Магистрдик Диссертацияны Баалоо Алкагы (Master’s Dissertation Marking Framework, MDMF) — магистрдик диссертацияларды адилеттүү, ырааттуу жана негиздөөгө мүмкүн болгон түрдө баалоону колдоо үчүн кесиптик академиялык пикирди, калибрлөөнү, институционалдык саясатты, баалоочуну дайындоону, баалоо маданиятын жана технологиялык инфраструктураны бирге караган социотехникалык баалоо алкагы. Изилдөө MDMFни 2022–2025 аралыгында алты Design-Based Research фазасында адабияттарды кароо, сурамжылоолор, жарым түзүмдөлгөн маектер жана аралаш ыкмадагы кызматкерлердин маалыматтары аркылуу итеративдүү түрдө өнүктүргөн. Акыркы MDMF Version 5 генеративдик жасалма интеллектти академиялык баалоонун ордун баскан калыс катары эмес, ачык этикалык чектерде колдонулушу мүмкүн болгон чөйрөлүк жана инфраструктуралык элемент катары жайгаштырат.

2025-жылдын аягындагы сандык жыйынтыктар академиялык кызматкерлер ЖИ куралдарын диссертацияны баалоодогу негизги адилеттүүлүк жана процесс көйгөйлөрүн чечүүдө начар деп эсептей турганын көрсөтөт. ЖИнин бир жактуулук көйгөйлөрүн чечүүдөгү кабыл алынган натыйжалуулугу орточо 2,08/7, иш жүгү жана процесс көйгөйлөрүндөгү натыйжалуулугу 2,20/7 болсо, ЖИге байланыштуу тынчсыздануулардын орточо көрсөткүчү 5,60/7. Азыркы диссертацияны баалоо практикаларын ЖИ толугу менен алмаштыруусун колдоо 1,27/7 деңгээлинде.

Катышуучулардын негизги тынчсыздануулары ЖИнин оригиналдуулукту баалоодогу чектөөлөрү, ашыкча көз карандылык коркунучу, ЖИге негизделген баалоодогу мүмкүн болгон бир жактуулук, маалыматтардын купуялыгы, контексттин жетишсиздиги жана адамдык баалоодогу жеке/кесиптик өлчөмдүн жоголушу болгон. Ошол эле учурда айрым катышуучулар ЖИнин текстти кыскача баяндоо, ырааттуулукту текшерүү же тааныш эмес техникалык тема жөнүндө контекст алуу сыяктуу түздөн-түз баа чыгарбай турган чектелген жардамчы функцияларына ачык болушкан.

Изилдөөнүн негизги чечмелөө чеги — MDMF азырынча интеграцияланган кийлигишүү катары толук колдонулуп, эксперименталдык түрдө бааланбаганы. Маалыматтар Улуу Британиядагы бир гана жогорку билим берүү мекемесиндеги чакан жана максаттуу академиялык кызматкерлердин үлгүлөрүнөн алынган. Демек, изилдөө MDMF баалоонун ырааттуулугун белгилүү бир өлчөмдө жогорулатканын далилдебейт; жогорку тобокелдиктеги диссертациялык баалоодо адилеттүү жана негиздүү адамдык пикирди түзүмдөштүрүүгө арналган эмпирикалык жактан иштелип чыккан алкакты сунуштайт.

MDMF Деген Эмне жана Ал Кайсы Баалоо Көйгөйүн Чечүүнү Көздөйт?

Master’s Dissertation Marking Framework (MDMF) — диссертациянын сапатын автоматтык эсептеген алгоритм эмес; баалоочулардын кесиптик пикири кайсы шарттарда көбүрөөк ырааттуу, ачык жана негиздөөгө мүмкүн болгон түрдө колдонулушун түзүмдөштүргөн социотехникалык баалоо алкагы. MDMFнин максаты адамдык пикирди жок кылуу эмес, рубрика, калибрлөө, баалоочунун адистиги, модерация, институционалдык саясат, иш жүгү жана технологиянын ортосундагы байланыштарды ачык системада жөнгө салуу.

Магистрдик диссертацияларды баалоо эмне үчүн кыйын?

