Kategorigenerering: Ofte stillede spørgsmål om ansvarlig AI

Hvad er kategorigenerering?

Kategorigenerering forenkler markant processen til oprettelse af kategorier ved at give læreren mulighed for at beskrive en kategori og bruge generativ AI til at oprette en kategori, der er skræddersyet til deres scenarie. Læreren vil derefter blive præsenteret for den genererede kategori, så de kan gennemgå og finjusteres ved at justere egenskaber som f.eks. målaldersintervallet, længden af genereret indhold og kategoridetaljer. Når læreren har godkendt og gemt rubrikken, kan de derefter vedhæfte den til en opgave, der skal bruges, mens de bedømmer de studerendes arbejde.

Hvad kan kategorigenerering gøre?

Kategorigenerering understøtter følgende generative AI-handlinger:

• Forslag til kategorikriterier – Der genereres forslag til kategorikriterier baseret på den angivne kategorititel og beskrivelse.

• Kategorigenerering – En kategori genereres ud fra den angivne kategorititel, kategoribeskrivelse, aldersinterval, karakterniveauer og kategorikriterier.

• Omskrivning af kategorier – En kategori omskrives ud fra reviderede værdier for kategoribeskrivelse, aldersinterval, antal sætninger, karakterniveauer og kategorikriterier.

Hvad er kategorigenererings tilsigtede anvendelse(er)?

Kategorigenerering er beregnet til lærer i løkken, hvor funktionen kun er tilgængelig for undervisere/lærere, og læreren skal gennemgå/godkende det genererede indhold, før kategorien vises til de studerende.

Hvordan blev kategorigenerering evalueret? Hvilke målepunkter bruges til at måle ydeevnen?

Kategorien generation blev valideret gennem direkte test med lærere til at vurdere relevansen og anvendeligheden af de genererede kategorier.

Validering blev udført for at sikre, at kategorien generation er robust mod skadeligt indhold

Hvordan bruges standarder i kategorigenerering?

Systemet giver mulighed for at tilføje standarder som en del af Rubric Generation. Standarderne bruges, når du opretter de foreslåede kategorikriterier for kategorien. Få mere at vide om standarder her Tilføj uddannelsesstandarder i Microsoft-værktøjer

Underviseren bør altid validere kategorikriterierne, før de genererer kategorien

Hvad er begrænsningerne ved kategorigenerering? Hvordan kan brugerne minimere virkningen af kategorigenerationens begrænsninger, når de bruger systemet?

Rubrics Generation er ikke baseret på faktuel viden, og mens den skriver flydende, grammatisk korrekt måde, kan det indhold, det genererer, være unøjagtigt eller upassende. Det kan ikke forstå betydningen eller evaluere nøjagtigheden, så undervisere skal gennemgå, hvad de skriver, og bruge deres bedste dømmekraft. Undervisere skal validere og gennemgå alle genererede kategorier for at sikre nøjagtighed og relevans.

Hvilke driftsmæssige faktorer og indstillinger muliggør effektiv og ansvarlig brug af kategorigenerering?

Effektiv og ansvarlig brug af kategorigenerering kræver nøje implementering af driftsfaktorer og omhyggelig konfiguration af indstillinger. Hovedovervejelser omfatter:

1. Klare og detaljerede evalueringsmål

   • Angiv præcise kategorievalueringsmål, korrekte kategorikriterieinstruktioner og en passende kategoriskala til at vejlede AI'en i at generere kontekstrelevante kategorier.

2. Underviserens gennemgang og validering

   • Gennemgå og valider altid AI-genererede kategorier for at bekræfte nøjagtighed, relevans og justering i forhold til den studerendes specifikke behov.

   • Undgå for stor afhængighed af kunstig intelligens; bruge den som et supplement til den menneskelige dømmekraft, ikke en erstatning.

3. Underviserkursus

   • Giv undervisere kurser i, hvordan de effektivt kan indtaste data og fortolke ai-genererede output.

   • Del bedste fremgangsmåder til integrering af KATEGORIER, der genereres af kunstig intelligens, i undervisningsstrategier.

Få mere at vide

Kom i gang med at oprette kategorier med generativ AI

Opret og administrer kategorier for karaktergivning i Microsoft Teams

Fejlfinding af AI-kategorier

Regenerering af AI-kategorier