


Trend baharu dalam penggredan komposisi pelajar: model kerjasama antara guru dan AI
Seiring dengan kemajuan teknologi, persoalan yang sudah lama timbul ialah bagaimana ia akan mengubah atau menggantikan pekerjaan manusia tradisional. Daripada daftar keluar sendiri di pasar raya hingga keupayaan AI untuk mengesan penyakit serius dalam imbasan perubatan, pekerja dalam semua bidang mendapati diri mereka bekerja dengan alatan yang melakukan sebahagian daripada tugas mereka. Memandangkan wabak ini telah mempercepatkan populariti alatan AI dalam bilik darjah, dan trend ini tidak menjadi perlahan, pengajaran telah menjadi satu lagi bidang yang berkongsi kerja profesional dengan alatan seperti AI.
Kami telah membangunkan minat yang kuat dalam aplikasi khusus kecerdasan buatan dalam pengajaran, iaitu untuk menilai hasil pembelajaran pelajar. Menggred dan memberi maklum balas kepada pelajar selalunya memakan banyak masa guru, yang menghalang ramai guru daripada memberikan tugasan penulisan yang lebih penting Pada masa yang sama, pelajar sering terpaksa menunggu lama untuk mendapatkan gred dan maklum balas. Dalam kes ini, jika AI boleh membantu menilai kerja rumah pelajar, ia sudah pasti akan menjimatkan masa dan meningkatkan kecekapan pembelajaran. Walau bagaimanapun, kami juga memikirkan satu soalan, iaitu, bolehkah sistem pemarkahan dan maklum balas AI benar-benar membantu pelajar dengan berkesan seperti guru sebenar?
Guru akan bertanya: "Apa yang ingin anda nyatakan? Saya tidak begitu faham. Tugas utama AI ialah menyelesaikan masalah yang timbul dalam proses dan format penulisan, bukannya cuba memahami maksudnya. tentang niat sebenar pelajar
Kami baru-baru ini melakukan Penilaian platform AI yang membolehkan pelajar sekolah menengah menulis, menghantar dan menyemak esei sebagai respons untuk menetapkan soalan esei Skor dan cadangan diberikan dalam empat bidang penulisan (hujah dan fokus, sokongan dan bukti, organisasi, bahasa dan gaya) untuk membantu mereka menambah baik artikel mereka
Untuk membandingkan penilaian dan maklum balas AI dengan guru sebenar, kami menjemput Kami mengadakan pertemuan bersemuka dengan 16 guru penulisan sekolah menengah yang telah menggunakan platform ini semasa tahun persekolahan 2021-2022 Setelah memastikan bahawa mereka mempunyai pemahaman yang tepat dan penerapan rubrik pemarkahan, kami meminta setiap guru menilai 10 karangan rawak yang ditulis oleh pelajar yang bukan mereka. kami mendapat 160 artikel yang dinilai oleh guru untuk kami bandingkan dengan penilaian dan maklum balas AI
Adakah markah guru serupa atau berbeza dengan yang diberikan oleh AI
Secara purata, kami telah didapati bahawa guru memberi. skor artikel lebih rendah daripada kecerdasan buatan dalam mana-mana aspek, kecuali dari segi proposisi dan fokus, dalam empat dimensi (minimum 4 mata, maksimum 16 mata Dari segi jumlah markah, skor purata guru untuk 160 artikel ini ialah 7.6, manakala AI). skor purata untuk set artikel yang sama ialah 8.8 Secara khusus, dari segi tuntutan dan tumpuan dan sokongan dan bukti, guru dan AI cenderung untuk mendapat markah yang lebih tinggi. Terdapat persetujuan antara markah tinggi (4 mata) dan markah rendah (1 mata ) artikel, tetapi terdapat perbezaan dalam skor pertengahan Guru lebih cenderung untuk memberi artikel skor 2, manakala AI, sebaliknya, lebih cenderung untuk memberi artikel skor 3. Dari segi organisasi dan bahasa. gaya, guru lebih berkemungkinan memberi artikel skor 1 atau 2, manakala penilaian AI diedarkan antara 1 dan 4, dengan lebih banyak artikel menerima markah 3 atau malah 4.
