ஆதாயங்கள்:
- செயற்கை நுண்ணறிவு ஆதரவுடன் இல்லாத, கல்வி மற்றும் நடத்தை கண்காணிப்பு போன்ற தரவைச் சுருக்கி, பின்தொடர்தல் அட்டவணை மற்றும் கண்காணிப்பு குறிப்புகளைத் தயாரிக்கும் திறன்
- முன்கூட்டிய எச்சரிக்கைக்கான வடிவங்களைக் கண்டறிவதை எளிதாக்கும் சுருக்கங்களை உருவாக்கும் போது, முடிவை நிபுணரிடம் விட்டுவிடும் தூண்டுதல்களை எழுதும் திறன்
- செயற்கை நுண்ணறிவு மாணவர்களை ஆபத்து மற்றும் சார்பு ஆபத்தில் குறைக்கிறது என்பதைப் புரிந்துகொள்வது மற்றும் முன்கூட்டியே எச்சரிக்கை எப்போதும் நிபுணர் கண்காணிப்பு மற்றும் நேர்காணலுடன் இணைக்கப்பட வேண்டும் என்பதைக் காண முடியும்.
காலப்போக்கில் மாணவர்களைக் கண்காணிப்பது PDR நிபுணரின் முக்கியமான வேலைகளில் ஒன்றாகும்: வருகை முறைகள், கல்வி முன்னேற்றம், நடத்தை அவதானிப்புகள், சமூக உறவுகள், நேர்காணல் வரலாறு. இந்தக் கண்காணிப்பு, ஒரு மாணவருக்கு எப்போது ஆதரவு தேவைப்படலாம் என்பதை முன்கூட்டியே கண்டறிவதை நோக்கமாகக் கொண்டுள்ளது; இது ஆரம்ப எச்சரிக்கை என்று அழைக்கப்படுகிறது. முன்கூட்டிய எச்சரிக்கை என்பது, ஒரு சிக்கல் தீவிரமடைவதற்கு முன், கவனிக்கக்கூடிய அறிகுறிகளின் அடிப்படையில் ஆதரவைச் செயல்படுத்துவதாகும் (தற்போதைக்கு வராத நிலையில் திடீர் அதிகரிப்பு, தரங்கள் வீழ்ச்சி, திரும்பப் பெறுதல்). ஆனால் இந்தத் துறை மிகவும் பயனுள்ள மற்றும் மிகவும் ஆபத்தானதாக இருக்கலாம்: நன்றாகப் பயன்படுத்தினால், அது ஒரு மாணவரை சரியான நேரத்தில் அடைய அனுமதிக்கிறது; மோசமாகப் பயன்படுத்தப்பட்டால், அது ஒரு மாணவரை "ஆபத்து லேபிளில்" சிக்க வைக்கிறது.
இந்த யூனிட்டில், சிதறிய கண்காணிப்புத் தரவைச் சுருக்கி, வடிவத்தைக் காணக்கூடிய ஒரு உதவியாக AI ஐப் பயன்படுத்த கற்றுக்கொள்வோம். மிக முக்கியமான கொள்கை: AI வடிவத்தை சுட்டிக்காட்ட முடியும், ஆனால் அது மாணவரை மதிப்பிடவோ அல்லது அவரை "ஆபத்தில்" அறிவிக்கவோ முடியாது. ஆரம்ப எச்சரிக்கை எப்போதும் நிபுணரின் கவனிப்பு மற்றும் மாணவருடன் கலந்துரையாடலுடன் இணைக்கப்படுகிறது; இறுதி மதிப்பீடு மற்றும் முடிவு நிபுணரிடம் உள்ளது. நெருக்கடி எல்லையையும் நினைவு கூர்வோம்: பின்தொடர்தல் தரவு தீவிரமான ஆபத்தைக் குறிக்கிறது என்றால் (உதாரணமாக, ஒரு மாணவரின் நிலைமை உடனடி ஆபத்தைக் குறிக்கிறது), இது ஒரு நெருக்கடி நிலை மற்றும் அலகு 9 இல் உள்ள நெறிமுறை செயல்பாட்டுக்கு வருகிறது; AI அல்ல.