Магистрдик диссертациялар стандарттуу экзамен суроолорунан айырмаланат. Алар изилдөө, программалык камсыздоону иштеп чыгуу, эксперименталдык иш же аралаш долбоор сыяктуу ар түрдүү формада болушу мүмкүн; темалардын техникалык татаалдыгы өзгөрүп, баалоочулардын тема боюнча адистиги тең болбой калышы мүмкүн. Диссертация жетекчисинин студентти жана изилдөө процессин жакындан билүүсү баалуу контекст берет, бирок ошол эле жакындык баалоо пикирине таасир бере турган фактор да болушу мүмкүн.

Изилдөөнүн адабияты жана мурунку талаа маалыматтары рубрикалар бул көйгөйдү өз алдынча жойбой турганын көрсөтөт. Бирдей критерийлерди колдонгон баалоочулар “жакшы”, “мыкты”, “оригиналдуу” же “сынчыл” деген түшүнүктөрдү ар башка чечмелеши мүмкүн. Тажрыйбалуу баалоочулар формалдуу рубрикадан тышкары жашыруун тармактык билимди жана бүтүндүккө негизделген кесиптик пикирди да колдонушу мүмкүн.

Адилеттүүлүк менен ырааттуулук бир нерсе эмес

Ырааттуулук окшош шарттардагы окшош академиялык көрсөткүчтөрдүн окшош түрдө бааланышын билдирет. Адилеттүүлүк болсо жыйынтыктардын бири-бирине жакын болушу менен гана чектелбейт; баалоочунун адистиги, студенттин чыныгы салымы, тилдик жана маданий айырмачылыктар, долбоордун түрү, модерация процесси жана баалоо чөйрөсү сыяктуу контексттик факторлорду да камтыйт.

Ошондуктан MDMFнин теориялык багыты “эки баалоочу бирдей балл бериши” көйгөйүн гана чечүүгө аракет кылбайт. Алкак академиялык пикир кайсы институционалдык, мамилелик жана технологиялык шарттарда түзүлөрүн да баалоо системасынын бөлүгү катары эсептейт.

Рубрикалар эмне үчүн жетишсиз?

Рубрикалар жана баалоо схемалары күтүүлөрдү көрүнүктүү кылып, үлгү иштерди жалпы стандартка байланыштырып, жаңы баалоочулар үчүн түзүм бере алат. Ошол эле учурда булак жалпы жана абстракттуу критерийлерди диссертациянын ар кандай түрлөрүнө колдонууда чечмелөө айырмачылыктары сакталып калышы мүмкүн экенин көрсөтөт.

Ошондуктан MDMF рубриканы жалгыз чечим катары колдонбойт. Рубрика кайсы мисалдар менен түшүндүрүлгөнү, баалоочулар аны кантип чечмелегени, баалоого чейин калибрлөө жасалган-жасалбаганы жана модерация учурунда пикир келишпестиктер кантип чечилгени да баалоо сапатынын бир бөлүгү болуп саналат.

Модерациянын ролу

Модерация — ар кандай баалоочулардын чечимдерин кайра карап чыгып, ырааттуулукту жана жоопкерчиликти күчөтүүчү сапатты камсыздоо процесси. Бирок изилдөө модерация негизинен түзөтүүчү экенин баса белгилейт: баалоо бүткөндөн кийин балл айырмачылыктарын азайта алат, бирок баалоочулардын башынан эмне үчүн ар башка пикирге келгенин автоматтык түрдө чечпейт.

Ошондуктан MDMF модерациянын алдына калибрлөө катмарын коёт. Максат — баалоочулар баалоо башталганга чейин стандарттар, мисалдар жана татаал чектик учурлар боюнча жалпы чечмелөө негизин түзүшү.

MDMF кантип өнүктү?

Алкактын өнүгүшү Design-Based Research логикасына таянат. Алгачкы этапта көйгөйлөр жана муктаждыктар талданган; кийинки этаптарда алкак иштелип чыгып, реалдуу академиялык кызматкерлердин тажрыйбасы менен бааланып, кайра түзүлгөн.

MDMF v1: үч негизги процесс

Биринчи версия адабияттан үч негизги компонентти бөлүп алган: баалоого чейинки тапшырмалар, баалоочунун өзгөчөлүктөрүнө жараша диссертацияны дайындоо жана баалоо/модерация процесси.

