1. Gerosios praktikos pavyzdžiai Vytauto Didžiojo universitete Lietuvoje

Vytauto Didžiojo universitete dėstytojai, vertindami studentų mokymosi rezultatus, taiko ir naudoja įvairius Moodle įrankius. Pavyzdžiui, Moodle mokymosi aplinka suteikia dėstytojams galimybes vertinti mokymosi rezultatus, pvz., dėstytojai gali kurti testus, viktorinas, naudoti interaktyvias vertinimo priemones (pvz., H5P įrankis (žr. 1 pav.)

1 pav. Testo segmento pavyzdys, sukurtas naudojant H5P įrankį (VDU Moodle aplinka)

Graphical user interface, text, application

Description automatically generated

Vienas iš H5P įrankio naudojimo privalumų yra tas, kad studentai turi galimybę klausytis paskaitos įrašo, pamatyti paskaitų skaidres ar bet kokią kitą susijusią medžiagą ar nuorodas, kad gautų daugiau informacijos, o tada atlikti savitikros testą. Be to, H5P įrankis ir testai, sukurti naudojant šį įrankį, gali būti naudojami kaip ugdomojo arba apibendrinamojo vertinimo strategijos dalis, atsižvelgiant į tai, kokiam tikslui testas yra skirtas. Apskritai, ši priemonė leidžia interaktyviau mokytis ir atlikti vertinimą. 

Be to, dėstytojai gali tyrinėti Moodle aplinką kurdami įvairius testus savo studentams. Moodle aplinka siūlo daugybę testo elementų, kuriais galima įvertinti studento turinio žinias, įgūdžius ir kompetenciją. Dėstytojai gali kurti įvairius testus naudodami klausimus su atsakymų variantais, teisingus / klaidingus teiginius, atviro tipo klausimus ir pan.

2 pav. Įvairių klausimų elementų pavyzdžiai (VDU Moodle aplinka)

Graphical user interface, text, application

Description automatically generated
Graphical user interface, text, application, chat or text message

Description automatically generated

Graphical user interface, text, application, email

Description automatically generated


Be to, Moodle suteikia dėstytojams galimybių įvertinti daugiau vidinių įgūdžių. Pavyzdžiui, kurdami atvirus, esė tipo klausimus, dėstytojai gali įvertinti studento supratimą apie temą ir rašymo bei kritinio mąstymo įgūdžius (žr. 3 pav).


3 pav. 
Esė tipo klausimo pavyzdys (VDU Moodle aplinka)

Graphical user interface, text, application, email

Description automatically generated

Be to, jei testas nėra tinkamas formatas studento gebėjimams, žinioms ir kompetencijoms vertinti, dėstytojas turi galimybę Moodle sistemoje skirti užduotis ir paprašyti studentų pateikti darbus Moodle aplinkoje per darbų pateikimo įrankį (žr. 4 pav.). Dėstytojas gali tiksliai aprašyti užduotį, pateikti vertinimo kriterijus, nustatyti terminus. Kai studentas pateikia savo darbą Moodle aplinkoje, dėstytojas gali įvertinti ir suteikti grįžtamąjį ryšį apie studento darbą, prieš tai neatsisiunčiant pateiktų darbų.

4 pav. Užduočių pateikimo įrankio pavyzdys (VDU Moodle aplinka)

Graphical user interface, text, application, email

Description automatically generated

Trumpai tariant, dėstytojai gali naudoti Moodle įrankius kurdami testus, kad patikrintų studentų žinias ir įvertintų, ar pasiekti mokymosi rezultatai. Čia aprašyta vos keletas skirtingų pavyzdžių, tačiau yra daugybė įrankių, kurie gali būti naudojami tiek studento mokymosi, tiek studijų rezultatų vertinimui. Taip pat išoriniai įrankiai gali būti suderinami su ir integruoti į Moodle aplinką, todėl dėstytojai turi platų įrankių pasirinkimą bet kokiai vertinimo strategijai įgyvendinti.

