전통적인 글 과제 현대화 : 플로리다 대학교에서 한 교수의 접근 방식에서 교훈

게시 됨: 2025-05-13

AI가 발전함에 따라 대학은 학업 적 완전성을 유지하면서 학생의 일을 평가하는 방법을 다시 생각해야합니다. 플로리다 대학교 (University of Florida)에서 교수 겸 부교수 브라이언 하페 (Brian Harfe) 박사는 그의 대규모 등록 일반 교육 과정에서 전통적인 글 과제가 AI 생성 된 응답에 점점 더 취약 해지고 있음을 관찰했습니다. 그는 기술에 저항하는 대신 학생 학습을 지원하는 방식으로 과정에 어떻게 통합 될 수 있는지 탐구했습니다. Grammarly의 저자 기능은 그의 개인적인 접근 방식의 핵심 부분이되어 학생들이 작문의 투명성을 촉진하면서 학생들이 AI와 비판적으로 참여하도록 격려했습니다.

도전 과제 : AI 시대의 전통적인 작문 과제 평가

Harfe 박사는 그의 과정에서 점점 더 많은 도전을 관찰했습니다. AI 도구의 빠른 발전은 학생의 이해를 평가하기위한 새로운 어려움을 초래했습니다. AI가 학생의 반응을 모방 한 콘텐츠를 생성 할 수 있기 때문에 표준 에세이 작업은 위험에 처해있었습니다.

이에 따라 Harfe 박사는 프로세스의 일부로 AI를포함하도록코스 종말 평가를 재 설계했습니다 . 그는 AI 사용을 금지하기보다는 학생들에게 AI를 사용하여 초기 초안을 생성하도록 요청했습니다. 그런 다음 학생들은 AI의 생산량을 비판하고 자신의 개인적인 견해와 통찰력을 반영하도록 수정해야했습니다. 이 접근법은 AI 사용을 경찰을 제거하는 동시에 원래의 학생 학습 목표를 유지했습니다. 학생들이 작문 및 사고 도구로서 AI의 강점과 약점을 탐구 할 수있는 설득력있는 학습 기회를 제공했습니다.

처음에 Harfe 박사는 학생들에게 수동 색상 코딩 시스템을 사용하여 자신의 작품의 어느 부분이 AI 생성과 개인적으로 저술되었는지를 나타내도록 요청했습니다. 그러나이 접근법에는 한계가있었습니다. 그것은 학생들에게 부담을 주었고 일부는 자신의 기여를 부정확하게 대표 할 수있는 위험을 도입했습니다. Harfe 박사는보다 신뢰할 수 있고 확장 가능한 솔루션의 필요성을 인식했습니다.

해결책 : 교실에서 문법 저자를 테스트합니다

Harfe 박사는 문법적 인 저자가 시장에 출시되었다는 것을 알게되었을 때 , 그는 초기 실험을 구축 할 기회를 보았습니다. 저자는 AI 생성 된 텍스트와 학생이 작성한 텍스트를 구별하는 과정을 자동화하여 수동 추적의 마찰을 제거하면서 학생들이 AI 생성 컨텐츠와 상호 작용하는 방법에 대한 더 깊은 통찰력을 제공 할 수 있습니다. 그는 자신의 과정에서 저자를 사용하여 실제 교실 응용 프로그램과 교육 도구로서의 잠재력을 테스트하기로 결정했습니다.

통합 워크 플로우 단계 :

초기 AI 드래프트 :학생들은 에세이 드래프트를 만들기 위해 AI 도구를 제시하여 과제를 시작했습니다. 이것은 학생들이 자신의 생각을 구성하는 데 도움이되었고 AI의 관점과 자신의 신념 사이의 정렬을 평가할 수있는 기회를 제공했습니다.
개인 수정 :학생들은 AI 생성 초안을 개정하여 자신의 관점을 더 잘 반영하여 비판, 통찰력 및 분석을 추가했습니다. 이를 통해 학생들은 AI의 수동적 사용을 넘어서 반사 편집에 참여하도록 장려했습니다.
자동화 된 텍스트 속성 :저자는 컨텐츠를 자동으로 AI 생성 또는 인간 작성자로 자동 분류하여 실시간으로 분류합니다. 이로 인해 수동 색상 코딩의 필요성이 없어지고 저자에 대한보다 정확하고 객관적인 기록을 만들었습니다.
향상된 투명성 :저자는 학생들이 수정 및 역설 도구를 사용하는 방법을 추적하고 외부 소스에서 복사 된 컨텐츠를 표시하여 학생의 작문 과정에 대한 추가 컨텍스트를 제공했습니다.
실시간 분석 및 재생 :도구의 재생 기능을 통해 Harfe 박사는 각 제출의 진화를 검토 할 수있었습니다. 이것은 학생의 학습 여정에 대한보다 완전한 그림을 만들었습니다.

결과 : 반사 및 관찰

310 학생들은 저자를 사용하여 최종 과제를 성공적으로 제출하여 많은 데이터 샘플과 학생 행동을 검토 할 수 있습니다.

참여 :광범위한 참여는 학생들이 구조와 도구를 제공 할 때 AI를 투명하게 사용하려는 의지를 보여주었습니다.
이해 :90%의 학생들이 저자 데이터가 이해하고 해석하기 쉽다고보고했습니다.
학생 통찰력 :79%는 저작 보고서와 재생 기능을 발견했습니다.

"AI가 AI에 사용될 수있는 것을 보여주는 것이 정말 중요합니다. 선과 악, 못생긴, 미래의 삶에서 언제 어떻게 사용 해야하는지에 대한 결정을 내릴 수 있습니다. 문법 저자는 학생들과보다 협력적인 방식으로 교수진을위한 프로세스를 용이하게하는 도구입니다."
- 플로리다 대학교의 교수 및 부교수 인 Brian Harfe 박사

배운 교훈과 미래의 영향

Harfe 박사의 접근 방식은 AI를 의미있게 교육 및 평가에 통합하는 방법을 탐구하는 다른 교육자들에게 귀중한 예를 제공합니다. 그의 저자의 사용은 본질적으로 탐구 적이며 도구 홍보보다는 학생 학습과 투명성에 대한 호기심에 뿌리를두고있었습니다. 통찰력은 기관이 변화하는 환경에 적응할 수있는 방법에 대한 광범위한 고려 사항을 얻었습니다.

주요 레슨 :

적응성 :교육 전략은 기술과 함께 발전해야합니다. Harfe 박사의 과제 디자인은 코스의 핵심 학습 목표를 희생하지 않고 AI의 기능을 수용했습니다.
투명성 및 책임 :저자의 분석 및 기여는 학생과 강사의 추측을 줄이려면 학생 노력과 참여에 대한보다 투명한 평가를 허용했습니다.
비판적 참여 및 학생 대행사 :AI-ENABLED 제도를 포함하도록 할당을 구성하고 학생 개정이 반사적이고 비판적 참여를위한 공간을 만들어 프로세스와 제품 모두에 대한 학생들의 소유권을 제공합니다.

결론

AI 도구가 계속 발전함에 따라, 교육자들은 핵심 가치를 손상시키지 않고 가르침을 조정할 수있는 실질적인 방법을 찾고 있습니다. Harfe 박사의 문법 저자에 대한 코스 수준의 실험은 그러한 예를 제공합니다. 그의 초점은 학생들이 AI를 신중하고 투명하게 사용하고 자신의 학습을 지원하는 방식으로 이해하는 데 도움이되었습니다.

Brian Harfe 박사와 연결하여 그의 연구에 대해 자세히 알아보십시오.