வடிவங்களைப் பார்ப்பதற்கும் அவற்றை லேபிளிடுவதற்கும் இடையே உள்ள நேர்த்தியான கோடு
தரவுகளை கண்காணிப்பது மட்டும் அர்த்தமுள்ளதாக இல்லை; சூழல் பொருள் தருகிறது. பணிக்கு வராதவர்கள் மூன்று வாரங்கள் அதிகரிப்பு; இது ஒரு நோய், குடும்ப சூழ்நிலை அல்லது பள்ளியில் சிரமம் ஆகியவற்றுடன் தொடர்புடையதாக இருக்கலாம். AI ஆனது இந்த அதிகரிப்பை அட்டவணை அல்லது சுருக்கத்தில் தெரியும்படி செய்யலாம் ("கடந்த மூன்று வாரங்களில் வராதது கணிசமாக அதிகரித்துள்ளது"); இது ஒரு பயனுள்ள குறிப்பு ஆகும், இது அந்த மாணவர் மீது தொழில்முறை கவனத்தை ஈர்க்கிறது. ஆபத்து என்னவென்றால், AI (அல்லது AI ஐ அடிப்படையாகக் கொண்ட நிபுணர்) இந்த சிக்னலில் இருந்து ஒரு தீர்ப்புக்கு குதிப்பார்: "இந்த மாணவர் ஆபத்தில் இருக்கிறார்/பிரச்சினையில் இருக்கிறார்/புறக்கணிக்கப்பட்டுள்ளார்." இந்தத் தாவல் தவறாகவும், மாணவனைக் களங்கப்படுத்துவதாகவும் இருக்கலாம்.
விதி: AI சமிக்ஞைகள், நிபுணர் அர்த்தத்தை உருவாக்குகிறார். சுருக்கம் என்பது உரையாடலைத் தொடங்குவதற்கான ஒரு நியாயமாகும், ஒரு முடிவு அல்ல. மாணவருடன் பேசாமல் எந்த அறிகுறியும் மதிப்பீடாக மாறாது.
மற்றொரு நுணுக்கம் தரவு மூலங்களை இணைக்கும்போது கவனமாக இருக்க வேண்டும். வருகை, தரப் போக்கு மற்றும் நடத்தை கண்காணிப்பு ஆகியவை தனித்தனியாக அர்த்தமுள்ளதாக இருக்கின்றன, ஆனால் AI அவற்றை ஒரு "ரிஸ்க் ஸ்கோராக" இணைப்பது தவறாக வழிநடத்துகிறது. ஒரு மாணவன் அல்லது அவளுக்கு நாள்பட்ட உடல்நலம் இருப்பதால் அவர் வராதது அதிகரித்திருக்கலாம்; இது கல்வித் தோல்விக்கான அறிகுறி அல்ல. பல்வேறு வகையான தரவுகளை ஒரே எண்ணில் அடைப்பது கற்பவரின் யதார்த்தத்தை மறைத்து தவறான முன்னுரிமையை உருவாக்குகிறது. ஒவ்வொரு வகையான தரவையும் தனித்தனி "அடையாளமாக" பார்ப்பதும், முழுவதையும் நிபுணரின் விளக்கத்திற்கு விட்டுவிடுவதும் சரியான அணுகுமுறையாகும். AI தரவுகளை தொகுக்க முடியும்; ஆனால் அவற்றை ஒரே தீர்ப்பில் வெல்டிங் செய்யும் வேலையை அது செய்யக்கூடாது. அதேபோல், "எவ்வளவு காலம்" ஒரு அடையாளம் நீடிக்கும் என்பதும் முக்கியமானது: ஒரு வார ஏற்ற இறக்கம் மற்றும் மூன்று மாதங்கள் நீடிக்கும் போக்கு ஆகியவை மிகவும் வேறுபட்ட அர்த்தங்களைக் கொண்டுள்ளன, மேலும் இந்த நேர பரிமாணத்தை மீண்டும் படிக்க வேண்டிய நிபுணரின் விருப்பம் உள்ளது.
