Добивки:
- Способност да се сумираат податоци како отсуство, академско и набљудување на однесувањето со поддршка за вештачка интелигенција и да се подготви табела за следење и белешки за набљудување
- Способност за пишување потсетници кои ја оставаат одлуката на експертот додека се произведуваат резимеа што го олеснуваат забележувањето на шаблоните за рано предупредување
- Разбирањето дека вештачката интелигенција го сведува ученикот на ризик и опасност од пристрасност, и можноста да се види дека рано предупредување секогаш треба да се комбинира со експертско набљудување и интервју.
Една од важните работи на професионалецот за ПДР е да ги следи студентите со текот на времето: обрасци на присуство, академски напредок, набљудувања на однесувањето, општествени односи, историја на интервјуа. Овој мониторинг има за цел рано да препознае кога на ученикот можеби му треба поддршка; Ова се нарекува рано предупредување. Раното предупредување значи активирање на поддршката врз основа на забележливи знаци (нагло зголемување на отсуството од работа, опаѓање на оценките, повлекување) пред да ескалира проблемот. Но, ова поле може да биде и многу корисно и многу опасно: ако се користи добро, овозможува да се дојде до студент на време; Ако се користи лошо, го заробува ученикот во „етикета за ризик“.
Во оваа единица, ќе научиме да користиме вештачка интелигенција како помош што ги сумира расфрланите податоци за следење и ја прави шемата видлива. Најкритичниот принцип: вештачката интелигенција може да укаже на моделот, но не може да го оцени ученикот или да го прогласи за „загрозен“. Раното предупредување секогаш се комбинира со набљудување на специјалистот и дискусија со ученикот; Конечната оценка и одлука е на експертот. Да се потсетиме и на кризната граница: ако последователните податоци укажуваат на сериозен ризик (на пример, ситуацијата на ученикот укажува на непосредна опасност), ова е кризна ситуација и протоколот во единица 9 стапува во игра; Не вештачка интелигенција.
Тената линија помеѓу гледањето обрасци и нивно етикетирање
Само следењето на податоците не е значајно; контекстот дава значење. Тринеделно зголемување на отсуството од работа; Тоа може да биде поврзано со болест, семејна ситуација или тешкотии на училиште. ВИ може да го направи ова зголемување видливо во табела или резиме („отсуството од работа значително се зголеми во последните три недели“); ова е корисен знак што го привлекува вниманието на професионалецот кон тој студент. Опасноста е дека вештачката интелигенција (или експертот, врз основа на вештачката интелигенција) ќе скокне од овој сигнал до пресуда: „овој студент е во ризик/проблем/запоставен“. Овој скок може да биде и погрешен и да го стигматизира ученикот.
Правило: AI сигнали, експерт конструира значење. Резимето е оправдување за започнување на разговор, а не заклучок. Ниту еден знак не станува евалуација без разговор со ученикот.
Друга суптилност е да се биде внимателен кога се комбинираат изворите на податоци. Присуството, трендот на оценките и следењето на однесувањето се индивидуално значајни, но ако вештачката интелигенција ги комбинира како единствен „оценка за ризик“ е погрешно. Отсуството на ученикот може да се зголемило бидејќи тој или таа има хронична здравствена состојба; Ова не е знак на академски неуспех. Поставувањето различни типови податоци во еден број ја замаглува реалноста на ученикот и создава лажна приоритизација. Правилниот пристап е секој тип на податоци да се гледа како посебен „знак“ и целата да се остави на толкувањето на експертот. ВИ може да собира податоци; но не треба да ја заврши работата на нивно заварување во единствен суд. Исто така, важно е „колку долго“ да трае знакот: еднонеделната флуктуација и трендот во траење од три месеци имаат многу различни значења и повторно останува на експертот да ја прочита оваа временска димензија.
