Правильна відповідь здобувача освіти не завжди показує, яким саме шляхом він дійшов розв’язку, а викладач у повному класі спроможний помітити лише частину міркувань своїх підопічних. Стрімке поширення репетиторів на основі штучного інтелекту перенесло значну частину навчального діалогу в приватні чати, недоступні для прямого спостереження педагога. У зв’язку з цим науковці та практики шукають нові підходи: замість оцінювання лише кінцевого результату вони пропонують аналізувати сам процес мислення та взаємодії з цифровими інструментами.
Аналіз діалогу з чат-ботами за методом Майка Кенца
Майк Кенц, який очолює проєкт AI Friction Labs і має досвід викладання у середніх та старших школах, а також у коледжі, опирається на результати дослідження серед школярів середніх класів. Коли учням надали доступ до математичного репетитора на базі штучного інтелекту, більшість із них майже ним не користувалася. Кенц пояснює це тим, що цифровий репетитор, який ставить запитання, вимагає більше зусиль, ніж закриття вкладки або пошук готової відповіді. Примусове використання не дає результатів, якщо учні не розуміють, як виглядає якісна залученість у навчання.
Рішенням Кенца стало оцінювання самого діалогу між учнем і чат-ботом. Щоб перевірка залишалася осяжною за обсягом, він обмежує тривалість розмови орієнтовно десятьма повідомленнями. Критерії оцінювання викладач формує разом із здобувачами освіти, порівнюючи сильні та слабкі приклади чатів. Також він залучає учнів до рефлексії до та після діалогу та просить їх пояснювати складні поняття, наприклад дотичні лінії, «спантеличеному» однокласнику-боту. Освітянин порівнює цей період із ранніми етапами становлення теорії написання творів, коли в академічній спільноті ще не існувало єдиної згоди щодо критеріїв оцінювання есе.
Дослідження Моллі Фішер та вимірювання уважності викладачів
Паралельно з аналізом дій учнів науковці розробляють методики використання штучного інтелекту для оцінювання самих педагогів. Моллі Фішер з Університету Рована досліджує «професійну уважність» (professional noticing) — здатність викладача помічати дії студента, інтерпретувати рівень його розуміння та ухвалювати рішення щодо наступного запитання.
Попередні дослідження Фішер довели, що педагоги можуть успішно розвивати цю навичку, однако розбір уроків зазвичай відбувається повільно — лише після того, як колега відвідає заняття або педагог перегляне відеозапис. Для прискорення цього процесу команда Фішер планує спершу оцінити письмові відповіді викладачів на навчальні відеоситуації, а потім використати ці розрахунки для навчання моделей штучного інтелекту. Головна мета науковців — надсилати кожному викладачеві детальний звіт упродовж однієї доби.
Сама Фішер називає цю роботу «місією зі збору фактів» і закликає освітян зберігати скептицизм щодо висновків штучного інтелекту та уважно ставитися до збереження персональних даних учнів під час завантаження інформації.
Що далі
Тестування нових інструментів оцінювання професійної уважності викладачів за допомогою штучного інтелекту розпочнеться навесні 2027 року. Упродовж цього експерименту команда Моллі Фішер перевірить ефективність сформованих моделей ШІ на практиці. Водночас у навчальних закладах продовжуватиметься випробування підходів до оцінювання чатів, де педагоги та студенти спільно вироблятимуть критерії аналізу навчальних діалогів.
Дата публікації джерела: 18.11.2026 00:00.
Джерело: edsurge.com