எச்சரிக்கை: ஒரு மாணவரை "ஆபத்தில் உள்ளவர்" என்று பட்டியலிடும் அச்சுப்பொறி, பள்ளியில் அந்தக் குழந்தையின் உணர்வை நிரந்தரமாக பாதிக்கலாம். இத்தகைய லேபிள்கள் புழக்கத்தில் வருவதைத் தடுக்க, முன்கூட்டியே எச்சரிக்கை அச்சுப்பொறிகள் ரகசியமாக வைக்கப்பட வேண்டும் மற்றும் ஆதரவு நோக்கங்களுக்காக மற்றும் நிபுணர் மேற்பார்வையின் கீழ் மட்டுமே பயன்படுத்தப்பட வேண்டும்.
சார்பு: யார் "ஆபத்து" என்று எண்ணுகிறார்கள் என்பது முக்கியம்
முன்கூட்டிய எச்சரிக்கையின் சார்பு ஒரு தீவிர நீதிப் பிரச்சினை. கணினி (அல்லது AI சுருக்கம்) ஒரு குறிப்பிட்ட சமூகப் பொருளாதாரக் குழு, ஒரு குறிப்பிட்ட சுற்றுப்புறம் அல்லது சில நடத்தை முறைகளை "ஆபத்தில் உள்ளது" என்று விகிதாசாரமாகக் கொடியிட்டால், இது ஒரு சார்புநிலையை நிறுவனமாக்குகிறது. எந்த அறிகுறிகள் உண்மையிலேயே ஆதரவைக் குறிக்கின்றன மற்றும் எந்த வடிவத்தை மட்டுமே சுட்டிக்காட்டுகின்றன என்பதை நிபுணர் வேறுபடுத்த வேண்டும்; ஒவ்வொரு மாணவரையும் தனித்தனியாகவும் நியாயமாகவும் அணுக வேண்டும். AI ஆல் உருவாக்கப்பட்ட "ஆபத்து" மொழியை கேள்வி கேட்காமல் ஏற்றுக்கொள்ளக்கூடாது.
படிப்படியாக: தரவு முதல் ஆதரவு வரை
- அநாமதேயமாக தரவுகளை சேகரிக்கவும். ஐடி குறியீடுகளுக்குப் பதிலாக "மாணவர் A/B/C" மூலம் வருகை, கவனிப்பு மற்றும் தர முன்னேற்றம் போன்ற தரவை ஒழுங்கமைக்கவும்.
- AI உடன் சுருக்கமாக. நிகழ்வு மட்டத்தில் முறை மற்றும் குறிப்பிடத்தக்க மாற்றங்களைச் சுருக்கவும்.
- அடையாளங்களைத் தேர்ந்தெடுங்கள். நேர்காணலுக்கு எந்தச் சுருக்கம் தகுதியானது என்பதை நிபுணர் தீர்மானிக்கிறார்.
- கருத்து. சமிக்ஞை செய்யப்பட்ட மாணவரிடம் பேசுங்கள்; சூழலைக் கற்றுக்கொள்ளுங்கள்.
- மதிப்பீடு செய்து திட்டமிடுங்கள். நிபுணர் அர்த்தத்தையும் ஆதரவையும் நிறுவுகிறார்.
- இருட்டாக வைக்கவும். ஆதரவு நோக்கங்களுக்கு வெளியே வெளியீடுகளைப் பகிர்தல்; லேபிளை பரப்ப வேண்டாம்.
