Zyski:
- Możliwość generowania pytań wielokrotnego wyboru, otwartych i wymagających myślenia na wyższym poziomie zgodnie z osiągnięciami przy wsparciu sztucznej inteligencji
- Umiejętność kontrolowania jakości pytań poprzez zastosowanie zasad dobrego rozpraszacza (niewłaściwa, ale prawdopodobna opcja), pojedynczej poprawnej odpowiedzi i trudności przedmiotu.
- Zrozum ryzyko, że sztuczna inteligencja będzie generować błędne klucze odpowiedzi, pytania nieobiektywne lub stronnicze i bądź w stanie dostrzec, że nauczyciel musi zweryfikować każdy element.
Egzaminy i quizy to podstawowe narzędzia, za pomocą których nauczyciel mierzy proces uczenia się; Ale pisanie dobrych pytań jest trudniejsze, niż myślisz. Niejednoznaczny rdzeń, podobne opcje i język dający wskazówki umniejszają wartość pomiarową pytania. Sztuczna inteligencja szybko generuje dużą liczbę konspektów pytań związanych z wynikami; Monitorujesz jakość, weryfikujesz klucz odpowiedzi i utrzymujesz zgodność osiągnięć. W tej części omówimy dobre pisanie artykułów i tworzenie wysokiej jakości quizów za pomocą sztucznej inteligencji. Granica jest jasna: sztuczna inteligencja może generować nieprawidłowe klucze odpowiedzi, pytania nieobiektywne lub stronnicze; Nauczyciel sprawdza każdą pozycję.
Anatomia materii i zasady dobrych pytań
Pytanie wielokrotnego wyboru składa się z dwóch części: rdzeń (rdzeń pytania) — główne zadawane pytanie; i opcje — jedna jest poprawną odpowiedzią, inne odwracają uwagę. Dobry odwracacz uwagi, nawet jeśli jest zły, wydaje się wiarygodny dla ucznia, który nie opanował w pełni przedmiotu; Generalnie opiera się na powszechnym błędnym przekonaniu. Powszechne błędne przekonanie, takie jak „Księżyc wytwarza własne światło”, jest potężnym czynnikiem rozpraszającym. Bezsensowny lub nieistotny element odwracający uwagę („Księżyc to ser”) ułatwia zadanie pytania i sprawia, że jest mniej charakterystyczne.
Zasady dobrych pytań: (1) Temat pyta o coś pojedynczego i jasnego; (2) jest tylko jedna prawidłowa odpowiedź; (3) opcje mają podobną długość i są gramatycznie zgodne z rdzeniem (dłuższa opcja jest generalnie poprawna, nie daje wskazówki); (4) jeśli to możliwe, unika się opcji „wszystko/żadne”; (5) jeśli rdzeń jest przeczący („nie jest”), należy to podkreślić; (6) pytania mierzą poziom osiągnięć – zadawanie pytań przypominających w celu analizy osiągnięć mija się z celem.
Trudność przedmiotu określa stopień trudności pytania; Dyskryminacja to stopień, w jakim pytanie oddziela tych, którzy wiedzą, od tych, którzy nie wiedzą. Dobry egzamin to mieszanka przedmiotów o różnym stopniu trudności.
Wskazówka: zadając pytania sztucznej inteligencji, nazwij docelowe błędne przekonanie: powiedz „dystraktory powinny opierać się na tych 3 powszechnych błędnych przekonaniach”. W ten sposób otrzymasz rozpraszacze dydaktyczne, a nie przypadkowe.
Typy pytań
Wielokrotny wybór: Szybki pomiar, automatycznie punktowany; ale mierzenie myślenia wyższego rzędu wymaga starannego projektowania. Odpowiedź otwarta/krótka: Pokazuje własne oświadczenie ucznia; Jest punktowany rubryką (szósta jednostka). Prawda-fałsz: Szybki, ale wymagający dużego szczęścia. Dopasowanie: Dobre dla relacji koncepcja-definicja. Pytania dotyczące myślenia wyższego rzędu: elementy oparte na scenariuszach, zadając pytania „dlaczego/jak/oceniać”; Mierzy korzyści z analizy i oceny. AI tworzy plany dla nich wszystkich; Twoim zadaniem jest wybrać, który typ mierzy jaki wynik.
