Nyereség:
- Képes az olyan adatok összegzésére, mint a távollét, tanulmányi és viselkedési megfigyelés mesterséges intelligencia támogatásával, valamint nyomon követési táblázat és megfigyelési jegyzetek elkészítése
- Képes olyan felszólításokat írni, amelyek a szakértőre bízzák a döntést, miközben olyan összefoglalókat készítenek, amelyek megkönnyítik a korai figyelmeztetés mintáinak felismerését
- Annak megértése, hogy a mesterséges intelligencia csökkenti a hallgatót a kockázat és az elfogultság veszélye felé, és képes belátni, hogy a korai figyelmeztetést mindig szakértői megfigyeléssel és interjúval kell kombinálni.
A PDR szakember egyik fontos feladata a hallgatók időbeli nyomon követése: jelenléti szokások, tanulmányi előrehaladás, viselkedési megfigyelések, társas kapcsolatok, interjúk előzményei. Ennek a megfigyelésnek az a célja, hogy korán felismerje, amikor a tanulónak szüksége lehet támogatásra; Ezt hívják korai figyelmeztetésnek. A korai figyelmeztetés azt jelenti, hogy a megfigyelhető jelek (hirtelen növekedés a hiányzások, osztályzatok csökkenése, visszalépés) alapján a támogatást aktiválják, mielőtt a probléma eszkalálódik. De ez a terület nagyon hasznos és nagyon veszélyes is lehet: ha jól használják, akkor időben elérheti a tanulót; Rosszul használva egy „kockázati címkébe” ejti a tanulót.
Ebben az egységben megtanuljuk az AI segédeszközként való használatát, amely összefoglalja a szétszórt nyomkövetési adatokat és láthatóvá teszi a mintát. A legkritikusabb alapelv: a mesterséges intelligencia rámutat a mintára, de nem tudja értékelni a tanulót, vagy kijelenteni, hogy "veszélyeztetett". A korai figyelmeztetést mindig a szakember megfigyelésével és a hallgatóval való megbeszélésével kombinálják; A végső értékelés és döntés a szakértőé. Emlékezzünk vissza a krízishatárra is: ha egy nyomon követési adat komoly kockázatot jelez (például egy tanuló helyzete közvetlen veszélyt jelez), akkor ez krízishelyzet és a 9. egység protokollja lép életbe; Nem AI.
A finom vonal a minták látása és címkézése között
Az adatok követése önmagában nem értelmes; kontextus ad értelmet. A hiányzások három hetes növekedése; Összefügghet betegséggel, családi helyzettel vagy iskolai nehézséggel. A mesterséges intelligencia ezt a növekedést táblázatban vagy összefoglalóban is láthatóvá tudja tenni ("a hiányzások száma jelentősen megnőtt az elmúlt három hétben"); ez egy hasznos jelzés, amely felhívja a szakember figyelmét az adott tanulóra. Fennáll a veszély, hogy a mesterséges intelligencia (vagy az MI alapján a szakértő) ettől a jeltől az ítéletig ugrik: „ez a diák veszélyben/problémában/elhanyagolt állapotban van”. Ez az ugrás lehet rossz és megbélyegzi a tanulót.
Szabály: AI jelek, szakértő jelentést konstruál. Az összefoglaló a beszélgetés indításának indoklása, nem pedig következtetés. A tanulóval való beszélgetés nélkül egyetlen jel sem válik értékeléssé.
Egy másik finomság az, hogy óvatosnak kell lenni az adatforrások kombinálásakor. A részvétel, az osztályzatok trendje és a viselkedési megfigyelés külön-külön is jelentőségteljes, de ha az AI ezeket egyetlen „kockázati pontszámként” egyesíti, az félrevezető. Előfordulhat, hogy a tanuló hiányzása megnőtt, mert krónikus egészségi állapota van; Ez nem a tanulmányi kudarc jele. Különböző típusú adatok egyetlen számba tömörítése elfedi a tanuló valóságát, és hamis prioritást hoz létre. A helyes megközelítés az, hogy minden adattípust külön "jelnek" tekintünk, és az egészet a szakértő értelmezésére bízzuk. Az AI össze tudja gyűjteni az adatokat; de nem szabad egyetlen ítéletté összehegesztenie őket. Ugyanígy az is fontos, hogy "meddig tart" egy jel: az egyhetes ingadozás és a három hónapos trend nagyon eltérő jelentéssel bír, és ennek az idődimenziónak a kiolvasása ismét a szakértőn múlik.
