Analiza vrednovanja: pojmovi, vrste i suvremeni pristupi

Rizici:

• Mogućnosti varanja i zlouporabe generativne umjetne inteligencije (posebno u sumativnim testovima).
• Nedostatak neposredne interakcije može otežati interpretaciju studentskih odgovora i razumijevanje procesa učenja.
• Tehničke poteškoće i digitalni jaz među studentima mogu utjecati na pravednost i pouzdanost vrednovanja.

Prilagodbe i preporuke:

• Koristiti kombinaciju različitih metoda i alata za vrednovanje (npr. test + forum + projekt + automatska formativna procjena) kako bi se smanjio rizik od varanja i povećala autentičnost procjene.
• Jasno definirati kriterije, svrhu i očekivanja u vezi s vrednovanjem i uključiti studente u proces razumijevanja kriterija (transparentno vrednovanje) kako bi studenti razvijali samoregulaciju i koristili povratne informacije (Nicol-Macfarlane‐Dick, 2006; Carless-Boud, 2018).
• Omogućiti automatiziranu, ali personaliziranu povratnu informaciju, na primjer, alatima s ugrađenom analitikom učenja i podrškom umjetne inteligencije.

• Integrirati formativno vrednovanje u proces učenja, čime se potiče refleksija i samoregulacija studenata umjesto isključivog oslanjanja na sumativne provjere znanja. (Divjak-Svetec-Horvat, 2024).