Fugu-MT 論文翻訳(概要): Crafting Tomorrow's Evaluations: Assessment Design Strategies in the Era of Generative AI

論文の概要: Crafting Tomorrow's Evaluations: Assessment Design Strategies in the Era of Generative AI

arxiv url: http://arxiv.org/abs/2405.01805v1
Date: Fri, 3 May 2024 01:28:21 GMT
ステータス: 処理完了
システム内更新日: 2024-05-06 14:05:10.179657
Title: Crafting Tomorrow's Evaluations: Assessment Design Strategies in the Era of Generative AI
Title（参考訳）: 創造的AIの時代におけるデザイン戦略の評価
Authors: Rajan Kadel, Bhupesh Kumar Mishra, Samar Shailendra, Samia Abid, Maneeha Rani, Shiva Prasad Mahato,
Abstract要約: GenAIは教育に大きな影響を与え、評価設計と評価方法論を著しく破壊してきた。主に、学術的完全性、信頼性、アクセスの公平性、評価評価方法論、フィードバックを中心に、いくつかの懸念がある。本稿では、評価設計と評価に対処する必要がある課題と機会について論じる。
参考スコア（独自算出の注目度）: 0.02638878351659022
License: http://creativecommons.org/licenses/by/4.0/
Abstract: GenAI has gained the attention of a myriad of users in almost every profession. Its advancement has had an intense impact on education, significantly disrupting the assessment design and evaluation methodologies. Despite the potential benefits and possibilities of GenAI in the education sector, there are several concerns primarily centred around academic integrity, authenticity, equity of access, assessment evaluation methodology, and feedback. Consequently, academia is encountering challenges in assessment design that are essential to retaining academic integrity in the age of GenAI. In this article, we discuss the challenges, and opportunities that need to be addressed for the assessment design and evaluation. The article also highlights the importance of clear policy about the usage of GenAI in completing assessment tasks, and also in design approaches to ensure academic integrity and subject learning. Additionally, this article also provides assessment categorisation based on the use of GenAI to cultivate knowledge among students and academic professionals. It also provides information on the skills necessary to formulate and articulate problems and evaluate the task, enabling students and academics to effectively utilise GenAI tools.
Abstract（参考訳）: GenAIは、ほぼすべての職業において、無数のユーザの注目を集めている。その進歩は教育に大きな影響を与え、評価設計と評価方法論を著しく破壊した。教育分野におけるGenAIの潜在的利益と可能性にもかかわらず、主に学術的完全性、信頼性、アクセスの公平性、評価評価方法論、フィードバックに焦点が当てられている。その結果、学術的整合性を維持するのに欠かせない評価設計の課題に学界が直面している。本稿では,評価設計と評価に対処すべき課題と機会について論じる。論文は、評価タスクの完了や、学術的整合性を確保するためのデザインアプローチにおけるGenAIの利用に関する明確なポリシーの重要性も強調する。また、本論文は、学生や学術専門家の知識を育成するために、GenAIを用いた評価分類も提供する。また、課題を定式化し、その課題を評価するために必要なスキルに関する情報も提供し、学生や学者がGenAIツールを効果的に活用できるようにする。

