युनिट्स
1. अध्यापनशास्त्रातील कृत्रिम बुद्धिमत्तेचा परिचय: भूमिका, सीमा, प्रमाणीकरण आणि विद्यार्थी डेटा 2. पाठ योजना आणि शिकण्याची उद्दिष्टे: परिणाम, ब्लूमचे वर्गीकरण आणि प्रवाह 3. निर्देशात्मक साहित्य उत्पादन: सादरीकरण, कार्यपत्रक आणि क्रियाकलाप 4. विभेदित सूचना: स्तर, तयारी आणि सर्वसमावेशकता 5. प्रश्न आणि प्रश्नमंजुषा निर्मिती: आयटम लेखन आणि विचलित गुणवत्ता 6. मापन-मूल्यांकन आणि रुब्रिक डिझाइन: निकष, स्तर आणि सुसंगतता 7. अभिप्राय निर्मिती: रचनात्मक, रचनात्मक आणि वैयक्तिकृत अभिप्राय 8. पालक संप्रेषण: संदेश, बुलेटिन, मुलाखत आणि कठीण परिस्थिती 9. विद्यार्थी डेटा गोपनीयता आणि KVKK: निनावीकरण आणि सुरक्षित वापर 10. शैक्षणिक अखंडता आणि पडताळणी: कृत्रिम बुद्धिमत्तेचा विद्यार्थी वापर 11. नैतिकता, पूर्वाग्रह, एंड-टू-एंड वर्कफ्लो आणि शिक्षक एआय गव्हर्नन्स
युनिट 11 / 11

नैतिकता, पूर्वाग्रह, एंड-टू-एंड वर्कफ्लो आणि शिक्षक एआय गव्हर्नन्स

नफा:

  • कृत्रिम बुद्धिमत्तेच्या पूर्वाग्रह, बनावटपणा आणि पारदर्शकतेच्या मर्यादा समजून घेण्याची आणि शिकवण्याच्या निर्णयांमध्ये नैतिक तत्त्वे (न्याय, सर्वसमावेशकता, जबाबदारी) पाळण्याची क्षमता
  • वैयक्तिक कार्यप्रणाली आणि पडताळणीची सवय स्थापित करण्याची क्षमता जी संपूर्ण कार्यप्रवाह, योजनेपासून अभिप्रायापर्यंत, कृत्रिम बुद्धिमत्तेसह एंड-टू-एंड एकत्रित करते.
  • एक प्रशासन फ्रेमवर्क स्थापित करण्याची क्षमता ज्यामध्ये कृत्रिम बुद्धिमत्ता उत्पादन शैक्षणिक निर्णयांची जागा घेत नाही आणि जबाबदारी आणि अंतिम मान्यता नेहमीच शिक्षकाकडे असते.

मॉड्यूल परीक्षा

1. एक शिक्षक कृत्रिम बुद्धिमत्तेद्वारे तयार केलेली इतिहासाची प्रश्न आणि उत्तर की न तपासता त्याच्या परीक्षेत ठेवतो आणि की वरची तारीख चुकीची निघते. या परिस्थितीचा मुख्य धडा काय आहे?

  • अ) कृत्रिम बुद्धिमत्तेचे आउटपुट स्त्रोताशी जोडल्याशिवाय आणि त्याची पडताळणी न करता विद्यार्थ्यांना प्रभावित करणाऱ्या ठिकाणी ठेवणे; ही जबाबदारी शिक्षकाची आहे याकडे दुर्लक्ष करणे ✔
  • ब) प्रश्न निर्मितीमध्ये कृत्रिम बुद्धिमत्ता वापरण्यास सक्त मनाई आहे
  • क) कृत्रिम बुद्धिमत्ता कधीही इतिहासाचे प्रश्न निर्माण करू शकत नाही
  • ड) प्रश्न टेबलमध्ये मांडलेला नाही

वर्णन: कृत्रिम बुद्धिमत्ता अस्खलित आहे परंतु प्रत्यक्षात चुकीची माहिती (भ्रम) निर्माण करू शकते. विद्यार्थ्यावर थेट परिणाम करणारे कोणतेही आउटपुट, जसे की प्रश्न आणि उत्तर कळा, स्त्रोताशी लिंक करून शिक्षकाद्वारे सत्यापित केल्याशिवाय वापरू नयेत; जबाबदारी शिक्षकाची आहे.

