نوشتن بازخورد آموزشی با هوش مصنوعی
از روی کار واقعی یادگیرنده، یک نکته مشخص برای اصلاح پیدا کنید. بازخورد رو طوری بنویسید که معلوم باشه در تلاش بعد چه چیزی باید تغییر کنه.
نوشتن بازخورد آموزشی با هوش مصنوعی از جایی شروع میشه که میخواید به کسی بگید چطور بهتر بشه، اما «بیشتر دقت کنید» کمکی بهش نمیکنه. فرض کنید دانشجو جدولی از هزینهها ساخته و جمع هر ستون درسته، ولی عنوان ستونها واحد پول رو نشون نمیده. اسکیل feedback-for-learning کمک میکنه همون مشکل قابل دیدن رو توضیح بدید و یک تغییر روشن برای نسخه بعد پیشنهاد کنید. دانشجو میتونه همون لحظه ستونها رو اصلاح کنه و نتیجه رو ببینه.
قبل از نوشتن نظر، میتونید از یادگیرنده بخواید خودش بگه از کدوم قسمت کار مطمینه و کجا هنوز شک داره. ممکنه ایرادی که شما دیدید رو بشناسه و فقط راه اصلاحش رو ندونه. بعد میشه بین چند نکته، اون یکی رو انتخاب کرد که واقعا در تلاش بعد قابل استفاده است. این راهنما برای بازخورد فردی در کلاس، کارآموزی یا مرور کار یک همکار کاربرد داره.
کاربردها
- بازخورد به دانشجو با اشاره به همون بخشی از کار که نیاز به تغییر داره
- اصلاح تکلیف با پیشنهاد یک قدم مشخص که یادگیرنده خودش انجام بده
- پیدا کردن نکته قابل اجرا بین چند ایراد که همزمان گفتنشون گیجکننده است
- جدا کردن نظر درباره نتیجه کار از قضاوت درباره شخصیت یا استعداد فرد
- بررسی تلاش بعدی برای دیدن اینکه پیشنهاد شما واقعا کمکی کرده یا نه
نصب و استفاده
- اسکیل رو نصب کنید. بخشی از کار رو که مجازید به اشتراک بذارید، همراه با هدف تمرین به ایجنتتون بدید.
- بگید «این جدول باید بدون توضیح شفاهی قابل فهم باشه. یک بازخورد بنویس که دانشجو امروز بتونه اجراش کنه».
- از دانشجو بپرسید خودش کدوم قسمت رو تغییر میده. بعد از اصلاح، همون بخش رو دوباره با معیار اولیه ببینید.
سوالات متداول
منبع
ساخته Amey Thakur and Archit Konde. نام اصلی: feedback-for-learning، منتشرشده در GitHub با مجوز MIT.
مشاهده در GitHub