Ethiek, academische integriteit, grenzen en end-to-end workflow

Winst:

• Vermogen om de ethische principes van het gebruik van kunstmatige intelligentie in de wiskunde te begrijpen en toe te passen (in dienst van leren, transparantie, menselijke verantwoordelijkheid, rechtvaardigheid, vertrouwelijkheid).
• Mogelijkheid om privacyrisico's in te schatten en passende voorzorgsmaatregelen te nemen bij gevoelige inhoud, zoals examenvragen, studentgegevens en ongepubliceerd onderzoek
• Mogelijkheid om alle onderdelen van de module (productie + verificatie) te combineren in één enkele end-to-end workflow, waarbij elke productiestap wordt voltooid met een verificatiestap en uiteindelijke menselijke goedkeuring

In deze laatste unit combineren we twee dingen: enerzijds de ethische, academische integriteits- en vertrouwelijkheidsdimensies van het gebruik van kunstmatige intelligentie in de wiskunde; Aan de andere kant om wat we tijdens de module hebben geleerd samen te brengen in één end-to-end workflow. AI in de wiskunde is een krachtig hulpmiddel, maar het brengt zowel verantwoordelijkheid als macht met zich mee: voor wie je het gebruikt, waarvoor je het gebruikt en hoe je het gebruikt, heeft ethische consequenties. Een student die zijn/haar huiswerk door AI laat maken en een leraar die de cursusstof met AI versnelt, zijn heel verschillende dingen. Deze eenheid vormt een aanvulling op technische vaardigheden met verantwoord gebruik.

Een paar definities. Academische integriteit betekent eerlijk laten zien wie werkelijk eigenaar is van een werk en het leren niet te kort doen. Plagiaat is het presenteren van het product van iemand anders (of van een medium) alsof het jouw eigen originele product is. Transparantie betekent duidelijk aangeven waar AI wordt gebruikt. Deze concepten zijn in het tijdperk van AI centraal geworden in het wiskundeonderwijs.

Basisprincipes van ethisch gebruik

1. Niet in plaats van het leren, maar in dienst ervan. AI kan een leerling ondersteunen bij het leren van het concept (uitleg, alternatieve uitleg), maar mag hem/haar niet aan het denken zetten. Als AI het huiswerk doet, ondermijnt dit het leren.
2. Transparantie. Geef aan waar AI is gebruikt: in een artikel, cursusmateriaal of rapport. Verbergen is oneerlijk.
3. De verantwoordelijkheid ligt bij de mens. Iedereen die AI-output publiceert, onderwijst of levert, is verantwoordelijk voor de nauwkeurigheid ervan. “De AI zei het” is geen excuus.
4. Gerechtigheid. Het gebruik van AI bij beoordelingen moet worden beheerst door gelijke en duidelijke regels voor alle studenten.
5. Beveiliging. Voer geen gevoelige informatie, zoals examenvragen, studentgegevens of ongepubliceerd onderzoek, in AI-tools in waarvan de vertrouwelijkheid niet gegarandeerd is.

Privacy: wat betekent het in de context van de wiskunde?

Ook al lijkt het alsof wiskunde ‘geen verborgen gegevens heeft’, toch is de context belangrijk. Een ongepubliceerd onderzoeksresultaat, de examenvragenbank van een instelling, de persoonlijke prestatiegegevens van studenten of het eigen algoritme van een bedrijf: ze zijn allemaal gevoelig. Alles wat u in een AI-tool invoert, kan door de leverancier van die tool worden verwerkt en in sommige gevallen worden gebruikt bij het trainen van het model. Gebruik dus voor gevoelige inhoud lokaal/institutioneel beveiligde tools of anonimiseer de inhoud.

