Dobici:
- Sposobnost sažimanja podataka kao što su izostanci, akademsko promatranje i promatranje ponašanja uz podršku umjetne inteligencije i priprema tablice praćenja i bilješki promatranja
- Sposobnost pisanja uputa koje prepuštaju odluku stručnjaku, dok stvaraju sažetke koji olakšavaju uočavanje obrazaca za rano upozorenje
- Razumijevanje da umjetna inteligencija smanjuje učenika na rizik i opasnost od pristranosti, te sposobnost uvida da rano upozorenje uvijek treba kombinirati sa stručnim promatranjem i intervjuom.
Jedan od važnih poslova PDR stručnjaka je praćenje učenika tijekom vremena: obrasci pohađanja nastave, akademski napredak, promatranje ponašanja, društveni odnosi, povijest intervjua. Ovo praćenje ima za cilj rano prepoznati kada učenik može trebati podršku; To se zove rano upozorenje. Rano upozorenje znači aktiviranje podrške na temelju vidljivih znakova (nagli porast izostanaka, pad ocjena, povlačenje) prije nego što problem eskalira. Ali ovo polje može biti i vrlo korisno i vrlo opasno: ako se dobro koristi, omogućuje dolazak do učenika na vrijeme; Ako se loše koristi, zarobljava učenika u "oznaku rizika".
U ovoj jedinici naučit ćemo koristiti AI kao pomoć koja sažima razbacane podatke praćenja i čini uzorak vidljivim. Najkritičnije načelo: umjetna inteligencija može ukazati na obrazac, ali ne može procijeniti učenika niti ga proglasiti "u opasnosti". Rano upozorenje uvijek se kombinira s promatranjem specijalista i razgovorom sa studentom; Konačnu ocjenu i odluku donosi stručnjak. Podsjetimo se i na granicu krize: ako naknadni podaci ukazuju na ozbiljan rizik (primjerice, situacija učenika ukazuje na neposrednu opasnost), to je krizna situacija i na scenu stupa protokol iz jedinice 9; Ne AI.
Tanka je linija između viđenja obrazaca i njihovog označavanja
Samo praćenje podataka nema smisla; kontekst daje značenje. Trotjedni porast izostanaka s posla; Može biti povezano s bolešću, obiteljskom situacijom ili poteškoćama u školi. AI može ovo povećanje učiniti vidljivim u tablici ili sažetku (“apsentizam se značajno povećao u zadnja tri tjedna”); ovo je koristan znak koji privlači pozornost stručnjaka na tog učenika. Opasnost je da će umjetna inteligencija (ili stručnjak, na temelju umjetne inteligencije) skočiti s ovog signala na prosudbu: "ovaj učenik je u opasnosti/problemu/zanemarenom." Ovaj skok može biti i pogrešan i stigmatizirati učenika.
Pravilo: AI signalizira, stručnjak konstruira značenje. Sažetak je opravdanje za početak razgovora, a ne zaključak. Nijedan znak ne postaje ocjena bez razgovora s učenikom.
Još jedna suptilnost je da treba biti oprezan pri kombiniranju izvora podataka. Pohađanje nastave, trend ocjena i praćenje ponašanja pojedinačno su značajni, ali pogrešno je kombinirati ih AI kao jednu "ocjenu rizika". Studentov izostanak s nastave možda se povećao jer on ili ona ima kronično zdravstveno stanje; Ovo nije znak akademskog neuspjeha. Trpanje različitih vrsta podataka u jedan broj zamagljuje stvarnost učenika i stvara lažno određivanje prioriteta. Ispravan pristup je svaku vrstu podataka promatrati kao zaseban "znak" i prepustiti cjelinu tumačenju stručnjaka. AI može usporediti podatke; ali ne bi trebalo obaviti posao njihovog spajanja u jednu presudu. Isto tako, važno je i "koliko dugo" znak traje: jednotjedna fluktuacija i trend koji traje tri mjeseca imaju vrlo različita značenja, a opet je na stručnjaku da iščita ovu vremensku dimenziju.
