Ieguvumi:
- Spēja apkopot tādus datus kā prombūtne, akadēmiskais un uzvedības novērojums ar mākslīgā intelekta atbalstu un sagatavot pēcpārbaudes tabulu un novērojumu piezīmes
- Spēja rakstīt uzvednes, kas atstāj lēmumu eksperta ziņā, vienlaikus sagatavojot kopsavilkumus, kas atvieglo agrīnās brīdināšanas modeļu pamanīšanu
- Izpratne par to, ka mākslīgais intelekts samazina studenta risku un neobjektivitātes risku, un spēja redzēt, ka agrīnā brīdināšana vienmēr ir jāapvieno ar ekspertu novērošanu un interviju.
Viens no svarīgiem PDR profesionāļa darbiem ir studentu uzraudzība laika gaitā: apmeklējuma modeļi, akadēmiskais progress, uzvedības novērojumi, sociālās attiecības, interviju vēsture. Šīs uzraudzības mērķis ir agrīni atpazīt, kad studentam var būt nepieciešams atbalsts; To sauc par agrīnu brīdināšanu. Agrīna brīdināšana nozīmē atbalsta aktivizēšanu, pamatojoties uz novērojamām pazīmēm (pēkšņs prombūtnes pieaugums, atzīmju kritums, atkāpšanās), pirms problēma saasinās. Taču šis lauks var būt gan ļoti noderīgs, gan ļoti bīstams: labi izmantots tas ļauj studentu sasniegt laikā; Slikti izmantots, tas iespiež skolēnu “riska marķējumā”.
Šajā nodaļā mēs iemācīsimies izmantot AI kā palīglīdzekli, kas apkopo izkliedētus izsekošanas datus un padara paraugu redzamu. Vissvarīgākais princips: AI var norādīt modeli, bet tas nevar novērtēt studentu vai paziņot, ka viņš vai viņas ir "apdraudēts". Agrīnā brīdināšana vienmēr tiek apvienota ar speciālista novērojumu un pārrunāšanu ar studentu; Galīgo novērtējumu un lēmumu pieņem eksperts. Atcerēsimies arī krīzes robežu: ja pēcpārbaudes dati norāda uz nopietnu risku (piemēram, skolēna situācija norāda uz tūlītējām briesmām), šī ir krīzes situācija un stājas spēkā 9. nodaļas protokols; Nevis AI.
Smalkā robeža starp modeļu saskatīšanu un to marķēšanu
Datu izsekošana vien nav jēgpilna; konteksts piešķir nozīmi. Trīs nedēļu darba kavējumu pieaugums; Tas var būt saistīts ar slimību, ģimenes situāciju vai grūtībām skolā. AI var padarīt šo pieaugumu redzamu tabulā vai kopsavilkumā ("pēdējo trīs nedēļu laikā ir ievērojami palielinājies darba kavējumu skaits"); tas ir noderīgs signāls, kas pievērš profesionāļa uzmanību šim studentam. Pastāv briesmas, ka AI (vai eksperts, pamatojoties uz AI) no šī signāla pāriet uz spriedumu: “šis students ir pakļauts riskam/problēmai/pamests novārtā”. Šis lēciens var būt gan nepareizs, gan stigmatizēt skolēnu.
Noteikums: AI signāli, eksperts konstruē nozīmi. Kopsavilkums ir pamatojums sarunas uzsākšanai, nevis noslēgums. Neviena zīme nekļūst par vērtējumu, nerunājot ar skolēnu.
Vēl viens smalkums ir jābūt uzmanīgiem, apvienojot datu avotus. Apmeklējums, pakāpes tendence un uzvedības uzraudzība ir individuāli nozīmīgas, taču, ja AI tos apvieno kā vienu “riska rādītāju”, tas ir maldinoši. Skolēna kavējumu skaits var būt palielinājies, jo viņam ir hronisks veselības stāvoklis; Tas nav akadēmiskās neveiksmes pazīme. Dažādu veidu datu saspiešana vienā ciparā aizsedz apmācāmā realitāti un rada nepareizu prioritāšu noteikšanu. Pareizā pieeja ir aplūkot katru datu veidu kā atsevišķu "zīmi" un atstāt veselumu eksperta interpretācijā. AI var apkopot datus; bet tai nevajadzētu tos apvienot vienā spriedumā. Tāpat svarīga ir arī zīme "cik ilgi" ir: vienas nedēļas svārstībām un trīs mēnešu tendencei ir ļoti atšķirīga nozīme, un šī laika dimensija atkal ir eksperta ziņā.