Gegevenstype

Risico

voorzorg

Gepubliceerde stelling/probleem

laag

vrij verkrijgbaar

Actieve examenvragen

hoog

Het voertuig niet betreden of beveiligen

Persoonlijke/prestatiegegevens van studenten

hoog

Anonimiseren/niet invoeren

Ongepubliceerd onderzoek

hoog

Veilige/lokale tool

Lezing overzicht

laag-medium

Over het algemeen geschikt

Let op: Voordat u de AI ingaat om een examenvraag te verifiëren, moet u overwegen of die vraag geheim moet blijven. Vragen uit een actief examen zouden in theorie aan het licht kunnen komen wanneer ze worden ingevoerd in een AI-tool waarvan de vertrouwelijkheid niet gegarandeerd is. Voor kritische examens kunt u de vragen wijzigen of alleen door het bedrijf goedgekeurde, gegevensprivacy-gegarandeerde tools gebruiken.

End-to-end workflow: een voorbeeldtaak

Stel dat u voor een vak zowel de cursusstof als een examen binnen een week moet voorbereiden. De stroom die alle delen van de module combineert, zou er als volgt uit kunnen zien:

1. Plannen. Onderwerp, niveau en doelstellingen verduidelijken (Unit 7).

2. Het opstellen van het materiaal. Laat AI op het niveau passende lezingen + opgeloste voorbeelden produceren (Unit 7).

3. Monsterverificatie. Controleer elk opgelost voorbeeld met SymPy (Unit 4).

4. Visualisatie. Produceer en render afbeeldingen om het verhaal te ondersteunen met Matplotlib-code en vergelijk ze met wiskunde (Unit 6).

5. Notatie. Reinig de index, render en verifieer formules met LaTeX (Unit 10).

6. Vraaggeneratie. Laat meerkeuzevragen + afleiders maken voor het examen (Unit 8).

7. Bulkverificatie. Los alle vragen in bulk op met SymPy en controleer de antwoordsleutel (Unit 8, 9).

8. Controle op ethiek en transparantie. Is vertrouwelijkheid passend? Heeft u indien nodig het gebruik van AI in het materiaal vermeld? Jij hebt de eindverantwoordelijkheid (deze unit).

9. Menselijke goedkeuring. Controleer en bevestig alles nog een laatste keer. Elk niet-geverifieerd stuk wordt niet uitgezonden/getest.

Tip: In een end-to-end workflow is de meest efficiënte strategie om AI te positioneren als de ‘snelheidslaag’, deterministische tools (SymPy, render) als de ‘correctheidslaag’, en uzelf als de ‘oordeel- en verantwoordingslaag’. Elke productiestap moet worden gevolgd door een verificatiestap; Niet-geverifieerde uitvoer mag niet worden overgedragen naar de volgende stap.

drie minikoffers

Geval 1 — Transparantie schept vertrouwen. Eén academicus gebruikte AI in de eerste versie van een hoofdstuk uit een leerboek, verifieerde vervolgens elke wiskundige bewering en stelde in het voorwoord dat "AI-ondersteuning werd verkregen bij de productie van het manuscript, alle inhoud werd geverifieerd door de auteur." Deze transparantie vergroot het vertrouwen van collega’s en handhaaft de integriteitsstandaard.

Geval 2 – Gebruik dat het leren ondermijnt. Een leerling liet de AI zijn hele huiswerkset oplossen en inleveren. Hij zakte voor het examen voor dezelfde vakken omdat hij de concepten nooit had geleerd. De leraar stelde voor om de AI te gebruiken om ‘de oplossing te laten controleren en een alternatieve verklaring te krijgen’, maar eerst de problemen zelf op te lossen. AI moet ten dienste staan ​​van het leren, en niet in plaats daarvan.

Geval 3 — Risico op schending van de privacy. Eén docent overwoog een algemene AI-tool te hacken om vragen te verifiëren voor een centraal examen dat nog niet was afgenomen, maar besloot dit vervolgens niet te doen; in plaats daarvan loste hij de vragen in SymPy zelf en een collega op. Het invoeren van actieve examenvragen in een externe tool vormde een ernstig privacyrisico; lokale authenticatie zorgde voor het veilige pad.

