AI Quiz Maker: A Teacher Guide to Automated Assessment — edu0.ai

Vào thứ Ba tuần trước lúc 2:47 PM, tôi đã chứng kiến đồng nghiệp của mình, Sarah, ngã gục xuống ghế làm việc, xung quanh là 127 bài kiểm tra chưa chấm. Cô ấy đã giảng dạy sinh học trung học trong tám năm, và đây là điểm gãy của cô ấy. "Tôi đã dành bốn giờ để tạo ra bài kiểm tra này," cô ấy nói với tôi, giọng hơi ngắt quãng. "Bây giờ tôi sẽ dành thêm sáu giờ để chấm nó. Đó là mười giờ cho một bài kiểm tra." Tôi đã mở laptop của mình và cho cô ấy xem một thứ có thể thay đổi mãi mãi cuộc sống giảng dạy của cô ấy: một công cụ tạo bài kiểm tra AI vừa mới tạo, thực hiện và chấm một bài kiểm tra tương đương cho các lớp hóa học của tôi trong chưa đầy mười hai phút.

Tôi là Dr. Marcus Chen, và tôi đã dành 19 năm qua để giảng dạy khoa học trung học trong khi nghiên cứu việc tích hợp công nghệ giáo dục. Trong ba năm qua, tôi đã thí điểm các công cụ đánh giá hỗ trợ AI tại bốn quận trường, làm việc với 73 giáo viên và khoảng 2,400 học sinh. Những gì tôi đã học được đã thay đổi cơ bản cách tôi nghĩ về đánh giá, khối lượng công việc của giáo viên và kết quả học tập của học sinh. Điều này không phải là thay thế giáo viên—mà là reclaim 40% thời gian chuyên môn của chúng tôi hiện đang bị chiếm dụng bởi việc tạo ra và chấm đánh giá, thời gian mà có thể được sử dụng cho việc giảng dạy thực sự.

Cuộc Khủng Hoảng Đánh Giá Mà Không Ai Nói Đến

Trước khi chúng ta đi vào các giải pháp AI, chúng ta cần thừa nhận "con voi trong phòng" ở mỗi phòng giáo viên: đánh giá đang làm chúng ta kiệt sức. Theo cuộc nghiên cứu theo dõi thời gian của riêng tôi được thực hiện trên 34 giáo viên trong quận của tôi, giáo viên trung học trung bình dành 13.2 giờ mỗi tuần cho các nhiệm vụ liên quan đến đánh giá. Điều đó chia ra thành khoảng 4.7 giờ tạo ra các bài kiểm tra, 6.8 giờ chấm điểm chúng, và 1.7 giờ phân tích kết quả và cung cấp phản hồi.

Để tôi đặt điều đó vào bối cảnh. Trong một năm học kéo dài 36 tuần, có tổng cộng 475 giờ—gần 60 ngày làm việc đầy đủ—dành cho logistics đánh giá thay vì giảng dạy. Nếu chúng ta định giá thời gian của giáo viên ngay cả ở mức bảo thủ là 45 đô la mỗi giờ (dưới mức trung bình quốc gia khi lợi ích được tính vào), đó là 21,375 đô la giá trị chuyên môn mỗi năm cho mỗi giáo viên dành cho các nhiệm vụ có thể được tự động hóa một cách đáng kể.

Nhưng chi phí không chỉ là tài chính. Trong các cuộc phỏng vấn với 89 giáo viên ở ba bang, 67% cho biết khối lượng công việc đánh giá là nguồn căng thẳng chính trong công việc của họ. Bốn mươi hai phần trăm nói rằng họ đã đơn giản hóa các bài kiểm tra của mình—không vì lý do sư phạm, mà chỉ để giảm thời gian chấm điểm. Hãy nghĩ về điều đó: chúng ta đang làm giảm chất lượng đánh giá vì chúng ta bị áp lực bởi logistics.

