Fitimet:
- Aftësia për të përmbledhur të dhëna të tilla si mungesa, vëzhgimi akademik dhe i sjelljes me mbështetjen e inteligjencës artificiale dhe për të përgatitur një tabelë vijuese dhe shënime vëzhgimi
- Aftësia për të shkruar udhëzime që ia lënë vendimin ekspertit ndërsa prodhojnë përmbledhje që e bëjnë më të lehtë zbulimin e modeleve për paralajmërimin e hershëm
- Të kuptuarit se inteligjenca artificiale e redukton studentin në një rrezik dhe rrezik të paragjykimit dhe të qenit në gjendje të shohë se paralajmërimi i hershëm duhet të kombinohet gjithmonë me vëzhgimin dhe intervistën e ekspertëve.
Një nga punët e rëndësishme të profesionistit të PDR është monitorimi i studentëve me kalimin e kohës: modelet e frekuentimit, përparimi akademik, vëzhgimet e sjelljes, marrëdhëniet shoqërore, historia e intervistave. Ky monitorim synon të njohë herët se kur një student mund të ketë nevojë për mbështetje; Ky quhet paralajmërim i hershëm. Paralajmërimi i hershëm nënkupton aktivizimin e mbështetjes bazuar në shenja të dukshme (rritje e papritur e mungesës, rënie e notave, tërheqje) përpara se një problem të përshkallëzohet. Por kjo fushë mund të jetë edhe shumë e dobishme edhe shumë e rrezikshme: nëse përdoret mirë, mundëson arritjen e një studenti në kohë; E përdorur dobët, ai e ngec një student në një "etiketë rreziku".
Në këtë njësi, ne do të mësojmë të përdorim AI si një ndihmë që përmbledh të dhënat e shpërndara të gjurmimit dhe e bën modelin të dukshëm. Parimi më kritik: AI mund të vërë në dukje modelin, por nuk mund ta vlerësojë studentin ose ta deklarojë atë "në rrezik". Paralajmërimi i hershëm kombinohet gjithmonë me vëzhgimin dhe diskutimin e specialistit me studentin; Vlerësimi dhe vendimi përfundimtar i takon ekspertit. Le të kujtojmë gjithashtu kufirin e krizës: nëse një e dhënë pasuese tregon një rrezik serioz (për shembull, situata e një studenti tregon rrezik të menjëhershëm), kjo është një situatë krize dhe protokolli në njësinë 9 hyn në lojë; Jo AI.
Linja e hollë midis shikimit të modeleve dhe etiketimit të tyre
Vetëm gjurmimi i të dhënave nuk është kuptimplotë; konteksti jep kuptim. Rritje trejavore e mungesave; Mund të lidhet me një sëmundje, një situatë familjare ose një vështirësi në shkollë. AI mund ta bëjë këtë rritje të dukshme në një tabelë ose përmbledhje (“mungesa është rritur ndjeshëm në tre javët e fundit”); ky është një sinjal i dobishëm që tërheq vëmendjen e profesionistit tek ai student. Rreziku është që AI (ose eksperti, bazuar në AI) do të kërcejë nga ky sinjal në një gjykim: "ky student është në rrezik / problem / i lënë pas dore". Ky kërcim mund të jetë edhe i gabuar dhe stigmatizon studentin.
Rregulli: AI sinjalizon, eksperti ndërton kuptimin. Një përmbledhje është një justifikim për fillimin e një bisede, jo një përfundim. Asnjë shenjë nuk bëhet vlerësim pa folur me nxënësin.
Një tjetër hollësi është të jesh i kujdesshëm kur kombinon burimet e të dhënave. Pjesëmarrja, tendenca e notave dhe monitorimi i sjelljes janë individualisht kuptimplotë, por kombinimi i AI-së si një "rezultat i vetëm rreziku" është mashtrues. Mungesa e një studenti mund të jetë rritur sepse ai ose ajo ka një gjendje shëndetësore kronike; Kjo nuk është një shenjë e dështimit akademik. Grumbullimi i llojeve të ndryshme të të dhënave në një numër të vetëm errëson realitetin e nxënësit dhe krijon një prioritet të rremë. Qasja e saktë është që çdo lloj të dhënash të shihet si një "shenjë" më vete dhe t'ia lëmë të tërën interpretimit të ekspertit. AI mund të grumbullojë të dhëna; por nuk duhet të bëjë punën e saldimit të tyre në një gjykim të vetëm. Po kështu, "sa zgjat" një shenjë është gjithashtu e rëndësishme: një luhatje njëjavore dhe një trend që zgjat tre muaj kanë kuptime shumë të ndryshme dhe i takon përsëri ekspertit të lexojë këtë dimension kohor.