Баалоого чейинки тапшырмалар ачык баалоо схемаларын, үлгү диссертацияларды жана баалоочуларды даярдоону камтыйт. Диссертацияны дайындоо компоненти жетекчинин жана экинчи баалоочунун ролун, тармактык адистигин жана когнитивдик профилин эске алат. Акыркы процесс ырааттуулук жана модерация механизмдерин камтыйт.

MDMF v2 жана v3: адилеттүүлүк, технология жана баалоо маданияты

2022-жылдагы сурамжылоо менен алкакка адилеттүүлүк/теңчилик көйгөйлөрүн системалуу аныктоо жана технологиянын жеңилдетүүчү ролу кошулган. Академиктер жогорку иш жүгү, тема боюнча адистиктин дал келбеши, жалпы рубрикалардын бүдөмүктүгү, анонимдүүлүк көйгөйлөрү жана баалоочунун жыргалчылыгы сыяктуу өзгөрмөлөр баалоо чечимдерине таасир этерин билдиришкен.

Жети академик менен өткөрүлгөн 2022-жылдагы маектер MDMF v3тө “баалоо маданияты” өлчөмүн күчөткөн. Жалпы талкуулар, сокур модерация, үчүнчү баалоочу, тармактык айырмачылыктар жана тилдик бир жактуулук сыяктуу маселелер алкакка ачыкыраак киргизилген.

Генеративдик ЖИ Диссертацияны Баалоону Адилеттүүрөөк же Объективдүүрөөк Кылдыбы?

Бул изилдөөдөгү академиялык кызматкерлердин маалыматтары мындай жыйынтыкты колдобойт. Катышуучулар ЖИ куралдарын жетекчинин бир жактуулугу, экинчи баалоочунун бир жактуулугу, тилдик бир жактуулук, долбоордун татаалдыгы, анонимдүүлүк же студенттин чыныгы салымын аныктоо сыяктуу негизги көйгөйлөргө каршы таасири төмөн деп эсептешкен; ошол эле учурда оригиналдуулук, ашыкча көз карандылык, контексттин жетишсиздиги, маалыматтардын купуялыгы жана ЖИден келип чыккан бир жактуулук боюнча жогорку тынчсыздануу билдиришкен.

2023: ChatGPTден кийинки алгачкы реакция

ChatGPT коомчулукка ачылгандан көп өтпөй жүргүзүлгөн эки изилдөө академиялык кызматкерлер ЖИни баалоо процессинде тез кабыл албаганын көрсөткөн. 2023-жылдагы биринчи сурамжылоодо 19 адамдын 16сы, башкача айтканда %84ү, ChatGPTни диссертацияны баалоонун эч бир бөлүгүндө такыр колдонбогонун билдирген. Жыл ичиндеги экинчи сурамжылоодо сегиз адамдын бешөө баалоодо ChatGPT колдонбогонун айткан; үчөө суроого жооп берген эмес.

Катышуучулар жеке же окутуу максатындагы тексттин долбоорун түзүү, мисал жаратуу жана тилди жакшыртуу сыяктуу колдонууларды диссертация тууралуу академиялык өкүм чыгаруу милдетинен так айырмалашкан. Диссертацияны баалоо тармактык адистик, контексттик чечмелөө жана академиялык жоопкерчилик менен байланыштырылган.

Генеративдик ЖИ жаңы “оригиналдуулук” көйгөйүн жаратат

2025-жылдагы маектер баалоочулар эми диссертация текстинин сапатын гана эмес, тексттин канчасы студентке таандык экенин да көбүрөөк сурай баштаганын көрсөтөт. Бир өңчөй тил, студенттин жеке академиялык үнүнүн жоголушу же ойдон чыгарылган шилтемелер сыяктуу белгилер шек жаратышы мүмкүн.

Бирок булак бул белгилерди ишенимдүү ЖИ аныктоо алгоритми катары сунуштабайт. Тескерисинче, шек менен далилдин ортосундагы айырма сакталышы керектиги баса белгиленет. Студенттин иши ЖИ колдонулган болушу мүмкүн деген ойдун негизинде гана жазаланбашы керек.