Внимание: отпечатокот што го наведува ученикот како „загрозен“ може трајно да влијае на перцепцијата на тоа дете на училиште. За да се спречи таквите етикети да влезат во оптек, отпечатоците за рано предупредување треба да се чуваат доверливи и да се користат само за поддршка и под стручен надзор.
Пристрасност: кој се брои како „ризик“ е важен
Пристрасноста во раното предупредување е сериозно прашање на правдата. Ако системот (или брифот за вештачка интелигенција) непропорционално ги означува учениците од одредена социоекономска група, одредено соседство или одредени обрасци на однесување како „изложени на ризик“, ова институционализира пристрасност. Експертот мора да разликува кои знаци навистина укажуваат на поддршка и кои само укажуваат на шема; На секој ученик треба да му се пристапи индивидуално и правично. Јазикот „ризичен“ произведен од вештачката интелигенција не треба да се усвои без сослушување.
Чекор по чекор: од податоци до поддршка
- Соберете податоци анонимно. Организирајте податоци како што се присуство, набљудување и напредок во оценката со „Студент A/B/C“ наместо со кодови за лична карта.
- Сумирано со вештачка интелигенција. Сумирајте ја шемата и забележителните промени на ниво на феномен.
- Изберете знаци. Експертот одлучува кои апстракти заслужуваат интервју.
- Мислење. Разговарајте со сигнализираниот ученик; научете го контекстот.
- Проценете и планирајте. Експертот воспоставува значење и поддршка.
- Чувајте го темно. Споделување на резултати надвор од целите за поддршка; Не циркулирајте ја етикетата.
Шаблони за копирање
1) Резиме на податоци за следење:
Вашата улога: асистент за уредување податоци PDR. ДОДАЈ ПРЕСУД, ознака за „ризик“ или препорака. Задача: Сумирајте ги следните анонимни податоци за отсуство/набљудување на ниво на ФАКТ по ученик; Наведете ги сите забележителни ПРОМЕНИ (зголемување/намалување). Оценувањето и одлуката се мои; само го правите образецот видлив.Податоци: [залепете анонимни податоци]
2) Список на причини за состанок:
Од анонимните резимеа подолу, наведете факти кои би можеле да претставуваат основа за започнување РАЗГОВОР ЗА ПОДДРШКА. Напишете една реченица НЕУТРАЛНА причина за секоја (како на пример „отсуството се зголеми во последните три недели“). Не користете етикети како „ризично/проблематично“. Прегледи: [анонимни резимеа]
3) Уредување на табела за следење:
Наредете ги следните анонимни белешки за следење во табела со колони за датум, набљудуван феномен, планиран чекор и исход. Не додавајте коментари, чувајте ги фактите. Забелешки: [анонимни белешки]
4) Подготовка пред интервјуто:
Вашата улога: асистент PDR. Се подготвувам за ПОДДРШКА средба со 14 годишен ученик чија посетеност е зголемена. Предложете 8 прашања за подготовка кои не се осудувачки, отворени и не го прават ученикот во одбрана.
Слаб промпт / Силен промпт
Слаб:
Погледнете го списокот за отсуства на овој клас, означете ги ризичните ученици.
Тоа ја прави вештачката интелигенција судија, бара од неа да произведе „ризична“ етикета, без контекст и без разговор.
Силно:
Вашата улога: асистент за уредување податоци PDR, додавање на ознака „ризик“. Во податоците за анонимните отсуства подолу, резимирајте (на ниво на феномен) учениците кои покажаа ЗНАЧАЈНИ ПРОМЕНИ во последните 3 недели. За секој, само напишете што се променило; Јас ќе го донесам коментарот и одлуката. Податоци: [анонимни податоци]
Сигнализира, не етикетира; Одлуката е во рацете на вештакот.
