Bài 108 · 3 phút

Giáo viên: bài làm bằng AI và cách đánh giá công bằng

Công cụ phát hiện AI không đáng tin, nên giáo viên công bằng dựa vào trò chuyện, quá trình làm bài và đề bài được thiết kế tốt thay vì một con điểm của máy.

Công cụ phát hiện văn bản AI cho ra một con số trông rất chính xác nhưng thường không phải vậy. Chúng bỏ sót văn bản AI đã được sửa nhẹ, và báo nhầm văn bản do người viết. Một số nghiên cứu cho thấy chúng hay báo nhầm bài của người viết tiếng Anh không phải tiếng mẹ đẻ hơn, nên dùng làm bằng chứng là không công bằng.

Hãy coi nghi ngờ là lý do để trò chuyện. Nhờ học sinh giải thích lập luận, định nghĩa một từ em đã dùng, hoặc kể em đã viết bài thế nào. Người tự làm bài thường nói được về bài của mình.

Thiết kế bài tập cho thấy quá trình: bản nháp, ghi chép, một phần làm trên lớp, một đoạn ngắn kể lại cách em làm. Gắn bài tập với nội dung thảo luận trên lớp hoặc ví dụ ở địa phương mà AI không thể biết.

Đặt quy định rõ ràng về lúc nào được dùng AI và cách khai báo đã dùng. Nhiều em dùng AI vì quy định không rõ, và một chính sách thẳng thắn sẽ nhận về những câu trả lời thật thà.

Làm ngay

Viết một quy định rõ ràng về AI

  1. 1. Nghĩ đến một bài tập bạn hay giao.
  2. 2. Dùng mẫu bên dưới để phác một quy định ngắn về AI cho bài đó.
  3. 3. Chia sẻ với học sinh trước khi giao bài lần tới.
Giúp tôi viết một quy định ngắn, công bằng về AI cho bài tập này: [MÔ TẢ BÀI TẬP], lớp [KHỐI LỚP].
Nói rõ những cách dùng AI được phép (ví dụ: tìm ý, góp ý ngữ pháp), những cách không được phép, và cách học sinh khai báo đã dùng AI thế nào.
Dùng lời đơn giản, dưới 150 chữ, và thêm 3 câu hỏi tôi có thể hỏi học sinh để kiểm tra em có hiểu bài của chính mình không.

Kiểm tra nhanh

Một công cụ phát hiện AI nói bài luận của học sinh “90% do AI viết”. Bước tiếp theo công bằng nhất là gì?

Một công cụ phát hiện AI nói bài luận của học sinh “90% do AI viết”. Bước tiếp theo công bằng nhất là gì?

Tìm hiểu thêm

Thuật ngữ trong bài

Classifier
Mô hình chia đồ vật vào các nhóm, như thư rác hay không, hoặc ảnh này là cây gì.
Bias
Khi AI đối xử bất công với một số người hoặc quan điểm vì dữ liệu nó học bị lệch.
Watermarking
Giấu một tín hiệu vô hình trong chữ, ảnh hoặc âm thanh do AI tạo, để phần mềm sau này nhận ra nguồn gốc.