Kujdes: Një printim që liston një nxënës si "në rrezik" mund të ndikojë përgjithmonë në perceptimin e atij fëmije në shkollë. Për të parandaluar hyrjen e etiketave të tilla në qarkullim, printimet e paralajmërimit të hershëm duhet të mbahen konfidenciale dhe të përdoren vetëm për qëllime mbështetëse dhe nën mbikëqyrjen e ekspertëve.
Paragjykimi: kush llogaritet si "rrezik" ka rëndësi
Paragjykimi në paralajmërimin e hershëm është një çështje serioze e drejtësisë. Nëse sistemi (ose përmbledhja e AI) shënon në mënyrë disproporcionale studentët e një grupi të caktuar socio-ekonomik, një lagje të caktuar ose modele të caktuara sjelljeje si "në rrezik", kjo institucionalizon një paragjykim. Eksperti duhet të dallojë se cilat shenja tregojnë vërtet mbështetje dhe cilat thjesht tregojnë një model; Çdo student duhet të trajtohet individualisht dhe në mënyrë të drejtë. Gjuha "rrezik" e prodhuar nga AI nuk duhet të miratohet pa u pyetur.
Hap pas hapi: nga të dhënat në mbështetje
- Mblidhni të dhëna në mënyrë anonime. Organizoni të dhëna të tilla si frekuentimi, vëzhgimi dhe përparimi i notave me "Studenti A/B/C" në vend të kodeve ID.
- Në përmbledhje me AI. Përmblidhni modelin dhe ndryshimet e dukshme në nivel fenomeni.
- Zgjidhni shenja. Eksperti vendos se cilat abstrakte meritojnë një intervistë.
- Opinion. Flisni me studentin e sinjalizuar; mësojnë kontekstin.
- Vlerësoni dhe planifikoni. Eksperti vendos kuptimin dhe mbështetjen.
- Mbajeni të errët. Ndarja e rezultateve jashtë qëllimeve mbështetëse; Mos e qarkulloni etiketën.
Modele të kopjueshme
1) Përmbledhja e të dhënave të gjurmimit:
Roli juaj: asistent i redaktimit të të dhënave PDR. SHTO GJYKIM, etiketë "rreziku" ose rekomandim. Detyra: Përmblidhni të dhënat e mëposhtme anonime të mungesës/vëzhgimit në nivelin FAKT sipas studentit; Tregoni çdo NDRYSHIM të dukshëm (rritje/ulje). Vlerësimi dhe vendimi janë të miat; ju thjesht e bëni modelin të dukshëm. Të dhënat: [ngjisni të dhënat anonime]
2) Lista e arsyeve për takim:
Nga përmbledhjet anonime më poshtë, rendisni faktet që mund të përbëjnë bazën për fillimin e një BISEDA MBËSHTETËSE. Shkruani një arsye NEUTRALE me një fjali për secilën (si p.sh. "mungesa është rritur në tre javët e fundit"). Mos përdorni etiketa si "të rrezikshme/problematike". Përmbledhje: [përmbledhje anonime]
3) Redaktimi i tabelës së gjurmimit:
Rregulloni shënimet vijuese anonime në një tabelë me kolona për datën, fenomenin e vëzhguar, hapin e planifikuar dhe rezultatin. Mos shtoni komente, mbani faktin. Shënime: [shënime anonime]
4) Përgatitja para intervistës:
Roli juaj: asistent PDR. Po përgatitem për një takim MBËSHTETËS me një student 14-vjeçar, frekuentimi i të cilit është rritur. Sugjeroni 8 pyetje përgatitore që nuk janë gjykuese, të hapura dhe që nuk e bëjnë studentin në mbrojtje.
Prompt i dobët / Prompt i fortë
I dobët:
Shikoni listën e mungesave të kësaj klase, shënoni studentët në rrezik.
E bën AI-n gjykatës, i kërkon të prodhojë një etiketë "të rrezikshme", pa kontekst dhe asnjë bisedë.
E fortë:
Roli juaj: Asistent i redaktimit të të dhënave PDR, duke shtuar etiketën "rreziku". Në të dhënat anonime të mungesës më poshtë, përmblidhni (në nivel fenomeni) studentët që treguan NDRYSHIM TË RËNDËSISHËM në 3 javët e fundit. Për secilën, thjesht shkruani se çfarë ka ndryshuar; Unë do të bëj komentin dhe vendimin. Të dhënat: [të dhëna anonime]
Ai sinjalizon, nuk etiketon; Vendimi është në dorën e ekspertit.
tre mini kuti
Rasti 1 - Shenjë e dobishme. Një specialist kishte vështirësi në gjurmimin e mungesave individuale në një klasë prej 200 nxënësish. Ai kishte të dhënat anonime të përmbledhura nga UA; Një student që normalisht do të kalonte pa u vënë re, i cili shfaqte një rritje të qetë, por të vazhdueshme të mungesave, ra në sy. Eksperti foli; Ai mësoi se studenti kishte një problem transporti në mëngjes dhe nxori një zgjidhje praktike. AI dha shenjën, eksperti dhe studenti ndërtuan zgjidhjen.