Krok po kroku: Tworzenie quizów przy użyciu sztucznej inteligencji
- Podaj wzmocnienie i poziom Blooma. Pytanie powinno mierzyć ten poziom.
- Określ typ i numer. „6 wielokrotnego wyboru + 2 otwarte”.
- Nazwij strategię odwracania uwagi. Na jakich błędnych przekonaniach powinna się opierać?
- Poproś o klucze i uzasadnienie. Prawidłowa odpowiedź na każde pytanie i dlaczego pozostałe są błędne.
- Zweryfikuj klucz ręcznie. Rozwiąż samodzielnie każde pytanie; Czy linia wyznaczona przez sztuczną inteligencję jest naprawdę prawdziwa?
- Sprawdzanie wyrównania i odchylenia. Czy pytanie mierzy zysk? Czy istnieją uprzedzenia kulturowe/płciowe?
- Bilans trudności. Dostosuj mieszankę łatwego-średnio-trudnego.
trzy mini etui
Przypadek 1 — Zły klucz. Nauczyciel przedmiotów ścisłych rozwiązał quiz składający się z 10 pytań od sztucznej inteligencji. Klucz do trzeciego pytania oznaczono jako „B”, ale kiedy nauczyciel go rozwiązał, zobaczył, że poprawna odpowiedź to „C” – sztuczna inteligencja uznała, że jej własny rozpraszacz jest prawidłowy. Gdyby nauczyciel go nie poprawił, uznałby ucznia, który wiedział, że się myli. Ręczne rozwiązanie klucza uratowało cały quiz.
Przypadek 2 — Słaba korekcja dystraktora. W pierwszym quizie nauczyciela rozpraszacze były bezsensowne i uczniowie musieli je wyeliminować i znaleźć poprawną odpowiedź. Kazał sztucznej inteligencji odtworzyć „rozpraszacze w oparciu o powszechne błędne przekonania: X, Y, Z”. W nowym quizie wzrosła dyskryminacja; średnia w klasie lepiej odzwierciedlała faktyczną naukę.
Przypadek 3 — Uzyskaj wyrównanie. Wynik nauczyciela historii był na poziomie analizy („powiązuje przyczyny”), ale sztuczna inteligencja stworzyła pytania przypominające („podaj datę”). Nauczyciel zaktualizował monit jako „na poziomie analizy nabywania; zadawaj pytania dotyczące scenariusza, które ustalają związek przyczynowo-skutkowy”. Pytania stały się miarą osiągnięć.
Szablony do kopiowania
1) Zestaw wielokrotnego wyboru oparty na osiągnięciach:
Twoja rola: [przedmiot] nauczyciel. Zysk: „[zysk]” ([Poziom kwitnienia]), [X. klasa]. Napisz 6 pytań wielokrotnego wyboru, które mierzą ten wynik. Niech każde pytanie ma 4 opcje; Niech rozpraszacze opierają się na tych powszechnych błędnych przekonaniach: [zapisz błędne przekonania]. W przypadku każdego pytania wyjaśnij poprawną odpowiedź i dlaczego KAŻDA opcja jest prawdziwa/fałszywa w osobnej sekcji kluczowej. Mieszane łatwe-średnie-trudne.
2) Weryfikacja klucza odpowiedzi:
Rozwiąż po kolei poniższe pytania wielokrotnego wyboru. Do każdego pytania: (a) jaką znalazłeś poprawną odpowiedź, (b) powód, (c) czy pasuje do zaznaczonego klucza. Oznacz niespójności wyraźnie jako „Sprzeczność”. Pytania i klucz: [wklej]
3) Pytanie wysokiego poziomu (scenariusz):
„[temat]”, [X. class], napisz 3 pytania oparte na scenariuszach na poziomie analizy i oceny. Niech każde pytanie krótko opisuje sytuację i poproś ucznia o uzasadnienie/porównanie. Nie pozwól, aby rozwiązano to sercem. Dodaj przykładowe odpowiedzi i wskazówki dotyczące oceny.
4) Audyt stronniczości i zgodności:
Sprawdź następujące pytania pod kątem: uprzedzeń związanych z płcią/kulturą/regionem, nieuczciwej przewagi/niekorzyści dla określonej grupy, niewłaściwego kontekstu. Oznacz problematyczne elementy i zaproponuj neutralną alternatywę. Pytania: [wklej]
Słaba zachęta/silna zachęta
Słaba zachęta:
Napisz 10 pytań dotyczących ułamków zwykłych.
