Assessing for Integrity in the Age of AI
Notice bibliographique
Résumé
In this webinar, Dr. Sarah Elaine Eaton, explores the potential benefits and drawbacks of using AI in educational assessment. Although AI offers opportunities for efficiency and personalization, ethical considerations, including potential biases, privacy concerns and the risk of undermining academic integrity, need to be addressed. AI can enhance assessment practices by automating grading and feedback, enabling frequent assessments and providing personalized learning paths. However, AI algorithms can perpetuate biases, struggle to evaluate nuanced responses and raise privacy concerns about student data. Maintaining academic integrity in a technology-driven classroom is crucial, particularly avoiding unreliable and potentially biased AI-text detection tools. To ensure equity, diversity, inclusion, and accessibility in AI-powered assessments, it is important to incorporate accessibility and inclusion features for students with disabilities and use diverse and representative training data to minimize bias. This approach aligns with the principles of fairness and equity in AI assessment highlighted in the abstract, promoting a more inclusive learning environment. Ensuring fair and equitable AI-powered assessments requires diverse training data, regular audits for bias and transparency in assessment criteria. Strategies for ethical AI implementation include clear communication with students, data privacy protection, human oversight and ongoing system improvement. Keywords: artificial intelligence, GenAI, education, higher education, assessment, academic integrity, ethics, bias, equity, ed tech, disability, neurodiversity, inclusion, inclusive education How to cite this work: Eaton, S. E. (2024, December 4). Assessing for Integrity in the Age of AI [Online]. DOCEO AI. Calgary, Canada.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,076 | 0,180 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,018 |
| Communication savante | 0,014 | 0,022 |
| Science ouverte | 0,002 | 0,019 |
| Intégrité de la recherche | 0,009 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».