2. सार्वजनिकरित्या उपलब्ध असलेल्या कृत्रिम बुद्धिमत्ता साधनामध्ये विद्यार्थ्याबद्दल मजकूर प्रविष्ट करताना सर्वोत्तम दृष्टीकोन कोणता आहे?

  • अ) गतीसाठी विद्यार्थ्याचे नाव आणि क्रमांक चिकटविणे.
  • ब) ओळख माहिती काढून टाका आणि डेटा अनामित करा आणि शक्य असल्यास सुरक्षित/संस्थात्मक साधने वापरा ✔
  • क) फक्त आडनाव लपवा आणि शाळा क्रमांक सोडा.
  • ड) डेटा शेअर करण्यापूर्वी विद्यार्थ्याला तोंडी सूचना देणे पुरेसे आहे.

स्पष्टीकरण: विद्यार्थी डेटा वैयक्तिक डेटा आहे; आरोग्य, कुटुंब किंवा वागणूक याविषयी माहिती खाजगी असू शकते. नाव-आडनाव, शाळा क्रमांक, वर्ग यासारखी ओळख माहिती काढून टाकली जावी, डेटा अनामित असावा आणि शक्य असल्यास, डेटा प्रोसेसिंग आश्वासनासह संस्थात्मक साधनांना प्राधान्य दिले पाहिजे.

3. शिकण्याचे उद्दिष्ट (परिणाम) लिहिताना ब्लूमचे वर्गीकरण शिक्षकाला काय प्रदान करते?

  • अ) विद्यार्थ्यांच्या नावांची वर्णमाला क्रमाने मांडणी करणे
  • ब) परीक्षेच्या पेपरचे स्वयंचलित स्कोअरिंग
  • क) योग्य क्रियापदासह लक्ष्यित संज्ञानात्मक विचार पातळी स्पष्ट करा आणि मापनासह संरेखित करा ✔
  • ड) धड्याचा कालावधी नेहमी 40 मिनिटांपर्यंत निश्चित करा

वर्णन: ब्लूमचे वर्गीकरण लक्षात ठेवण्यापासून ते तयार करण्यापर्यंतच्या संज्ञानात्मक प्रक्रियांना स्तर देते. योग्य कृती क्रियापदासह परिणाम लिहिल्याने विचारांची अभिप्रेत पातळी स्पष्ट होते आणि ते मोजमापासह संरेखित होते; या स्तरावर AI कडून प्रश्न/क्रियाकलाप विचारणे सोपे करते.

4. बहुविकल्पीय प्रश्नामध्ये 'चांगला विचलित करणारा' म्हणजे काय?

  • अ) एक पर्याय जो कोणीही निवडणार नाही कारण तो स्पष्टपणे मूर्ख आहे
  • ब) एक पर्याय ज्याचा अर्थ अचूक उत्तरासारखाच आहे
  • क) नेहमी सर्वात लांब लिखित पर्याय
  • ड) एक विशिष्ट पर्याय जो चुकीचा असूनही गैरसमज असलेल्या विद्यार्थ्याला योग्य वाटेल ✔

स्पष्टीकरण: एक चांगला विचलित करणारा हा एक पर्याय आहे जो चुकीचा असला तरीही तो विषय पूर्णपणे शिकला नसलेल्या विद्यार्थ्याला योग्य वाटतो. हे सहसा विद्यार्थी वारंवार बनवलेल्या गैरसमजावर आधारित असते; त्यामुळे प्रश्न खरोखरच वेगळा बनतो. निरर्थक किंवा असंबद्ध विचलित करणारे प्रश्न सोपे करतात आणि मोजमाप कमकुवत करतात.

5. विश्लेषणात्मक रुब्रिक आणि समग्र रूब्रिकमधील मुख्य फरक काय आहे?

  • अ) विश्लेषणात्मक रुब्रिक प्रत्येक निकष स्वतंत्रपणे स्कोअर करते; समग्र रूब्रिक अभ्यासाला एकच सामान्य स्तर देते ✔
  • ब) विश्लेषणात्मक रूब्रिक फक्त परीक्षांमध्ये वापरले जाते, समग्र रूब्रिक फक्त प्रकल्पांमध्ये वापरले जाते.
  • क) दोघेही कृत्रिम बुद्धिमत्तेद्वारे आपोआप अंतिम श्रेणी देतात
  • ड) विश्लेषणात्मक रुब्रिक अस्कोअर केलेले आहे, समग्र रुब्रिक स्कोअर केले आहे.