நகலெடுக்கக்கூடிய வார்ப்புருக்கள்
1) கண்காணிப்பு தரவு சுருக்கம்:
உங்கள் பங்கு: PDR தரவு எடிட்டிங் உதவியாளர். தீர்ப்பு, "ஆபத்து" லேபிள் அல்லது பரிந்துரையைச் சேர்க்கவும்.பணி: மாணவர்களின் உண்மை நிலையில் பின்வரும் அநாமதேய இல்லாமை/கண்காணிப்புத் தரவைச் சுருக்கவும்; ஏதேனும் குறிப்பிடத்தக்க மாற்றங்களைக் குறிப்பிடவும் (அதிகரிப்பு/குறைவு). மதிப்பீடும் முடிவும் என்னுடையது; நீங்கள் வடிவத்தைக் காணும்படி செய்கிறீர்கள். தரவு: [அநாமதேயத் தரவை ஒட்டவும்]
2) சந்திப்பிற்கான காரணங்களின் பட்டியல்:
கீழே உள்ள அநாமதேய சுருக்கங்களில் இருந்து, ஆதரவு உரையாடலைத் தொடங்குவதற்கு அடிப்படையாக இருக்கும் உண்மைகளை பட்டியலிடுங்கள். ஒவ்வொன்றிற்கும் ஒரு வாக்கியத்தின் நடுநிலை காரணத்தை எழுதவும் ("கடந்த மூன்று வாரங்களில் வராதது அதிகரித்துள்ளது" போன்றவை). "ஆபத்தான/சிக்கல்" போன்ற லேபிள்களைப் பயன்படுத்த வேண்டாம். சுருக்கங்கள்: [அநாமதேய சுருக்கங்கள்]
3) டிராக்கிங் டேபிள் எடிட்டிங்:
தேதி, கவனிக்கப்பட்ட நிகழ்வு, திட்டமிடப்பட்ட படி மற்றும் விளைவுக்கான நெடுவரிசைகளுடன் பின்வரும் அநாமதேய பின்தொடர்தல் குறிப்புகளை அட்டவணையில் ஒழுங்கமைக்கவும். கருத்துகளைச் சேர்க்க வேண்டாம், உண்மையை வைத்திருங்கள். குறிப்புகள்: [அநாமதேய குறிப்புகள்]
4) நேர்காணலுக்கு முன் தயாரிப்பு:
உங்கள் பங்கு: PDR உதவியாளர். வருகை அதிகரித்துள்ள 14 வயது மாணவனுடன் ஒரு ஆதரவான கூட்டத்திற்கு நான் தயாராகி வருகிறேன். 8 தயாரிப்புக் கேள்விகளைப் பரிந்துரைக்கவும், அவை தீர்ப்பளிக்காத, திறந்த-முடிவு, மற்றும் மாணவர் தற்காப்பை ஏற்படுத்தாது.
பலவீனமான வரியில் / வலுவான வரியில்
பலவீனமான:
இந்த வகுப்பில் இல்லாத பட்டியலைப் பாருங்கள், ஆபத்தில் இருக்கும் மாணவர்களைக் குறிக்கவும்.
இது AI ஐ நீதிபதியாக்குகிறது, "ஆபத்தான" லேபிளை உருவாக்கும்படி கேட்கிறது, சூழல் மற்றும் உரையாடல் இல்லை.
வலுவான:
உங்கள் பங்கு: PDR தரவு எடிட்டிங் உதவியாளர், "ரிஸ்க்" லேபிளைச் சேர்த்தல். கீழே உள்ள அநாமதேய தரவுகளில், கடந்த 3 வாரங்களில் குறிப்பிடத்தக்க மாற்றத்தைக் காட்டிய மாணவர்களை (நிகழ்வு மட்டத்தில்) சுருக்கவும். ஒவ்வொன்றுக்கும், மாறியதை மட்டும் எழுதுங்கள்; நான் கருத்து மற்றும் முடிவை எடுப்பேன். தரவு: [அநாமதேய தரவு]
இது சமிக்ஞை செய்கிறது, அது லேபிளிடவில்லை; முடிவு நிபுணர் கைகளில் உள்ளது.
