教育のAI分裂
AIツールが専門的なワークフローに組み込まれるにつれて、教育者と政策立案者は、新興の二層構造システムについてますます不安になっています。それは、AIを効果的に使用することを学ぶ十分なリソースを持つ学校の学生と、リソース不足の機関の学生です。OpenAIは今、その分割に対処するために明確な推進を行い、K-12学校と大学のために特別に設計された教育ツール、専門的な認定資格、および測定リソースのパッケージを発表しています。
アナウンスメントは、製品マーケティングではなく、社会的責任イニシアチブとしての取り組みを位置づけています。OpenAIは、AIツールが不正行為を可能にし、批判的思考を損なうと心配する教育者からの継続的な批判に直面しています。会社の対応は、教育システムから離れるのではなく、教育システムに傾斜することです。つまり、機関がAIリテラシーをツールとしてだけではなく、科目として教えるのに役立つリソースを構築しています。
OpenAIがリリースしているもの
パッケージには3つの主要なコンポーネントがあります。まず、ChatGPTのインフラストラクチャ上に構築されたが、教育使用のために特に構成されたクラスルーム対応AIツールのセット。特定の種類のコンテンツを制限するガードレール、学生に対するAIが反応の生成に関与した場合を示す透明性機能、および学生がツールをどのように使用しているかについての教育者に見通しを与える教師ダッシュボード。
次に、教師と学生の両方の認定プログラム。教師認定は、教育者がAIの基本を理解し、AIが生成したコンテンツを認識し、AIと意味のある方法で関わる割り当てを設計し、AI中介学習環境で学生の作業を評価するのに役立ちます。学生認定は、高校およびコミュニティカレッジの学生を対象とし、AIリテラシーを実証する検証可能な認定資格を提供します。これは、雇用主がますますジョブ要件としてリストしている能力です。
第3に、測定リソース：学校がAI教育プログラムが実際に学生の成果を改善しているかどうかを評価するために使用できる標準化された評価フレームワーク。これは、管理者を失望させたギャップに対処します。現在、AIリテラシーを測定するための広く採用された方法はないため、プログラムを比較したり、学校委員会および資金提供機関への影響を示すことが困難です。
衡平性の議論
これが重要な理由のケースは、本質的に衡平性の議論です。AI能力は、高給与の職の増大する割合の前提条件になります。エリート私立学校または十分な資金を提供された郊外地域の学生だけが意味のあるAI教育を受ける場合、テクノロジーは既存の教育不平等を軽減するのではなく、悪化させます。
同社は、Title I学校向けのこれらのツールの無料層を提供しており、低所得学生の最高濃度を提供しており、複数の大規模な都市学区、コミュニティカレッジ、および歴史的にある黒いカレッジと大学と提携してプログラムを試運転しています。非Title I機関の価格設定の詳細は完全には開示されていません。
懐疑論者および構造的課題
誰もが確信しているわけではありません。一部の教育研究者は、根本的な問題はAIツールへのアクセスではなく、AIツールが有害ではなく役立つようにする前提条件スキル - 読む理解、批判的思考、情報評価 - ではないと主張しています。ソースを評価できない学生に流暢に聞こえるエッセイを生成する能力を与えることは、その学生に役立ちません。それは、実質なしに学習の説得力のある模造品を作成します。
教師組合も認定プログラムについての懸念を提起しており、すでに持続不可能なワークロード内でAI認定資格を達成するために教育者に圧力を作成する可能性があることを心配しています。AIリテラシーをシステムレベルのポリシーの質問ではなく、教師の責任としてのフレーミングは、機関ではなく個人に負担をかけます。
考慮すべき競争的なダイナミクスもあります。Google、Microsoft、および教育技術企業の増大する名簿には、独自のAI教育プログラムがあります。OpenAIのエントリは競争を激化させます。しかし、市場を断片化することもあり、管理者が非互換の認定基準の混乱した配列を評価するのに左下げにします。
より大きな利害
その制限がすべてであろうとも、イニシアチブはOpenAIが自身を位置づけている方法の重大なシフトを反映しています。初年度では、会社の教育メッセージングは主に反応的でした。それはAIが必ずしも不正行為ツールではないことを確認することを懸念している教育者を安心させました。今、会社は攻撃を演じており、AIリテラシーがこの10年の決定的な教育課題であり、その課題がどのように対処されるかを形作るのに責任と関心があると主張しています。
この記事はOpenAIによるレポートに基づいています。元の記事を読む.
Originally published on openai.com