Ufuatiliaji wa Wanafunzi na Onyo la Mapema: Data, Uchunguzi na Mipaka

Faida:

• Uwezo wa kufanya muhtasari wa data kama vile kutokuwepo, uchunguzi wa kitaaluma na tabia na usaidizi wa akili ya bandia na kuandaa meza ya ufuatiliaji na maelezo ya uchunguzi.
• Uwezo wa kuandika vidokezo ambavyo huacha uamuzi kwa mtaalam wakati wa kutoa muhtasari ambao hurahisisha kugundua mifumo ya onyo la mapema.
• Kuelewa kwamba akili ya bandia hupunguza mwanafunzi kwenye hatari na hatari ya upendeleo, na kuweza kuona kwamba onyo la mapema linapaswa kuunganishwa kila wakati na uchunguzi wa kitaalamu na mahojiano.

Moja ya kazi muhimu za mtaalamu wa PDR ni kufuatilia wanafunzi baada ya muda: mifumo ya mahudhurio, maendeleo ya kitaaluma, uchunguzi wa tabia, mahusiano ya kijamii, historia ya mahojiano. Ufuatiliaji huu unalenga kutambua mapema wakati mwanafunzi anaweza kuhitaji usaidizi; Hii inaitwa onyo la mapema. Onyo la mapema linamaanisha kuamsha usaidizi kulingana na ishara zinazoonekana (kuongezeka kwa ghafla kwa utoro, kushuka kwa alama, kujiondoa) kabla ya tatizo kuongezeka. Lakini uwanja huu unaweza kuwa muhimu sana na hatari sana: ikiwa unatumiwa vizuri, inaruhusu kufikia mwanafunzi kwa wakati; Ikitumiwa vibaya, inanasa mwanafunzi katika "lebo ya hatari."

Katika kitengo hiki, tutajifunza kutumia AI kama usaidizi unaofupisha data iliyosambazwa ya ufuatiliaji na kufanya mchoro uonekane. Kanuni muhimu zaidi: AI inaweza kuonyesha muundo, lakini haiwezi kutathmini mwanafunzi au kumtangaza "hatarini." Tahadhari ya mapema daima huunganishwa na uchunguzi wa mtaalamu na majadiliano na mwanafunzi; Tathmini ya mwisho na uamuzi ni wa mtaalam. Hebu pia tukumbuke mpaka wa mgogoro: ikiwa data ya ufuatiliaji inaonyesha hatari kubwa (kwa mfano, hali ya mwanafunzi inaonyesha hatari ya haraka), hii ni hali ya mgogoro na itifaki katika kitengo cha 9 inakuja; Sio AI.

Mstari mzuri kati ya kuona ruwaza na kuziweka lebo

Kufuatilia data pekee sio maana; muktadha hutoa maana. Kuongezeka kwa wiki tatu kwa utoro; Huenda inahusiana na ugonjwa, hali ya familia, au shida shuleni. AI inaweza kufanya ongezeko hili lionekane katika jedwali au muhtasari ("kutokuwepo kumeongezeka sana katika wiki tatu zilizopita"); hiki ni kidokezo muhimu ambacho huvuta usikivu wa mtaalamu kwa mwanafunzi huyo. Hatari ni kwamba AI (au mtaalam, kulingana na AI) ataruka kutoka kwa ishara hii hadi kwa uamuzi: "mwanafunzi huyu yuko hatarini / shida / amepuuzwa." Rukia hii inaweza kuwa mbaya na kumnyanyapaa mwanafunzi.

Kanuni: Ishara za AI, mtaalam hujenga maana. Muhtasari ni uhalali wa kuanzisha mazungumzo, sio hitimisho. Hakuna ishara inakuwa tathmini bila kuzungumza na mwanafunzi.

Ujanja mwingine ni kuwa mwangalifu wakati wa kuchanganya vyanzo vya data. Mahudhurio, mwelekeo wa gredi, na ufuatiliaji wa tabia ni wa maana moja moja, lakini kuwa na AI kuunganishwa kama "alama ya hatari" ni kupotosha. Utoro wa mwanafunzi unaweza kuongezeka kwa sababu ana hali ya afya ya kudumu; Hii si ishara ya kushindwa kitaaluma. Kubandika aina tofauti za data katika nambari moja huficha ukweli wa mwanafunzi na kuunda kipaumbele cha uwongo. Njia sahihi ni kuona kila aina ya data kama "ishara" tofauti na kuacha yote kwa tafsiri ya mtaalam. AI inaweza kukusanya data; lakini isifanye kazi ya kuwachomelea katika hukumu moja. Vivyo hivyo, "muda gani" ishara hudumu pia ni muhimu: kushuka kwa thamani ya wiki moja na mwenendo wa miezi mitatu una maana tofauti sana, na ni tena kwa mtaalam kusoma mwelekeo huu wa wakati.