Oprez: Ispis koji navodi učenika kao "rizičnog" može trajno utjecati na percepciju tog djeteta u školi. Kako bi se spriječilo da takve naljepnice uđu u optjecaj, ispise ranog upozorenja treba držati u tajnosti i koristiti samo u svrhu podrške i pod stručnim nadzorom.
Pristranost: važno je tko se računa kao "rizik".
Pristranost u ranom upozoravanju ozbiljno je pitanje pravde. Ako sustav (ili sažetak umjetne inteligencije) neproporcionalno označava učenike iz određene socioekonomske skupine, određenog susjedstva ili određene obrasce ponašanja kao "rizične", to institucionalizira pristranost. Stručnjak mora razlikovati koji znakovi doista ukazuju na podršku, a koji samo ukazuju na obrazac; Svakom učeniku treba pristupiti individualno i pošteno. Jezik "rizika" koji proizvodi umjetna inteligencija ne bi se trebao usvajati bez propitivanja.
Korak po korak: od podataka do podrške
- Prikupite podatke anonimno. Organizirajte podatke kao što su pohađanje, promatranje i napredak u ocjeni s "Student A/B/C" umjesto ID kodova.
- Ukratko s AI. Sažmite obrazac i značajne promjene na razini fenomena.
- Odaberite znakove. Stručnjak odlučuje koji sažeci zaslužuju intervju.
- Mišljenje. Razgovarajte sa signaliziranim učenikom; naučiti kontekst.
- Procijenite i planirajte. Stručnjak uspostavlja smisao i podršku.
- Neka bude tamno. Dijeljenje rezultata izvan svrhe podrške; Nemojte puštati etiketu u opticaj.
Predlošci koji se mogu kopirati
1) Sažetak podataka o praćenju:
Vaša uloga: asistent za uređivanje PDR podataka. DODAJTE PROSUDBU, oznaku "rizika" ili preporuku. Zadatak: Sažmite sljedeće anonimne podatke o izostancima/zapažanjima na razini ČINJENICA po učeniku; Navedite sve značajne PROMJENE (povećanje/smanjenje). Ocjena i odluka su moje; samo učinite uzorak vidljivim. Podaci: [zalijepite anonimne podatke]
2) Popis razloga za sastanak:
Iz anonimnih sažetaka u nastavku navedite činjenice koje bi mogle predstavljati osnovu za pokretanje RAZGOVORA ZA PODRŠKU. Napišite NEUTRALNI razlog u jednoj rečenici za svaki (kao što je "izostanak s posla se povećao u zadnja tri tjedna"). Nemojte koristiti oznake poput "rizično/problematično". Sažeci: [anonimni sažeci]
3) Uređivanje tablice praćenja:
Rasporedite sljedeće anonimne prateće bilješke u tablicu sa stupcima za datum, opaženi fenomen, planirani korak i ishod. Ne dodavati komentare, držati se činjenica. Bilješke: [anonimne bilješke]
4) Priprema prije intervjua:
Vaša uloga: PDR asistent. Pripremam se za sastanak PODRŠKE s 14-godišnjim učenikom čiji se broj povećao. Predložite 8 pripremnih pitanja koja nisu osuđujuća, otvorena su i koja ne tjeraju učenika da se brani.
Slab upit / Jak upit
Slabo:
Pogledajte popis izostanaka ovog razreda, označite rizične učenike.
Čini umjetnu inteligenciju sucem, traži od nje da proizvede "rizičnu" oznaku, bez konteksta i bez razgovora.
Jako:
Vaša uloga: pomoćnik za uređivanje PDR podataka, dodavanje oznake "rizik". U anonimnim podacima o izostancima ispod, sažeti (na razini fenomena) učenike koji su pokazali ZNAČAJNU PROMJENU u zadnja 3 tjedna. Za svaki samo napišite što se promijenilo; Ja ću dati komentar i odluku. Podaci: [anonimni podaci]
Signalizira, ne označava; Odluka je u rukama stručnjaka.
tri mini kućišta
Slučaj 1 — Znak od pomoći. Stručnjak je imao poteškoća s praćenjem pojedinačnih izostanaka u razredu od 200 učenika. Imao je anonimne podatke sažete od strane AI; Istaknuo se učenik koji bi inače prošao nezapaženo, koji je pokazivao tihi, ali stabilan porast izostanaka. Stručnjak je govorio; Saznao je da je učenik ujutro imao problem s prijevozom i ponudio praktično rješenje. AI je dao znak, stručnjak i student izgradili su rješenje.