Rasti 2 - Kthimi nga etiketa. Një përmbledhje e AI përshkroi një student si "rrezik të lartë për sjellje"; kurse në të dhënat e ekspertit kishte vetëm dukurinë “kërkesë për ndërrimin e klasës dy herë”. Eksperti e refuzoi këtë etiketë, foli me studentin dhe zbuloi se kërkesa buronte nga dëshira për t'u distancuar nga një grup miqsh. Etiketa mund të stigmatizojë në mënyrë të padrejtë fëmijën; filtri ekspert e parandaloi këtë.
Rasti 3 - Kontrolli i paragjykimit. Një ekspert vuri re se lista e "rrezikut" që prodhoi AI përfshinte në mënyrë disproporcionale studentë nga një lagje e caktuar. Ai nuk e përdori listën, duke menduar se kjo mund të pasqyronte njëanshmëri; në vend të kësaj, ai aplikoi kritere të drejta dhe të bazuara në fakte për të gjithë studentët. Kështu, mbështetja u shpërnda sipas nevojës aktuale, jo stigmës.
Gabimet e zakonshme
- Bërja e shenjës së AI "të rrezikshme". Përmbysja e gjyqësorit në mjet. Zgjidhja: AI tregon fenomenin/ndryshimin, eksperti bën gjykimin.
- Vlerësimi pa intervistë. Jo vetëm duke parë të dhënat dhe duke folur me studentin. Zgjidhja: çdo shenjë fiton kontekst përmes një bisede.
- Injorimi i paragjykimeve. Miratimi i një liste "rreziku" të bazuar në model. Zgjidhja: kontrolli i drejtësisë dhe individualitetit.
- Qarkullimi i etiketës. Ndarja e listës së "studentëve të rrezikshëm". Zgjidhja: kufizimi i qëllimit të privatësisë dhe mbështetjes.
- Duke e ngatërruar me një krizë. Trajtimi i një shenje rreziku serioz si monitorim rutinë. Zgjidhja: aktivizohet protokolli i krizës (njësia 9).
Tabela: Shenjë apo gjykim?
prodhimit
Lloji
çfarë të bëni
“Mungesat janë shtuar në 3 javët e fundit”
Shenjë (dukuri)
Arsyeja e takimit
"Ky student është i rrezikshëm"
Gjykimi (etiketa)
Refuzo, kthehu në realitet
"Ka dy semestra notat po bien"
Shenjë (dukuri)
Arsyeja e takimit
"Familja e tij e neglizhon atë"
gjykim/konkluzion
Refuzo, kthehu në vëzhgim
“Frekuenca e takimeve është ulur”
Shenjë (dukuri)
Eksperti vlerëson
Në përmbledhje
Në gjurmimin e studentëve, AI është një ndihmë e dobishme që përmbledh të dhënat e shpërndara dhe i bën të dukshme modelet; Por nuk mund ta vlerësojë studentin apo ta deklarojë atë “në rrezik”. AI jep sinjale, eksperti ndërton kuptimin. Kontekstualizoni çdo shenjë me një bisedë, kontrolloni për paragjykime, qarkulloni etiketa dhe kaloni në protokollin e krizës në shenja të rrezikut serioz. Qëllimi i paralajmërimit të hershëm nuk është stigmatizimi, por ofrimi i mbështetjes në kohë dhe të drejtë.
Detyra e aplikimit
Krijoni të dhëna anonime të frekuentimit/vëzhgimit për një klasë imagjinare. Bëni përmbledhjen e AI në nivelin e fakteve me shabllonin "përmbledhja e të dhënave të përcjelljes". Ekzaminoni rezultatin: A ka shtuar AI ndonjë etiketë ose gjykim "rrezik/çështje"? Shënoni, hiqni dhe krijoni një listë vetëm faktesh neutrale arsyesh për të diskutuar. Më pas bëni pyetjen e paragjykimit: a grumbullohet lista në një model të caktuar?
listë kontrolli
- [ ] I anonimizova të dhënat përpara se t'ia jepja mjetit.
- [ ] Unë shkrova kufirin "shtoni etiketën/gjykimin e rrezikut" në kërkesë.
- [ ] Unë e mbajta rezultatin e AI në nivelin fakt/shenjë, duke e bërë vetë gjykimin.
- [ ] Unë kontekstualizova secilën shenjë me një intervistë.
- [ ] Kontrollova për paragjykime dhe i mbajta etiketat private.