2. „ Chatbox “ ir dirbtinio intelekto mokymo asistento naudojimas

Naudodami teksto ar balso pokalbio sąsają bendrauti su vartotoju, pokalbių robotai gali atsakyti ir užduoti klausimus, vadovauti besimokantiesiems ir padėti spręsti problemas. Tai reiškia, kad kai dėstytojo nėra arba jis negali padėti, besimokantieji vis tiek gali padaryti tam tikrą pažangą. Vis dažniau pokalbių robotai naudoja dirbtinio intelekto metodus, kad suprastų žmonių kalbas, balsus, kūno kalbą ir elgesį bei suvoktų kalbų ar elgesio modelius. Pokalbių robotai suteikė galimybių sprendžiant didelio masto ir aukštos kokybės mokymosi prieštaravimą. Jie įgalina didesnį personalizavimą renkant duomenis iš dialogų ir besimokančiųjų elgesio, kad būtų teikiama pagalba, kuri yra specialiai pritaikyta kiekvieno besimokančiojo poreikiams, o tai taip pat gali padėti sumažinti pedagogų darbo krūvį. Šie dirbtiniu intelektu (DI) pagrįsti įrankiai gali padėti praktikuoti kalbinius gebėjimus, atliekant paprastas veiklas, pvz., užduoti ir atsakyti į klausimus, iki sudėtingesnių pokalbių planų, pavyzdžiui, suteikti besimokančiajam galimybę dalyvauti pasakojime reaguojant į pokalbių roboto siūlomus pasirinkimus. Šiuo metu pokalbių robotai daugiausia skirti individualiam bendravimui, tačiau ateityje jie galėtų palaikyti daugiau bendradarbiavimo dialogų.

Švietimo praktikoje Džordžijos technologijos instituto mokslininkai ištyrė, kaip pokalbių robotai gali būti naudojami nuotolinėse pamokose. Remdamiesi dialogais ir ankstesnių studijų dalykų mokymosi duomenimis, jie sukūrė AI dėstytojo padėjėją, pavadintą Jill Watson. Turėdama šiuos duomenis, Jill galėtų analizuoti besimokančiųjų klausimus ir nedelsiant pateikti atsakymus. Pokalbių robotas buvo naudojamas keliuose studijų dalykuose, siekiant padėti besimokantiesiems atsakyti į su turiniu susijusius klausimus, bei plėtoti prasmingus dialogams. Tyrėjai išsiaiškino, kad besimokantieji negalėjo atskirti pokalbių roboto nuo dėstytojo, o tai rodo, kad kai kuriais atvejais pokalbių robotai gali puikiai veikti kaip nuotolinio mokymosi pagalbininkai. 

Tyrėjai iš Pekino Normalaus universiteto Ateities švietimo pažangių inovacijų centre (AICFE) ištyrė pokalbių roboto vaidmenį moraliniame ugdyme. Dorovinio ugdymo metu dėstytojai daugiausia dėmesio skiria tam, kad padėtų besimokantiesiems suprasti moralines problemas ir ugdyti moralę. Šiame tyrime buvo sukurtas AI-bot (pagal dirbtinio intelekto algoritmus sukurtas pokalbių robotas), kuris per dialogus aptiktų besimokančiųjų moralines problemas ir pateiktų konkretiems besimokantiesiems pritaikytus sprendimus. Pavyzdžiui, kai studentas išreiškė neigiamas emocijas, AI-bot diagnozuodavo priežastį kalbėdamas. Po to, AI-bot įvertino, ar besimokantis asmuo nepatyrė nesąžiningo elgesio. Tada buvo pasiūlyta keletas variantų ir pateikti pavyzdžiai, kaip spręsti šio besimokančiojo problemą. Rezultatai parodė, kad AI-bot gali imituoti dėstytojus, turinčius net 8–9 metų patirtį.

Kalbų mokymosi srityje pokalbių robotai gali būti naudojami neformaliam pokalbiui ir tarimo praktikai, o kai kurie besimokantieji tam net teikia pirmenybę, nes jie gali išbandyti įvairius būdus ką nors pasakyti ir išvengti gėdos jausmo kalbėdami viešai užsienio kalba. Mokslininkai taip pat naudojo pokalbių robotus švietimo srityje, kad palaikytų bendradarbiavimą. Jie sukūrė ir išbandė žaidimu pagrįstą bendradarbiavimo problemų sprendimo gebėjimų vertinimo įrankį Circuit Runner, kuris parodė pokalbių robotų potencialą vertinant aukštesniojo lygio įgūdžius. Galiausiai, mokslininkai parodė, kad pokalbių robotai taip pat gali būti kūrybingi. Pavyzdžiui, buvo sukurtas pokalbių robotas, kuris galėtų padėti sukurti aukštos kokybės viktorinas pagal esamą medžiagą. 

