Her er forsøgt at støtte kursisterne i form af tre vinkler plus forslag i placeholderteksten:

Her er et andet eksempel på noter, der hjælper kusisten med at holde styr på mange refleksioner. Under videoen er et noteelement og når de trykker “gem” kan de få noterne som pdf, hvor refleksionsspørgsmålene fra før nu optræder som overskrifter og hjælper med at give overblik over kompliceret stof.

Udstyr: Laptop og Microsoft PowerPoint

I denne video er “speakers notes” indtalt af en kunstig intelligens og lagt som lydfil på hvert enkelt PowerPoint-slide.

Hele slidedeck’et er til sidst sat sammen som en sammenhængende film af PowerPoints med lydfiler, dvs jeg kan skifte ét slide ud, hvis det ene slide bliver uaktuelt i stedet for at skulle lave en ny film.

Til længere film end 1-2 minutter vil jeg på nuværende tidspunkt (2018) ikke anbefale oplæsning af kunstig intelligens på dansk.

Oversæt vejskiltet, så det kan læses af mig, 2018

Mit nederlandske er lidt rustent, så jeg bad Google Translate som app om at oversætte skiltet til noget jeg forstod. Det gjorde den så synkront:

Følgende forslag kom Google Translate-appen med, da jeg bad om oversættelse til dansk: Cyklister på kørebanen Cyklister lop kørselsforbud Cyklister på vejbanen Det er da i det store hele ok og forståeligt, omend der stadig er et stykke vej inden oversættelserne sidder lige i skabet.

I 2022 testede jeg menukort med andre alfabeter og “blandingssprog”

Ligesom med vejskiltet det hele begyndte med, kan du nu også se, at det er Augmented Reality. Altså den analoge virkelighed beriget med et lag af informationer.

Velkommen til sommer 2023

Jeg tog et foto af teksten i en brochure af papir og satte Google Lens til at analysere indholdet af fotoet. Jeg satte den til at at koncentrere sig som tekst, markerede hvilken tekst jeg ville have copypasted og kopierede teksten direkte fra min smartphone til min laptop (det skal selvfølgelig også sættes op, men det går let via din googlebruger og chrome). En hel A4-side fuld af tekst pr foto i Google Lens.
Jeg skal fortsat rette til, men nu er det (næsten) kun æ, ø og å og bindestreger, der driller. OCR er hermed rykket fra “sjov og ballade” til “værktøj, der sparer mig tid”, så jeg er glad!.

Næste mål er, at den kan identificere musiknoder for mig og spille temaet fra melodien i de noder jeg peger imod… “There Ain’t No Rest For The Wicked”

Kender du til prompt engineering? Det bør du sætte dig ind i. Prompt engineering er teknikken til at få det resultat ud af den kunstige intelligens, der bedst kan bruges. Det er m.a.o. instruktioner til maskinen om 1) opgaven den skal udføre 2) konteksten for opgaven og dermed hvilke afhængigheder maskinen skal regne med 3) dine input og 4) hvordan maskinen skal præsentere output.

Mange af de services vi har adgang til idag, er “forprogrammerede”. Rytr.me ser ud til både at være forprogrammeret vedr opgaven, konteksten og delvist krav til output:

Med få input fra dig selv om dit emne kan du få både god, sjov og dårlig inspiration fra maskinlæring, hvis du er ramt af angsten for det hvide papir og gerne vil sættes igang.

Input om mit emne: Hydroponi i private hjem
Output sprog: dansk
Output tone: convincing
Variationer: 2
Her er resultaterne fra de forskellige outputs jeg fik fra Rytr.me:

https://rytr.me/ er et værktøj, der bruger maskinlæring til at producere tekst. Det kan lette arbejdet helt enormt, hvis man skal skabe indhold til fx indlægssedler til medicin, boligannoncer, SoMe-indhold og meget andet. Bare vælg mellem forskellige sprog, sprogtoner, definer formålet med teksten, emne, nøgleord, antal variationer og hvor “kreativt” værktøjet må gå til værks. Værktøjet har indbygget plagiatkontrol, så det er der også taget hånd om. Med andre ord: opgavegeneratoren er opfundet og automatiseret og skriftlig fremstilling bliver aldrig det samme igen.
Jeg kan stærkt anbefale at læse vejledningen på https://rytr.me/resources, der både gennemgår de tekniske muligheder og anbefalede worksflows.
For andre skriveassistenter se fx https://www.g2.com/categories/ai-writing-assistant