Vigyázat: Az a nyomat, amelyen egy tanuló „veszélyeztetettként” szerepel, tartósan befolyásolhatja a gyermek iskolai észlelését. Az ilyen címkék forgalomba hozatalának megakadályozása érdekében a korai figyelmeztető nyomatokat bizalmasan kell kezelni, és csak támogatási célokra és szakértői felügyelet mellett szabad felhasználni.
Elfogultság: számít, hogy ki számít "kockázatnak".
A korai figyelmeztetés elfogultsága komoly igazságügyi probléma. Ha a rendszer (vagy a mesterséges intelligencia összefoglalója) aránytalanul „veszélyeztetettként” jelöli meg egy bizonyos társadalmi-gazdasági csoporthoz, egy adott környékhez vagy bizonyos viselkedési mintákhoz tartozó tanulókat, ez intézményesíti az elfogultságot. A szakértőnek meg kell különböztetnie, hogy mely jelek utalnak valóban támogatásra, és melyek csupán egy mintára; Minden tanulóhoz egyénileg és tisztességesen kell hozzáállni. A mesterséges intelligencia által létrehozott „kockázati” nyelvezetet nem szabad megkérdőjelezés nélkül átvenni.
Lépésről lépésre: az adatoktól a támogatásig
- Adatgyűjtés névtelenül. Az olyan adatokat, mint a jelenlét, a megfigyelés és az osztályzat előrehaladása, az azonosító kódok helyett a „Student A/B/C” segítségével rendszerezheti.
- Összefoglalva az AI-val. Foglalja össze a mintát és a figyelemre méltó változásokat a jelenség szintjén.
- Válasszon jeleket. A szakértő dönti el, mely absztraktok érdemelnek interjút.
- Vélemény. Beszéljen a jelzett diákkal; tanuld meg a kontextust.
- Értékeljen és tervezzen. A szakértő meghatározza a jelentést és a támogatást.
- Tartsa sötétben. Kimenetek megosztása a támogatási célokon kívül; Ne keressék a címkét.
Másolható sablonok
1) A követési adatok összefoglalása:
Az Ön szerepköre: PDR adatszerkesztő asszisztens. ÍTÉLET HOZZÁADÁSA, „kockázat” címke vagy ajánlás.Feladat: Foglalja össze a következő anonim hiányzási/megfigyelési adatokat TÉNY szinten tanulónként; Adja meg a jelentős VÁLTOZÁSOKAT (növekedés/csökkentés). Az értékelés és a döntés az enyém; csak láthatóvá teszi a mintát.Adatok: [anonim adatok beillesztése]
2) A találkozó okainak listája:
Az alábbi névtelen összefoglalókból sorolja fel azokat a tényeket, amelyek alapot jelenthetnek TÁMOGATÓ BESZÉLGETÉS kezdeményezéséhez. Mindegyikhez írjon egy egymondatos SEMMETES okot (például „az elmúlt három hétben nőtt a hiányzás”). Ne használjon „kockázatos/problémás” címkéket. Összefoglalók: [névtelen összefoglalók]
3) Követési táblázat szerkesztése:
Rendezd a következő névtelen nyomon követési megjegyzéseket egy táblázatba a dátummal, a megfigyelt jelenséggel, a tervezett lépéssel és az eredménnyel oszlopokkal. Ne fűzz hozzá megjegyzéseket, tartsd meg a tényeket.Megjegyzések: [névtelen megjegyzések]
4) Felkészülés az interjú előtt:
Az Ön szerepe: PDR asszisztens. TÁMOGATÓ találkozóra készülök egy 14 éves diákkal, akinek megnövekedett a látogatottsága. Javasoljon 8 olyan felkészülési kérdést, amelyek nem ítélkeznek, nyílt végűek, és nem teszik védekezővé a tanulót.
Gyenge felszólítás / Erős felszólítás
Gyenge:
Tekintse meg ennek az osztálynak a hiányzási listáját, és jelölje meg a veszélyeztetett tanulókat.
Az MI-t teszi a bíróvá, és arra kéri, hogy állítson elő egy „kockázatos” címkét, nincs kontextus és nincs beszélgetés.
Erős:
Az Ön szerepköre: PDR adatszerkesztő asszisztens, „kockázat” címke hozzáadása. Az alábbi anonim hiányzási adatokban foglalja össze (jelenség szinten) azokat a tanulókat, akik JELENTŐS VÁLTOZÁST mutattak az elmúlt 3 hétben. Mindegyikhez csak írja meg, mi változott; Megteszem a megjegyzést és a döntést.Adatok: [névtelen adat]
Jelez, nem címkéz; A döntés a szakértő kezében van.
három mini tok
1. eset – Segítő jel. Egy szakembernek nehézséget okozott az egyéni hiányzások nyomon követése egy 200 fős osztályban. A névtelen adatokat összefoglalta az MI-vel; Kimagaslott egy diák, akit általában észre sem vesznek, és akinél csendes, de folyamatosan nőtt a hiányzások száma. A szakértő beszélt; Megtudta, hogy a diáknak reggel közlekedési problémája volt, és gyakorlati megoldást készített. Az AI adta a jelet, a szakértő és a diák megépítette a megoldást.