Tahadhari: Chapisho linaloorodhesha mwanafunzi kuwa "aliye hatarini" linaweza kuathiri kabisa mtazamo wa mtoto huyo shuleni. Ili kuzuia lebo kama hizo kuingia katika mzunguko, vichapisho vya onyo la mapema vinapaswa kuwa siri na kutumika kwa madhumuni ya usaidizi na chini ya uangalizi wa kitaalamu.

Upendeleo: ni nani anayehesabika kama "hatari" ni muhimu

Upendeleo katika onyo la mapema ni suala kubwa la haki. Iwapo mfumo (au muhtasari wa AI) huripoti kwa njia isiyo sawa wanafunzi kutoka kundi fulani la kijamii na kiuchumi, mtaa fulani, au mifumo fulani ya kitabia kuwa "hatarini," hii itaweka upendeleo. Mtaalam lazima atofautishe ni ishara zipi zinaonyesha kweli usaidizi na ambazo zinaonyesha tu muundo; Kila mwanafunzi anapaswa kushughulikiwa kibinafsi na kwa haki. Lugha ya "hatari" inayotolewa na AI haipaswi kupitishwa bila kuhojiwa.

Hatua kwa hatua: kutoka kwa data hadi msaada

1. Kusanya data bila kujulikana. Panga data kama vile mahudhurio, uchunguzi na maendeleo ya daraja ukitumia "Mwanafunzi A/B/C" badala ya misimbo ya vitambulisho.
2. Kwa muhtasari na AI. Fupisha muundo na mabadiliko mashuhuri katika kiwango cha matukio.
3. Chagua ishara. Mtaalam anaamua ni vifupisho gani vinavyostahili mahojiano.
4. Maoni. Ongea na mwanafunzi aliyeonyeshwa; jifunze muktadha.
5. Tathmini na upange. Mtaalam huweka maana na msaada.
6. Weka giza. Kushiriki matokeo nje ya madhumuni ya usaidizi; Usizungushe lebo.

Violezo vinavyoweza kunakiliwa

1) Kufuatilia muhtasari wa data:

Jukumu lako: Msaidizi wa uhariri wa data wa PDR. ONGEZA HUKUMU, lebo ya "hatari" au pendekezo. Kazi: Fupisha data ifuatayo ya kutokuwepo/uchunguzi ifuatayo katika kiwango cha FACT na mwanafunzi; Taja MABADILIKO yoyote mashuhuri (ongeza/punguza). Tathmini na uamuzi ni wangu; unafanya tu mchoro uonekane.Data: [bandika data isiyojulikana]

2) Orodha ya sababu za mkutano:

Kutoka kwa muhtasari ulio hapa chini, orodhesha ukweli ambao unaweza kuwa sababu za kuanzisha MAZUNGUMZO YA MSAADA. Andika sababu ya neno HUDUMA yenye sentensi moja kwa kila moja (kama vile "kutohudhuria kumeongezeka katika wiki tatu zilizopita"). Usitumie lebo kama "hatari/tatizo." Muhtasari: [muhtasari usiojulikana]

3) Uhariri wa jedwali la ufuatiliaji:

Panga vidokezo vifuatavyo vya ufuatiliaji visivyojulikana kwenye jedwali lenye safu wima za tarehe, matukio yaliyozingatiwa, hatua iliyopangwa na matokeo. Usiongeze maoni, weka ukweli.Vidokezo: [maelezo yasiyojulikana]

4) Maandalizi kabla ya mahojiano:

Jukumu lako: Msaidizi wa PDR. Ninajiandaa kwa mkutano wa KUSAIDIA na mwanafunzi mwenye umri wa miaka 14 ambaye mahudhurio yake yameongezeka. Pendekeza maswali 8 ya maandalizi ambayo hayana hukumu, ya wazi, na hayamfanyi mwanafunzi kujitetea.

Mwongozo dhaifu / Mwongozo thabiti

Dhaifu:

Angalia orodha ya kutokuwepo kwa darasa hili, weka alama kwa wanafunzi walio katika hatari.

Inafanya AI kuwa hakimu, inauliza itoe lebo "ya hatari", hakuna muktadha na hakuna mazungumzo.

Nguvu:

Jukumu lako: Msaidizi wa uhariri wa data wa PDR, akiongeza lebo ya "hatari". Katika data ya kutokujulikana iliyo hapa chini, fanya muhtasari (katika kiwango cha matukio) wanafunzi ambao walionyesha MABADILIKO MUHIMU katika wiki 3 zilizopita. Kwa kila mmoja, andika tu kile ambacho kimebadilika; Nitatoa maoni na uamuzi.Data: [data isiyojulikana]

Inaashiria, haina lebo; Uamuzi uko mikononi mwa mtaalamu.

kesi tatu ndogo

Kesi 1 - Alama ya kusaidia. Mtaalamu mmoja alikuwa na ugumu wa kufuatilia kutokuwepo kwa watu binafsi katika darasa la wanafunzi 200. Alikuwa na data isiyojulikana iliyofupishwa na AI; Mwanafunzi ambaye kwa kawaida hangetambuliwa, ambaye alionyesha ongezeko la utulivu lakini la kutosha la utoro, alisimama. Mtaalamu huyo alizungumza; Alijifunza kwamba mwanafunzi huyo alikuwa na tatizo la usafiri asubuhi na akatoa suluhisho la vitendo. AI ilitoa ishara, mtaalam na mwanafunzi walijenga suluhisho.

