Dobički:
- Sposobnost razumeti razliko med dolgoročnim in kratkoročnim (merljivim) ciljem ter uporabiti umetno inteligenco za izdelavo kriterijsko usmerjenega orisa cilja
- Sposobnost ustvarjanja postopnega (analiza nalog) nabora ciljev in kriterijev ocenjevanja na podlagi stopnje uspešnosti študenta
- Sposobnost sprejeti, da končna odobritev ciljev IEP pripada skupini IEP in družini ter da osnutek umetne inteligence ni veljaven brez strokovne prilagoditve.
IEP (Individualized Education Program) je formalni načrt, pripravljen glede na individualne potrebe učenca, v katerem je zapisano, kateri cilji bodo doseženi, kako in v kakšnem času. To je srce posebnega izobraževanja: dobro napisan IEP določa, kaj se bo otrok naučil v enem letu, kaj bo učil učitelj in kako se bo meril napredek. Slabo napisan IEP pa je sestavljen iz stavkov, ki izgledajo dobro, a jih ni mogoče izmeriti in ne ustrezajo otroku ter ostanejo v datoteki. V tej enoti se bomo naučili uporabljati AI za hitro in merljivo izdelavo orisov ciljev BEP. Opomba od začetka: končna odobritev ciljev pripada skupini IEP in družini; Osnutek AI ni veljaven brez strokovne prilagoditve.
Razlika med dolgoročnimi in kratkoročnimi cilji
V BEP obstajata dve vrsti ciljev. Dolgoročni cilj (UDA) je splošni cilj, za katerega se običajno pričakuje, da bo dosežen do konca šolskega leta; na primer "učenec bere in razume preprosta besedila". Kratkoročni cilj (SBA) so merljivi vmesni koraki, ki vodijo do tega splošnega cilja; na primer, "učenec na glas prebere vsaj 8 od 10 dvozložnih besed". Dolgi cilji kažejo smer, kratki cilji kažejo pot.
Dober kratkoročni cilj vključuje tri elemente; Temu lahko na kratko rečemo KBS (Condition-Behavior-Criteria):
- Pogoj: V kakšni situaciji bo prikazano vedenje ("ko so dane slikovne kartice", "ko učitelj modelira").
- Vedenje: opazno, merljivo dejanje ("ujema se", "bere na glas", "točka"). Izogibamo se mentalnim in neizmerljivim izrazom, kot so "razume", "ve", "se zaveda".
- Merilo: Meja uspešnosti (»8 od 10 poskusov«, »80 % natančno«, »neodvisno brez verbalnega iztočnice«).
Pozor: »Učenec se nauči številk« ni cilj; ni mogoče izmeriti. "Učenec pravilno poimenuje številke 1-10 8 od 10-krat, ko so prikazane" je merljiv cilj. Umetni inteligenci vedno naložite format CBL (merila stanja-vedenja).
Kaskadno (analiza nalog)
Spretnosti se pogosto ne naučimo v enem koraku; je razdeljen na majhne korake. To se imenuje analiza naloge. Na primer, veščina "umiva roke"; Razdelimo ga lahko na korake: odpiranje pipe, močenje, jemanje mila, drgnjenje, izpiranje, zapiranje in sušenje. AI dobro deluje pri razdelitvi cilja na logične pod-korake; Toda specialist preveri primernost in vrstni red korakov za otroka. Kaskadno poučevanje olajša in vam omogoča merjenje napredka korak za korakom.
Naslednja tabela primerja dobre in slabe izjave o namenu:
Šibek izraz (nemerljivo)
Močan izraz (s KDS)
Študent rad bere
Sodeluje pri dejavnosti glasnega branja na 4 od 5 srečanj
Razume številke
Poimenuje številke od 1 do 20 s 85-odstotno natančnostjo
Dobro se razume s prijatelji
Počaka, da pride na vrsto 4 od 5-krat z besednim znakom med igro
Nauči se držati svinčnik
Samostojno pisanje 10 minut s trojnim prijemom
se izraža
Izrazi potrebo s kartico AAC v 6 od 8 situacij
trije mini kovčki
Primer 1 – Popravljanje neizmerljive namere. Eden učiteljev osnutek IEP se glasi: "izboljšuje komunikacijske sposobnosti učencev." Ta stavek ni merljiv in ne odgovarja na vprašanje, ali se je ob koncu leta izboljšalo. Učitelj je dal anonimni profil AI in rekel: "Razdeli ta splošni cilj na 4 merljive kratke cilje, vsak s kriterijem stanja-vedenja." AI je ustvaril štiri cilje GSM; Učiteljica je znižala kriterije glede na otrokovo stopnjo. Zdaj je bilo mogoče spremljati vsak cilj.
Primer 2 – kaskadno. Za enega študenta je bil cilj »sprememba računov« prevelik. Učitelj je prosil AI za analizo naloge; Umetna inteligenca je cilj razdelila na korake, kot je "prepoznavanje valut → zaokroži na 10 → preprosta sprememba → simulacija resničnega nakupovanja." Učitelj je pregledal zaporedje in en korak razdelil na dva. Tako je otrok vsak teden napredoval za merljiv korak. Rezultat: abstraktni cilj spremenjen v učno zaporedje.
Primer 3 – Preveč ambiciozen cilj. V enem osnutku je umetna inteligenca predlagala zelo visoko merilo uspešnosti, kot je "samostojno prebere 100 besed", ne da bi poznal otrokovo trenutno raven. Učiteljica je vedela, da otrok zdaj prepozna 12 besed; ta cilj je bil nerealen in bi povzročil neuspeh v enem letu. Kriterij je prepisal kot "40 besed" s tremi vmesnimi števkami. Napaka: pustite, da umetna inteligenca predlaga meritve, ne da bi podala dejansko raven zmogljivosti.