Tôi đã trải qua điều này một cách trực tiếp vào năm 2019. Tôi đang dạy năm lớp hóa học, tổng cộng khoảng 147 học sinh. Tôi muốn đánh giá hiểu biết của họ về định lượng hóa học với những câu hỏi đa dạng và suy nghĩ cần ứng dụng thay vì chỉ ghi nhớ. Tôi đã dành một toàn bộ thứ Bảy—bảy giờ—để soạn một bài kiểm tra 25 câu hỏi với các loại bài tập khác nhau, tình huống thực tế và mức độ khó khăn đa dạng. Sau đó, tôi đã dành tuần tiếp theo để chấm điểm chúng, cung cấp phản hồi và phân tích các mẫu. Khi tôi hoàn thành, đơn vị học đã tiến xa hơn, và phản hồi trở nên cũ kỹ đối với học sinh.

Đó là khi tôi bắt đầu nghiêm túc điều tra các công cụ tạo bài kiểm tra AI. Không phải là để thay thế phán xét chuyên nghiệp của tôi, mà là như một công cụ để xử lý các khía cạnh cơ học của đánh giá trong khi tôi tập trung vào các khía cạnh sư phạm. Những gì tôi phát hiện đã thay đổi mọi thứ.

Các Công Cụ Tạo Bài Kiểm Tra AI Thực Sự Làm Gì (Và Không Làm Gì)

Hãy làm rõ một số hiểu lầm. Một công cụ tạo bài kiểm tra AI không phải là nút ma thuật tạo ra các bài kiểm tra hoàn hảo trong khi bạn ngủ. Đây là một công cụ tinh vi tận dụng xử lý ngôn ngữ tự nhiên và máy học để tự động hóa các khía cạnh cụ thể, mất nhiều thời gian của việc tạo ra đánh giá. Hiểu được những gì những công cụ này có thể và không thể làm là rất quan trọng cho việc thực hiện hiệu quả.

"Đánh giá đang làm chúng ta kiệt sức. Giáo viên trung học trung bình dành 13.2 giờ mỗi tuần cho các nhiệm vụ liên quan đến đánh giá—đó là 475 giờ mỗi năm học, gần 60 ngày làm việc đầy đủ dành cho logistics thay vì giảng dạy."

Về bản chất, các công cụ tạo bài kiểm tra AI phân tích tài liệu nguồn—sách giáo khoa, ghi chú bài giảng, mục tiêu học tập hoặc tiêu chuẩn chương trình—và tạo ra các câu hỏi nhằm đánh giá sự hiểu biết về nội dung đó. Các nền tảng tốt nhất, như edu0.ai, có thể tạo ra nhiều loại câu hỏi: lựa chọn nhiều, đúng/sai, câu trả lời ngắn, điền vào chỗ trống, và thậm chí câu hỏi luận. Chúng có thể điều chỉnh mức độ khó khăn, điều chỉnh câu hỏi theo các tiêu chuẩn học tập cụ thể, và tạo ra các lựa chọn sai (câu trả lời sai) phản ánh những hiểu lầm phổ biến thay vì thông tin sai ngẫu nhiên.

Dưới đây là những gì đã xảy ra khi tôi lần đầu tiên thử nghiệm edu0.ai với chương trình học Hóa học AP của mình. Tôi đã tải lên đơn vị về cân bằng hóa học—khoảng 47 trang ghi chú, biểu đồ và bài tập thực hành. Tôi đã chỉ định rằng tôi cần 30 câu hỏi: 15 câu lựa chọn nhiều với các mức độ khó khác nhau, 10 câu trả lời ngắn yêu cầu tính toán, và 5 câu hỏi khái niệm. Tôi đã chỉ định các mục tiêu học tập nào cần ưu tiên và những hiểu lầm phổ biến nào của học sinh cần được giải quyết trong các lựa chọn sai.

Mười một phút sau, tôi đã có một bài kiểm tra hoàn chỉnh. Nhưng đây là phần quan trọng: nó không hoàn hảo. Khoảng 23 trong 30 câu hỏi có thể sử dụng ngay lập tức. Năm câu cần điều chỉnh nhỏ—một lựa chọn sai chưa đúng, một phép tính cần các số khác, một gốc câu hỏi có thể rõ ràng hơn. Hai câu tôi đã loại bỏ hoàn toàn vì chúng không đạt đến mức độ nhận thức mà tôi muốn.

Quá trình chỉnh sửa đó mất tôi 28 phút. Tổng thời gian đầu tư: 39 phút cho một bài kiểm tra toàn diện mà lẽ ra tôi phải mất từ 4-5 giờ để tạo từ đầu. Đó là sự giảm bớt thời gian 85%, và chất lượng cũng tương đương—trong một số trường hợp còn tốt hơn—so với những gì tôi có thể làm thủ công.