Uzmanību! Izdruka, kurā skolēns ir norādīts kā “riska grupa”, var neatgriezeniski ietekmēt bērna uztveri skolā. Lai novērstu šādu etiķešu nonākšanu apritē, agrīnās brīdināšanas izdrukas ir jāuzglabā konfidenciālas un jāizmanto tikai atbalsta nolūkos un ekspertu uzraudzībā.
Neobjektivitāte: ir svarīgi, kurš tiek uzskatīts par "risku".
Neobjektivitāte agrīnā brīdināšanā ir nopietna tiesiskuma problēma. Ja sistēma (vai AI īss apraksts) nesamērīgi atzīmē studentus no noteiktas sociālekonomiskās grupas, noteiktas apkārtnes vai noteiktiem uzvedības modeļiem kā “apdraudētus”, tas institucionalizē neobjektivitāti. Ekspertam jānošķir, kuras zīmes patiesi norāda uz atbalstu un kuras tikai norāda uz modeli; Katram skolēnam jāpieiet individuāli un godīgi. AI radīto "riska" valodu nevajadzētu pieņemt bez apšaubīšanas.
Soli pa solim: no datiem līdz atbalstam
- Apkopojiet datus anonīmi. Organizējiet datus, piemēram, apmeklējumu, novērojumu un atzīmju progresu, izmantojot "Students A/B/C", nevis ID kodus.
- Rezumējot ar AI. Apkopojiet modeli un ievērojamās izmaiņas parādības līmenī.
- Izvēlieties zīmes. Eksperts izlemj, kuri kopsavilkumi ir pelnījuši interviju.
- Atzinums. Runājiet ar signalizēto studentu; mācīties kontekstu.
- Novērtējiet un plānojiet. Eksperts nosaka jēgu un atbalstu.
- Turiet to tumšā vietā. Rezultātu koplietošana ārpus atbalsta mērķiem; Neizplatiet etiķeti.
Kopējamas veidnes
1) Izsekošanas datu kopsavilkums:
Jūsu loma: PDR datu rediģēšanas palīgs. PIEVIENOT SPRIEDUMU, "riska" marķējumu vai ieteikumu. Uzdevums: Apkopojiet šādus anonīmus kavējumu/novērojumu datus FAKTA līmenī pēc studenta; Norādiet visas ievērojamās IZMAIŅAS (palieliniet/samaziniet). Novērtējums un lēmums ir mans; jūs vienkārši padarāt modeli redzamu.Dati: [ielīmējiet anonīmus datus]
2) Tikšanās iemeslu saraksts:
No zemāk esošajiem anonīmajiem kopsavilkumiem uzskaitiet faktus, kas varētu būt par pamatu ATBALSTA SARUNAS uzsākšanai. Katram uzrakstiet viena teikuma NEITRĀLU iemeslu (piemēram, "pēdējo trīs nedēļu laikā ir palielinājies darba kavējums"). Neizmantojiet tādas etiķetes kā “riskants/problemātisks”. Kopsavilkumi: [anonīmi kopsavilkumi]
3) Izsekošanas tabulas rediģēšana:
Sakārtojiet šādas anonīmās papildu piezīmes tabulā ar kolonnām datumam, novērotajai parādībai, plānotajam solim un iznākumam. Nepievienojiet komentārus, paturiet faktus.Piezīmes: [anonīmas piezīmes]
4) Sagatavošanās pirms intervijas:
Jūsu loma: PDR palīgs. Gatavojos ATBALSTA tikšanās reizei ar 14 gadīgu skolnieku, kura apmeklējums ir palielinājies. Iesakiet 8 sagatavošanās jautājumus, kas nav nosodoši, beztermiņa un neliek skolēnam aizsargāties.
Vāja uzvedne / spēcīga uzvedne
Vāji:
Apskatiet šīs klases kavējumu sarakstu, atzīmējiet riska grupas skolēnus.
Tas padara AI par tiesnesi, lūdz tai izveidot “riskantu” etiķeti, bez konteksta un sarunas.
Spēcīgs:
Jūsu loma: PDR datu rediģēšanas palīgs, pievienojot "riska" etiķeti. Tālāk sniegtajos anonīmos kavējumu datos apkopojiet (parādības līmenī) skolēnus, kuri pēdējo 3 nedēļu laikā ir uzrādījuši NOZĪMĪGAS IZMAIŅAS. Katram vienkārši uzrakstiet, kas ir mainījies; Es izteikšu komentāru un lēmumu.Dati: [anonīmi dati]
Tas signalizē, nemarķē; Lēmums ir eksperta rokās.
trīs mini futrāļi
1. gadījums — noderīga zīme. Kādam speciālistam bija grūtības izsekot individuālos kavējumus 200 skolēnu klasē. Viņš lika AI apkopot anonīmos datus; Izcēlās students, kurš parasti paliktu nepamanīts un kurš uzrādīja klusu, bet vienmērīgu kavējumu pieaugumu. Eksperts runāja; Viņš uzzināja, ka studentam no rīta radās transporta problēma, un viņš izstrādāja praktisku risinājumu. AI deva zīmi, eksperts un students izveidoja risinājumu.
