利益:
- 人工知能の偏見、捏造、透明性の限界を理解し、教育上の決定において倫理原則（公平性、包括性、説明責任）を遵守する能力
- 計画からフィードバックまでのワークフロー全体をエンドツーエンドで人工知能と組み合わせた、個人的な作業システムと検証習慣を確立する能力
- 人工知能の成果が教育学的決定に取って代わることのないガバナンスフレームワークを確立する能力と、責任と最終承認は常に教師にあります。
モジュール試験
1. 教師が人工知能によって生成された歴史の質問と解答のキーを確認せずに試験に入力したところ、キーの日付が間違っていたことが判明しました。この状況から得られる主な教訓は何でしょうか?
- A) 人工知能の出力をソースに接続して検証することなく、生徒に影響を与える場所に置くこと。責任は教師にあることを無視する ✔
- B) 質問生成に人工知能を使用することは固く禁じられています
- C) 人工知能は決して歴史の疑問を生み出すことはできない
- D) 質問が表に示されていない
説明: 人工知能は流暢ですが、実際には誤った情報 (幻覚) を生成する可能性があります。質問と回答キーなど、生徒に直接影響する出力は、ソースへのリンクによる教師による検証なしに使用しないでください。責任は教師にあります。
2. 学生に関するテキストを一般公開されている人工知能ツールに入力する場合の最善のアプローチは何ですか?
- A) 迅速に行うため、生徒の名前と番号をそのまま貼り付けます。
- B) 識別情報を削除してデータを匿名化し、可能であれば安全な/組織的なツールを使用します ✔
- C) 姓のみを非表示にし、学校番号は残します。
- D) データを共有する前に、生徒に口頭で通知するだけで十分です。
説明: 生徒データは個人データです。健康、家族、行動に関する情報は非公開となる場合があります。氏名、学校番号、クラスなどの身元情報は削除されるべきであり、データは匿名化されるべきであり、可能であれば、データ処理を保証する機関のツールが優先されるべきです。
3. 学習目標 (成果) を書くときに、ブルームの分類法は教師に何を提供しますか?
- A) 生徒の名前をアルファベット順に並べる
- B) 試験問題の自動採点
- C) 適切な動作動詞で目標とする認知的思考レベルを明確にし、測定と一致させる ✔
- D) レッスン時間を常に 40 分に固定する
説明: ブルームの分類法は、記憶から創造までの認知プロセスをレベル分けします。結果を正しい動作動詞で書くことで、意図した思考レベルが明確になり、それが測定と一致します。このレベルではAIからの質問/アクティビティがしやすくなります。
4. 多肢選択式の質問における「良い気晴らし」とは何を意味しますか?
- A) 明らかに不合理なので誰も選ばない選択肢
- B) 正解と全く同じ意味を持つ選択肢
- C) 常に最も長く書かれたオプション
- D) たとえそれが間違っていたとしても、誤解を持っている生徒にとってもっともらしいと思われる特徴的な選択肢 ✔
説明: 良い気晴らしとは、たとえそれが間違っていたとしても、その主題を十分に学習していない生徒にとってはもっともらしいと思われる選択肢です。それは通常、学生が頻繁に犯す誤解に基づいています。したがって、質問は実に特徴的なものになります。ナンセンスまたは無関係な気を散らすものは質問を容易にし、測定を弱めます。
5. 分析ルーブリックとホリスティック ルーブリックの主な違いは何ですか?
- A) 分析ルーブリックは各基準を個別にスコア付けします。全体的なルーブリックにより、研究に単一の一般的なレベルが与えられます ✔
- B) 分析ルーブリックは試験でのみ使用され、全体論的ルーブリックはプロジェクトでのみ使用されます。
- C) どちらも人工知能によって最終成績が自動的に与えられます
- D) 分析ルーブリックは採点されませんが、全体論的ルーブリックは採点されます。
説明: 分析ルーブリックは、各基準 (コンテンツ、言語、レイアウトなど) を個別のレベルで採点し、詳細なフィードバックを提供します。全体的なルーブリックは、研究全体に単一の一般的なレベルを与えます。高速ですが、詳細なフィードバックは得られません。
6. 生徒にとって最も役立つ形成的フィードバックの形式はどれですか?
- A) 生徒に「不合格」または「怠け者」というレッテルを貼る一般的な判断
- B) 1 つのレターグレードまたはスコアのみを授与する
- C) 製品をターゲットにし、具体的かつ将来を見据えた開発ステップを示すフィードバック ✔
- D) クラス全体に同じ、個人化されていない文章を与えます。
説明: 形成的フィードバックは学習を進めることを目的としています。学生の個性ではなく、製品・性能をターゲットにし、具体的かつ前向きな開発ステップを示します。 「あなたは怠け者だ」などとレッテルを貼ったり、単に採点したりするようなフィードバックは学習を促進しません。
7. 差別化された指導に人工知能を使用する場合の最も重要な倫理的リスクは何ですか?
