Öğretmenler için Yapay Zeka Eğitimi

Büyük dil modellerinin öğretmenlikte neyi yapabildiğini ve nerede yanıldığını net bir zihinsel modele oturtun. Katılımcılar, akıcı görünen bir çıktının neden hâlâ yanlış olabileceğini ve kolay kontrol edilen düşük riskli işleri nasıl seçeceğini öğrenir.

• Büyük dil modelleri yanıtı nasıl üretir?
• Eğitim içeriğinde halüsinasyon, gizli varsayım ve yanlılık
• Yapay zekanın destekleyebileceği işler ve asla alamayacağı kararlar
• Tüketici araçları ile kurumun onayladığı araçları karşılaştırmak
• Öğrencinin göreceği her çıktı için kontrol listesi

Kazanım, öğrenci bağlamı, kaynak materyal, çıktı formatı ve kalite kontrolleri üzerine kurulu bir prompt yapısını uygulayın. Katılımcılar genel demolar yerine kendi branş ve yaş gruplarından materyallerle çalışır.

• Bir kazanımı net bir taslak brief'ine çevirmek
• Ders akışı, açıklama, örnek ve etkinlik taslakları hazırlamak
• Öğrenci kimliği vermeden yeterli bağlam sunmak
• Varsayımların, belirsizliklerin ve kaynakların gösterilmesini istemek
• Zayıf ilk taslağı yapılandırılmış adımlarla geliştirmek
• Denenmiş prompt'lardan kişisel bir kütüphane kurmak

Tek bir ana etkinlikten farklı hazırbulunuşluk, dil ve erişim ihtiyaçları için dikkatle incelenmiş seçenekler üretin. Amaç öğrenciye etiket yapıştırmak değil, kazanım ve beklentiler tutarlı kalırken öğretmenin elindeki materyal seçeneklerini artırmaktır.

• Temel kavramı çıkarmadan okuma seviyesini uyarlamak
• Destekleyici adımlar, ileri seviye görevler ve alternatif örnekler
• Sade dil versiyonları ve erişilebilir içerik yapıları
• Kişisel veri paylaşmadan çok dilli öğrencileri desteklemek
• Uyarlamalarda kalıp yargı ve düşük beklenti kontrolü
• Bir uyarlama öğrenciye verilmeden önce öğretmen incelemesi

Yorumlama ve son karar sorumluluğunu eğitimcide tutarak ölçme bileşenlerini ve geri bildirimi daha hızlı taslak haline getirin. Yapay zeka yalnızca taslak yardımcısıdır, not vermez, sıralama, tanı veya öğrenciyle ilgili sonuç doğuran kararlar almaz.

• Farklı bilişsel düzeylerde soru havuzu taslakları hazırlamak
• Kazanımdan rubrik ve başarı ölçütleri çıkarmak
• Sorularda belirsizlik, ipucu, yanlılık ve zorluk kontrolü
• Öğretmenin sunduğu kanıta dayalı geri bildirim başlangıçları
• Gözlem uydurmadan bir taslağı kişiselleştirmek
• Notu ve öğrenci kararlarını insan kontrolünde tutmak

Yapay zeka destekli araştırma için uygulanabilir bir doğrulama rutini öğrenin ve bunu sınıfta öğretilebilir bir alışkanlığa dönüştürün. Katılımcılar, iddiayı inceleten, özgün kaynağı bulduran, yapay zeka yardımını beyan ettiren ve öğrencinin kendi muhakemesini görünür kılan çalışmalar tasarlar.

• Makul görünen iddia ile doğrulanmış bilgiyi ayırmak
• Atıfları özgün ve konuya uygun kaynağa kadar izlemek
• Yapay zeka yanıtını müfredatta kabul edilen kaynaklarla karşılaştırmak
• Süreci ve muhakemeyi görünür kılan ödevler tasarlamak
• Kullanım beyanı, atıf ve sorumlu yardım ilkelerini öğretmek
• Sentetik medya ve üretilmiş yanlış bilgiyi tartışmak

KVKK, akademik dürüstlük ve kurum kurallarını yoğun bir okul gününde uygulanabilecek kararlara çevirin. Her katılımcı araç, veri, inceleme ve eskalasyon sınırlarını kurum politikasına uyarlayabileceği bir çerçeveyle ayrılır.

• Onaysız yapay zeka araçlarına girmemesi gereken öğrenci verileri
• Güvenli alıştırmalar için anonimleştirilmiş ve sentetik örnekler
• Yardım ile öğrencinin yerine çalışma arasındaki sınırı çizen kurallar
• Yapay zeka dedektörlerinin neden tek başına karar yöntemi olamayacağı
• Yapay zeka destekli işlerde öğretmen kontrolünü belgelemek
• Sınıf uygulamasını kurum politikası ve öğrenci güvenliğiyle eşleştirmek