Тилдин жатыктыгы сапат менен чаташтырылышы мүмкүн

Генеративдик ЖИ тил жагынан жылмакай диссертация түзүүгө жардам бергенде формалдуу жатыктык менен интеллектуалдык сапаттын ортосундагы байланыш татаалдашат. Катышуучулар ЖИ менен жылмаланган текст начар изилдөө мазмунун чындыгынан күчтүүрөөк көрсөтүп, жетекчи менен экинчи баалоочунун ортосунда балл айырмачылыктарына алып келиши мүмкүн экенин билдиришкен.

MDMF v5 бул көйгөйдү AI-mediated grade distortion, башкача айтканда ЖИ аркылуу баа кабылдоосунун бурмаланышы катары карайт. Алкактын максаты “жатык текстти жазалоо” эмес; тилдин үстүртөн сапаты менен оригиналдуу ойду, методологиялык жетиштүүлүктү, далилди жана сынчыл катышууну ажырата ала турган адамдык калибрлөөнү күчөтүү.

Баалардын кысылышы / grade compression

Айрым катышуучулар ЖИ диссертациялардын тилдик көрүнүшүн бири-бирине окшоштуруп, иштердин “орточо жетиштүүлүктүн” айланасында топтолушуна алып келиши мүмкүн экенин билдиришкен. Булак муну түз өлчөнгөн баа бөлүштүрүү талдоосу катары эмес, академиялык кызматкерлердин тажрыйбасынан чыккан тема катары карайт.

Ошондуктан Verianla баяны “ЖИ бааларды статистикалык түрдө Bге кысты” деген себептик жыйынтык чыгарбайт. Булакта сандык баа бөлүштүрүү салыштырылган эмес.

Адамдык калибрлөө эмне үчүн маанилүүрөөк болуп жатат?

ЖИ менен оңдолгон үстүртөн тил жетекчиге жана экинчи баалоочуга ар башка сигнал бере алат. Жетекчи студенттин долбоор процессин билет; экинчи баалоочу көбүнчө тапшырылган продуктту гана көрөт. Бул маалымат асимметриясы ЖИ колдогон жатыктык шартында дагы даана болушу мүмкүн.

MDMF чечимди баалоо чечимин автоматтык системага өткөрүп берүүдөн эмес, баалоочулардын мисалдар, рубрикалар жана чектик учурлар аркылуу жалпы чечмелөө иштеп чыгуусунан көрөт. Ошентип калибрлөө жөн гана баштапкы окутуу эмес, ЖИ доорунда академиялык стандарт биргелешип чечмелене турган кесиптик процесске айланат.

Технология чечимби же инфраструктурабы?

MDMF v5те технология баалоо чечиминин ээси эмес. Технологиянын негизги ролу маалыматка жетүүнү жеңилдетүү, диссертация менен баалоочуну дал келтирүүнү колдоо, рубрикаларды интеграциялоо, каттоо жана аудит изин камсыз кылуу жана керексиз административдик сүрүлүүнү азайтуу.

Бул айырма маанилүү: көбүрөөк ЖИ функциясын кошуу адилеттүүрөөк баалоо дегенди билдирбейт. Булакта кызматкерлердин олуттуу бөлүгү учурдагы инфраструктура көйгөйлөрүн —чачыранды тапшыруу чекиттери, жетишсиз metadata, узун кошумча видеолор, бири-биринен ажыраган системалар— баалоонун натыйжалуулугуна жана адилеттүүлүгүнө түздөн-түз таасир эткен факторлор катары көрөт.

Изилдөөнүн Ыкмасы жана Жыйынтыктары

Изилдөө суроолору

Изилдөөнүн үч изилдөө суроосу бар:

1. Магистрдик диссертацияларды баалоодо адилеттүүлүккө, ырааттуулукка жана академиялык пикирге кайсы көйгөйлөр таасир этет?
2. Бул көйгөйлөр генеративдик жасалма интеллект контекстинде кантип өзгөрөт?
3. Түзүмдөлгөн жана эмпирикалык жактан негизделген алкак адилеттүү жана негиздөөгө мүмкүн болгон диссертацияны баалоо практикаларын кантип колдой алат?