Vier kopieerbare sjablonen

1) Gebruik dat het leren ondersteunt (voor studenten):

Ik heb dit probleem EERST opgelost, mijn oplossing is bijgevoegd. Geef mij NIET de oplossing; laat me gewoon zien waar ik fout ben gegaan en welk concept ik verkeerd heb begrepen, zodat ik het kan corrigeren. Mijn oplossing: [hier]

2) Een transparantienota genereren:

Ik heb een [cursusmateriaal/rapport] voorbereid en AI in de conceptfase gebruikt, waarbij ik alle wiskunde zelf heb geverifieerd. Schrijf een korte, professionele transparantienota waarin dit eerlijk wordt vermeld.

3) Privacycontrole vooraf:

Ik wil de volgende inhoud een privacykwalificatie geven voordat ik deze in een AI-tool invoer: [inhoudstype]. Wordt dit soort inhoud als gevoelig beschouwd, welke risico's zijn er, welke voorzorgsmaatregelen (anonimisering, lokale tool) moet ik nemen? Zeg het kort en duidelijk.

4) End-to-end verificatiecontroleplan:

Ik bereid cursusmateriaal + examen voor voor [onderwerp]. Vermeld als controleplan welke verificatie ik moet doen bij elke stap van de productie: monsterverificatie, grafische controle, notatie, antwoordsleutel, vertrouwelijkheid, menselijke goedkeuring.

Zwakke prompt/sterke prompt

Zwak: "Los deze huiswerkvragen op, dan lever ik ze in." (student)

Resultaat: Leren wordt overgeslagen, academische integriteit wordt geschonden, student slaagt er niet in het concept te leren. Het is ethisch en pedagogisch verwerpelijk.

Güçlü: "Ik heb geprobeerd deze huiswerkvraag op te lossen, maar ik liep vast; mijn oplossing is bijgevoegd. Geef het antwoord niet direct; laat me met een aanwijzing zien welke stap en waarom ik het fout deed, herinner me aan het juiste concept, dan zal ik het opnieuw proberen."

Conclusie: AI wordt gebruikt ten dienste van het leren; De student blijft nadenken, de eerlijkheid blijft behouden.

Veel voorkomende fouten

• Gebruik het om het leren over te slaan. AI het huiswerk laten doen is op de korte termijn gemakkelijk, maar vernietigt het leerproces op de lange termijn.
• Niet transparant zijn. Het verhullen van het gebruik van AI is in strijd met de wetenschappelijke integriteit; specificeer wanneer dat nodig is.
• De verantwoordelijkheid bij AI leggen. “De AI zei het” is geen excuus; De uitgever/docent is verantwoordelijk.
• Vertrouwelijke inhoud invoeren in een externe tool. Actief tentamen, studentgegevens, ongepubliceerd onderzoek zijn gevoelig.
• Laat de validatie achterwege tot het einde van de workflow. Verificatie moet na elke productiestap plaatsvinden; Fouten mogen zich niet ophopen.

Samengevat

Het gebruik van AI in de wiskunde vereist zowel ethische verantwoordelijkheid als technische vaardigheden: het moet in dienst staan van het leren (niet in de plaats daarvan), transparant zijn, de eindverantwoordelijkheid behouden, eerlijke regels naleven en de vertrouwelijkheid respecteren. In een end-to-end workflow is AI de snelheidslaag, SymPy en renderingtools de nauwkeurigheidslaag, en mensen de oordeels- en verantwoordelijkheidslaag. Elke productiestap moet worden gevolgd door een verificatiestap; Er mag geen niet-geverifieerde output in een publicatie, lezing of examen terechtkomen. Dat is de essentie van deze module: word sneller met AI, maar verifieer en neem verantwoordelijkheid voor elke stap.