три мини футроли
Случај 1 - корисен знак. Специјалист имал потешкотии да ги следи индивидуалните отсуства во класа од 200 ученици. Тој ги имаше анонимните податоци сумирани од АИ; Се издвојуваше студент кој вообичаено ќе остане незабележан, кој покажа тивко, но постојано зголемување на отсуствата. Зборуваше експертот; Дознал дека ученикот имал проблем со превозот наутро и изработил практично решение. АИ го даде знакот, експертот и студентот го изградија решението.
Случај 2 - Враќање од етикетата. Едно резиме на ВИ опиша еден ученик како „висок ризик за однесување“; при што во податоците на вештакот постоел само феноменот „барање за промена на класа двапати“. Експертот ја одбил оваа етикета, разговарал со студентот и открил дека барањето произлегува од желбата да се дистанцира од група пријатели. Етикетата може неправедно да го стигматизира детето; стручниот филтер го спречи ова.
Случај 3 - Проверка на пристрасност. Експерт забележал дека списокот со „ризици“ што го произведува вештачката интелигенција несразмерно вклучува студенти од одредена населба. Тој не ја искористи листата, мислејќи дека тоа може да одразува пристрасност; наместо тоа, примени праведни критериуми засновани на факти за сите студенти. Така, поддршката беше дистрибуирана според реалната потреба, а не според стигмата.
Вообичаени грешки
- Изработка на ознаката за вештачка интелигенција „ризична“. Суперирање на судството на алатка. Решение: вештачката интелигенција го покажува феноменот/промената, експертот донесува суд.
- Евалуација без интервју. Не само гледање на податоците и разговор со ученикот. Решение: секој знак добива контекст преку разговор.
- Игнорирање на пристрасност. Усвојување на „ризична“ листа заснована на шема. Решение: контрола на правдата и индивидуалноста.
- Циркулирање на етикетата. Споделување на списокот „ризичен студент“. Решение: ограничување на целта на приватност и поддршка.
- Збунувајќи го со криза. Третирање на знак на сериозен ризик како рутинско следење. Решение: се активира кризен протокол (единица 9).
Табела: Знак или пресуда?
излез
Тип
што да правам
„Отсуството се зголеми во последните 3 недели“
Знак (феномен)
Причина за средба
„Овој студент е ризичен“
Пресуда (етикета)
Одбијте, вратете се во реалноста
„Оценките паѓаат веќе два семестри“
Знак (феномен)
Причина за средба
„Неговото семејство го запоставува“
расудување/заклучок
Одбијте, вратете се на набљудување
„Фреквенцијата на состаноци е намалена“
Знак (феномен)
Експерт оценува
Сумирано
Во следењето на учениците, вештачката интелигенција е корисна помош што ги сумира расфрланите податоци и ги прави видливи обрасците; Но, не може да го оцени ученикот или да го прогласи за „ризичен“. ВИ дава сигнали, експертот конструира значење. Контекстуализирајте го секој знак со разговор, проверете дали има пристрасност, циркулирајте етикети и префрлете се на протокол за кризи при знаци на сериозен ризик. Целта на раното предупредување не е да се стигматизира, туку да се обезбеди навремена и правична поддршка.
Задача за апликација
Создадете анонимни податоци за присуство/набљудување за измислена училница. Нека ве резимира ВИ на ниво на факти со шаблонот „резиме на податоци за следење“. Испитајте го резултатот: Дали вештачката интелигенција додаде некакви етикети или пресуди за „ризик/прашање“? Обележете, отстранете и креирајте неутрална листа на причини за дискусија само за факти. Потоа поставете го прашањето за пристрасност: дали списокот се собира во одредена шема?
листа за проверка
- [ ] Ги анонимизирав податоците пред да ги дадам на алатката.
- [ ] На промптот го напишав ограничувањето „додади ознака/проценка на ризик“.
- [ ] Го задржав излезот на вештачката интелигенција на ниво на факти/знаци, правејќи сам суд.
- [ ] Го контекстуализирав секој знак со интервју.
- [ ] Проверив за пристрасност и ги задржав етикетите приватни.