Hvordan kan vi i uddannelsesverdenen formulere opgaver, der lader de studerende demonstrere læringsudbytte og samtidig medtænker, at de sandsynligvis bruger skriveassistenter?
Jeg istemmer andres forslag om at identificere problemer, der ikke har fundet deres løsninger endnu og bede om kvalificerede problemløsningsforslag. Det giver plads til, i samarbejde med de berørte, at definere problemet og undersøge, om det er det rigtige problem, der søges løst, plads til kritisk at analysere de fejlede løsningsforslag, kreativt at kommunikere nye meningsfulde løsningsforslag, afprøve dem og få løsninger valideret af de mennesker, som problemerne er problemer for.
Er det ‘nok’ til at dokumentere de studerendes læringsudbytte?

Men tilbage til begyndelsen: Jeg har ikke forslag til hvordan kollegerne i folkeskolen kan lære eleverne at skrive stil ud over med et på mange måder uhensigtsmæssigt forbud.
Men eleverne skal i hvert fald lære kritisk tænkning, kreativitet/problemløsning, samarbejde og kommunikation.
Har du forslag eller andet input?

Censorkurset blev bestilt af Styrelsen for Forskning og Uddannelse bestilt efter et udvalgsarbejde, som kan læses om i “Et fremtidssikret censorsystem” (Undervisnings- og forskningsministeriet 2016) og i februar 2019 gik SmartLearning online med censorkurset.

Et af målene var at lave et setup, så forskellige kursistgrupper (fire forskellige censor-lovgivninger for de maritime, de kunstneriske, de erhvervs- og professionsrettede uddannelser og for universiterne) kun ser de materialer, der vedrører dem. Det lykkedes.

Da undervisningen primært dækker lovstof var et andet mål at styre materialernes frigivelse, så jeg kunne opbygge en fremadskridende fortælling i stedet for blot at give dem alle materialer og en test. Forløbet blev med fokus på deres censorroller som både faglige bedømmere og som beskikkede censorer samt forløbet før, under og efter eksamen. Det lykkedes også.

Her er hvordan jeg gjorde:

Første aktivitet tilpasser kurset til kursisten

Valget tilpasser undervisningsmaterialerne til den lovgivning, som kursisten er censor under.

Indstillingerne for  “Kvalifikationsramme” viser det meget godt:

“Kvalifikationsramme” åbner først, når kursisten har gennemført den aktivitet, der kommer inden “Kvalifikationsramme”. “Kvalifikationsramme” er en fælles tekst og to forskellige ressourcer, hvor kursisterne kan læse det, der er relevant for dem ud fra det valg de har lavet i første aktivet.

Dataindsigter

I en dansk sammenhæng er det ikke ofte, at der udbydes online kurser, som er designet til selvstudie og som har tilstrækkeligt mange kursister til at lave statistiske beregninger på de data der produceres og opsamles.

Det ene jeg gerne ville undersøge var, om kursisternes læringsforudsætninger og testresultater viser sammenhæng. På den baggrund fik jeg lov at sætte en survey med otte spørgsmål ind på kurset. Jeg har en forventning om, at læringsforudsætningerne er forskellige fra undergruppe til undergruppe og på tværs af faglighederne. Foreløbigt arbejder jeg med hypoteser om

• to undergrupper vedr motivation forventes at være aftagercensorer og institutionsansatte
• der vil være forskel vedr selfefficacy på tværs (selvover- og undervurdering)
• der vil muligvis være forskel i forforståelsen af censorgerningen hvorfor håber jeg at kunne “mine” ud af tallene hvor materialet med fordel kan nuanceres, uddybes eller forenkles for at gøre op med misforståelser og indlære aktuel viden

Det andet jeg ønskede at få indblik i var, om jeg kunne lave effektmålinger på kursusmaterialerne. Det kræver en før- og en eftertest, som jeg satte op.

Læs “Dataindsigter efter 4.000 kursister” for en beskrivelse af indsigterne.

PS: Gennemførelsesprocenten var 50%, da jeg skrev på LinkedIn. For et self paced kursus (dvs uden kontakt til hverken medkusister eller til underviser) er det en høj gennemførelsesprocent! Jeg har nu en mistanke om, at det primært er et spørgsmål om en kursistgruppe med et højt ambitionsniveau og pligtfølelse og at nogle af censorkorpsne har krævet gennemførelse af kurset.