Adakah komen bertulis sama atau berbeza dengan komen yang diberikan oleh AI
Dalam pertemuan kami dengan 16 guru, kami memberi mereka peluang untuk membincangkan skor dan maklum balas yang mereka berikan pada 10 artikel sebelum bercakap tentang artikel secara khusus mereka menggunakan program penggredan ini di dalam bilik darjah mereka tahun lepas, kebanyakan pelajar memerlukan bantuan untuk memahami dan mentafsir komen yang diberikan oleh AI Banyak kali, contohnya, pelajar membaca ulasan tetapi tidak tahu bagaimana untuk memperbaiki penulisan mereka perubahan yang ketara, menurut guru, ialah mereka kini dapat menyatakan komen dalam bahasa yang lebih sesuai untuk tahap pemahaman pelajar mereka
" Dalam perbincangan kami, kami merenung AI. Kemesraan dari segi komen dan maklum balas. Kanak-kanak hari ini digunakan untuk mengarahkan dan memberi maklum balas yang jujur. Mereka tidak semestinya perlu meredakan ego mereka, sebaliknya mahu menyelesaikan masalah. Jadi, ia bukan selalu tentang menjadi bombastik, ia tentang menjadi langsung".
Satu lagi perbezaan yang kami dapati ialah guru lebih menumpukan pada kualiti esei secara keseluruhan—aliran, nada, sama ada ringkasan atau mewujudkan hujah, sama ada bukti sesuai dengan hujah dan sama ada keseluruhannya adalah koheren. Guru menjelaskan bahawa mereka lebih cenderung untuk memberikan artikel 2 apabila memfokuskan pada tuntutan dan tumpuan serta sokongan dan bukti kerana mereka dapat melihat keseluruhan artikel—sesuatu yang tidak dapat dilakukan oleh banyak AI, kerana banyak AI dilatih di peringkat ayat dan bukannya menyediakan latihan pada keseluruhan artikel.
Guru menilai struktur organisasi dengan lebih teliti kerana mereka, tidak seperti AI, boleh memahami urutan dan aliran keseluruhan artikel. Sebagai contoh, guru berkongsi bahawa AI mungkin mencari perkataan peralihan atau mencadangkan pelajar menggunakan lebih banyak perkataan peralihan sebagai bukti hujah yang tersusun dengan baik, tetapi guru boleh melihat sama ada peralihan itu benar-benar mengalir atau hanya dimasukkan ke dalam set dalam ayat yang tidak berkaitan. . Dari segi bahasa dan gaya, guru sekali lagi menunjukkan masalah AI yang lebih mudah terganggu, contohnya dengan menggunakan perbendaharaan kata yang kelihatan rumit - yang mungkin menarik perhatian AI, tetapi guru akan melihat hanya rentetan perkataan yang tidak dapat difahami atau meluahkan idea.
Bolehkah AI membantu guru menilai?
Menilai hasil kerja pelajar adalah bahagian pengajaran yang sangat penting dan memakan masa, terutamanya semasa pelajar belajar menulis. Pelajar memerlukan latihan yang kerap dan maklum balas segera untuk menjadi penulis yang yakin dan mahir. Walau bagaimanapun, kebanyakan guru kekurangan masa untuk perancangan dan penggredan, dan mereka mempunyai terlalu ramai pelajar untuk mengajar untuk menjadualkan tugasan penulisan biasa atau panjang, serta mengekalkan keseimbangan kehidupan kerja dalam kerjaya mereka.
AI sangat penting dalam mengurangkan beban guru. Walaupun penyelidikan awal kami menemui beberapa perbezaan dalam penilaian antara guru dan AI, kami percaya bahawa jika sistem AI boleh melihat artikel pelajar secara menyeluruh seperti yang guru boleh, dan memberi maklum balas dengan cara yang menyesuaikan diri dengan pertumbuhan pelajar dan situasi tertentu , pelajar boleh lebih berdikari Sebagai tindak balas kepada pendapat ini, maka AI sememangnya boleh membantu guru dalam penggredan. Kami percaya bahawa meningkatkan AI adalah berharga dalam bidang ini, bukan sahaja untuk mengurangkan beban penggredan kepada guru, tetapi juga untuk memastikan pelajar mempunyai lebih banyak peluang untuk menulis dan menerima maklum balas yang tepat pada masanya dan membantu untuk meningkatkan perkembangan mereka sebagai penulis.
Atas ialah kandungan terperinci Trend baharu dalam penggredan komposisi pelajar: model kerjasama antara guru dan AI. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
