Martinai, kokia jūsų darbo užduotis TrainDL projekte?

Mano atsakomybės sritis - darbo paketas "Vertinimas ir kokybės užtikrinimas". Mūsų užduotis - tikslingai vertinti intervencijas (mokymo kursus), kad, viena vertus, rezultatai leistų pamatyti tolesnių mokymo kursų modifikavimo galimybes. Kita vertus, šiais rezultatais taip pat bus remiamasi rengiant (galutines) politikos rekomendacijas.

Kaip įgyvendinate šias užduotis?

Naudojame įvairias empirines priemones prieš intervencijas ir po jų. Rašytiniai klausimynai leidžia gauti kiekybiškai išmatuojamus, taigi ir palyginamus rezultatus. Kokybinių interviu žodžiu atveju palyginamumas yra ribotas. Tačiau čia dalyviai gali išsamiau pakomentuoti, pavyzdžiui, savo įspūdžius apie mokymus, duomenų raštingumo ir dirbtinio intelekto temų aktualumą ir savo vertinimą, kaip jas galima integruoti į pamokas. Tuomet reikia interpretuoti rezultatus.

Kaip, jūsų požiūriu, veikia iteraciniai projektų projektai, tokie kaip "TrainDL"?

Pagrindinis kartotinio projektavimo principas yra tas, kad procesus, priemones, mokymo kursus ir panašius dalykus tobuliname cikliškai ir kiekvieną kartą stebime, kaip mums sekasi. Atsižvelgiant į tai, elementus galima išlaikyti arba keisti ir (arba) tobulinti. Iš savo patirties žinau, kad tokiame projekte svarbiausi du principai yra šie: išlaikyti glaudų projekto koordinavimą. Tai gali reikšti, kad reikia kuo greičiau aptarti ir įgyvendinti galimus pakeitimus. Be to, visada reikia nepamiršti projekto tikslų.

Ką sužinojote per pirmąjį ciklą, kas jums atrodo ypač įdomu ir apie ką norite papasakoti?

Malonu buvo matyti, kad mokytojai labai domisi intervencijomis, o jų smalsumas duomenų raštingumo ir dirbtinio intelekto temomis yra atitinkamai didelis. Didelės šių temų pokyčių galimybės yra visuotinai nagrinėjamas klausimas. Tai tapo labai apčiuopiama ir konkretizuota, kai pirmojo ciklo metu buvo laisvai prieinama ChatGPT publikacija. Atitinkamai apie tai jau buvo kalbėta pokalbiuose su mokytojais įvairiuose kontekstuose.