Applicatie taak

Ontwerp een kleinschalige end-to-end-taak: een kort verhaal + 1 diagram + 3 meerkeuzevragen voor een onderwerp. Volg de stroom van de module: (1) plannen, (2) schetsen met AI, (3) voorbeelden valideren met SymPy, (4) de grafiek weergeven en controleren, (5) de notatie opschonen en weergeven met LaTeX, (6) de vragen batchgewijs valideren met SymPy, (7) een privacy- en transparantiecontrole uitvoeren, (8) definitieve menselijke goedkeuring geven. Leg vast welke verificatie u heeft uitgevoerd en wat u bij elke stap hebt gevonden. Evalueer aan het einde van het proces waar AI tijd bespaart en waar jouw oordeel onmisbaar is.

controlelijst

• [ ] Ik gebruikte AI ten dienste van (niet in plaats van) het leren.
• [ ] Ik heb waar nodig op transparante wijze de inzet van AI aangegeven.
• [ ] Ik heb de verantwoordelijkheid voor de uiteindelijke nauwkeurigheid op mij genomen.
• [ ] Ik heb geen toegang gekregen tot vertrouwelijke/gevoelige inhoud via onbeveiligde tools.
• [ ] Elke productiestap heb ik gevolgd met een verificatiestap.
• [ ] Ik heb geen niet-geverifieerde uitvoer meegenomen naar de uitzending/les/examen.

Module-examen

1. Welke van de volgende is de meest nauwkeurige positionering voor kunstmatige intelligentie in de wiskunde?

• A) Kunstmatige intelligentie is een instrument voor strategie, blauwdruk en organisatie; Het is aan de mens om de exacte berekening en het resultaat met deterministische middelen te verifiëren ✔
• B) Kunstmatige intelligentie is als een rekenmachine en elk numeriek resultaat dat het oplevert, is nauwkeurig
• C) Kunstmatige intelligentie heeft nooit ongelijk in de conclusies die zij vol vertrouwen presenteert, dus verificatie is niet nodig
• D) Kunstmatige intelligentie is alleen nuttig voor het schrijven van tekst, het heeft niets te maken met wiskundige taken

Beschrijving: Een groot taalmodel is een hulpmiddel dat statistisch tekst genereert; Het is geen rekenmachine of proefcontrole. Het levert meestal correcte wiskunde op, maar garandeert niet; dus elke output moet worden geverifieerd met deterministische hulpmiddelen (SymPy, rekenmachine, handmatige validatie) en de verantwoordelijkheid moet bij de mens blijven.

2. Een leerling vraagt ​​kunstmatige intelligentie om een ​​integraal op te lossen en wil het resultaat krijgen. Wat is de meest betrouwbare manier om het resultaat te verifiëren?

• A) Differentiëren van het resultaat en controleren of het terugkeert naar de oorspronkelijke functie (SymPy of handmatig) ✔
• B) Vraag kunstmatige intelligentie 'is dit waar?' vragen
• C) Het resultaat accepteren zoals het is, omdat het vloeiend en zelfverzekerd wordt gepresenteerd.
• D) Doorgaan naar een andere vraag en het resultaat helemaal niet controleren

Uitleg: De inverse afgeleide-integraal is een ingebouwd verificatiehulpmiddel in de wiskunde: door de afgeleide van het gevonden resultaat te nemen en onafhankelijk te controleren of deze terugkeert naar de oorspronkelijke functie, wordt de juistheid van de integraal bevestigd. Dezelfde kruiscontrole kan worden uitgevoerd met SymPy.

3. Wat betekent het principe ‘het juiste resultaat is niet de juiste manier’ bij het oplossen van problemen met kunstmatige intelligentie?

• A) Het juiste resultaat bewijst altijd dat het pad ook goed is
• B) Het pad is onbelangrijk, alleen het resultaat moet worden gescoord
• C) Verkeerde tussenstappen kunnen per toeval tot het juiste resultaat leiden; Daarom moet zowel het resultaat als elke tussenstap worden gecontroleerd ✔
• D) Het is onmogelijk om een solide pad te vinden, dus kijken we alleen naar de uitkomst

Toelichting: Soms leiden verkeerde tussenstappen toevallig tot het juiste resultaat; Zelfs als het resultaat correct is, is het pad mogelijk ongeldig. Daarom is het in de wiskunde alleen maar 'is het resultaat correct?' maar eerder 'is elke tussenstap juist?' De vraag is ook essentieel en bij elke stap moet toezicht worden gehouden.