Design-Based Research ыкмасы

Design-Based Research — реалдуу билим берүү чөйрөсүндөгү татаал көйгөйлөрдү сырттан гана сүрөттөөнүн ордуна, теориялык билим менен практиктердин тажрыйбасын итеративдүү дизайн циклдеринде бириктирген изилдөө ыкмасы. Бул изилдөөдө талдоо жана изилдөө, дизайн жана куруу, баалоо жана рефлексия циклдери MDMFнин кийинки версияларын түзгөн.

Булактын 6-бетиндеги 1-сүрөт бул циклди үч негизги багыт менен көрсөтөт: көйгөйлөр менен муктаждыктарды изилдөө, алкакты өнүктүрүү, андан кийин реалдуу контексттеги баалоо жана рефлексиядан кайра дизайнга кайтуу. Алкактын v1ден v5ке өнүгүшү түз сызыктуу продукт иштеп чыгуу процесси эмес, ушул кайталанма DBR логикасынын натыйжасы.

Катышуучулар

Бардык эмпирикалык фазалар Улуу Британиядагы бир эле жогорку билим берүү мекемесинде жүргүзүлгөн. Катышуучулар негизинен Computing Science жана ага байланышкан дисциплиналарда магистрдик диссертацияга жетекчилик кылган, экинчи баалоо же модерация милдеттерин аткарган академиялык кызматкерлер.

Карьерасынын башындагы академиктерден баалоо тажрыйбасы жогору кызматкерлерге чейин ар түрдүү тажрыйба деңгээлдери бар. Бирок максаттуу жана чакан үлгү дизайнына байланыштуу изилдөө бардык жогорку билим берүү академиктеринин пикирлерин статистикалык жактан өкүлчүлүк кылам деп доомат кылбайт.

Сапаттык талдоо

Маектер жана ачык жооптуу сурамжылоо жооптору тематикалык ыкмалар менен талданган. 2025-жылдын башындагы маектерде Braun жана Clarkeтын алты этаптуу ыкмасына негизделген рефлексивдүү тематикалык талдоо колдонулган.

Сапаттык маалыматтар өзгөчө ЖИ колдонуунун этикалык чектери, оригиналдуулук жана авторлук белгисиздиги, тилдик бир жактуулук, баалоочунун чарчоосу, модерациядагы конфликт жана кесиптик жоопкерчилик сыяктуу темаларды ачып көрсөткөн.

Сандык талдоо

2025-жылдын аягындагы сандык пункттар 1–7 аралыгындагы шкалалар менен өлчөнгөн. Маалыматтар чакан жана максаттуу үлгүгө байланыштуу негизинен орточо көрсөткүч, стандарттык четтөө жана медиана сыяктуу сүрөттөөчү статистика менен чечмеленген.

Төрт бириктирилген субшкала түзүлгөн: ЖИнин бир жактуулук көйгөйлөрүн чечүүдөгү кабыл алынган натыйжалуулугу, иш жүгү/процесс көйгөйлөрүн чечүүдөгү натыйжалуулугу, ЖИ тынчсыздануулары/чектөөлөрү жана ЖИ колдонуусун колдоо. Субшкалалар үчүн Cronbach's alpha билдирилип, айрым үлгүлөр Spearman корреляциясы, Friedman жана post-hoc Wilcoxon тесттери менен изилдөөчү түрдө текшерилген.

Тандалган өзүнчө сандык жыйынтыктар

Friedman жана Wilcoxon жыйынтыктары

Төрт негизги субшкаланын ранг бөлүштүрүүсү Friedman тести менен салыштырылган. Жыйынтык:

\[ \chi^2(3)=11.73,\quad p=0.008,\quad n=11 \]

Бул тест төрт субшкаланын кабыл алынган деңгээлдери бирдей бөлүштүрүүгө ээ эмес экенине изилдөөчү далил берет. Чакан жана максаттуу үлгүгө байланыштуу булак муну калк деңгээлинде жалпылоо үчүн эмес, субшкалалардын ортосундагы салыштырмалуу үлгүнү изилдөө үчүн колдонот.

