論文の概要: The AI Assessment Scale Revisited: A Framework for Educational Assessment
- arxiv url: http://arxiv.org/abs/2412.09029v1
- Date: Thu, 12 Dec 2024 07:44:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-13 17:02:11.180776
- Title: The AI Assessment Scale Revisited: A Framework for Educational Assessment
- Title（参考訳）: AIアセスメント尺度の再検討:教育アセスメントのためのフレームワーク
- Authors: Mike Perkins, Jasper Roe, Leon Furze,
- Abstract要約: ジェネレーティブ・人工知能(GenAI)の最近の進歩は、教育において大きな不確実性を生み出している。
我々は、2つの基本的な目的を持ったフレームワークであるAIAS(AI Assessment Scale)の更新版を提示する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Recent developments in Generative Artificial Intelligence (GenAI) have created significant uncertainty in education, particularly in terms of assessment practices. Against this backdrop, we present an updated version of the AI Assessment Scale (AIAS), a framework with two fundamental purposes: to facilitate open dialogue between educators and students about appropriate GenAI use and to support educators in redesigning assessments in an era of expanding AI capabilities. Grounded in social constructivist principles and designed with assessment validity in mind, the AIAS provides a structured yet flexible approach that can be adapted across different educational contexts. Building on implementation feedback from global adoption across both the K-12 and higher education contexts, this revision represents a significant change from the original AIAS. Among these changes is a new visual guide that moves beyond the original traffic light system and utilises a neutral colour palette that avoids implied hierarchies between the levels. The scale maintains five distinct levels of GenAI integration in assessment, from "No AI" to "AI Exploration", but has been refined to better reflect rapidly advancing technological capabilities and emerging pedagogical needs. This paper presents the theoretical foundations of the revised framework, provides detailed implementation guidance through practical vignettes, and discusses its limitations and future directions. As GenAI capabilities continue to expand, particularly in multimodal content generation, the AIAS offers a starting point for reimagining assessment design in an era of disruptive technologies.
- Abstract（参考訳）: ジェネレーティブ・人工知能(GenAI)の最近の進歩は、特に評価の実践の観点から、教育において重大な不確実性を生み出している。
この背景から、我々はAIアセスメント尺度(AIAS)の更新版を提示する。これは、教育者と学生の適切なGenAI使用に関するオープンな対話を促進することと、AI能力の拡大時代のアセスメントの再設計において、教育者を支援することの2つの基本的な目的を持つフレームワークである。
社会的構成主義の原則に根ざし、評価の妥当性を念頭に設計されたAIASは、異なる教育状況に適応可能な構造的かつ柔軟なアプローチを提供する。
K-12と高等教育の文脈にまたがるグローバルな採用からの実践的フィードバックに基づいて、この改訂は、元のAIASから大きく変わった。
これらの変更のうち、新しいビジュアルガイドは、元の交通信号システムを超えて、中間色パレットを活用して、レベル間のインプリート階層を回避する。
この尺度は、"No AI"から"AI Exploration"まで、評価におけるGenAI統合の5つの異なるレベルを維持しているが、急速に進歩する技術能力と台頭する教育的ニーズを反映するように改良されている。
本稿では,改正フレームワークの理論的基礎を概説し,実用的なウィグレットによる詳細な実装指導を行い,その限界と今後の方向性について論じる。
GenAIの能力は、特にマルチモーダルコンテンツ生成において拡大し続けており、AIASは破壊的技術の時代におけるアセスメントデザインを再想像するための出発点を提供する。
関連論文リスト
- Dimensions of Generative AI Evaluation Design [51.541816010127256]
我々は、GenAI評価設計に関わる重要な選択を捉えるための一般的な次元のセットを提案する。
これらの次元には、評価設定、タスクタイプ、入力ソース、インタラクションスタイル、期間、メトリックタイプ、スコアリング方法が含まれる。
論文 参考訳（メタデータ） (2024-11-19T18:25:30Z) - A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
画像復元(IR)とは、ノイズ、ぼかし、気象効果などの劣化を除去しながら、画像の視覚的品質を改善する過程である。
従来のIR手法は、一般的に特定の種類の劣化をターゲットとしており、複雑な歪みを伴う現実のシナリオにおいて、その効果を制限している。
オールインワン画像復元(AiOIR)パラダイムが登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供する。
論文 参考訳（メタデータ） (2024-10-19T11:11:09Z) - To accept or not to accept? An IRT-TOE Framework to Understand Educators' Resistance to Generative AI in Higher Education [0.0]
本研究は,教育者が教室で生成人工知能を採用するのを防ぐ障壁を実証的に予測する理論モデルを開発することを目的とする。
我々のアプローチは、IRT(Innovation resistance Theory)フレームワークに基づいており、TOE(Technology-Organization-Environment)フレームワークの構成要素を拡張しています。
論文 参考訳（メタデータ） (2024-07-29T15:59:19Z) - Comprehensive AI Assessment Framework: Enhancing Educational Evaluation with Ethical AI Integration [0.0]
本稿では、Perkins、Furze、Roe、MacVaughによるAIA(AIAS)の進化版である包括的AIアセスメントフレームワーク(CAIAF)について述べる。
CAIAFは厳格な倫理的ガイドラインを取り入れており、教育レベルと高度なAI能力に基づいて明確に区別されている。
このフレームワークは、より良い学習結果を保証するとともに、学術的完全性を維持し、AIの責任ある利用を促進する。
論文 参考訳（メタデータ） (2024-06-07T07:18:42Z) - 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) - How to Build an Adaptive AI Tutor for Any Course Using Knowledge Graph-Enhanced Retrieval-Augmented Generation (KG-RAG) [5.305156933641317]
知的学習システム(ITS)におけるLarge Language Models (LLMs)は、パーソナライズされた教育に変革をもたらす機会を提供する。
現在の実装では、2つの重要な課題に直面している。
本稿では,構造化知識表現と文脈認識検索を統合した新しいフレームワークである知識グラフ強化検索(RAG)を提案する。
論文 参考訳（メタデータ） (2023-11-29T15:02:46Z) - Levels of AGI for Operationalizing Progress on the Path to AGI [64.59151650272477]
本稿では,人工知能(AGI)モデルとその前駆体の性能と動作を分類する枠組みを提案する。
このフレームワークは、AGIのパフォーマンス、一般性、自律性のレベルを導入し、モデルを比較し、リスクを評価し、AGIへの道筋に沿って進捗を測定する共通の言語を提供する。
論文 参考訳（メタデータ） (2023-11-04T17:44:58Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - Towards Human Cognition Level-based Experiment Design for Counterfactual
Explanations (XAI) [68.8204255655161]
XAI研究の重点は、より理解を深めるために、より実践的な説明アプローチに変わったようだ。
認知科学研究がXAIの進歩に大きく影響を与える可能性のある領域は、ユーザの知識とフィードバックを評価することである。
本研究では,異なる認知レベルの理解に基づく説明の生成と評価を実験する枠組みを提案する。
論文 参考訳（メタデータ） (2022-10-31T19:20:22Z) - 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)
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。