4. Wat moet je doen als AI in een bewijs de zinsnede ‘zonder verlies van algemeenheid’ gebruikt?

• A) Accepteren dat het bewijs geldig is omdat de bewering vloeiend is
• B) Voor jezelf rechtvaardigen dat de algemeenheid niet daadwerkelijk wordt verbroken; ✔ niet zonder twijfel accepteren
• C) Het bewijs als geldig beschouwen zonder het überhaupt te lezen
• D) Zoeken naar deze uitdrukking uit de bron als stellingnaam

Verduidelijking: De uitspraak 'zonder verlies van algemeenheid' is soms geldig (als er echte symmetrie is), maar soms is het een verborgen fout. Kunstmatige intelligentie gebruikt deze uitdrukking veel; Je moet jezelf elke keer rechtvaardigen dat de algemeenheid niet werkelijk wordt geschonden, en je moet de verklaring niet zonder twijfel accepteren.

5. Je hebt een SymPy-code naar de kunstmatige intelligentie geschreven. Hoe krijg je het resultaat correct?

• A) Kunstmatige intelligentie de output van de code laten voorspellen
• B) Ervan uitgaande dat de code correct is zonder deze te lezen
• C) Vertrouwen op de interpretatie van de output door de AI
• D) Voer de code zelf uit in een echte Python-omgeving en bekijk de exacte uitvoer ✔

Beschrijving: De kracht van SymPy komt pas naar voren als de code in een echte Python-omgeving wordt uitgevoerd. Vraag kunstmatige intelligentie 'wat levert deze code op?' vragen is geen verificatie, omdat AI ook de code-uitvoer kan verzinnen. U moet de code zelf uitvoeren.

6. Als de oplossing van een vergelijking die handmatig door kunstmatige intelligentie wordt gevonden en het resultaat van SymPy verschillend zijn, welke moet je dan vertrouwen en waarom?

• A) SymPy-resultaat omdat het deterministisch en nauwkeurig is; Laat de kunstmatige intelligentie vervolgens de locatie van zijn fout vinden ✔
• B) Het resultaat van kunstmatige intelligentie omdat het vloeiender uitlegt
• C) Er willekeurig één kiezen omdat ze allebei even betrouwbaar zijn
• D) Beide afwijzen en de vraag als onoplosbaar beschouwen

Beschrijving: SymPy is een deterministisch symbolisch computersysteem: het geeft altijd exact hetzelfde correcte resultaat bij dezelfde invoer. Kunstmatige intelligentie produceert tekst statistisch en kan hallucineren. In het geschil moet SymPy als basis worden genomen en moet de kunstmatige intelligentie worden gebruikt om de locatie van de fout te vinden.

7. Waarom werkt de voorwaarde '0.1 + 0.2 == 0.3' niet zoals verwacht in een Python-code en hoe kan ik dit oplossen?

• A) Optelling is verbroken in Python; een andere taal moeten gebruiken
• B) Exacte gelijkheid geldt niet vanwege de precisie van getallen met drijvende komma; Er moet een tolerantie zoals 'abs(a-b) < 1e-9' worden gebruikt ✔
• C) De waarde 0,3 is onjuist; Het is noodzakelijk om 0,30000000004 te schrijven
• D) De conditie werkt altijd correct, er is geen probleem

Uitleg: Computers slaan decimale getallen met beperkte nauwkeurigheid op in drijvende-komma-indeling; 0,1 + 0,2 wordt opgeslagen met een zeer kleine afwijking, niet precies 0,3. Daarom moet in plaats van de exacte gelijkheid '==' een tolerantie zoals 'abs(a-b) < 1e-9' worden gebruikt.