関連論文リスト

Understanding Student and Academic Staff Perceptions of AI Use in Assessment and Feedback [0.0]
高等教育における人工知能(AI)と生成人工知能(GenAI)の台頭は、評価改革を必要としている。本研究は,AIとGenAIツールを用いた学生と学術スタッフの経験を探索することによって,重要なギャップを解消する。オンライン調査では、ベトナムの2つの大学とシンガポールの1つの大学から35人の研究スタッフと282人の学生のデータを収集した。
論文参考訳（メタデータ） (2024-06-22T10:25:01Z)
How critically can an AI think? A framework for evaluating the quality of thinking of generative artificial intelligence [0.9671462473115854]
大きな言語モデルを持つような生成AIは、革新的なアセスメント設計プラクティスの機会を生み出している。本稿では,現在の業界ベンチマークである LLM ChatGPT4 アプリケーションの性能を探求するフレームワークを提案する。この批判は、批判的思考スキルの観点から、彼らの質問の脆弱性を具体的かつターゲットに示します。
論文参考訳（メタデータ） (2024-06-20T22:46:56Z)
ConSiDERS-The-Human Evaluation Framework: Rethinking Human Evaluation for Generative Large Language Models [53.00812898384698]
生成型大規模言語モデル(LLM)の人間による評価は多分野にわたる作業であるべきだと論じる。認知バイアスが、流動的な情報や真理をいかに説明するか、そして、認識の不確実性が、Likertのような評価スコアの信頼性にどのように影響するかを強調します。本稿では,ConSiDERS-The-Human評価フレームワークを提案する。一貫性, Scoring Critera, Differentiating, User Experience, Responsible, Scalabilityの6つの柱からなる。
論文参考訳（メタデータ） (2024-05-28T22:45:28Z)
Higher education assessment practice in the era of generative AI tools [0.37282630026096586]
本研究は,データサイエンス,データ分析,建設管理の3つの指標を用いて実験を行った。以上の結果から,GenAIツールが主観的知識,問題解決,分析的,批判的思考,プレゼンテーション能力を示すことが明らかとなった。この結果から,AIツールをHEでの教育や学習に活用する方法を推奨した。
論文参考訳（メタデータ） (2024-04-01T10:43:50Z)
The AI Assessment Scale (AIAS) in action: A pilot implementation of GenAI supported assessment [0.0]
高等教育におけるジェネレーティブ・人工知能(GenAI)技術の急速な採用は、学術的完全性、評価の実践、学生の学習に関する懸念を引き起こしている。本稿では,イギリス大学ベトナム校(BUV)でAIAS(Artificial Intelligence Assessment Scale)の実施を探求するパイロット研究の成果を報告する。 AIASは「No AI」から「Full AI」までの5つのレベルから構成されており、教育者は人間の入力と批判的思考を必要とする領域に焦点を当てたアセスメントを設計できる。
論文参考訳（メタデータ） (2024-03-15T08:00:02Z)
The AI Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment [0.0]
我々は,GenAIツールを教育評価に統合するための,実用的でシンプルで十分に包括的なツールの概要を述べる。 AIアセスメント尺度(AIAS)は、教育者に対して、評価におけるGenAI使用の適切なレベルを選択する権限を与える。実践的で柔軟なアプローチを採用することで、AIASは、教育におけるGenAIに関する現在の不確実性と不安に対処するための、非常に必要な出発点を形成することができる。
論文参考訳（メタデータ） (2023-12-12T09:08:36Z)
Evaluating General-Purpose AI with Psychometrics [43.85432514910491]
本稿では,大規模言語モデルなどの汎用AIシステムの包括的かつ正確な評価の必要性について論じる。現在の評価手法は、主に特定のタスクのベンチマークに基づいており、これらの汎用AIシステムを適切に評価するには不十分である。これらの課題に対処するため,タスク指向評価から構成指向評価への移行を提案する。
論文参考訳（メタデータ） (2023-10-25T05:38:38Z)
The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
この分野でのAIのメリット、課題、欠点についてレビューする。データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
論文参考訳（メタデータ） (2022-12-08T23:23:39Z)
Modelling Assessment Rubrics through Bayesian Networks: a Pragmatic Approach [59.77710485234197]
本稿では,学習者モデルを直接評価ルーリックから導出する手法を提案する。本稿では,コンピュータ思考のスキルをテストするために開発された活動の人的評価を自動化するために,この手法を適用する方法について述べる。
論文参考訳（メタデータ） (2022-09-07T10:09:12Z)
An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文参考訳（メタデータ） (2021-05-07T12:01:31Z)
Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
論文参考訳（メタデータ） (2021-01-19T12:23:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。