वर्णन: विश्लेषणात्मक रुब्रिक प्रत्येक निकष (उदा. सामग्री, भाषा, मांडणी) वेगळ्या स्तरांवर स्कोअर करते आणि तपशीलवार अभिप्राय प्रदान करते. समग्र रूब्रिक संपूर्ण अभ्यासाला एकच सामान्य स्तर देते; ते जलद आहे परंतु तपशीलवार अभिप्राय देत नाही.

6. विद्यार्थ्यासाठी कोणत्या स्वरूपाचा अभिप्राय सर्वात उपयुक्त आहे?

  • अ) विद्यार्थ्याला 'अयशस्वी' किंवा 'आळशी' असे लेबल करणारा एक सामान्य निर्णय
  • ब) फक्त एक लेटर ग्रेड किंवा स्कोअर देणे
  • क) फीडबॅक जो उत्पादनाला लक्ष्य करतो आणि एक ठोस आणि पुढे दिसणारा विकास टप्पा दर्शवतो ✔
  • ड) संपूर्ण वर्गाला समान, वैयक्तिक नसलेले वाक्य द्या.

स्पष्टीकरण: फॉर्मेटिव्ह फीडबॅक म्हणजे शिक्षणाची प्रगती करण्यासाठी; हे उत्पादन/कार्यक्षमतेला लक्ष्य करते, विद्यार्थ्याच्या व्यक्तिमत्त्वाला नाही, आणि एक ठोस आणि पुढे दिसणारी विकासाची पायरी दाखवते. 'तुम्ही आळशी आहात' यासारख्या गोष्टींना लेबल लावणारा किंवा त्यांना फक्त ग्रेड देणारा फीडबॅक शिक्षणाला प्रोत्साहन देत नाही.

7. विभेदित सूचनांमध्ये कृत्रिम बुद्धिमत्ता वापरताना सर्वात महत्त्वाचा नैतिक धोका कोणता आहे?

  • अ) साहित्य रंगीत नाही
  • ब) विद्यार्थ्याला लेबलमध्ये कमी करण्याचा आणि त्याला पक्षपाती किंवा रूढीवादी साच्यात अडकवण्याचा धोका ✔
  • क) कृत्रिम बुद्धिमत्ता खूप जास्त क्रियाकलापांची शिफारस करते
  • ड) भिन्नता अभ्यासक्रमात समाविष्ट केलेली नाही

स्पष्टीकरण: कृत्रिम बुद्धिमत्ता विद्यार्थ्याला एका लेबलवर ('कमकुवत', 'प्रतिभावान') कमी करू शकते आणि पक्षपाती किंवा स्टिरियोटाइपिकल शिफारसी तयार करू शकते. शिक्षकाने विद्यार्थ्याला जाणून घेऊन भिन्नता एकत्र केली पाहिजे; आर्टिफिशियल इंटेलिजन्सचा प्रस्ताव केवळ साच्यापुरता मर्यादित नसावा, तर तो लवचिक आणि तात्पुरता असावा.

8. शिक्षक एखाद्या विद्यार्थ्याला AI 'डिटेक्टर' वर आधारित असाइनमेंट '90% AI' चिन्हांकित करून शून्य देतो. या दृष्टिकोनाची मुख्य समस्या काय आहे?

  • अ) डिटेक्टर असाइनमेंट खूप हळू स्कॅन करतो
  • ब) एआय डिटेक्टर अविश्वसनीय आहेत; खोट्या सकारात्मक गुणांमुळे एकाच गुणांवर आधारित दंड करणे अयोग्य आहे ✔
  • क) डिटेक्टर स्कोअर नेहमीच योग्य असतो परंतु शिक्षक त्याकडे दुर्लक्ष करतात
  • ड) शून्याऐवजी निम्न श्रेणी द्यावी

वर्णन: एआय डिटेक्टर अविश्वसनीय आहेत; कृत्रिम बुद्धिमत्ता (फॉल्स पॉझिटिव्ह) साठी वास्तविक विद्यार्थी मजकूर चुकून चुकू शकतो, विशेषत: ज्या विद्यार्थ्यांची मूळ भाषा वेगळी आहे. एकाच डिटेक्टर स्कोअरच्या आधारे दंड आकारणे अयोग्य आहे; प्रक्रियेच्या पुराव्याद्वारे आणि विद्यार्थ्याच्या मुलाखतीद्वारे शैक्षणिक अखंडतेचे मूल्यांकन केले जावे.