8. Wat is de beste 'gezond verstand'-test voordat je een scalaire wortelzoekcode op het echte probleem toepast?

• A) De code rechtstreeks op het daadwerkelijke probleem toepassen, zonder deze überhaupt te testen
• B) Controleer de lengte van de code en tel deze correct als deze lang is.
• C) Het testen van de code met een eenvoudige invoer waarvan het antwoord bekend is (bijvoorbeeld x²-4=0 wortels ±2) en controleren of deze het verwachte resultaat oplevert ✔
• D) Bevestigen aan kunstmatige intelligentie dat de code correct is

Uitleg: Het testen van de code met een eenvoudige invoer waarvan u het antwoord al weet (bijvoorbeeld ±2 voor x²-4=0 met duidelijke wortels) is de goedkoopste en meest effectieve verificatie. Als de code de bekende situatie correct weergeeft, wordt de kans groter dat deze betrouwbaar is voor problemen die u niet kent.

9. Hoe controleer je bij visualisatie of een grafiek de wiskunde correct weergeeft?

• A) Als de grafiek er esthetisch aantrekkelijk uitziet, wordt deze als correct beschouwd.
• B) Vergelijking van de grafiek met bekende eigenschappen van de functie en de werkelijke waarde van ten minste één punt ✔
• C) Helemaal niet naar de aslabels kijken
• D) Vertrouwen op de verbale beschrijving van de grafiek door de AI

Uitleg: Een afbeelding die er mooi uitziet hoeft niet accuraat te zijn; AI kan de verkeerde functie tekenen, in het verkeerde bereik of met een vervormde asymptoot. Door de grafiek te vergelijken met bekende eigenschappen van de functie (oscillatiebereik, symmetrie, asymptoot) en ten minste één puntberekening worden fouten ontdekt.

10. Wat is het meest kritische verificatiepunt in cursusmateriaal dat met kunstmatige intelligentie is geproduceerd en waarom?

• A) Lettertype en kleurenschema van het materiaal
• B) Lengte van het materiaal en aantal pagina's
• C) Nauwkeurigheid van opgeloste voorbeelden; omdat leerlingen ze als voorbeeld nemen en het verkeerde voorbeeld en de verkeerde methode onderwijzen ✔
• D) Hoe snel het materiaal wordt geproduceerd

Toelichting: Opgeloste voorbeelden worden door de leerlingen als voorbeeld genomen; Een verkeerd opgelost voorbeeld leert leerlingen direct de verkeerde methode. Daarom moet elk opgelost voorbeeld afzonderlijk, stap voor stap, worden geverifieerd, hetzij met SymPy, hetzij handmatig. Een kleine dubbelzinnigheid in de uitleg van het onderwerp kan worden gecompenseerd, maar het verkeerde voorbeeld veroorzaakt trapsgewijze schade.

11. Wat is de meest efficiënte en betrouwbare manier om een ​​door kunstmatige intelligentie gegenereerde meerkeuzevragenset te verifiëren?

• A) Opnieuw aan de kunstmatige intelligentie vragen of de vragen juist zijn
• B) Slechts een paar vragen willekeurig controleren en de rest vertrouwen
• C) Gebruik de antwoordsleutel zoals deze is, zonder er iets van aan te vinken
• D) Het collectief en deterministisch controleren van de antwoordsleutel door een code af te drukken en uit te voeren die alle vragen oplost met SymPy ✔

Uitleg: Kunstmatige intelligentie maakt het vaakst fouten, zoals het onjuist markeren van de antwoordsleutel en het produceren van meerdere/nul correcte opties. Het schrijven en uitvoeren van een code die alle vragen in één keer oplost met SymPy is de meest efficiënte manier om de antwoordsleutel deterministisch en in bulk te controleren.

