ПРОБЛЕМА ОЦЕНКИ В СИСТЕМЕ ВЫСШЕГО ОБРАЗОВАНИЯ В 21 ВЕКЕ
DOI:
https://doi.org/10.46991/ai.2023.2.132Ключевые слова:
искусственный интеллект, оценка, высшее образование, персонализированное обучение, машинное обучение, обработка естественного языка, поиск данных, этические соображенияАннотация
Интеграция искусственного интеллекта (ИИ) в процесс оценивания стала важным событием в высшем образовании. В данной научной статье рассматриваются последствия применения методов оценки на основе ИИ в контексте высшего образования, обсуждаются их преимущества, ограничения и этические аспекты. В статье приводится обзор соответствующей литературы для изучения применения систем искусственного интеллекта в оценке знаний студентов с акцентом на их влияние на эффективность, объективность, персонализированный опыт обучения и предоставление немедленной обратной связи. Также рассматриваются проблемы, связанные с учетом сложности, потенциальной необъективности и необходимости человеческого суждения и вмешательства. Обсуждаются этические соображения, такие как прозрачность, конфиденциальность и справедливость, для обеспечения ответственного применения.
В статье приводится пример интервью с преподавателями, в котором освещаются их взгляды на оценку на основе ИИ. Кроме того, обобщены точки зрения студентов, полученные в ходе интервью, проливающие свет на их опыт, проблемы и предложения. Анализ интервью дает представление об интеграции оценки на основе ИИ при сохранении сбалансированного подхода, который ценит человеческий опыт. На основе полученных результатов в данной работе предлагаются рекомендации для преподавателей и учебных заведений по эффективному использованию методов оценки на основе ИИ, обеспечивая комплексный и этичный подход, который улучшает опыт и результаты обучения студентов.
Библиографические ссылки
Brown, G., et al. (2019). Artificial Intelligence and the Automation of Council of Europe Language Examinations. CALICO Journal, 36(3), 317-335.
Chen, Y., et al. (2021). Exploring the Effects of a Personalized Learning System on College Students' Motivation and Learning Performance. Computers & Education, 168, 104209.
Dawson, S., et al. (2019). It's Not Just What You Say, It's How You Say It: Validating Automated Speech Recognition for Second Language Pronunciation. Journal of Computer-Assisted Learning, 35(3), 273-287.
Huang, Y., et al. (2022). Effects of Immediate Feedback on Undergraduate Students' Learning: A Meta-Analysis. Journal of Educational Computing Research, 59(1), 96-127.
Johnson, L., et al. (2018). Towards a Framework for Educational Applications of AI. TechTrends, 62(6), 564-573.
Kizilcec, R. F., et al. (2021). Demographic Differences in How Students Navigate Educational Technology: Evidence from a Large-Scale Field Study. Journal of Educational Computing Research, 59(3), 627-655.
Liang, S., et al. (2021). Fairness and Explainability in AI-Based Educational Technologies: A Review. Computers & Education, 169, 104223.
Oberst, I., et al. (2020). Examining the Bias in Sentiment Analysis Datasets: Gender Stereotypes in Customer Reviews. Journal of Educational Data Mining, 12(3), 37-58.
Prinsloo, P., & Slade, S. (2017). Educational triage in open distance learning: Walking a moral tightrope. Open Praxis, 9(2), 135-148.
Rienties, B., et al. (2021). Making Sense of Learner Analytics Data: A Review of Methodologies and a Call for Collaboration. Computers & Education, 168, 104193.
Siemens, G., et al. (2019). Artificial Intelligence in Education. TechTrends, 63(1), 4-7.
Smith, K., et al. (2020). Computer-Aided Language Assessment: A Review of Contemporary Topics and Research. Language Testing, 37(4), 523-546.
Wise, A. F., et al. (2020). Ethical and Privacy Considerations for Learning Analytics. Handbook of Learning Analytics, 55-64.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Samvel Asatryan, Spartak Soghoyan
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