Post-hoc Wilcoxon тесттеринде ЖИ боюнча тынчсыздануулар ЖИнин бир жактуулук көйгөйлөрүндөгү кабыл алынган натыйжалуулугунан жогору болгон:

\[ Z=-2.49,\quad p=0.013 \]

ЖИ боюнча тынчсыздануулар иш жүгү/процесс көйгөйлөрүн чечүүдөгү кабыл алынган натыйжалуулуктан да жогору болгон:

\[ Z=-2.85,\quad p=0.004 \]

Корреляциялык үлгүлөр

ЖИнин бир жактуулук көйгөйлөрүн чечүүдөгү натыйжалуулугуна жогору баа берген катышуучулар иш жүгү/процесс натыйжалуулугуна да жогору баа берүүгө жакын:

\[ \rho=0.683,\quad p=0.010 \]

Бир жактуулук көйгөйлөрүн чечүү натыйжалуулугу менен жалпы ЖИ колдоосунун ортосундагы байланыш дагы күчтүү:

\[ \rho=0.914,\quad p<0.001 \]

ЖИ тынчсыздануулары менен ЖИ колдоосунун ортосунда тескери багыттагы байланыш билдирилген:

\[ \rho=-0.742,\quad p=0.009 \]

Бул корреляциялар мамиле түзүмдөрүнүн ортосундагы байланышты көрсөтөт; бир мамиле экинчисине себеп болорун далилдебейт.

MDMF Version 5тин Алты Негизги Компоненти Кайсылар?

MDMF Version 5 жаңы компоненттердин тизмесин түзүүнүн ордуна Version 4төгү алты түзүмдү кайра салмактайт: этикалык чектер жана ЖИ саясатынын ачыктыгы; адилеттүүлүк жана теңчилик көйгөйлөрү; баалоого чейинки тапшырмалар жана адамдык калибрлөө; баалоочунун өзгөчөлүктөрүнө негизделген диссертацияны дайындоо; баалоо процесси, маданияты жана баалоочунун жыргалчылыгы; технология, инфраструктура жана система дизайны. Бул алты элемент бирге кесиптик академиялык пикир кайсы шарттарда адилеттүүрөөк жана негиздөөгө мүмкүн болорун жөнгө салат.

1. Этикалык чектер жана ЖИ саясатынын ачыктыгы

MDMF v5те бул компонент бүт алкактын нормативдик өзөгүнө айланат. Негизги суроо “ЖИ кайда колдонулушу мүмкүн?” дегенден мурда “кайсы академиялык пикирлер ЖИге өткөрүлбөшү керек?” деген суроо.

2. Адилеттүүлүк жана теңчилик көйгөйлөрү

Version 5 ЖИ колдогон жазуу жаңы адилеттүүлүк тобокелдиктерин жаратышы мүмкүн экенин ачык карайт. Булар — баалардын бири-бирине жакындашы, жатык тилдин интеллектуалдык алсыздыкты жашырышы, студенттин чыныгы салымынын көрүнбөй калышы жана ЖИ менен күчөтүлгөн тил жатыктыгынын жаңы теңсиздик булагына айланышы.

3. Баалоого чейинки тапшырмалар жана калибрлөө

Калибрлөө MDMF v5те ЖИден чыккан белгисиздикти башкаруунун негизги адамдык механизми болуп калат. Баалоочулар үлгү диссертацияларды, чектик учурларды жана баалоо критерийлеринин маанисин бирге талкуулашы керек.

Мисалдар жакшы жазылган тексттерди гана эмес, тил жагынан жатык, бирок сынчыл жактан начар учурларды да көрсөтүшү сунушталат. Ошентип академиялык тереңдик менен үстүртөн тил сапатын бири-биринен аң-сезимдүү бөлүүгө болот.

4. Баалоочунун өзгөчөлүктөрүнө жараша диссертацияны дайындоо

Жетекчи студенттин изилдөө процессин билет; экинчи баалоочу көбүнчө тапшырылган жыйынтыкка гана жетет. ЖИ менен жылмаланган текст бул маалымат айырмасын чоңойтушу мүмкүн. Ошондуктан MDMF v5 түзүмдөлгөн жетекчи кыскача баяндарын, долбоор контекстин бөлүшүүнү жана тема адистиги менен жакшыраак дал келтирүүнү баса белгилейт.