மூன்று சிறிய வழக்குகள்
வழக்கு 1 - பயனுள்ள அடையாளம். 200 மாணவர்களைக் கொண்ட ஒரு வகுப்பில் தனி நபர் இல்லாததைக் கண்காணிப்பதில் ஒரு நிபுணர் சிரமப்பட்டார். அவர் AI ஆல் சுருக்கப்பட்ட அநாமதேய தரவுகளை வைத்திருந்தார்; சாதாரணமாக கவனிக்கப்படாமல் போகும் ஒரு மாணவன், ஒரு அமைதியான ஆனால் நிலையான வருகையின்மை அதிகரிப்பை வெளிப்படுத்தினான். நிபுணர் பேசினார்; காலையில் அந்த மாணவிக்கு போக்குவரத்து பிரச்சனை இருப்பதை அறிந்த அவர், அதற்கான நடைமுறை தீர்வை உருவாக்கினார். AI அடையாளம் கொடுத்தது, நிபுணர் மற்றும் மாணவர் தீர்வு கட்டினார்.
வழக்கு 2 - லேபிளிலிருந்து திரும்பவும். ஒரு AI சுருக்கம் ஒரு மாணவனை "நடத்தைக்கான அதிக ஆபத்து" என்று விவரித்தது; அதேசமயம் நிபுணரின் தரவுகளில் "இரண்டு முறை வகுப்பை மாற்றுவதற்கான கோரிக்கை" என்ற நிகழ்வு மட்டுமே இருந்தது. நிபுணர் இந்த லேபிளை நிராகரித்தார், மாணவர்களுடன் பேசினார், மேலும் நண்பர்களின் குழுவிலிருந்து தன்னைத் தூர விலக்கிக் கொள்ளும் விருப்பத்திலிருந்து இந்த கோரிக்கை எழுந்தது என்பதைக் கண்டறிந்தார். லேபிள் நியாயமற்ற முறையில் குழந்தையை களங்கப்படுத்தலாம்; நிபுணர் வடிகட்டி இதைத் தடுத்தது.
வழக்கு 3 - சார்பு சோதனை. AI தயாரித்த "ஆபத்து" பட்டியலில் ஒரு குறிப்பிட்ட சுற்றுப்புறத்தைச் சேர்ந்த மாணவர்களும் விகிதாச்சாரத்தில் சேர்க்கப்படுவதை நிபுணர் ஒருவர் கவனித்தார். அவர் பட்டியலைப் பயன்படுத்தவில்லை, இது ஒரு சார்புநிலையைப் பிரதிபலிக்கும் என்று நினைத்து; மாறாக, இது அனைத்து மாணவர்களுக்கும் நியாயமான, உண்மை அடிப்படையிலான அளவுகோல்களைப் பயன்படுத்தியது. எனவே, உண்மையான தேவைக்கேற்ப ஆதரவு விநியோகிக்கப்பட்டது, களங்கம் அல்ல.
பொதுவான தவறுகள்
- AI குறியை "ஆபத்தானதாக" மாற்றுதல். நீதித்துறையை கருவியாக மாற்றுவது. தீர்வு: AI நிகழ்வு/மாற்றத்தைக் காட்டுகிறது, நிபுணர் தீர்ப்பை வழங்குகிறார்.
- நேர்காணல் இல்லாமல் மதிப்பீடு. தரவுகளைப் பார்த்து மாணவர்களுடன் பேசுவது மட்டுமல்ல. தீர்வு: ஒவ்வொரு அடையாளமும் உரையாடல் மூலம் சூழலைப் பெறுகிறது.
- சார்பு புறக்கணிப்பு. பேட்டர்ன் அடிப்படையிலான "ஆபத்து" பட்டியலை ஏற்றுக்கொள்வது. தீர்வு: நீதி மற்றும் தனித்துவத்தின் கட்டுப்பாடு.
- லேபிளைச் சுற்றி வருகிறது. "ஆபத்தான மாணவர்" பட்டியலைப் பகிர்கிறது. தீர்வு: தனியுரிமை மற்றும் ஆதரவு நோக்கம் வரம்பு.
- அதை ஒரு நெருக்கடியுடன் குழப்புகிறது. தீவிர ஆபத்தின் அறிகுறியை வழக்கமான கண்காணிப்பாகக் கையாளுதல். தீர்வு: நெருக்கடி நெறிமுறை (அலகு 9) செயல்படுத்தப்பட்டது.
அட்டவணை: கையெழுத்து அல்லது தீர்ப்பு?
