Etika, akademska integriteta, meje in potek dela od konca do konca

Dobički:

• Sposobnost razumevanja in uporabe etičnih načel uporabe umetne inteligence v matematiki (služba učenja, transparentnost, človeška odgovornost, pravičnost, zaupnost).
• Sposobnost ocenjevanja tveganj glede zasebnosti in sprejemanja ustreznih previdnostnih ukrepov pri občutljivi vsebini, kot so izpitna vprašanja, podatki študentov in neobjavljene raziskave
• Zmožnost združevanja vseh delov modula (proizvodnja + preverjanje) v en sam delovni tok od konca do konca, pri čemer se vsak proizvodni korak zaključi s korakom preverjanja in končno človeško odobritvijo

V tej zadnji enoti združujemo dve stvari: na eni strani etično, akademsko integriteto in zaupnost razsežnosti uporabe umetne inteligence v matematiki; Po drugi strani pa združiti vse, kar smo se naučili skozi modul, v en sam delovni tok od konca do konca. Umetna inteligenca v matematiki je močno orodje, vendar prinaša odgovornost in moč: za koga jo uporabljate, za kaj jo uporabljate in kako jo uporabljate, ima etične posledice. Učenec, ki mu domačo nalogo naredi umetna inteligenca, in učitelj, ki z umetno inteligenco pospešuje učno gradivo, sta zelo različni stvari. Ta enota dopolnjuje tehnično znanje z odgovorno uporabo.

Nekaj ​​definicij. Akademska integriteta pomeni pošteno pokazati, kdo je v resnici lastnik dela, in ne omejevati učenja. Plagiatorstvo je predstavljanje izdelka nekoga drugega (ali medija), kot da bi šlo za vaš izvirni izdelek. Preglednost pomeni jasno navedbo, kje se uporablja AI. Ti pojmi so v dobi umetne inteligence postali osrednjega pomena za matematično izobraževanje.

Osnovna načela etične uporabe

1. Ne namesto učenja, ampak v službi le-tega. Umetna inteligenca lahko učenca podpira pri učenju koncepta (razlaga, alternativna razlaga), vendar ga ne sme spodbujati k razmišljanju. Umetna inteligenca dela domače naloge spodkopava učenje.
2. Preglednost. Navedite, kje je bila umetna inteligenca uporabljena – v članku, gradivu za tečaj ali poročilu. Prikrivanje je nepošteno.
3. Odgovornost pripada ljudem. Vsakdo, ki objavlja, poučuje ali posreduje rezultate AI, je odgovoren za njihovo točnost. "AI je tako rekel" ni opravičilo.
4. pravičnost. Uporabo umetne inteligence pri ocenjevanju morajo urejati enaka in jasna pravila za vse učence.
5. Varnost. Ne vnašajte občutljivih informacij, kot so izpitna vprašanja, podatki študentov ali neobjavljene raziskave, v orodja AI, katerih zaupnost ni zagotovljena.

Zasebnost: kaj to pomeni v kontekstu matematike?

Čeprav se morda zdi, da matematika "nima skritih podatkov", je kontekst pomemben. Neobjavljeni rezultat raziskave, zbirka izpitnih vprašanj institucije, osebni podatki o uspešnosti študentov ali lastniški algoritem podjetja – vsi so občutljivi. Vse, kar vnesete v orodje AI, lahko ponudnik tega orodja obdela in v nekaterih primerih uporabi pri usposabljanju modela. Za občutljivo vsebino torej uporabite lokalno/institucionalno varovana orodja ali pa vsebino anonimizirajte.

Vrsta podatkov

Tveganje

previdnost

Objavljeni izrek/problem

nizka

prosto dostopni

Aktivna izpitna vprašanja

visoka

Ne vstopajte v vozilo in ga ne zavarujte

Osebni/uspešni podatki študentov

visoka

Anonimiziraj/ne vstopaj

Neobjavljena raziskava

visoka

Varno/lokalno orodje

Oris predavanja

nizko-srednje

Na splošno primeren

Pozor: preden greste v AI, da preverite izpitno vprašanje, razmislite, ali naj to vprašanje ostane tajno. Vprašanja iz aktivnega izpita bi lahko bila teoretično izpostavljena, če bi jih vnesli v orodje AI, katerega zaupnost ni zagotovljena. Za kritične izpite spremenite vprašanja ali uporabite samo orodja, ki jih je odobrilo podjetje in zagotavljajo zasebnost podatkov.

