Tất cả hoạt động Bồi dưỡng chuyên môn
Một hoạt động phân loại nhanh và một bài luyện khử nhận dạng để các nhóm dữ liệu biết chính xác những thông tin học sinh nào tuyệt đối không được đưa vào công cụ AI, và cách đặt câu hỏi mình cần mà không cần đến những thông tin đó.
Các nhóm dữ liệu là nơi cám dỗ lớn nhất: một bảng tính điểm số, một chatbot có thể "tìm ra các khuôn mẫu," và mười lăm phút còn lại của buổi họp. Hoạt động mở đầu ngắn này, vừa đủ cho phần đầu một buổi họp PLC (cộng đồng học tập chuyên môn) hoặc họp dữ liệu, yêu cầu các nhóm phân loại những mục dữ liệu sát thực tế vào ba nhóm, rồi viết lại một bộ ghi chép thô của nhóm dữ liệu sao cho câu hỏi về giảng dạy vẫn giữ nguyên còn học sinh thì không thể bị nhận ra. Các nhóm ra về với một bản kiểm tra "trước khi dán" dài một trang có thể dán lên tường.
Khởi động
Nói: "Đó là cuối buổi họp dữ liệu. Có người nói: 'Mình cứ thả cả bảng tính vào chatbot rồi hỏi em nào cần can thiệp là xong.' Phản ứng đầu tiên của quý thầy cô là gì?" Nhận hai câu trả lời nhanh. Sau đó nói: "Hầu hết chúng ta đều biết câu trả lời là 'không phải như thế.' Hôm nay chúng ta sẽ làm rõ cụ thể điều gì không bao giờ được phép, điều gì được phép có điều kiện, và làm sao vẫn nhận được sự hỗ trợ cần thiết."
Ghi chú cho người điều phốiĐừng làm ai xấu hổ nếu họ đã từng làm như vậy. Nhiều công cụ khiến việc đó rất dễ dàng, và hướng dẫn của nhiều học khu vẫn còn mới.
Luyện tập
Các cặp phân loại các dải giấy trong Phiếu A vào Không bao giờ đưa vào công cụ AI, Chỉ khi đã khử nhận dạng, trong công cụ được học khu phê duyệt, và Được phép trong công cụ đã phê duyệt. Mỗi cặp phải thống nhất trước khi đặt một dải giấy xuống. Dải nào còn tranh cãi thì úp xuống ở giữa bàn để thảo luận lúc tổng kết.
Ghi chú cho người điều phốiNhững dải gây tranh cãi nhiều nhất thường là những dải "ẩn danh": danh sách lớp chỉ có tên gọi, hoặc mô tả về "học sinh duy nhất…". Đó chính là nơi việc nhận dạng lại xảy ra.
Tổng kết
Đọc đáp án cho các dải úp xuống trước. Nêu nguyên tắc: một học sinh có thể bị nhận ra qua sự kết hợp các chi tiết, không chỉ qua tên. Khối lớp, trường, chương trình, và một chi tiết khác thường thường là đủ. Sau đó trình chiếu danh sách công cụ được học khu phê duyệt và chỉ ra những điểm khác biệt so với đáp án.
Ghi chú cho người điều phốiNhắc qua rằng luật liên bang về quyền riêng tư của học sinh (FERPA) và luật tiểu bang vẫn áp dụng dù công cụ có dùng AI hay không. Yếu tố AI chủ yếu làm tăng mức độ rủi ro: dữ liệu có thể bị lưu trữ, bị xem xét, hoặc bị dùng để huấn luyện.
Luyện tập
Các cặp nhận Phiếu B và dùng bút đỏ gạch bỏ mọi thông tin nhận dạng trực tiếp (tên, mã số, ngày sinh) và mọi thông tin nhận dạng gián tiếp (chi tiết gia đình đặc thù, chương trình hiếm có ít học sinh, "em duy nhất…"). Sau đó viết lại câu hỏi thực sự của nhóm ở cuối trang sao cho câu hỏi chỉ xin hỗ trợ về giảng dạy, ví dụ "Gợi ý ba hoạt động nhóm nhỏ cho học sinh lớp 3 đọc được từ một âm tiết nhưng gặp khó khăn với từ nhiều âm tiết," hoàn toàn không có dữ liệu học sinh.
Ghi chú cho người điều phốiĐiểm cần chú ý: các cặp nhận ra rằng câu hỏi hiếm khi cần đến dữ liệu học sinh. AI hữu ích cho chiến lược; chính nhóm mới là người hiểu học sinh.
Chuyển giao
Dán bản Phiếu C phóng to trong phòng họp dữ liệu. Mời mỗi người đọc qua một lần và khoanh tròn mục mình dễ quên nhất khi bị áp lực thời gian. Kết thúc: "Ở buổi họp dữ liệu tới, ai chạm vào bàn phím thì đọc to phiếu này trước."
Ghi chú cho người điều phốiChuyên viên hỗ trợ giảng dạy: danh mục kiểm tra này cũng là cách mở đầu hay cho một buổi trao đổi riêng với một giáo viên đang hào hứng về AI và dữ liệu.
Hoạt động được thiết kế trên giấy: phân loại, khử nhận dạng bằng bút đỏ và danh mục kiểm tra dán tường đều không cần thiết bị. Hoạt động vừa với 25 phút đầu của một buổi họp dữ liệu.
Tổ chức phần phân loại dưới dạng bảng kéo-thả ba cột và phần khử nhận dạng trong một tài liệu dùng chung ở chế độ đề xuất chỉnh sửa, để các thay đổi hiển thị rõ. Nếu làm mẫu với AI, người điều phối chỉ dùng câu hỏi đã được viết lại, không có dữ liệu, trên một chatbot được học khu phê duyệt đang trình chiếu, và cho thấy các chiến lược nó đưa ra vẫn hữu ích y như vậy mà không cần bất kỳ thông tin học sinh nào.
Có cần màn hình không? Phần làm mẫu tùy chọn chứng minh điểm thuyết phục nhất: công cụ đưa ra sự hỗ trợ giảng dạy như nhau mà không cần dữ liệu học sinh. Mọi phần khác đều làm tốt hơn trên giấy, nơi những nét gạch bút đỏ làm lộ ra các thông tin nhận dạng vốn vô hình.
Những gì bạn có thể quan sát hoặc thu thập được nếu hoạt động thành công.
Các nhóm dữ liệu xóa thông tin nhận dạng khỏi ghi chú về học sinh trước khi dùng AI, làm mẫu cho việc bảo vệ thông tin cá nhân mà học sinh học trong công dân số.
Ở buổi họp dữ liệu tiếp theo, hãy đọc to Phiếu C trước khi bất kỳ ai mở công cụ AI, và mang theo một câu hỏi đã viết lại, không có dữ liệu, để thử. Dạy cùng ý tưởng này cho học sinh bằng câu hỏi: "Em có muốn chi tiết này về mình bị dán vào một nơi mà em không nhìn thấy không?"