வெளியீடு
வகை
என்ன செய்வது
"கடந்த 3 வாரங்களில் பணிக்கு வராமல் இருப்பது அதிகரித்துள்ளது"
அடையாளம் (நிகழ்வு)
சந்திப்புக்கான காரணம்
"இந்த மாணவர் ஆபத்தானவர்"
தீர்ப்பு (லேபிள்)
நிராகரி, உண்மைக்குத் திரும்பு
"இரண்டு செமஸ்டர்களுக்கு மதிப்பெண்கள் குறைந்து வருகின்றன"
அடையாளம் (நிகழ்வு)
சந்திப்புக்கான காரணம்
"அவரது குடும்பம் அவரை புறக்கணிக்கிறது"
தீர்ப்பு / அனுமானம்
நிராகரி, கவனிப்புக்குத் திரும்பு
"கூட்டங்களின் அதிர்வெண் குறைந்துவிட்டது"
அடையாளம் (நிகழ்வு)
நிபுணர் மதிப்பீடு செய்கிறார்
சுருக்கமாக
மாணவர் கண்காணிப்பில், AI என்பது சிதறிய தரவைச் சுருக்கி, வடிவங்களைக் காணக்கூடிய ஒரு பயனுள்ள உதவியாகும்; ஆனால் அது மாணவனை மதிப்பீடு செய்யவோ அல்லது "ஆபத்தில் உள்ளதாக" அறிவிக்கவோ முடியாது. AI சமிக்ஞைகளை வழங்குகிறது, நிபுணர் அர்த்தத்தை உருவாக்குகிறார். ஒரு உரையாடலுடன் ஒவ்வொரு அடையாளத்தையும் சூழ்நிலைப்படுத்தவும், சார்புநிலையைச் சரிபார்க்கவும், லேபிள்களைப் பரப்பவும் மற்றும் தீவிர ஆபத்துக்கான அறிகுறிகளில் நெருக்கடி நெறிமுறைக்கு மாறவும். ஆரம்ப எச்சரிக்கையின் நோக்கம் களங்கப்படுத்துவது அல்ல, ஆனால் சரியான நேரத்தில் மற்றும் நியாயமான ஆதரவை வழங்குவதாகும்.
விண்ணப்ப பணி
கற்பனையான வகுப்பறைக்கு அநாமதேய வருகை/கண்காணிப்புத் தரவை உருவாக்கவும். "டிராக்கிங் டேட்டா சுருக்கம்" டெம்ப்ளேட்டுடன் உண்மை நிலையில் AI ஐ சுருக்கமாகச் சொல்லுங்கள். வெளியீட்டை ஆராயவும்: AI ஏதேனும் "ஆபத்து/சிக்கல்" லேபிள்கள் அல்லது தீர்ப்புகளைச் சேர்த்திருக்கிறதா? விவாதிக்க வேண்டிய காரணங்களின் உண்மை-மட்டும் நடுநிலை பட்டியலைக் குறிக்கவும், அகற்றவும் மற்றும் உருவாக்கவும். பின்னர் சார்பு கேள்வியைக் கேளுங்கள்: பட்டியல் ஒரு குறிப்பிட்ட வடிவத்தில் அடுக்கி வைக்கப்பட்டுள்ளதா?
சரிபார்ப்பு பட்டியல்
- [ ] கருவியில் தரவை வழங்குவதற்கு முன்பு நான் அதை அநாமதேயமாக்கினேன்.
- [ ] நான் "ஆபத்து லேபிள்/தீர்ப்பைச் சேர்" வரம்பை ப்ராம்ட்டில் எழுதினேன்.
- [ ] நான் AI இன் வெளியீட்டை உண்மை/அடையாள மட்டத்தில் வைத்து, தீர்ப்பை நானே செய்தேன்.
- [ ] நான் ஒவ்வொரு அடையாளத்தையும் ஒரு நேர்காணலுடன் சூழ்நிலைப்படுத்தினேன்.
- [ ] நான் சார்புநிலையை சரிபார்த்து லேபிள்களை தனிப்பட்ட முறையில் வைத்திருந்தேன்.