Poziom, wynik, typ, strategia odwracania uwagi, brak klucza; Jakość i dopasowanie są pozostawione przypadkowi.
Potężny monit:
Twoja rola: nauczyciel matematyki. Efekt kształcenia: „Uczeń dodaje dwa ułamki zwykłe o różnych mianownikach” (aplikacja). 5 klasa. 6 pytań wielokrotnego wyboru, 4 opcje. Rozpraszacze powinny opierać się na następujących błędnych przekonaniach: bezpośrednie dodawanie liczników i mianowników, utrzymywanie stałego licznika i dodawanie mianownika. Podaj klucz i opis opcji dla każdego pytania. Mieszaj łatwe-średnie-trudne.
Typ pytania
Poziom, który mierzy
siła
Uwaga
wielokrotny wybór
Dowolny poziom (w zależności od projektu)
Szybki, automatyczny wynik
Jakość rozpraszająca
otwarte
tworzenie zrozumienia
oryginalne wyrażenie
Potrzebujesz rubryki
prawda-fałsz
pamiętaj
bardzo szybko
Współczynnik szczęścia jest wysoki
Oparte na scenariuszu
Analiza-ocena
uniemożliwia zapamiętywanie
Ortografia jest trudna, sztuczna inteligencja pomaga
Typowe błędy
- Brak weryfikacji klucza. Najczęstszy i najbardziej niesprawiedliwy błąd; Sztuczna inteligencja produkuje zły klucz, a uczeń, który go zna, stanie się ofiarą.
- Bezsensowny rozpraszacz uwagi. Nieprawdopodobna opcja upraszcza pytanie za darmo.
- Niedopasowanie poziomu wzmocnienia. Zapamiętywanie pytania do analizy; mija się z celem.
- Język, który daje wskazówki. Fakt, że najdłuższa/najbardziej szczegółowa opcja jest zawsze poprawna, uczy uczniów wzorców.
- Pomijanie stronniczości. Znajomy kontekst określonej kultury/grupy daje niektórym uczniom nieuczciwą przewagę.
Uwaga: sztuczna inteligencja czasami generuje niejednoznaczne pytania, w przypadku których więcej niż jedną opcję można uznać za „poprawną”. Na każdą pozycję odpowiadał pytaniem „Czy istnieje jedna i niepodważalna prawda?” Przetestuj to, mówiąc; W przeciwnym razie wyjaśnij korzeń.
Podsumowując
Dobre pytanie mierzy poziom osiągnięć za pomocą jasnego tematu i wiarygodnych czynników rozpraszających. Sztuczna inteligencja szybko generuje dużą liczbę konspektów pytań, czynników rozpraszających i kluczy zależnych od ich pozyskania; Jeśli powiesz docelowemu błędne przekonania, czynniki rozpraszające będą pouczające. Jednak sztuczna inteligencja może generować błędne klucze, słabe czynniki rozpraszające, pytania nie do zdobycia lub stronnicze. Rozwiąż każdy element, aby zweryfikować klucz, sprawdzić wyrównanie i stronniczość; Ostateczny test należy do nauczyciela.
Zadanie aplikacji
Aby uzyskać wynik, wygeneruj 6 pytań za pomocą szablonu „Zestaw wielokrotnego wyboru w oparciu o wynik”; Sam określ strategię dystraktora. Następnie rozwiąż każde pytanie samodzielnie i porównaj je z kluczem AI przed skorzystaniem z szablonu „Weryfikacja klucza odpowiedzi”. Popraw wszelkie niedopasowania. Na koniec napisz wersję scenariusza, która podnosi jedno z pytań do poziomu analizy.
lista kontrolna
- [ ] Czy zadałem pytania zgodnie z poziomem Blooma efektu uczenia się?
- [ ] Czy oparłem czynniki rozpraszające na faktycznych błędnych przekonaniach?
- [ ] Czy zweryfikowałem klucz do każdego pytania, rozwiązując je samodzielnie?
- [ ] Czy na pewno istnieje jedna, niewątpliwie poprawna odpowiedź?
- [ ] Czy sprawdziłem pod kątem stronniczości i adekwatności do wieku?