2. gadījums — atgriešana no etiķetes. Vienā AI kopsavilkumā viens skolēns tika raksturots kā “augsts uzvedības risks”; tā kā eksperta datos bija tikai "pieprasījums mainīt klasi divas reizes" fenomens. Eksperts noraidīja šo etiķeti, runāja ar studentu un atklāja, ka lūgums izrietēja no vēlmes distancēties no draugu grupas. Etiķete var negodīgi stigmatizēt bērnu; ekspertu filtrs to novērsa.
3. gadījums — neobjektivitātes pārbaude. Eksperts pamanīja, ka mākslīgā intelekta “riska” sarakstā nesamērīgi ir iekļauti studenti no noteiktas apkaimes. Viņš neizmantoja sarakstu, domājot, ka tas varētu atspoguļot neobjektivitāti; tā vietā visiem studentiem piemēroja godīgus, uz faktiem balstītus kritērijus. Tādējādi atbalsts tika sadalīts atbilstoši faktiskajai nepieciešamībai, nevis stigmatizācijai.
Biežas kļūdas
- Padarot AI atzīmi "riskantu". Tiesu varas pakļaušana instrumentam. Risinājums: AI parāda parādību/izmaiņas, eksperts izdara spriedumu.
- Novērtējums bez intervijas. Ne tikai skatoties uz datiem un runājot ar skolēnu. Risinājums: katra zīme iegūst kontekstu sarunā.
- Neobjektivitātes ignorēšana. Uz modeli balstīta “riska” saraksta pieņemšana. Risinājums: taisnīguma un individualitātes kontrole.
- Etiķetes cirkulācija. Dalīšanās ar "riskanto studentu" sarakstu. Risinājums: privātuma un atbalsta mērķa ierobežojums.
- Jaukt to ar krīzi. Nopietna riska pazīmes ārstēšana kā ikdienas uzraudzība. Risinājums: tiek aktivizēts krīzes protokols (9. bloks).
Tabula: zīme vai spriedums?
izvade
Tips
ko darīt
"Pēdējo 3 nedēļu laikā ir palielinājies darba kavējumu skaits"
Zīme (parādība)
Tikšanās iemesls
"Šis students ir riskants"
Spriedums (etiķete)
Noraidīt, atgriezties realitātē
"Atzīmes krīt jau divus semestrus"
Zīme (parādība)
Tikšanās iemesls
"Viņa ģimene viņu atstāj novārtā"
spriedums/secinājums
Noraidīt, atgriezties pie novērošanas
"Tikšanās biežums ir samazinājies"
Zīme (parādība)
Eksperts vērtē
Rezumējot
Studentu izsekošanā AI ir noderīgs palīglīdzeklis, kas apkopo izkaisītus datus un padara redzamus modeļus; Bet tā nevar novērtēt studentu vai paziņot, ka tas ir "risks". AI dod signālus, eksperts konstruē nozīmi. Kontekstualizējiet katru zīmi ar sarunu, pārbaudiet neobjektivitāti, izplatiet etiķetes un pārejiet uz krīzes protokolu, ja parādās nopietna riska pazīmes. Agrīnās brīdināšanas mērķis nav stigmatizēt, bet gan sniegt savlaicīgu un taisnīgu atbalstu.
Lietojumprogrammas uzdevums
Izveidojiet anonīmus apmeklējuma/novērošanas datus izdomātai klasei. Lieciet AI apkopot faktu līmenī, izmantojot “izsekošanas datu kopsavilkuma” veidni. Pārbaudiet rezultātu: vai AI ir pievienojis “riska/problēmas” apzīmējumus vai spriedumus? Atzīmējiet, noņemiet un izveidojiet tikai faktiem atbilstošu, neitrālu diskusiju iemeslu sarakstu. Pēc tam uzdodiet neobjektīvu jautājumu: vai saraksts sastāv pēc noteikta modeļa?
kontrolsaraksts
- [ ] Es anonimizēju datus pirms to nodošanas rīkam.
- [ ] Uzvednei uzrakstīju ierobežojumu “pievienot riska apzīmējumu/spriedumu”.
- [ ] Es saglabāju AI izvadi fakta/zīmju līmenī, pats pieņemot spriedumu.
- [ ] Katru zīmi kontekstualizēju ar interviju.
- [ ] Es pārbaudīju neobjektivitāti un saglabāju etiķetes privātas.