Human Reading Assessment

Kunstig intelligens (KI) er på full fart inn i skolen, og har med seg en rekke muligheter, men også problemer. Human Reading Assessment (HUMAN) har som mål å undersøke hvordan teknologien kan tas i bruk i skolen på en måte som setter eleven i sentrum. Prosjektet tar utgangspunkt i leseprøvene som elevene må ta på skolen, og svarer på utfordringene KI bringer med seg på flere nivå: På det mest grunnleggende nivået vil HUMAN utvikle og undersøke selve algoritmene, og finne ut hvordan de kan brukes i en menneskesentrert leseprøve. Neste nivå dreier seg om å undersøke innholdet i læringsteknologien, i dette tilfellet tekstene som skal leses og oppgavene som skal løses. Her legger vi særlig vekt på at Vurderingsforskrifta sier at prøvene ikke bare skal undersøke hva elevene kan, men også fremme læring og bidra til lærelyst. HUMAN vil undersøke hvordan læringsteknologi kan bidra til å utforme tekster og oppgaver slik at de både er engasjerende og støtter læring. I tillegg har vi et mål om å undersøke hvordan prøveresultater bør fremstilles for at lærere skal kunne bruke dem til å tilpasse opplæringen. På det mest overordnede nivået undersøker vi hva AI i læringsteknologi har å si for barns opplevelse av og handlingsrom i verden, og hva den har å si for barns rettigheter. Hvordan AI implementeres og presenteres i skolen har store konsekvenser for individets evne til å handle med selvstendighet senere i livet. HUMAN handler derfor også om å undersøke utdanningssystemets rolle for individet og i samfunn og arbeidsliv. Kunnskapen som frembringes i prosjektet vil gi viktige innspill til fremtidig politikkutforming. Samtidig vil den også være direkte anvendbar for forvaltningen, for lærere og andre aktører i utdanningssektoren. HUMAN vil foregå i nært samarbeid med norske skoler. Det er et tverrfaglig prosjekt, med forskere innen litteraturvitenskap, lesevitenskap, datavitenskap og juss.

Goal: identify how we can develop a HUMAN digital reading assessment that presents students with tasks adapted to their interests and level of reading skill. Objectives: 1. New knowledge on the design of engaging texts, tasks and teacher interfaces that can be used to assess reading comprehension 2. A ground-breaking new methodology for adaptive reading assessment, combining IRT with machine learning techniques such as recommender systems and natural language processing 3. Analytical tools for analysing philosophical and legal implications that are specific to the use of AI in assessment 4. A validated and reusable framework harnessing results from objectives 1 to 3 to enable an engaging, precise, and usable assessment Research questions: 1. What characterizes texts and items that are motivating for children to read and are suitable for valid and efficient assessment of their reading skills? 2. What kind of information do teachers need about their students’ reading skills in order to adapt their instruction? 3. Which methods (from e.g., machine learning, multidimensional scaling and natural language processing) are best suited to match the right text to the right student, with respect to their skills and interest? 4. How can we analyse students’ experience of AI-based digital reading assessment? 5. What are the legal implications of AI-based digital reading assessments? 6. Does the framework established in the project provide a more engaging and precise assessment of reading skills than currently existing assessments? 7. Does the framework established in the project provide the teacher with more actionable information than currently existing assessments? The project is interdisciplinary. It is anchored in educational assessment, reading science, and computer science. In addition, methods from literature, law and philosophy are employed locally.