Potek dela od konca do konca: primer naloge

Recimo, da morate v enem tednu pripraviti učno gradivo in izpit za predmet. Tok, ki združuje vse dele modula, je lahko takšen:

1. Načrtovanje. Pojasnite temo, raven in cilje (Enota 7).

2. Priprava gradiva. Umetna inteligenca naj pripravi predavanja, ki ustrezajo ravni, + rešene primere (Enota 7).

3. Preverjanje vzorca. Vsak rešen primer preverite s SymPy (4. enota).

4. Vizualizacija. Izdelajte in upodabljajte grafike za podporo pripovedi s kodo Matplotlib in jih primerjajte z matematiko (Enota 6).

5. Notni zapis. Očistite indeks, upodabljajte in preverjajte formule z LaTeXom (enota 10).

6. Ustvarjanje vprašanj. Za izpit pripravite vprašanja z več izbirami + distraktorje (enota 8).

7. Množično preverjanje. Rešite vsa vprašanja skupaj s SymPy in preverite ključ odgovora (Enota 8, 9).

8. Nadzor etike in transparentnosti. Ali je zaupnost primerna? Ali ste v gradivu navedli uporabo AI, kadar je to potrebno? Vi imate končno odgovornost (ta enota).

9. Človeško odobravanje. Vse še zadnjič preglejte in potrdite. Vsak nepreverjen kos ne bo šel v predvajanje/test.

Namig: v celovitem delovnem toku je najučinkovitejša strategija postaviti AI kot »plast hitrosti«, deterministična orodja (SymPy, render) kot »plast pravilnosti« in sebe kot »plast presoje in odgovornosti«. Vsakemu koraku proizvodnje mora slediti korak preverjanja; Nepreverjenih rezultatov se ne sme prenesti v naslednji korak.

trije mini kovčki

1. primer – Zaupanje, ustvarjeno s preglednostjo. Neki akademik je uporabil umetno inteligenco v prvem osnutku poglavja učbenika, nato pa preveril vsako matematično trditev in v predgovoru izjavil, da je bila "podpora umetne inteligence pridobljena pri izdelavi rokopisa, vso vsebino je preveril avtor." Ta transparentnost je povečala zaupanje sodelavcev in ohranila standard integritete.

Primer 2 – Uporaba, ki spodkopava učenje. Študent je imel AI, da reši celotno domačo nalogo in jo odda. Pri istih predmetih je padel na izpitu, ker se nikoli ni naučil pojmov. Učitelj je predlagal uporabo AI za "preverjanje rešitve in pridobitev alternativne razlage", vendar naj najprej sam reši težave. Umetna inteligenca bi morala biti v službi učenja, ne namesto njega.

Primer 3 – Tveganje kršitve zasebnosti. En učitelj je razmišljal o vdoru v splošno orodje AI za preverjanje vprašanj za osrednji izpit, ki še ni bil opravljen, a se je nato odločil, da tega ne bo; namesto tega je sam in kolega reševal vprašanja v SymPyju. Vnašanje aktivnih izpitnih vprašanj v zunanje orodje je predstavljalo resno tveganje za zasebnost; lokalno preverjanje pristnosti je zagotovilo varno pot.

Štiri predloge za kopiranje

1) Uporaba, ki podpira učenje (za študente):

To težavo sem rešil PRVI, moja rešitev je priložena. NE daj mi rešitve; samo pokaži mi, kje sem šel narobe in kateri koncept sem narobe razumel, da ga lahko popravim. Moja rešitev: [tukaj]

2) Ustvarjanje opombe o preglednosti:

Pripravil sem [tečajno gradivo/poročilo] in uporabil AI v osnutku, pri čemer sem sam preveril vso matematiko. Napišite kratko, strokovno pregledno sporočilo, v katerem to iskreno poveste.

3) Predhodno preverjanje zasebnosti:

Naslednjo vsebino želim določiti glede zasebnosti, preden jo vnesem v orodje AI: [vrsta vsebine]. Ali se ta vrsta vsebine šteje za občutljivo, kakšna so tveganja, katere previdnostne ukrepe (anonimizacija, lokalno orodje) naj sprejmem? Povej kratko in jasno.