9. कृत्रिम बुद्धिमत्तेसह पालकांना नकारात्मक परिस्थिती (वर्तणुकीची समस्या) पोहोचवणारा संदेश तयार करताना सर्वात चांगला मार्ग कोणता आहे?

  • अ) आरोपात्मक आणि अचूक भाषेत लिहा आणि थेट पालकांना पाठवा.
  • ब) विद्यार्थ्याचा संपूर्ण इतिहास आणि इतर विद्यार्थ्यांची नावे समाविष्ट करा
  • क) एक रचनात्मक, समाधान-केंद्रित आणि आदरयुक्त मसुदा तयार करा आणि पाठवण्यापूर्वी शिक्षकांना त्याचा टोन आणि अचूकता पुष्टी करण्यास सांगा ✔
  • ड) संदेश शक्य तितका छोटा ठेवा आणि कोणताही संदर्भ देऊ नका

वर्णन: मजकूर रचनात्मक, समाधान देणारा आणि आदरयुक्त असावा; त्यात विद्यार्थ्याला न जुमानता ठोस कार्यक्रम आणि सहकार्याचे आवाहन केले पाहिजे. याव्यतिरिक्त, विद्यार्थ्यांची गोपनीयता संरक्षित केली जाणे आवश्यक आहे आणि शिक्षकाने मजकूर पाठवण्यापूर्वी त्याची अचूकता आणि टोन वैयक्तिकरित्या पुष्टी करणे आवश्यक आहे.

10. AI-व्युत्पन्न अध्यापन सामग्रीमधील वैज्ञानिक कोट प्रत्यक्षात अजिबात सांगितलेले नसावे. शिक्षकाने काय करावे?

  • अ) कोट जसे आहे तसे वापरणे, कारण AI साधारणपणे बरोबर आहे
  • ब) विश्वासार्ह स्त्रोताकडून कोट सत्यापित करणे, सत्यापित करणे शक्य नसल्यास त्याचा वापर न करणे ✔
  • क) कोटचा स्रोत 'इंटरनेट' म्हणून लिहा
  • ड) कोट अधिक विश्वासार्ह बनवण्यासाठी थोडासा बदल करणे.

वर्णन: कृत्रिम बुद्धिमत्ता विश्वासार्ह परंतु बनावट कोट्स, स्रोत आणि तथ्ये तयार करू शकते. वर्गाला देण्यापूर्वी विश्वसनीय स्रोतांकडून अवतरण आणि तथ्ये तपासून घ्यावीत; जर ते सत्यापित केले जाऊ शकत नसेल तर ते वापरू नये. चुकीच्या माहितीमुळे विद्यार्थ्यांमध्ये कायमचे गैरसमज निर्माण होतात.

11. कृत्रिम बुद्धिमत्तेसह रुब्रिक किंवा परीक्षेची तयारी करताना प्रतवारीचे (अंतिम मूल्यमापन) योग्य तत्त्व काय आहे?

  • अ) कृत्रिम बुद्धिमत्ता अंतिम श्रेणीसह सर्व परीक्षांमध्ये आपोआप गुण मिळवू शकते
  • ब) अंतिम श्रेणी हा विद्यार्थ्याच्या भविष्यावर परिणाम करणारा निर्णय आहे; जबाबदारी आणि अंतिम मान्यता शिक्षकाची आहे ✔
  • क) जोपर्यंत आर्टिफिशियल इंटेलिजन्स ग्रेड देते तोपर्यंत शिक्षकाला तपासण्याची गरज नाही
  • ड) प्रतवारी केवळ डिटेक्टर स्कोअरवर आधारित असावी

वर्णन: कृत्रिम बुद्धिमत्ता रूब्रिक बाह्यरेखा, प्रश्न आणि अभिप्राय बाह्यरेखा तयार करू शकते; तथापि, अंतिम श्रेणी हा विद्यार्थ्याच्या भविष्यावर परिणाम करणारा निर्णय आहे आणि त्याची जबाबदारी शिक्षकाची आहे. स्कोअरिंगची सातत्य आणि निष्पक्षता शिक्षकांच्या देखरेखीखाली असावी.