Kesi ya 2 - Rudi kutoka kwa lebo. Muhtasari mmoja wa AI ulielezea mwanafunzi mmoja kama "hatari kubwa ya tabia"; ambapo katika data ya mtaalam kulikuwa na jambo tu la "ombi la kubadilisha darasa mara mbili". Mtaalamu huyo alikataa lebo hii, akazungumza na mwanafunzi huyo, na kugundua kwamba ombi hilo lilitokana na tamaa ya kujitenga na kikundi cha marafiki. Lebo inaweza kumnyanyapaa mtoto isivyo haki; kichujio cha kitaalam kilizuia hii.

Kesi ya 3 - ukaguzi wa upendeleo. Mtaalam aligundua kuwa orodha ya "hatari" ambayo AI ilitoa ilijumuisha wanafunzi kutoka kitongoji fulani. Hakutumia orodha, akifikiri kwamba hii inaweza kuonyesha upendeleo; badala yake, ilitumia vigezo vya haki, vinavyozingatia ukweli kwa wanafunzi wote. Kwa hivyo, msaada uligawanywa kulingana na mahitaji halisi, sio unyanyapaa.

Makosa ya kawaida

• Kufanya alama ya AI "hatari". Kugeuza mahakama kwenye chombo. Suluhisho: AI inaonyesha jambo / mabadiliko, mtaalam hufanya uamuzi.
• Tathmini bila mahojiano. Sio tu kuangalia data na kuzungumza na mwanafunzi. Suluhisho: kila ishara hupata muktadha kupitia mazungumzo.
• Kupuuza upendeleo. Kupitisha orodha ya "hatari" kulingana na muundo. Suluhisho: udhibiti wa haki na mtu binafsi.
• Inazunguka lebo. Kushiriki orodha ya "mwanafunzi hatari". Suluhisho: faragha na kikomo cha madhumuni ya usaidizi.
• Kuchanganya na mgogoro. Kutibu ishara ya hatari kubwa kama ufuatiliaji wa kawaida. Suluhisho: itifaki ya shida (kitengo cha 9) imewashwa.

Jedwali: ishara au hukumu?

pato

Aina

nini cha kufanya

"Utoro umeongezeka katika wiki 3 zilizopita"

Ishara (jambo)

Sababu ya kukutana

"Mwanafunzi huyu ni hatari"

Hukumu (lebo)

Kataa, rudi kwenye ukweli

"Madarasa yameshuka kwa mihula miwili"

Ishara (jambo)

Sababu ya kukutana

"Familia yake inampuuza"

hukumu/maelekezo

Kataa, rudi kwenye uchunguzi

"Marudio ya mikutano yamepungua"

Ishara (jambo)

Mtaalam anatathmini

Kwa muhtasari

Katika ufuatiliaji wa wanafunzi, AI ni usaidizi muhimu unaofupisha data iliyosambazwa na kufanya ruwaza zionekane; Lakini haiwezi kutathmini mwanafunzi au kumtangaza "hatarini". AI inatoa ishara, mtaalam hujenga maana. Weka muktadha wa kila ishara kwa mazungumzo, angalia upendeleo, sambaza lebo, na ubadilishe hadi itifaki ya shida ikiwa kuna hatari kubwa. Madhumuni ya onyo la mapema sio kuwanyanyapaa, lakini kutoa msaada kwa wakati na wa haki.

Jukumu la maombi

Unda data ya mahudhurio/ya uchunguzi isiyojulikana ya darasa la kubuni. Fanya AI ifanye muhtasari katika kiwango cha ukweli na kiolezo cha "kufuatilia muhtasari wa data". Chunguza matokeo: Je, AI imeongeza lebo au hukumu zozote za "hatari/suala"? Weka alama, ondoa na uunde orodha ya ukweli pekee, isiyoegemea upande wowote ya sababu za kujadiliwa. Kisha uliza swali la upendeleo: je orodha inajipanga katika muundo fulani?

orodha ya ukaguzi

• [ ] Nilificha data kabla ya kuipa zana.
• [ ] Niliandika kikomo cha "ongeza lebo ya hatari/hukumu" kwa kidokezo.
• [ ] Niliweka matokeo ya AI katika kiwango cha ukweli/alama, nikifanya uamuzi mwenyewe.
• [ ] Nilirekebisha kila ishara kwa mahojiano.
• [ ] Niliangalia kama kuna upendeleo na kuweka lebo za faragha.