ЖИ сабаттуулугу пайдалуу контексттик көндүм катары каралышы мүмкүн; бирок ал тармактык адистиктин же академиялык пикирдин ордун баспайт.

5. Баалоо процесси, маданияты жана жыргалчылык

MDMF v5 баалоочунун чарчоосун жана эмоционалдык эмгекти экинчи даражадагы адам ресурстары көйгөйү эмес, адилеттүү баалоо шарттарынын бири катары карайт.

Жогорку иш жүгү, убакыт басымы, кайталанган ЖИге окшош тил үлгүлөрү, текшерүүгө болбой турган ЖИ шеги жана этикалык белгисиздик академиктин көңүлүнө жана баалоо тажрыйбасына таасир этиши мүмкүн. Чечим катары автоматтык калыстыктан көрө реалдуураак иш жүгү, талкууга негизделген модерация, калибрлөө жана институционалдык колдоо сунушталат.

6. Технология, инфраструктура жана система дизайны

Акыркы компонент технологияны “көбүрөөк жасалма интеллект” менен теңебейт. Version 5тин артыкчылыгы — баалоо процессиндеги сүрүлүүнү азайткан, каттоо жана аудит изин камсыз кылган жана академиктин пикирин жеңилдеткен инфраструктура.

MDMF ЖИ Адам Баалоочунун Ордун Басышы Мүмкүн Экенин Көрсөтөбү?

Жок. MDMFнин борбордук теориялык жыйынтыгы мунун тескериси: жогорку тобокелдиктеги диссертациялык баалоодо кесиптик академиялык пикир жарактуу баалоонун өзөгү болуп саналат, ал эми генеративдик ЖИ бул пикирди автоматташтыруучу чечим катары эмес, жаңы этикалык жана эпистемикалык белгисиздиктерди жараткан социотехникалык контекст катары каралышы керек. Булак чектелген жардамчы ЖИ колдонууларын четке какпайт; бирок баа коюу, оригиналдуулук тууралуу акыркы чечим чыгаруу жана жогорку тобокелдиктеги академиялык өкүмдү адамдан өткөрүп алуу MDMF v5 сунуш кылган роль эмес.

Кесиптик академиялык пикир

MDMF татаал академиялык иштин сапаты алдын ала аныкталган эрежелерди механикалык колдонуу менен гана аныкталбайт деген көз карашты карманат. Тармактык билим, контекст, методологиялык жетиштүүлүк, далилдин сапаты, оригиналдуу салым жана сынчыл ой жүгүртүү бирге чечмелениши керек.

Генеративдик ЖИ бул талапты азайтуунун ордуна айрым учурларда күчөтүшү мүмкүн; анткени ал тилдин жатыктыгы менен чыныгы интеллектуалдык салымдын ортосундагы байланышты анча көрүнбөгөн кылышы мүмкүн.

Процедуралык адилеттүүлүктөн контексттик теңчиликке

Анонимдүү баалоо, кош баалоо жана модерация дагы эле маанилүү. Бирок MDMFнин теориялык салымы адилеттүүлүктү процедуралардын бирдей колдонулушу катары гана көрбөгөнүндө.

ЖИге жетүү, тилдик колдоо деңгээли, студенттин чыныгы салымынын көрүнүшү, тема адистиги жана мекеме саясаты да баалоо шарттарын калыптандырышы мүмкүн. Ошондуктан “ар бир студентке бирдей процедураны колдон” мамилеси ар дайым тең жыйынтык бербеши мүмкүн.

Баалоо — социотехникалык система

MDMF диссертацияны баалоону адам, саясат, мекеме, технология жана уюштуруучулук инфраструктура бирге түзгөн социотехникалык система катары карайт. Технологиялык куралдын дизайны же мекеменин ЖИ саясатындагы белгисиздик баалоо жүрүм-турумуна таасир этиши мүмкүн.

Ошондуктан этикалык ЖИ башкаруусу жакшыраак моделди куруу менен гана чектелбейт. Ким кайсы чечимди кабыл алары, кайсы чечим текшериле алары, кайсы студенттик маалымат колдонулушу мүмкүн экени жана пикир келишпестиктер кантип чечилери да баалоо дизайнынын бөлүгү.