- A) 素材がカラフルではない
- B) 生徒をレッテルに貶め、偏見や固定観念の型にはめてしまうリスク ✔
- C) 人工知能が推奨するアクティビティが多すぎる
- D) 差別化はカリキュラムに含まれていません
説明: 人工知能は生徒をレッテル(「弱い」、「才能がある」)に貶め、偏見のある、または紋切り型の推奨事項を生成する可能性があります。差別化は、生徒を理解している教師と組み合わせる必要があります。人工知能の提案は型にとらわれず、柔軟かつ一時的なものでなければなりません。
8. 教師は、AI の「検出器」が課題を「90% AI」とマークしたことに基づいて生徒にゼロ点を与えます。このアプローチの主な問題は何ですか?
- A) 検出器による割り当てのスキャンが遅すぎる
- B) AI 検出器は信頼性が低い。単一スコアに基づくペナルティは誤検知のため不公平です ✔
- C) 検出器のスコアは常に正しいが、教師はそれを無視する
- D) ゼロではなく、低い評価を与える必要があります。
説明: AI 検出器は信頼性がありません。特に母国語が異なる生徒の場合、実際の生徒のテキストを人工知能と誤認する可能性があります (誤検知)。単一の検出器スコアに基づいてペナルティを課すのは不公平です。学業の誠実さは、プロセスの証拠と学生との面接を通じて評価されるべきです。
9. 人工知能を使って親にネガティブな状況（問題行動）を伝えるメッセージを準備するときの最善のアプローチは何ですか?
- A) 非難的で正確な言葉で書いて、保護者に直接送ります。
- B) 生徒の全経歴と他の生徒の名前を含める
- C) 建設的で解決策を重視した、敬意を持った草稿を準備し、送信する前に教師にその内容と正確性を確認してもらいます ✔
- D) メッセージをできるだけ短くし、文脈を与えない
説明: テキストは建設的で、解決策を志向し、敬意を持ったものである必要があります。学生を批判することなく、具体的なイベントと協力の呼びかけを含める必要があります。さらに、生徒の機密性は保護されなければならず、教師はテキストを送信する前にその正確さと調子を個人的に確認する必要があります。
10. AI が生成した教材にある科学者の言葉は、実際にはまったく言われていない可能性があります。先生は何をすべきでしょうか？
- A) AI が概ね正しいため、引用文をそのまま使用
- B) 信頼できる情報源からの引用を検証し、検証できない場合は使用しない ✔
- C) 引用元を「インターネット」と書きます
- D) より信頼できるものにするために引用をわずかに変更します。
説明: 人工知能は、信頼できるが捏造された引用、情報源、事実を生成する可能性があります。引用や事実は、クラスに提示する前に、信頼できる情報源から検証される必要があります。検証できない場合は使用しないでください。誤った情報は生徒に永続的な誤解を生み出します。
11. 人工知能を使用してルーブリックや試験を準備する場合の採点 (最終評価) の正しい原則は何ですか?
- A) 人工知能は、すべての試験で最終成績を自動的に採点できます。
- B) 最終成績は生徒の将来に影響を与える決定です。責任と最終承認は教師にあります ✔
- C) 人工知能が採点する限り、教師のチェックは不要
- D) グレーディングは検出器スコアのみに基づいて行う必要があります
説明: 人工知能はルーブリックの概要、質問、フィードバックの概要を生成できます。ただし、最終成績は生徒の将来に影響する決定であり、その責任は教師にあります。採点の一貫性と公平性は教師によって監督される必要があります。
12. 教室で生徒に人工知能を導入する際の最も健全な教育的アプローチは何ですか?
- A) 人工知能を完全に禁止し、この問題については一切議論しない
- B) 人工知能は常に正しいことを生徒に教える
- C) 透明性のある倫理的な使用ルールを確立し、ソースの検証と批判的な評価を教える ✔
- D) 成功した生徒のみに人工知能の使用を許可する
説明: 最も健全なアプローチは、禁止するのではなく、透明性のある倫理的な使用ルールを設定することです。情報源の検証、批判的評価について、また人工知能は間違いを犯す可能性があることを生徒に教えるためです。したがって、人工知能はコピーツールではなく、思考パートナーになります。
13.教育における人工知能の使用の正しい制限を表しているのは次のうちどれですか?
- A) 人工知能は教師の代わりに教育上のあらゆる決定を下すことができます
- B) 人工知能はプレゼンテーションの作成にのみ使用でき、それ以外には使用できません。
- C) 人工知能は教育アシスタントであり、思考のパートナーでもあります。重要な決定の責任と最終承認は教師にあります ✔
- D) 人工知能は教師の承認なしに生徒に最終成績を与えることができる
説明: 人工知能は、教育アシスタント、アウトラインジェネレーター、そしてアイデアパートナーです。成績評価、教育学的判断、学業上の誠実さに関する決定、指導など、生徒に影響を与える重要な決定に対する責任と最終承認は常に教師にあります。
14. 教師にとって、弱いプロンプトの代わりに強いプロンプトを書くことの主な利点は何ですか?
- A) 人工知能は答えを出すのが遅い
- B) コンテキスト、レベル、結果、形式が与えられた場合に、学年に適した、調整された使用可能な出力を取得する ✔
- C) 人工知能はもはや検証を必要としません
- D) プロンプトを長くすると、常に出力が悪化します。
説明: 役割、学年レベル、結果、期間、制約、および必要な出力形式を含む強力なプロンプトにより、AI は一般的なドラフトではなく、学年に適した、調整された使用可能なドラフトを生成できます。一般的で適用できない応答が、コンテキストのないリクエストに対して返されます。