Slučaj 2 — Povratak s etikete. Jedan sažetak AI opisao je jednog učenika kao "visokog rizika za ponašanje"; dok je u podacima vještaka postojao samo fenomen "dvaput zahtjeva za promjenu razreda". The expert rejected this label, spoke with the student, and found that the request stemmed from a desire to distance himself from a group of friends. Etiketa bi mogla nepravedno stigmatizirati dijete; stručni filter je to spriječio.
Slučaj 3 — Provjera pristranosti. Stručnjak je primijetio da popis "rizika" koji je izradila AI neproporcionalno uključuje učenike iz određenog susjedstva. Nije upotrijebio popis, misleći da bi to moglo odražavati pristranost; umjesto toga, na sve je učenike primijenio poštene kriterije temeljene na činjenicama. Dakle, podrška je raspodijeljena prema stvarnim potrebama, a ne prema stigmi.
Uobičajene greške
- Stavljanje oznake AI na "rizično". Podmetanje pravosuđa u alat. Rješenje: AI pokazuje fenomen/promjenu, stručnjak donosi prosudbu.
- Evaluacija bez intervjua. Ne samo gledanje podataka i razgovor sa studentom. Rješenje: svaki znak kroz razgovor dobiva kontekst.
- Ignoriranje pristranosti. Usvajanje popisa "rizika" temeljenog na uzorku. Rješenje: kontrola pravde i individualnosti.
- Distribucija etikete. Dijeljenje popisa "rizičnih studenata". Rješenje: ograničenje svrhe privatnosti i podrške.
- Brkajući to s krizom. Tretiranje znaka ozbiljnog rizika kao rutinskog praćenja. Rješenje: protokol za krizne situacije (jedinica 9) je aktiviran.
Tablica: znak ili presuda?
izlaz
Vrsta
što učiniti
"Apsentizam se povećao u zadnja 3 tjedna"
znak (fenomen)
Razlog sastanka
"Ovaj učenik je rizičan"
Presuda (oznaka)
Odbaciti, vratiti se u stvarnost
"Ocjene padaju već dva semestra"
znak (fenomen)
Razlog sastanka
"Njegova obitelj ga zanemaruje"
prosudba/zaključak
Odbaciti, vratiti se na promatranje
"Smanjila se učestalost sastanaka"
znak (fenomen)
Stručnjak procjenjuje
Ukratko
U praćenju učenika, AI je korisna pomoć koja sažima rasute podatke i čini uzorke vidljivima; Ali ne može ocijeniti učenika niti ga proglasiti "rizičnim". AI daje signale, stručnjak konstruira značenje. Kontekstualizirajte svaki znak razgovorom, provjerite ima li pristranosti, podijelite etikete i prebacite se na protokol za krizne situacije u slučaju znakova ozbiljnog rizika. Svrha ranog upozoravanja nije stigmatizacija, već pružanje pravovremene i pravedne podrške.
Zadatak aplikacije
Stvorite anonimne podatke o pohađanju/promatranju za izmišljenu učionicu. Neka AI sažima na razini činjenica pomoću predloška "sažetak podataka praćenja". Ispitajte rezultat: Je li umjetna inteligencija dodala oznake ili prosudbe o "riziku/problemu"? Označite, uklonite i napravite neutralan popis razloga za raspravu koji se temelji samo na činjenicama. Zatim postavite pitanje pristranosti: slaže li se popis prema određenom obrascu?
popis za provjeru
- [ ] Anonimizirao sam podatke prije nego što sam ih dao alatu.
- [ ] Napisao sam ograničenje "dodaj oznaku rizika/prosudbu" na upit.
- [ ] Zadržao sam izlaz umjetne inteligencije na razini činjenice/znaka, sam prosuđujući.
- [ ] Svaki sam znak kontekstualizirao intervjuom.
- [ ] Provjerio sam pristranost i zadržao oznake privatnima.