12. Wat is de belangrijkste reden waarom kunstmatige intelligentie fouten maakt in de wiskunde?

• A) Kunstmatige intelligentie is een taalmodel; controleert de logische geldigheid niet, genereert tekst statistisch ✔
• B) Kunstmatige intelligentie heeft nooit wiskunde geleerd
• C) Kunstmatige intelligentie is opzettelijk geprogrammeerd om verkeerde antwoorden te geven
• D) Kunstmatige intelligentie maakt alleen fouten bij zeer moeilijke problemen, nooit bij gemakkelijke problemen.

Beschrijving: Kunstmatige intelligentie is geen logische motor, maar een taalmodel dat tekst produceert met statistische patronen; Het heeft geen intern mechanisme om de logische geldigheid van de stappen te controleren. 'Een geldig bewijs' met '3-cijferige vermenigvuldiging' is voor hem de taak om hetzelfde type tekst te produceren, waardoor de juistheid ervan niet kan worden gegarandeerd.

13. Als het resultaat van een waarschijnlijkheidsprobleem 1,4 is, hoe weet je dan dat er een fout is zonder in detail te treden?

• A) De berekening klopt omdat het resultaat 1,4 is, de waarschijnlijkheid kan groter zijn dan 1
• B) Het teken van de waarschijnlijkheid is onbelangrijk, de waarde wordt hoe dan ook geaccepteerd
• C) Er wordt niet begrepen dat er sprake is van een fout; het resultaat wordt als definitief beschouwd.
• D) De waarschijnlijkheid moet tussen 0 en 1 liggen; ✔ Testen met gezond verstand duiden op een fout omdat 1.4 deze limiet overschrijdt

Beschrijving: De op gezond verstand en orde van grootte test controleert binnen enkele seconden of het resultaat binnen een redelijk bereik ligt. Een waarschijnlijkheid moet per definitie tussen 0 en 1 liggen; 1.4 ligt buiten deze limiet, dus het is duidelijk dat er een fout is zonder naar de details van de berekening te kijken.

14. Waarom is het belangrijk om 'e^{x^2}' te schrijven in plaats van 'e^x^2' in LaTeX?

• A) Ze zijn precies hetzelfde, het verschil is alleen esthetisch
• B) Accolades bepalen de reikwijdte van de exponent; Zonder dit zou de uitdrukking onjuist of dubbelzinnig zijn, dus de uit meerdere tekens bestaande exponent {} is essentieel ✔
• C) Accolades zijn nutteloos in LaTeX
• D) 'e^x^2' is altijd waar, het gebruik van '{}' is niet nodig

Uitleg: De meest voorkomende fout in LaTeX is de scopefout: als de accolades '{}' niet worden gebruikt in een exponent, subscript of breuk die uit meerdere tekens bestaat, wordt alleen het eerste teken bedekt en wordt de uitdrukking onjuist (of zelfs dubbelzinnig). 'e^{x^2}' maakt duidelijk dat de gehele exponent x² is; De code moet worden weergegeven en geverifieerd door visuele inspectie.

15. Je wilt de vragen van een actief centraal examen laten verifiëren door kunstmatige intelligentie. Wat is de beste aanpak op het gebied van ethiek en privacy?

• A) Het vrijelijk invoeren van vragen in een algemeen AI-hulpmiddel, omdat wiskunde geen vertrouwelijke gegevens bevat
• B) Vragen gebruiken in het examen zonder ze te verifiëren
• C) Vragen valideren met een veilige/native tool (bijv. SymPy) of alleen gebruik maken van privacy-gegarandeerde bedrijfstools ✔
• D) Vragen delen op sociale media en anderen om controle vragen

Beschrijving: Actieve examenvragen zijn gevoelig; In theorie zou dit aan het licht kunnen komen wanneer een hulpmiddel voor kunstmatige intelligentie waarvan de vertrouwelijkheid niet gegarandeerd is, wordt gehackt. De juiste aanpak is om vragen te valideren met een veilige/native tool (bijvoorbeeld met een collega in SymPy) of om alleen door het bedrijf gecertificeerde tools te gebruiken die de privacy van gegevens garanderen.