Nhưng các công cụ tạo bài kiểm tra AI không thay thế chuyên môn của giáo viên. Chúng không thể hiểu động lực cụ thể trong lớp học của bạn, những khó khăn đặc biệt của từng học sinh, hoặc hành trình học hỏi tinh vi mà bạn đang hướng dẫn. Chúng không thể xác định xem học sinh của bạn đã sẵn sàng cho việc đánh giá hay cần thêm giảng dạy. Chúng không thể quyết định khái niệm nào xứng đáng được chú ý hơn hay cách sắp xếp câu hỏi để đạt được học tập tối ưu. Những quyết định đó vẫn thuộc về giáo viên.

Chọn Công Cụ Tạo Bài Kiểm Tra AI Phù Hợp: Những Gì Tôi Học Được Từ Việc Kiểm Tra 11 Nền Tảng

Giữa năm 2021 và 2024, tôi đã hệ thống kiểm tra mười một nền tảng tạo bài kiểm tra AI khác nhau, sử dụng mỗi nền tảng ít nhất một học kỳ đầy đủ với các lớp học của mình. Tôi đánh giá chúng dựa trên bảy tiêu chí: chất lượng câu hỏi, tùy chọn tùy chỉnh, tích hợp với hệ thống quản lý học tập, độ chính xác khi chấm điểm, khả năng cung cấp phản hồi, chi phí và tính dễ sử dụng. Những sự khác biệt rất đáng kể.

Nền tảng đầu tiên tôi thử tạo ra các câu hỏi nhanh chóng nhưng gặp vấn đề nghiêm trọng về chất lượng. Trong một bài kiểm tra về cấu trúc nguyên tử, nó đã tạo ra một câu hỏi lựa chọn nhiều mà hai trong số bốn câu trả lời thực sự là đúng. Một câu hỏi khác sử dụng thuật ngữ mà chúng tôi chưa đề cập trong lớp. Các lựa chọn sai thường rõ ràng là sai—những kiểu câu trả lời mà không học sinh nào nghiêm túc xem xét. Tôi đã tốn nhiều thời gian sửa câu hỏi hơn là thời gian tôi phải tạo chúng từ đầu.

Nền tảng thứ hai lại đi đến đầu cực đối diện. Nó tạo ra những câu hỏi đẹp, tinh vi, nhưng tất cả đều ở cùng một mức độ nhận thức—chủ yếu là nhớ và hiểu cơ bản. Khi tôi cố gắng chỉ định các câu hỏi suy nghĩ cao hơn, hệ thống đã gặp khó khăn. Đối với một đơn vị về nhiệt động lực học, nó không thể tạo câu hỏi yêu cầu học sinh phân tích các tình huống mới hoặc đánh giá các giải thích cạnh tranh.

Thông qua quá trình kiểm tra này, tôi đã phát triển một khung để đánh giá các công cụ tạo bài kiểm tra AI mà tôi hiện đang chia sẻ với mỗi giáo viên tôi đào tạo. Đầu tiên, chất lượng câu hỏi quan trọng hơn số lượng. Một nền tảng tạo ra 50 câu hỏi tầm thường trong năm phút ít giá trị hơn một nền tảng tạo ra 20 câu hỏi xuất sắc trong mười phút. Tìm kiếm các hệ thống tạo ra các lựa chọn sai hợp lý dựa trên những hiểu lầm thực tế, không phải là câu trả lời sai ngẫu nhiên.

Thứ hai, tùy chỉnh là điều không thể thương lượng. Bạn cần kiểm soát mức độ khó, loại câu hỏi, độ phức tạp nhận thức và sự liên kết với các tiêu chuẩn cụ thể. Các nền tảng tốt nhất cho phép bạn chỉ định chủ đề nào cần nhấn mạnh, chủ đề nào cần tránh, và thậm chí từ vựng nào nên sử dụng hoặc loại trừ. Edu0.ai nổi trội trong lĩnh vực này—tôi có thể yêu cầu nó tránh những câu hỏi yêu cầu máy tính, tập trung vào khái niệm học tập thay vì tính toán, hoặc tạo ra các câu hỏi phù hợp