[논문 리뷰] The AI Assessment Scale (AIAS): A Framework for Ethical Integration of Generative AI in Educational Assessment

Mike Perkins, Leon Furze외 2명|arXiv (Cornell University)|2023. 12. 12.

Artificial Intelligence in Healthcare and Education참고 문헌 57인용 수 7

한 줄 요약

본 논문은 AI Assessment Scale (AIAS)을 제안합니다. GenAI를 교육 평가에 윤리적으로 통합하기 위한 실용적 프레임워크로, 교육적 목표를 투명성, 공정성 및 유연성과 균형 있게 조정합니다.

ABSTRACT

Recent developments in Generative Artificial Intelligence (GenAI) have created a paradigm shift in multiple areas of society, and the use of these technologies is likely to become a defining feature of education in coming decades. GenAI offers transformative pedagogical opportunities, while simultaneously posing ethical and academic challenges. Against this backdrop, we outline a practical, simple, and sufficiently comprehensive tool to allow for the integration of GenAI tools into educational assessment: the AI Assessment Scale (AIAS). The AIAS empowers educators to select the appropriate level of GenAI usage in assessments based on the learning outcomes they seek to address. The AIAS offers greater clarity and transparency for students and educators, provides a fair and equitable policy tool for institutions to work with, and offers a nuanced approach which embraces the opportunities of GenAI while recognising that there are instances where such tools may not be pedagogically appropriate or necessary. By adopting a practical, flexible approach that can be implemented quickly, the AIAS can form a much-needed starting point to address the current uncertainty and anxiety regarding GenAI in education. As a secondary objective, we engage with the current literature and advocate for a refocused discourse on GenAI tools in education, one which foregrounds how technologies can help support and enhance teaching and learning, which contrasts with the current focus on GenAI as a facilitator of academic misconduct.

연구 동기 및 목표

• 기회와 도전 속에서 교육 평가에서 GenAI를 관리하기 위한 윤리적이고 실용적인 도구의 필요성을 고무한다.
• 교사가 GenAI 사용을 학습 결과와 정렬하도록 신속하게 구현할 수 있는 간단하고 유연한 프레임워크를 제공한다.
• GenAI가 적용된 평가 정책에서 학생과 기관의 명확성과 투명성을 향상시킨다.
• GenAI를 교실의 위반 위험으로 보지 않고 교수학습을 지원하도록 활용하는 담론으로의 전환을 촉진한다.

제안 방법

• AIAS를 학습 결과를 기반으로 적절한 GenAI 사용 수준을 선택하기 위한 구조화된 도구로 제안한다.
• 정책 수립을 위해 교육자와 기관이 이 프레임워크를 신속하게 채택할 수 있는 방법을 개요화한다.
• 현 문헌과의 논의를 통해 교육에서 GenAI를 교육학의 도움으로 재구성하고, 단순한 위반 문제로만 보지 않도록 한다.

실험 결과

연구 질문

• RQ1 AIAS를 사용해 다양한 학습 결과에 대해 어떤 GenAI 사용 수준이 교수학적으로 적합한가?
• RQ2 AIAS가 학생과 기관을 위해 투명성, 공정성, 정책 명확성을 어떻게 향상시키는가?
• RQ3 AIAS가 교육에서 GenAI를 교수학습 지원으로 재구성하는 데 어떤 방식으로 기여할 수 있는가?
• RQ4 기관이 GenAI를 둘러싼 불확실성과 불안을 해소하기 위해 AIAS를 어떻게 신속하게 구현할 수 있는가?

주요 결과

• AIAS는 학습 결과에 중점을 두고 평가에 GenAI를 통합하기 위한 실용적 출발점을 제공한다.
• 이 프레임워크는 학생과 교육자를 위한 투명성과 형평성을 우선시한다.
• AIAS는 다양한 교육 맥락에 적응할 수 있는 유연하고 신속한 구현을 촉진한다.
• 저자들은 위반 문제에만 집중하기보다는 교수학습 향상을 위한 GenAI 담론 재구성을 주장한다.