Enhet 5 / 11

Skala och lagerkommentarstöd: gränser och expertfilter

Vinster:

  • Förmåga att använda artificiell intelligens som språk- och redigeringsassistent vid rapportering av skala- och inventeringsresultat, för att förbättra presentationen snarare än resultat
  • Förmåga att skriva uppmaningar som översätter anonymiserade, numeriska resultat till ett begripligt språk och ger allmänna förklaringar.
  • Att förstå att skaltolkning, diagnos och klinisk betydelse inte kan överföras till artificiell intelligens, och att validitets-tillförlitlighet och norminformation tillhör experten.

PDR-specialisten använder ofta vågar och inventeringar för att lära känna studenten. En skala är ett strukturerat verktyg som numeriskt mäter en egenskap (ångest, självkänsla, testattityd, etc.); Inventering är ett verktyg som skapar en flerdimensionell profil som intressen, värderingar och yrkesmässiga tendenser. Dessa instrument har en vetenskaplig grund: validitet (om instrumentet faktiskt mäter vad det är avsett att mäta), reliabilitet (ger konsekventa resultat) och normering (ett jämförelsediagram som visar vad ett resultat betyder för den aktuella åldern/gruppen). Korrekt tolkning av ett skalresultat; Det kräver att man överväger dessa tre begrepp, verktygets manual och elevens sammanhang tillsammans. Detta är verkligen expertarbete.

Det viktigaste budskapet för denna enhet är en förbudslinje: Skaltolkning, klinisk betydelse och diagnos kan inte delegeras till AI. AI känner inte till normtabellen, känner inte igen verktygets giltighetsgränser, kan inte se elevens sammanhang; Om du ger honom råa poäng kan han komma med självsäkra men ogrundade "kommentarer". AI:s enda legitima roll inom detta område är som redigeringsassistent, förbättra språket och presentationen av expertens egna kommentarer.

Varför kan inte AI tolka skala?

Det finns tre konkreta skäl. Först, norminformation: Huruvida ett betyg på 34 på en ångestskala är "högt" eller "medelhögt" bestäms av normtabellen för det instrumentet som tagits fram för den åldersgruppen. AI känner inte till denna tabell; Han talar med en allmän gissning och har fel. För det andra, giltighetsgräns: Varje verktyg är giltigt för ett visst syfte, ålder och kultur; Det är vetenskapligt fel att tolka ett verktyg utanför dess avsedda syfte, och AI känner inte igen denna gräns. För det tredje, sammanhang: Samma poäng har olika betydelse för en student under en tentamensvecka och en student under en vanlig vecka; Endast den expert som känner eleven fastställer detta sammanhang.

Dessutom är risken för hallucinationer särskilt farlig här: att fråga AI:n "vad betyder det här inventeringsresultatet?" När man frågar svarar han enligt en text som låter rätt, inte en faktisk norm. Om detta svar delas med eleven eller föräldern uppstår en vetenskapligt utseende men ogrundad "diagnos".

Varning: Ge inte råpoäng, artikelsvar eller en elevs inventeringsprofil till ett AI-verktyg för att "tolka". Detta är både ett brott mot sekretess och öppnar dörren till en vetenskapligt ogiltig tolkning. Du gör kommentaren; Låt AI bara redigera kommentaren du skrev.

AI:s legitima roll: förbättra leveransen

Experten gör tolkningen själv utifrån fordonets manual och norm. Det är då nödvändigt att presentera denna kommentar för en förälder eller elev på ett begripligt sätt; Det är här AI hjälper. AI kan översätta en teknisk kommentar skriven av en expert till ett enklare språk, utarbeta en begriplig förklaring för en förälder eller redigera formatet för en slutrapport. Kritisk punkt: Det som ingår i AI:n är inte numret eller profilen, utan den anonymiserade kommentarstexten skriven av experten själv. AI förbättrar presentationen, inte resultatet.

En analogi är användbar för att konkretisera denna distinktion: En läkare som läser testresultaten och ställer en diagnos och förklarar denna diagnos för patienten på ett begripligt språk är två olika jobb. Att läsa analysen och ställa en diagnos kräver expertis och ansvar; Att förenkla uttrycket är en fråga om språk. I PDR är AI endast involverad i denna andra uppgift, det vill säga att mjuka upp språket för den "diagnos" som experten redan har gjort. Han kan inte ställa "diagnosen" själv. Så när man förbereder en skalrapport med AI är sekvensen tydlig: först gör experten kommentaren, sedan förenklar AI:n språket i denna kommentar. Om ordningen är omvänd - det vill säga om AI:n blir tillsagd att "tolka" först - kommer en text utan vetenskaplig giltighet fram, utsmyckad med expertspråk, och detta är det farligaste misstaget av alla: att få det falska att framstå som trovärdigt.

Steg för steg: från skalresultat till tydlig rapport

  1. Gör en expertkommentar. Tolka resultatet själv enligt fordonets manual och norm.
  2. Anonymisera kommentaren. Ta bort namn och identifieringsinformation; Säg "en student".
  3. Förenklad till AI. Be honom bara redigera språket och flödet; Betinga honom/henne att inte lägga till nya kommentarer.
  4. Jämföra. Kontrollera att resultatet inte ändrar din tolkning, utan bara förbättrar din presentation.
  5. Lägg till sammanhang och förslag. Du skriver elevens sammanhang och nästa steg.
  6. Spara den i ditt system med ditt ID. Skicka den autentiserade rapporten till ditt eget säkra system.