4) Načrt nadzora preverjanja od konca do konca:

Pripravljam tečajno gradivo + izpit za [predmet]. Kot nadzorni načrt navedite, katero preverjanje moram opraviti na vsakem koraku proizvodnje: preverjanje vzorca, grafični nadzor, zapis, ključ odgovora, zaupnost, človeška odobritev.

Šibek poziv/močan poziv

Slab: "Reši ta vprašanja za domačo nalogo in oddal jih bom." (študent)

Rezultat: Učenje je preskočeno, akademska integriteta je kršena, študent se ne nauči koncepta. Je etično in pedagoško sporno.

Güçlü: "Poskušal sem rešiti to vprašanje za domačo nalogo, a se mi je zataknilo; moja rešitev je priložena. Ne daj neposrednega odgovora; pokaži mi z namigom, kateri korak in zakaj sem naredil narobe, spomni me na pravilen koncept, potem bom poskusil znova."

Zaključek: AI se uporablja v službi učenja; Učenec naprej razmišlja, poštenost se ohrani.

Pogoste napake

• Uporaba za preskok učenja. Umetna inteligenca naredi domače naloge je kratkoročno enostavna, dolgoročno pa uniči učenje.
• Ni pregleden. Prikrivanje uporabe umetne inteligence je v nasprotju z akademsko integriteto; po potrebi navedite.
• Prelaganje odgovornosti na AI. "AI je tako rekel" ni izgovor; Odgovoren je založnik/učitelj.
• Vnos zaupne vsebine v zunanje orodje. Aktivni izpit, podatki o študentih, neobjavljena raziskava so občutljivi.
• Puščanje preverjanja do konca delovnega toka. Preverjanje mora priti po vsakem proizvodnem koraku; Napake se ne smejo kopičiti.

Če povzamem

Uporaba umetne inteligence v matematiki zahteva etično odgovornost in tehnično spretnost: mora biti v službi učenja (ne namesto njega), mora biti pregledna, ohraniti končno odgovornost, upoštevati pravična pravila in spoštovati zaupnost. V celovitem delovnem toku je umetna inteligenca plast hitrosti, SymPy in orodja za upodabljanje plast natančnosti, ljudje pa plast presoje in odgovornosti. Vsakemu proizvodnemu koraku mora slediti korak preverjanja; Noben nepreverjen rezultat ne sme iti v objavo, predavanje ali izpit. To je bistvo tega modula: postanite hitrejši z umetno inteligenco, vendar preverite in prevzemite odgovornost za vsak korak.

Aplikacijska naloga

Oblikujte majhno nalogo od konca do konca: kratka pripoved + 1 grafikon + 3 vprašanja z več izbirami za temo. Sledite toku modula: (1) načrtujte, (2) osnutek z AI, (3) potrdite primere s SymPy, (4) upodobite in preverite graf, (5) očistite in upodobite zapis z LaTeXom, (6) paketno potrdite vprašanja s SymPy, (7) opravite preverjanje zasebnosti in preglednosti, (8) dajte končno človeško odobritev. Zabeležite, kakšno preverjanje ste opravili in kaj ste ugotovili pri vsakem koraku. Na koncu postopka ocenite, kje umetna inteligenca prihrani čas in kje je vaša presoja nepogrešljiva.

kontrolni seznam

• [ ] AI sem uporabil v službi (ne namesto) učenja.
• [ ] Pregledno sem navedel uporabo AI, kjer je to potrebno.
• [ ] Prevzel sem odgovornost za končno natančnost.
• [ ] Nisem dostopal do zaupne/občutljive vsebine prek nezaščitenih orodij.
• [ ] Vsakemu proizvodnemu koraku sem sledil s korakom preverjanja.
• [ ] V oddajo/lekcijo/izpit nisem prenesel nobenega nepreverjenega rezultata.