Primer 4 – Ko je posplošljivost pozabljena. En učenec je dosegel cilj "prešteti 10 predmetov v razredu z učiteljem", vendar ni mogel pokazati spretnosti med odmorom, doma ali z različnimi predmeti. Učitelj je spregledal generalizacijski vidik cilja (ista spretnost v različnih okoljih, ljudeh in materialih). AI je prosil, naj ponovno napiše cilj, da vključi merilo za posploševanje: "šteje do 10 v treh različnih okoljih, z vsaj dvema različnima osebama, z različnimi predmeti." Tako cilj ni bil omejen le na situacijo v razredu, ampak je bil prenesen v resnično življenje. Načelo: spretnost ni v celoti pridobljena, če se ne posploši na različna okolja, cilj pa mora to vključevati že od začetka.
Šibek poziv/močan poziv
Šibek poziv:
Napišite komunikacijske cilje za otroka z avtizmom.
Ta zahteva je zelo splošna: nima otrokove ravni, trenutnega komunikacijskega sloga in prioritete. Besedna zveza "otrok z avtizmom" prevzame enotnost; Vendar je vsak otrok individualen. Rezultat so klišejski cilji, ki nikomur ne ustrezajo povsem.
Močan poziv:
Vaša vloga: Pomočnik defektologa pri pripravi IEP. Učenec (anonimni): 7 let. Besedno izražanje je omejeno, uporablja približno 15 konkretnih besed, kaže zanimanje za slikovne kartice. Področje: izrazna komunikacija. Naloga: 1 dolgoročni cilj + 4 kratkoročni cilji. Napišite OSNUTEK. Oblika: vsak kratki cilj vključuje POGOJ + OPAZLJIVO VEDENJE + KRITERIJI. Merila naj bodo realna in postopna (od lahkih do težkih). NE uporabljajte nemerljivih glagolov (razume, ve, se zaveda). Predpostavimo, da je to osnutek in ga bo prilagodil ekipa in družina.
V tem pozivu je profil, območje, oblika (KDM) in pravilo realizma. Rezultat je čist in merljiv oris.
Dodatna predloga: merila in način ocenjevanja
Ob vsakem cilju naj bo zapisano tudi, kako se bo meril. S to predlogo se lahko od umetne inteligence zahteva, da združi cilj + meritev:
Za vsak kratkoročni cilj izdelajte tudi naslednje vrstice: - Metoda vrednotenja: (razpored opazovanja / snemanja / študijski vzorec / test) - Pogostost meritev: (tedensko / dvotedensko) - Merilo uspeha: (npr. 80 % v 3 zaporednih sejah) - Opomba o prilagajanju: (vrsta iztočnice, material, časovna prilagodljivost)
In za prednostne cilje:
Oštevilčite 4 kratke cilje, ki ste jih ustvarili, 1-4, po vrstnem redu učenja in predlagajte predviden čas učenja (koliko tednov) za vsakega. Navedite, da je to predlog, točen čas pa je odvisen od ekipe.
Pogoste napake
- Uporaba neizmerljivih glagolov. »Razume, ve, razvija, se zaveda« naredi cilje neizmerljive; Izberite opazljive glagole.
- Zahteva merila brez podajanja trenutne ravni. AI lahko predlaga merila, ki so nerealna, previsoka ali prenizka.
- Pisanje cilja z enotno "diagnostično" logiko. Izgovor "cilji za otroke z diagnozo X" ignorira individualnost.
- Preskakovanje oklepajev. Zadajanje velikega cilja, ne da bi ga razdelili na korake, otežuje poučevanje in merjenje.
- Ne zapisovanje metode ocenjevanja. Cilja, ki ima merilo, vendar ni jasno, kako ga izmeriti, ni mogoče spremljati.
- Podpišite osnutek, kot je. Cilja IEP ni mogoče dokončati brez prilagajanja ekipe in družine.
Če povzamem
Cilji BEP so zemljevid posebnega izobraževanja. Dolgoročni cilji kažejo smer, kratkoročni cilji kažejo pot. Dober kratek cilj nosi CBL (merilo stanja-vedenja) in vključuje merljiv glagol. Veliki cilji so z analizo nalog razdeljeni na manjše korake. Umetna inteligenca hitro ustvari oris teh ciljev, kaskadno razvrsti cilj in predlaga merila za ocenjevanje; Toda vi podate otrokovo realno raven, naredite merila realna, končna odobritev pa pripada skupini IEP in družini.
Aplikacijska naloga
Izberite dolgoročni cilj za študenta. Prosite umetno inteligenco, naj opiše 4 kratkoročne cilje z anonimnim profilom in "močnim pozivom" v tej enoti. Preverite vsak cilj za CBL (merilo stanja-vedenja): ali manjkajo kakšni elementi, ali je dejanje merljivo, ali je merilo realno? Merila za vsaj dva cilja prilagodite otrokovi dejanski ravni in vsakemu dodajte način ocenjevanja.
kontrolni seznam
- [ ] Vsak kratki cilj ima pogoje, opazno vedenje in merila.
- [ ] Ni nemerljivih glagolov (razume/ve/ozavešča se).
- [ ] Merila so realna glede na otrokovo dejansko raven.
- [ ] Veliki cilj sem povezal z analizo naloge.
- [ ] Metoda vrednotenja in pogostost vsakega cilja sta jasni.
- [ ] Opozoril sem, da bodo cilji dokončno določeni z odobritvijo ekipe in družine.