Kopierbara mallar

1) Förenkla expertkommentarer:

Din roll: PDR-skrivassistent. LÄGG TILL EN NY kommentar, diagnos eller förslag.Uppgift: Förenkla den anonyma expertskrivna kommentaren nedan till ett lugnt, icke-stigmatiserande språk som en förälder lätt kan förstå. Om du använder en teknisk term, förklara kort inom parentes. Ändra betydelse. Expertkommentar: [klistra in egen anonym kommentar]

2) Slutliga intervjuförberedande frågor:

Din roll: PDR-assistent. Jag förbereder ett möte med en elev där jag ska dela resultatet av inventeringen (jag delar INTE resultaten, jag har dem). Föreslå 8 öppna frågor för att hålla intervjun elevcentrerad och upptäcktsorienterad.

3) Redigering av rapportformat:

Lägg den anonyma utvärderingstexten nedan under följande rubriker: Syfte, Allmän utvärdering (skriven av mig), Styrkor, Utvecklingsområden, Förslag. ÄNDRA INTE innehållet, bara redigera och effektivisera. Text: [anonym text]

4) Termbeskrivningsgenerator (för förälder):

Förklara följande PDR-termer för en förälder i en mening, utan att stigmatisera dem: [skriv termerna]. Lägga till en diagnos eller elevspecifik kommentar.

Svag prompt / Stark prompt

Svag:

Den här eleven fick 38 på ångestskalan, vad betyder det, kommentar.

Den tolkar råpoängen till AI; Det finns inga normer, inget sammanhang, risk för integritetskränkning och ogiltig tolkning.

Stark:

Din roll: PDR-skrivassistent, lägger till nya kommentarer. Nedan är den anonyma recensionen jag skrev enligt MIN handbok. Förenkla detta till ett begripligt, lugnt och icke-stigmatiserande språk. Bevara innebörden. Utvärdering: "Det utvärderades att en gymnasieelev upplevde en hanterbar nivå av ångest specifik för tentamensperioden; hans dagliga funktionalitet bevarades. Man trodde att stöd för att stärka coping-förmågan skulle vara användbart."

Kommentar från experten; AI förenklar bara språket.

tre minifodral

Fall 1 — Påhittad norm. För att testa det gav en expert AI:s råpoäng på en skala och sa "kommentar". AI utgjorde ett icke-existerande "tröskelvärde" för det verktyget och förklarade poängen "kliniskt hög." När experten tittade på fordonets faktiska normtabell såg han att poängen låg i medelintervallet. Om AI:s tolkning åtgärdades skulle en elev och familj bli onödigt oroliga. Lektion: tolkning görs av verktygets norm, inte av AI.

Fall 2 — Förenklingsvinst. En vägledare hade svårt att förklara en teknisk utvärderingstext för en förälder. Han fick AI:n att förenkla den anonyma kommentaren han skrev; Han översatte termer som "daglig funktionalitet" och "coping skills" till föräldraspråk. Föräldramötet var mycket lugnare. AI förbättrade presentationen, inte resultatet; Innebörden bevarades.

Fall 3 — Sammanhangsskillnad. En elevs inventering av attityd vid prov visade en låg motivationsprofil. Istället för att låta AI tolka detta pratade experten med studenten och fick veta att den låga profilen berodde på en tillfällig familjesituation vid den tiden. AI:n skulle aldrig se detta sammanhang; expertfiltrering avslöjade historien bakom numret och skrev rapporten därefter.

Vanliga misstag

  • Att ha råpoängen tolkad av AI. Ogiltig tolkning utan norm och sammanhang. Lösning: experten gör kommentaren.
  • Ange profilen i verktyget. Integritetsintrång och risk för hallucinationer. Lösning: endast anonym kommentarstext skrivs in.
  • Hämtar den nya kommentaren som lagts till av AI. Märker inte att nya påståenden läcker in under förenklingen. Lösning: "lägg till nya kommentarer" gräns och jämförelse.
  • Utelämnar sammanhang. Läser numret bortkopplat från elevens berättelse. Lösning: skapa sammanhang med konversationen.
  • Byter till diagnosspråk. Otillåten användning av uttryck som "klinisk", "störning". Lösning: respektera behörighet och språkgränser.

Tabell: Vem gör vad?

företag

expert

AI

Norm/validitetsbedömning

Ja

nej

Tolkning av råpoäng

Ja

nej

Fastställ sammanhanget

Ja

nej

Förenkla språket i kommentaren

Godkännanden

Ja

Redigera rapportformat

Godkännanden

Ja

Begreppsförklaring för föräldrar

Godkännanden

Ja (allmänt)

Sammanfattningsvis

Tolkning av skala och inventering; Det handlar om expertis som kräver validitet, tillförlitlighet, normer och sammanhang och som inte kan överföras till AI. AI:s legitima roll är att förbättra språket och presentationen av expertens egna, anonymiserade kommentarer. Ge aldrig fordonet en råpoäng eller profil; Förenkla bara anonymt din egen kommentarstext, bevara innebörden, lägg till sammanhang och förslag själv.

Applikationsuppgift

Skriv en fiktiv tolkning (professionell, teknisk). Anonymisera. Han lät AI:en översätta den till moderspråk med mallen "Förenkla experttolkning". Lägg sedan de två texterna sida vid sida: Har AI:n ändrat innebörden eller lagt till en ny tolkning/diagnos? Markera ändringen och skapa den slutliga versionen som bevarar innebörden.

checklista

  • [ ] Jag gjorde kommentaren själv enligt fordonets manual och standarder.
  • [ ] Jag gav verktyget endast anonym recensionstext, inte en rå poäng/profil.
  • [ ] Jag skrev gränsen för "lägg till ny tolkning/diagnos" i prompten.
  • [ ] Jag verifierade genom jämförelse att utdata inte ändrar innebörden.
  • [ ] Jag lade till sammanhanget och förslaget själv; Jag gav slutgiltigt godkännande.