2. eset – Visszatérés a címkéről. Egy mesterséges intelligencia összefoglalója az egyik tanulót „magas viselkedési kockázatnak” nevezte; míg a szakértő adataiban csak a „kétszeri osztályváltási kérelem” jelensége szerepelt. A szakértő elutasította ezt a címkét, beszélt a diákkal, és úgy találta, hogy a kérés abból a vágyból fakad, hogy elhatárolja magát egy baráti társaságtól. A címke méltánytalanul megbélyegezheti a gyermeket; szakértő szűrő ezt megakadályozta.
3. eset – Elfogultság ellenőrzése. Egy szakértő észrevette, hogy a mesterséges intelligencia által készített „kockázati” listán aránytalanul szerepelnek egy adott környék diákjai. Nem használta a listát, mert úgy gondolta, hogy ez elfogultságot tükrözhet; ehelyett igazságos, tényeken alapuló kritériumokat alkalmazott minden tanulóra. Így a támogatást a tényleges rászorultság, nem pedig a megbélyegzés szerint osztották szét.
Gyakori hibák
- Az AI jelölés „kockázatossá tétele”. Az igazságszolgáltatás eszköze alá kerülése. Megoldás: A mesterséges intelligencia megmutatja a jelenséget/változást, a szakértő dönt.
- Értékelés interjú nélkül. Nem csak nézni az adatokat, és beszélni a hallgatóval. Megoldás: minden jel kontextushoz jut egy beszélgetésen keresztül.
- Az elfogultság figyelmen kívül hagyása. Minta alapú „kockázati” lista elfogadása. Megoldás: az igazságosság és az egyéniség ellenőrzése.
- A címke körözése. A "kockázatos tanuló" lista megosztása. Megoldás: adatvédelmi és támogatási célkorlát.
- Összetéveszteni a válsággal. A komoly kockázat jeleinek kezelése rutinszerű monitorozásként. Megoldás: a krízisprotokoll (9. egység) aktiválva van.
Táblázat: Jel vagy ítélet?
kimenet
Írja be
mit kell tenni
"Az elmúlt 3 hétben nőtt a hiányzások száma"
Jel (jelenség)
Találkozás oka
"Ez a diák kockázatos"
Ítélet (címke)
Elutasítás, visszatérés a valóságba
"Két félév óta hullanak az osztályzatok"
Jel (jelenség)
Találkozás oka
"A családja elhanyagolja"
ítélet/következtetés
Elutasítás, visszatérés a megfigyeléshez
"Csökkent a találkozások gyakorisága"
Jel (jelenség)
Szakértő értékel
Összefoglalva
A tanulókövetésben az AI hasznos segédeszköz, amely összefoglalja a szórt adatokat, és láthatóvá teszi a mintákat; De nem tudja értékelni a tanulót, vagy kijelenteni, hogy "veszélyeztetett". Az AI jeleket ad, a szakértő jelentést konstruál. Kontextusba helyezze az egyes jeleket egy beszélgetéssel, ellenőrizze az elfogultságot, terjessze a címkéket, és váltson át a krízisprotokollra, ha komoly kockázat jelei vannak. A korai figyelmeztetés célja nem a megbélyegzés, hanem az időszerű és méltányos támogatás nyújtása.
Pályázati feladat
Hozzon létre névtelen jelenléti/megfigyelési adatokat egy kitalált osztályteremhez. A mesterséges intelligencia a tények szintjén foglalja össze a „követési adatok összegzése” sablont. Vizsgálja meg a kimenetet: Hozzáadott-e az AI „kockázat/probléma” címkéket vagy ítéleteket? Jelölje meg, távolítsa el, és hozzon létre egy csak tényeken alapuló, semleges listát a megvitatáshoz szükséges okokról. Ezután tedd fel az elfogult kérdést: egy bizonyos minta szerint halmozódik fel a lista?
ellenőrző lista
- [ ] Az adatokat anonimizáltam, mielőtt az eszköznek adtam volna.
- [ ] A promptba beírtam a "kockázati címke/ítélet hozzáadása" határértéket.
- [ ] Az AI kimenetét a tény/jel szintjén tartottam, és magam hoztam meg az ítéletet.
- [ ] Minden jelet kontextusba helyeztem egy interjúval.
- [ ] Ellenőriztem az elfogultságot, és titokban tartottam a címkéket.