Modulni izpit

1. Kaj od naslednjega je najbolj natančno pozicioniranje za umetno inteligenco v matematiki?

• A) Umetna inteligenca je strategija, načrt in organizacijsko orodje; Na človeku je, da preveri točen izračun in rezultat z determinističnimi sredstvi ✔
• B) Umetna inteligenca je kot kalkulator in vsak numerični rezultat, ki ga da, je natančen
• C) Umetna inteligenca se nikoli ne zmoti v sklepih, ki jih samozavestno predstavlja, zato je preverjanje nepotrebno
• D) Umetna inteligenca je uporabna samo za pisanje besedila, nima nobene zveze z matematičnimi nalogami

Opis: Velik jezikovni model je orodje, ki statistično generira besedilo; To ni kalkulator ali preverjalnik dokazov. Večino časa ustvari pravilno matematiko, vendar ne jamči; zato je treba vsak rezultat preveriti z determinističnimi orodji (SymPy, kalkulator, ročna validacija), odgovornost pa mora ostati na človeku.

2. Študent zahteva od umetne inteligence, da reši integral in želi dobiti rezultat. Kateri je najbolj zanesljiv način za preverjanje rezultata?

• A) Razlikovanje rezultata in preverjanje, ali se vrne na prvotno funkcijo (SymPy ali ročno) ✔
• B) Vprašajte umetno inteligenco, ali je to res? vprašati
• C) Sprejemanje rezultata takšnega, kot je, ker je predstavljen tekoče in samozavestno.
• D) Prehod na drugo vprašanje in sploh ne preverjanje rezultata

Pojasnilo: Inverz odvod-integral je vgrajeno orodje za preverjanje v matematiki: vzetje odvoda najdenega rezultata in preverjanje, ali se neodvisno vrne na prvotno funkcijo, potrdi pravilnost integrala. Enako navzkrižno preverjanje lahko izvedete s SymPy.

3. Kaj pomeni načelo 'pravi rezultat ni prava pot' pri reševanju problemov z umetno inteligenco?

• A) Pravi rezultat vedno dokazuje, da je tudi pot prava
• B) Pot ni pomembna, točkovati se mora le rezultat
• C) Nepravilni vmesni koraki lahko po naključju vodijo do pravilnega rezultata; Zato je treba pregledati tako rezultat kot vsak vmesni korak ✔
• D) Nemogoče je najti trdno pot, zato gledamo le na rezultat

Pojasnilo: včasih napačni vmesni koraki vodijo do pravega rezultata po naključju; Tudi če je rezultat pravilen, je pot morda neveljavna. Zato je v matematiki samo 'ali je rezultat pravilen?' temveč 'ali je vsak vmesni korak pravilen?' Vprašanje je tudi bistveno in vsak korak je treba nadzorovati.

4. Kaj morate storiti, ko AI v dokazu uporabi besedno zvezo 'brez izgube splošnosti'?

• A) Sprejemanje, da je dokaz veljaven, ker je izjava tekoča
• B) Utemeljitev zase, da splošnost dejansko ni kršena; ✔ ne sprejema brez vprašanja
• C) Dokaz velja za veljavnega, ne da bi ga sploh prebrali
• D) Iskanje tega izraza iz vira kot ime izreka

Pojasnilo: Izjava 'brez izgube splošnosti' je včasih veljavna (če obstaja pristna simetrija), včasih pa je skrita napaka. Umetna inteligenca pogosto uporablja ta izraz; Vsakič se moraš pri sebi utemeljiti, da splošnost res ni kršena, in izjave ne smeš sprejeti brez vprašanja.

5. Umetni inteligenci ste napisali kodo SymPy. Kako pravilno dobite rezultat?

• A) Da bi umetna inteligenca predvidela rezultat kode
• B) Ob predpostavki, da je koda pravilna, ne da bi jo prebrali
• C) Zaupanje AI-jevi interpretaciji rezultatov
• D) Zaženite kodo sami v pravem okolju Python in si oglejte natančen rezultat ✔

Opis: Moč SymPy se pokaže šele, ko se koda izvaja v pravem okolju Python. Vprašajte umetno inteligenco, kaj ustvari ta koda? spraševanje ni preverjanje, ker lahko AI sestavi tudi izhod kode. Kodo morate zagnati sami.

6. Če se rešitev enačbe, ki jo ročno najde umetna inteligenca, in rezultat, ki ga poda SymPy, razlikujeta, kateri naj zaupate in zakaj?

