφέροντος και μία ερώτηση ανακάλυψης το καθένα"
Πληροφορίες βαθμολογίας
Λέγοντας τον αριθμό που δίνεται από το AI
Ενημερωμένες πληροφορίες επαληθευμένες από επίσημη πηγή
Φύλο
Συμπτυγμένη λίστα σύμφωνα με το μοτίβο
Συνειδητά διευρυμένο εύρος
στιγμή της απόφασης
Επιβολή της πρότασης του AI
Συνειδητή απόφαση του μαθητή
Συνοπτικά
Στον επαγγελματικό προσανατολισμό, η τεχνητή νοημοσύνη δημιουργεί ερωτήσεις και αμερόληπτα περιγράμματα πληροφοριών που διευκολύνουν την αυτο-ανακάλυψη των μαθητών. δεν λαμβάνει αποφάσεις για λογαριασμό του μαθητή. Ελέγξτε το περιεχόμενο για προκατάληψη, επεκτείνετε συνειδητά το εύρος επιλογών και επαληθεύστε όλες τις τρέχουσες/αριθμητικές πληροφορίες από την επίσημη πηγή. Η απόφαση είναι μια συνειδητή επιλογή που βασίζεται στο ενδιαφέρον, την αξία και την ικανότητα του μαθητή. Η δουλειά του οδηγού είναι να ρίξει φως σε αυτή την επιλογή.
Εργασία εφαρμογής
Γράψτε ένα φανταστικό προφίλ μαθητή (ενδιαφέρον, αξίες, ικανότητα). Με το πρότυπο "Πρόχειρο εισαγωγής επαγγέλματος", η τεχνητή νοημοσύνη παράγει προσχέδια που παρουσιάζουν 4 διαφορετικές οικογένειες επαγγελμάτων που αγγίζουν αυτό το προφίλ. Στη συνέχεια, φιλτράρετε την έξοδο μέσω δύο φίλτρων: (1) μεροληψία — είναι η λίστα κολλημένη σε ένα μόνο μοτίβο; (2) επαλήθευση — υπάρχουν τρέχοντες/αριθμητικοί ισχυρισμοί, εάν ναι, επιβεβαιώστε από την επίσημη πηγή.
λίστα ελέγχου
- [ ] Βάζω το στάδιο της αυτογνωσίας (ενδιαφέρον/αξία/ικανότητα) πριν από το περιεχόμενο.
- [ ] Σχεδίασα την τεχνητή νοημοσύνη ως παράγοντα δημιουργίας ανακαλύψεων, όχι ως αρχή λήψης αποφάσεων.
- [ ] Έλεγξα τη λίστα που δημιουργήθηκε για προκατάληψη και επέκτεινα το εύρος.
- [ ] Έχω επαληθεύσει όλες τις τρέχουσες/αριθμητικές πληροφορίες από την επίσημη πηγή.
- [ ] Σκέφτηκα στο περιεχόμενο ότι αφήνω την τελική απόφαση στον μαθητή.