Изилдөө колдогон жана колдобогон жыйынтыктар

Изилдөөнүн чектөөлөрү

Биринчи чектөө — бардык эмпирикалык фазалар бир гана институционалдык контекстте жүргүзүлгөнү. Ар башка университеттердин баалоо маданияты, ЖИ саясаттары, модерация практикалары жана дисциплиналык түзүмдөрү бирдей эмес.

Экинчи чектөө — чакан жана максаттуу үлгүлөр. Айрыкча n=3 маек фазасы жана n=10–13 чамасындагы акыркы сандык субшкалалар калк деңгээлинде күчтүү жалпылоо үчүн иштелип чыккан эмес.

Үчүнчү чектөө — MDMFнин ар кандай компоненттери жылдар бою эмпирикалык маалыматтар менен өнүктүрүлгөнү менен, акыркы MDMF v5 интеграцияланган кийлигишүү катары азырынча толук колдонуу жана таасирин баалоодон өткөн эмес.

Төртүнчү чектөө — генеративдик ЖИ чөйрөсүнүн тез өзгөрүшү. Моделдердин мүмкүнчүлүктөрү, мекеме саясаттары жана студенттердин колдонуу формалары өзгөргөн сайын бүгүн аныкталган көйгөйлөр да өзгөрүшү мүмкүн.

Булак келечекте MDMFнин реалдуу колдонуудагы таасирин, баалоо ырааттуулугу жана адилеттүүлүк кабылдоолоруна болгон жыйынтыктарын, ар түрдүү дисциплиналар жана мекемелердеги өткөрүлүү мүмкүнчүлүгүн жана студенттик перспективаларды изилдөөнү сунуштайт.

Булактын ичиндеги таблица шилтемеси тууралуу эскертүү

Булактын 31-бетинде MDMF v5 компоненттеринин эмпирикалык жакшыртуулары “Tables 9–14” аркылуу документтештирилгени айтылат. Бирок булактын түзүмүндө Таблица 9 төрт сандык субшкаланын сүрөттөөчү статистикасын, ал эми MDMF v5тин алты компонентине тиешелүү жаңылоо таблицалары Таблица 10–15ти түзөт. Verianla баяны бул кайчылаш шилтеме айырмасын үнсүз түрдө булак өзгөрүүсү катары оңдобойт; таблицаларды мазмунуна жараша ажыратат.

Булак жана Ыкма Жөнүндө Эскертүү

Ыкма боюнча эскертүү: Изилдөөнүн негизги максаты калк деңгээлинде статистикалык жалпылоо жүргүзүү эмес. Сапаттык жана сандык жыйынтыктар MDMFнин дизайн жана кайра дизайн чечимдерин камсыз кылган практикага негизделген далил катары колдонулат. Булак чакан максаттуу үлгүгө байланыштуу параметрдик эмес жыйынтыктар да этият жана изилдөөчү түрдө чечмелениши керек экенин белгилейт.

Version 5 боюнча эскертүү: MDMF v5 үчүн өзүнчө жаңы сүрөт жарыяланган эмес. Булак Version 4түн 5-сүрөттөгү түзүмдүк архитектурасын сактап, Version 5тин компоненттик салмактарын Таблица 10–15 аркылуу кайра аныктайт. Ошондуктан Verianla үчүн даярдала турган MDMF v5 визуалы булактагы 5-сүрөттүн пикселдик көчүрмөсү эмес, Version 5 таблицаларындагы мазмундук байланыштардан чыгарылган оригиналдуу түшүндүрмө схема болушу керек.

Негизги илимий чек: MDMF v5тин интеграцияланган институционалдык колдонулушу жана анын баалоо ырааттуулугуна таасири бул макалада эксперименталдык түрдө текшерилген эмес. “MDMF адилеттүүлүктү жогорулатты” деген билдирүү өлчөнгөн таасир жыйынтыгы эмес; алкактын максаты адилеттүү жана негиздөөгө мүмкүн болгон пикир үчүн шарттарды түзүмдөштүрүү.