Інтеграція штучного інтелекту в оцінювання вчителя фізкультури: приклад із Шрі-Ланки

Автор(и)

  • Фаіз ММТ Марікар Академія оборони генерала сера Джона Котелавала, Шрі-Ланка
  • Мухаммед Аман Коледж Веслі, Шрі-Ланка

DOI:

https://doi.org/10.20535/1560-8956.47.2025.340175

Ключові слова:

оцінка, упередженість, штучний інтелект, людське судження, послідовність, точність

Анотація

Практики оцінювання, включаючи індивідуальні та групові оцінки, піддаються упередженням, таким як стать і сімейний статус. Це дослідження вивчало вплив цих факторів на послідовність і точність маркування. Дані були зібрані шляхом розподілу сценаріїв відповідей між п’ятьма групами та аналізу одного набору за допомогою інструментів ШІ (Bard і ChatGPT). Результати виявили суттєві відмінності в оцінках, причому оцінки, створені штучним інтелектом, були нижчими, ніж оцінки, призначені людиною. Це підкреслює обмеження штучного інтелекту в охопленні розуміння нюансів. Щоб вирішити ці проблеми, можна застосувати поєднання оцінки людиною та штучним інтелектом разом із надійними схемами маркування, щоб підвищити справедливість і точність оцінок.

Бібл. 10, табл. 2

Посилання

Swiecki, Z., Khosravi, H., Chen, G., Martinez-Maldonado, R., Lodge, J.M., Milligan, S., Selwyn, N. and Gašević, D., 2022. Assessment in the age of artificial intelligence. Computers and Education: Artificial Intelligence, 3, p.100075. https://doi.org/10.1016/j. caeai.2022.100075

Esarey, J. and Valdes, N., 2020. Unbiased, reliable, and valid student evaluations can still be unfair. Assessment & Evaluation in Higher Education, 45(8), pp.1106-1120. https://doi.org/10.1080/02602938.2020.1724875

Oc, Y. and Hassen, H., 2024. Comparing the effectiveness of multiple-answer and single-answer multiple-choice questions in assessing student learning. Marketing Education Review, pp.1-14. https://doi.org/10.1080/10528008.2024.2417106

Gehringer, E.F., Menon, A. and Wang, G., 2021, July. Tools for detecting plagiarism in online exams. In 2021 ASEE Virtual Annual Conference Content Access. https://doi.org/10.18260/1-2-- 37915

Li, Y., Jiang, Y., Li, Z. and Xia, S.T., 2022. Backdoor learning: A survey. IEEE Transactions on Neural Networks and Learning Systems, 35(1), pp.5-22. https://doi.org/ 10.1109/TNNLS.2022.3182979

Fernando, S.Y. and Marikar, F.M., 2017. Constructivist teaching/learning theory and participatory teaching methods. Journal of Curriculum and Teaching, 6(1), pp.110-122.

Ip, K., 2024. The rise of EdTech: Transforming education through entrepreneurial ventures. Advances in Online Education: A Peer-Reviewed Journal, 3(2), pp.177-193. https://doi.org/10.69554/NSVD4541

Nagpal, N., Srivastava, A. and Verma, P., 2024. AI-Powered Proctoring: Safeguarding Online Assessment in the Education 5.0. In Explainable AI for Education: Recent Trends and Challenges (pp. 271-285). Cham: Springer Nature Switzerland. https://doi.org/10.1007/978-3-031-72410-7_15

Marikar, F.M., 2018. Gender stereotypes influence on assessment in a multidisciplinary platform. International Journal of Educational Studies, 5(1), pp.43-47.

Zybaczynska, J., Norris, M., Modi, S., Brennan, J., Jhaveri, P., Craig, T.J. and Al-Shaikhly, T., 2024. Artificial Intelligence–Generated Scientific Literature: A Critical Appraisal. The Journal of Allergy and Clinical Immunology: In Practice, 12(1), pp.106-110. https://doi.org/10.1016/j.jaip.2023.10.010

##submission.downloads##

Опубліковано

2025-09-28