• A) rezultat SymPy, ker je determinističen in natančen; Nato naj umetna inteligenca poišče lokacijo svoje napake ✔
• B) Rezultat umetne inteligence, ker razlaga bolj tekoče
• C) Izbira enega naključno, ker sta oba enako zanesljiva
• D) Zavrnitev obeh in menijo, da je vprašanje nerešljivo

Opis: SymPy je deterministični simbolni računalniški sistem: vedno daje enak natančen pravilen rezultat za isti vnos. Umetna inteligenca ustvarja besedilo statistično in lahko halucinira. V sporu naj bi za osnovo vzeli SymPy in prisilili umetno inteligenco, da poišče lokacijo njegove napake.

7. Zakaj pogoj '0,1 + 0,2 == 0,3' ne deluje po pričakovanjih v kodi Python in kako to popraviti?

• A) Seštevanje je pokvarjeno v Pythonu; uporabiti drug jezik
• B) Natančna enakost ne velja zaradi natančnosti števila s plavajočo vejico; Uporabiti je treba toleranco, kot je 'abs(a-b) < 1e-9' ✔
• C) Vrednost 0,3 ni pravilna; Potrebno je napisati 0,30000000004
• D) Stanje vedno deluje pravilno, ni težav

Pojasnilo: Računalniki shranjujejo decimalna števila v formatu s plavajočo vejico z omejeno natančnostjo; 0,1 + 0,2 je shranjeno z zelo majhnim odstopanjem, ne ravno 0,3. Zato je treba namesto natančne enakosti '==' uporabiti toleranco, kot je 'abs(a-b) < 1e-9'.

8. Kateri je najboljši "preizkus zdrave pameti" pred uporabo kode za iskanje skalarnega korena pri resničnem problemu?

• A) Uporaba kode neposredno na dejanski težavi, ne da bi jo sploh preizkusili
• B) Preverite dolžino kode in jo pravilno preštejte, če je dolga.
• C) Testiranje kode s preprostim vnosom, katerega odgovor je znan (npr. x²-4=0 korenin ±2) in preverjanje, ali daje pričakovan rezultat ✔
• D) Potrditev umetni inteligenci, da je koda pravilna

Pojasnilo: Preizkušanje kode s preprostim vnosom, katerega odgovor že poznate (npr. ±2 za x²-4=0 z očitnimi koreninami), je najcenejše in najučinkovitejše preverjanje. Če koda pravilno poda znano situacijo, se poveča verjetnost, da je zanesljiva za težave, ki jih ne poznate.

9. Kako pri vizualizaciji preverite, ali graf pravilno odraža matematiko?

• A) Če je graf videti estetsko prijeten, se šteje za pravilnega.
• B) Primerjava grafa z znanimi lastnostmi funkcije in pravo vrednostjo vsaj ene točke ✔
• C) Sploh ne gleda na oznake osi
• D) Zanašanje na besedni opis grafa z AI

Pojasnilo: Ni nujno, da je grafika, ki izgleda lepo, točna; AI lahko nariše napačno funkcijo, v napačnem obsegu ali z popačeno asimptoto. Primerjava grafa z znanimi lastnostmi funkcije (območje nihanja, simetrija, asimptota) in vsaj enotočkovni izračun odkrije napake.

10. Katera je najbolj kritična točka preverjanja v učnem gradivu, izdelanem z umetno inteligenco, in zakaj?

• A) Pisava in barvna shema gradiva
• B) Obseg gradiva in število strani
• C) Natančnost rešenih primerov; ker jih učenci jemljejo za modele in učijo napačen primer in napačno metodo ✔
• D) Kako hitro je material proizveden

Pojasnilo: Rešene primere si učenci vzamejo za modele; Nepravilno rešen primer študente neposredno nauči napačne metode. Zato je treba vsak razrešen primer preveriti posebej, korak za korakom, bodisi s SymPy ali ročno. Majhno dvoumnost v razlagi predmeta je mogoče nadomestiti, vendar napačen primer povzroči kaskadno škodo.

11. Kateri je najučinkovitejši in najzanesljivejši način za preverjanje nabora vprašanj z več možnimi odgovori, ki jih ustvari umetna inteligenca?