12. वर्गात विद्यार्थ्यांना कृत्रिम बुद्धिमत्तेची ओळख करून देताना सर्वात आरोग्यदायी शैक्षणिक दृष्टीकोन कोणता आहे?

  • अ) कृत्रिम बुद्धिमत्तेवर पूर्णपणे बंदी घालणे आणि या विषयावर अजिबात चर्चा न करणे
  • ब) विद्यार्थ्यांना शिकवणे की कृत्रिम बुद्धिमत्ता नेहमीच योग्य असते
  • क) पारदर्शक/नैतिक वापराचे नियम स्थापित करा आणि स्त्रोत सत्यापन आणि गंभीर मूल्यमापन शिकवा ✔
  • ड) केवळ यशस्वी विद्यार्थ्यांना कृत्रिम बुद्धिमत्ता वापरण्याची परवानगी देणे

स्पष्टीकरण: बंदी घालण्याऐवजी पारदर्शक आणि नैतिक वापराचे नियम सेट करणे हा आरोग्यदायी दृष्टीकोन आहे; विद्यार्थ्यांना स्त्रोत पडताळणी, गंभीर मूल्यमापन आणि कृत्रिम बुद्धिमत्तेमुळे चुका होऊ शकतात हे शिकवणे आहे. अशा प्रकारे, कृत्रिम बुद्धिमत्ता एक विचार भागीदार बनते, कॉपी करण्याचे साधन नाही.

13. खालीलपैकी कोणते अध्यापनात कृत्रिम बुद्धिमत्तेच्या वापराची योग्य मर्यादा व्यक्त करते?

  • अ) कृत्रिम बुद्धिमत्ता शिक्षकाऐवजी सर्व शैक्षणिक निर्णय घेऊ शकते
  • ब) आर्टिफिशियल इंटेलिजेंसचा वापर फक्त प्रेझेंटेशन बनवण्यासाठी केला जाऊ शकतो बाकी काही नाही
  • क) आर्टिफिशियल इंटेलिजन्स हा एक अध्यापन सहाय्यक आणि विचार भागीदार आहे; गंभीर निर्णयांची जबाबदारी आणि अंतिम मान्यता शिक्षकांवर आहे ✔
  • ड) कृत्रिम बुद्धिमत्ता शिक्षकांच्या मान्यतेशिवाय विद्यार्थ्यांना अंतिम श्रेणी देऊ शकते

वर्णन: आर्टिफिशियल इंटेलिजन्स हा एक शिकवणी सहाय्यक, बाह्यरेखा जनरेटर आणि कल्पना भागीदार आहे. विद्यार्थ्याला प्रभावित करणाऱ्या गंभीर निर्णयांची जबाबदारी आणि अंतिम मान्यता, जसे की ग्रेडिंग, शैक्षणिक निर्णय, शैक्षणिक सचोटीचे निर्णय आणि मार्गदर्शन, नेहमी शिक्षकांकडे असते.

14. शिक्षकांसाठी कमकुवत प्रॉम्प्टऐवजी मजबूत प्रॉम्प्ट लिहिण्याचा मुख्य फायदा काय आहे?

  • अ) कृत्रिम बुद्धिमत्ता उत्तरे अधिक हळू तयार करते
  • ब) जेव्हा संदर्भ, स्तर, परिणाम आणि स्वरूप दिले जाते तेव्हा ग्रेड-योग्य, संरेखित आणि वापरण्यायोग्य आउटपुट प्राप्त करणे ✔
  • क) कृत्रिम बुद्धिमत्तेसाठी यापुढे कोणत्याही पडताळणीची आवश्यकता नाही
  • ड) प्रॉम्प्ट अधिक काळ केल्याने आउटपुट नेहमी खराब होते.

वर्णन: एक मजबूत प्रॉम्प्ट ज्यामध्ये भूमिका, श्रेणी पातळी, परिणाम, कालावधी, मर्यादा आणि इच्छित आउटपुट स्वरूप AI ला जेनेरिक ऐवजी ग्रेड-योग्य, संरेखित आणि वापरण्यायोग्य मसुदे तयार करण्यास सक्षम करते. संदर्भाशिवाय विनंतीला सामान्य आणि लागू न होणारा प्रतिसाद येतो.