Tyrėjai, tiriantys pokalbių robotų vaidmenį realiuose mokymosi kontekstuose, pripažįsta, kad pokalbių robotų taikymas vis dar yra labai ankstyvoje stadijoje. Pokalbių robotai negali efektyviai veikti nesuvokdami žmogaus mokymosi mechanizmų. Norint užpildyti atotrūkį tarp pokalbių robotų technikų ir žmogaus mokymosi mechanizmų, būtinas mokymosi planas. Daugumą mokymosi planų būtų galima patobulinti pateikiant išsamesnę informaciją apie besimokančiuosius ir mokymosi ar mokymo žinias. Pokalbių robotai su dirbtiniu intelektu gali rinkti informaciją ir ištirti besimokančiųjų poreikius prieš suteikiant besimokantiesiems personalizuotą pagalbą. Pokalbių robotai gali būti naujas būdas įgyvendinti į besimokantįjį orientuotą mokymą(si). Be to, tai be abejo padėtų sumažinti pedagogų darbo krūvį. 

Palyginti su tradiciniu mokymu(si) , pokalbių robotai suteikia naujų galimybių, tokių kaip neatidėliotina problemų diagnostika ir intervencijos, dėl kurių besimokantysis jaučiasi ne vienas mokymosi proceso metu. Besimokantieji taip pat gali būti labiau atsipalaidavę ir laisviau reikštis. Ši atsipalaidavusi aplinka gali būti palanki mokymosi skatinimui.

3. Kitos skaitmeninės ugdomojo vertinimo priemonės

Boltono koledžas perėjo už atvirų klausimų, kad išsiaiškintų, ar studentai gali pateikti atsakymus ir gauti automatinį grįžtamąjį ryšį, pagrįstą dėstytojų pateiktais pavyzdiniais atsakymais. Tyrėjai tyrinėjo potencialą, kurį gali pasiūlyti natūralios kalbos apdorojimo ir klasifikavimo platformos iš pirmaujančių šios srities pardavėjų, tokių kaip IBM, Amazon, Google ir Microsoft. Pirminiai rezultatai daug žadantys, sulaukta teigiamų studentų ir dėstytojų atsiliepimų. Studentams patiko gauti grįžtamąjį ryšį realiuoju laiku, o dėstytojai teigė, kad šios paslaugos gali padėti sumažinti darbo krūvius. 

Šios naujos vertinimo priemonės atsiradimas leido Boltono koledžo dėstytojams panaudoti turtingesnę terpę savo studentams vertinti. Tradiciškai internetinė ugdomojo vertinimo veikla atliekama naudojant uždarojo klausimo metodus, pvz., taip/ne klausimus, klausimus su atsakymų variantais arba nuvilkimo veikla. Jų ugdomojo vertinimo sprendimas leido dėstytojams kelti atvirus klausimus, kurie gali būti automatiškai analizuojami ir vertinami kompiuteriu. Galimybė teikti grįžtamąjį ryšį realiuoju laiku reiškia, kad studentai gali įvertinti ir paaiškinti savo atsakymus.

Svarbu pažymėti, kad dėstytojai atlieka svarbų vaidmenį. Jie prisideda prie klasifikavimo modelių kūrimo, kuriais grindžiami atviri klausimai, kuriuos jie nori pateikti savo studentams. Dėstytojai taip pat gali džiaugtis tuo, kad klasifikavimo modelių tikslumas gerėja, nes vis daugiau studentų atsako į kiekvieną atvirąjį klausimą ir didėja mokymo duomenų bazės apimtis. 

Kritikai reiškia susirūpinimą, kiek technologijos gali sumažinti studentų ir akademinio personalo sąveiką ir ar dėstytojas galėtų būti visiškai pakeistas. Tačiau kol kas toks susirūpinimas yra nepagrįstas, nes Boltono koledžo studentai, vis dėlto išreiškė pirmenybę dėstytojų atsiliepimams kartu su automatizuotais atsiliepimais. 

Panašiai kaip Boltono koledže, Edinburgo, Glazgo ir Mančesterio universitetai naudojo Adaptive Comparative Judgment (ACJ) technologiją. Lyginamasis vertinimas veikia pagal principą, kad žmogui lengviau palyginti du elementus ir nuspręsti, kad vienas yra geresnis ar blogesnis už kitą, nei objektyviai įvertinti bet kurio iš jų kokybę pagal nurodytą rubriką. ACJ naudoja technologiją palyginimo procesui automatizuoti. Nors scenarijai iš pradžių lyginami atsitiktinai, adaptyvusis elementas atsiranda, kai kompiuterio algoritmas pradeda atrinkti poras, kurios labiausiai prisideda užtikrinant reitingavimo patikimumą. Tai taip pat suteikia galimybę studentams gauti atsiliepimų iš kelių skirtingų vertintojų, nesvarbu, ar tai būtų dėstytojas ar dirbtinis intelektas, ar bendrakursiai.

Ostatnia modyfikacja: wtorek, 28 marca 2023, 16:02