Chelyabinsks skoler er udstyret med en ny allieret i kampen mod akademisk uærlighed under den forenede statsprøve (USE): Kunstig intelligens (AI). Chelyabinsk-afdelingen af teleselskabet Rostelecom er sat til at installere over to tusind videoovervågningskameraer for at overvåge eksamenerne.
Observatører vil arbejde i samspil med adfærdsanalyseteknologi, der udnytter AI til at opdage mistænkelig handling blandt prøvedeltagere. Disse inkluderer brugen af uautoriserede kommunikationsenheder, snyde-noter og smugling af eksamensmaterialer. Rostelecom embedsmænd har forberedt systemet for at sikre integriteten af eksamensprocessen.
Overvågningsinitiativet dækker alle steder, der er tildelt USE, som er planlagt til at finde sted mellem den 23. maj og den 5. juli. Hver placering vil have mindst to IP-kameraer, der til sammen udgør næsten 2.400 enheder fordelt på 85 eksamenssteder.
De udstyrede gadgets er i stand til realtidsmonitorering og streaming af eksamensforløbet til en dedikeret portal. På steder med forringede signaler vil eksamenerne blive optaget og efterfølgende uploaded til internettet.
Eugeny Makagonov, direktøren for Chelyabinsks Rostelecom-afdeling, understregede, at organisationen af videoovervågning, sammen med transmission og lagring af optagelserne, ville udnytte højhastighedsoptiske kommunikationskanaler og datacenter. Der er også truffet foranstaltninger for at udstyre udstyret med cybersikkerhedsbeskyttelser mod potentielle hackerindtrængninger.
Kunstig intelligens og eksamensovervågning: Chelyabinsk-initiativet
Brugen af Kunstig intelligens (AI) til overvågning af akademiske eksamener er et moderne svar på et gammelt problem med snyd. AI-systemer kan programmeres til at genkende mønstre og opdage afvigelser i adfærd, der kan indikere snyd, såsom mærkelige bevægelser, tilstedeværelsen af uautoriserede genstande eller uregelmæssige hviskende samtaler blandt prøvedeltagere. Dette initiativ i Chelyabinsk viser de proaktive skridt, uddannelsesinstitutioner tager for at bevare integriteten af standardiserede prøver.
Angående effektiviteten og de primære udfordringer ved sådanne systemer, er et vigtigt spørgsmål: Hvor præcist og pålideligt kan AI være til at identificere snyd uden falske anklager mod ærlige studerende? AI-systemer skal være så sofistikerede, at de nøjagtigt kan skelne mellem normal og mistænkelig adfærd. Falske positiver, hvor et system fejlagtigt alarmere uskyldig adfærd som snyd, kan forårsage unødig stress og plette ærlige studerendes karakter. Desuden kan sådanne systemer også stå over for udfordringer med racemæssige eller kønsmæssige forudindtagelser, hvis de ikke er omhyggeligt designet og trænet på forskelligartede datasæt.
En anden væsentlig udfordring vedrører privatlivsspørgsmål. Den kontinuerlige overvågning af studerende under eksamener rejser spørgsmål om deres ret til privatliv. Det er vigtigt at sikre, at de indsamlede data er beskyttet og bruges etisk, i overensstemmelse med databeskyttelseslove og -regler.
Fordele ved at integrere AI i eksamensindstillinger inkluderer:
– Forbedret sikkerhed: AI kan hjælpe med at opdage snyd mere effektivt end menneskelige overvågere, hvilket potentielt kan føre til mere retfærdige resultater.
– Ressourceoptimering: Det kan reducere behovet for et stort antal menneskelige overvågere, hvilket giver mulighed for at omfordele ressourcer andre steder.
– Skalérbahed: AI-systemer kan overvåge multiple eksamenssteder samtidigt, hvilket gør det nemmere at overvåge udbredte eksamener som USE.
På den anden side kan ulemperne inkludere:
– Høje omkostninger: Den indledende opsætning af teknologien og vedligeholdelsen kan være dyr.
– Afhængighed af teknologi: Over-reliance på AI kan føre til manglende menneskelig overvågning, hvilket potentielt tillader visse former for snyd at gå ubemærket hen.
– Teknologiske udfordringer: Såsom systemsfejl, funktionsfejl eller sårbarheder over for cyberangreb på trods af cybersikkerhedsforanstaltninger.
Når du leder efter troværdig information om emnet AI i uddannelse og forebyggelse af snyd, bør du henvise til større teknologiske eller uddannelsesinstitutioners hjemmesider. For eksempel for at lære mere om AI-udvikling og etik kan man besøge Instituttet for Elektriske og Elektroniske Ingeniører (IEEE) på IEEE, eller for at få indsigt i AI’s rolle i uddannelse, kan Internationale Selskab for Teknologi i Uddannelse (ISTE) på ISTE være værdifulde ressourcer. Sørg for, at disse webadresser er gyldige og direkte relevante for det aktuelle emne.
The source of the article is from the blog trebujena.net