• A) Ponovno spraševanje umetne inteligence, ali so vprašanja pravilna
• B) Naključno preverjanje le nekaj vprašanj in zaupanje ostalim
• C) Uporaba tipke za odgovor, kakršna je, ne da bi kar koli preverili
• D) Skupno in deterministično preverjanje ključa odgovora s tiskanjem in zagonom kode, ki reši vsa vprašanja s SymPy ✔

Pojasnilo: Umetna inteligenca najpogosteje dela napake, kot je napačno označevanje ključa za odgovor in ustvarjanje več/nič pravilnih možnosti. Pisanje in izvajanje kode, ki reši vsa vprašanja hkrati s SymPy, je najučinkovitejši način za deterministično in množično preverjanje ključa odgovora.

12. Kaj od naslednjega je glavni razlog, zakaj umetna inteligenca dela napake v matematiki?

• A) Umetna inteligenca je jezikovni model; ne preverja logične veljavnosti, generira besedilo statistično ✔
• B) Umetna inteligenca se nikoli ni naučila matematike
• C) Umetna inteligenca je namenoma programirana za dajanje napačnih odgovorov
• D) Umetna inteligenca se zmoti le pri zelo težkih problemih, nikoli pa pri lažjih.

Opis: Umetna inteligenca ni logični motor, temveč jezikovni model, ki proizvaja besedilo s statističnimi vzorci; Nima notranjega mehanizma za preverjanje logične veljavnosti korakov. 'Veljaven dokaz' s '3-mestnim množenjem' je zanj naloga izdelave iste vrste besedila, zato ni mogoče zagotoviti njegove pravilnosti.

13. Ko je rezultat verjetnostnega problema 1,4, kako veste, da gre za napako, ne da bi se spuščali v podrobnosti?

• A) Izračun je pravilen, ker je rezultat 1,4, verjetnost lahko preseže 1
• B) Predznak verjetnosti ni pomemben, vrednost je sprejeta ne glede na to
• C) Če se ne razume, da je prišlo do napake, se šteje, da je rezultat končen.
• D) Verjetnost mora biti med 0 in 1; ✔ Zdravorazumsko testiranje kaže na napako, ker 1,4 presega to mejo

Opis: Preizkus zdrave pameti in reda velikosti v nekaj sekundah preveri, ali je rezultat v razumnem območju. Verjetnost mora biti po definiciji med 0 in 1; 1.4 je zunaj te meje, zato je očitno, da je prišlo do napake, ne da bi pogledali podrobnosti izračuna.

14. Zakaj je v LaTeXu pomembno napisati 'e^{x^2}' namesto 'e^x^2'?

• A) Povsem enaka sta, razlika je le estetska
• B) Zavit oklepaj določa obseg eksponenta; Brez njega bi bil izraz nepravilen ali dvoumen, zato je večznakovni eksponent {} bistven ✔
• C) Zavit oklepaj je v LaTeXu neuporaben
• D) 'e^x^2' je vedno resnično, uporaba '{}' je nepotrebna

Pojasnilo: Najpogostejša napaka v LaTeXu je napaka obsega: če zavit oklepaj '{}' ni uporabljen v večznakovnem eksponentu, indeksu ali ulomku, je zajet le prvi znak in izraz postane nepravilen (ali celo dvoumen). 'e^{x^2}' pojasnjuje, da je celoten eksponent x²; Kodo je treba upodobiti in preveriti z vizualnim pregledom.

15. Želite imeti vprašanja aktivnega centralnega izpita verificirana z umetno inteligenco. Kateri je najboljši pristop z vidika etike in zasebnosti?

• A) Prosto vnašanje vprašanj v katero koli splošno orodje AI, ker matematika ne vsebuje zaupnih podatkov
• B) Uporaba vprašanj na izpitu, ne da bi jih preverili
• C) Preverjanje vprašanj z varnim/izvornim orodjem (npr. SymPy) ali z uporabo samo orodij za podjetja z zagotovljeno zasebnostjo ✔
• D) Delite vprašanja na družbenih medijih in prosite druge za nadzor

Opis: Aktivna izpitna vprašanja so občutljiva; Teoretično bi ga lahko razkrili, ko pride do vdora v orodje umetne inteligence, katerega zaupnost ni zagotovljena. Pravilen pristop je bodisi preverjanje vprašanj z varnim/domačim orodjem (npr. s kolegom v SymPyju) bodisi uporaba le orodij, ki jih je potrdilo podjetje in zagotavljajo zasebnost podatkov.