Przejdź do głównej treści
Polski— Wybierz język
Menu

Generowanie sprawdzianów i informacji zwrotnej

Lekcja 8 z 16 Zaktualizowano 5 listopada 2026 Średnio zaawansowani
Na tej stronie
  1. Spójne sprawdziany i szybsze ocenianie
  2. Projektowanie testów wyboru, które uczą
  3. Ocenianie według umiejętności i różnorodność form
  4. Rubryka oparta na kryteriach
  5. Przyspieszanie oceniania
  6. Twoja kolej
  7. Kluczowe wnioski

Spójne sprawdziany i szybsze ocenianie

Tworzenie sensownych sprawdzianów oraz ocenianie prac uczniów to dwa kluczowe, ale niezwykle czasochłonne zadania, a natężenie pracy zawsze osiąga szczyt w najbardziej newralgicznych momentach roku. ChatGPT wspiera oba etapy tego procesu: pomaga budować rygorystyczne sprawdziany i przyspiesza ocenianie, nigdy jednak Cię nie zastępując. To rozróżnienie ma fundamentalne znaczenie, ponieważ delegowanie oceniania oznaczałoby rezygnację z jedynej chwili, gdy widzisz dokładnie, co każdy uczeń zrozumiał. Jest to również zasada prawna: CNIL (francuski urząd ochrony danych) przypomina nauczycielom, że nie mogą delegować swoich uprawnień evaluacyjnych na narzędzia AI, a polityka użytkowania OpenAI zabrania podejmowania jakichkolwiek decyzji evaluacyjnych przez model bez udziału człowieka (human in the loop).

Projektowanie testów wyboru, które uczą

Dobre pytanie wielokrotnego wyboru (MCQ) to nie tylko jedna poprawna odpowiedź i trzy błędne. Jego wartość diagnostyczna leży całkowicie w dystraktorach (błędnych odpowiedziach): jeśli są absurdalne, uczniowie znajdują rozwiązanie metodą eliminacji, a Ty nie dowiadujesz się niczego o ich toku rozumowania; jeśli odzwierciedlają realistyczne błędy, każda błędna odpowiedź wskazuje, jaką mylną ścieżką podążył uczeń. ChatGPT łatwo generuje ten drugi typ dystraktorów, pod warunkiem że wskażesz oczekiwane błędy, zamiast liczyć na to, że model sam je odgadnie.

“Stwórz test składający się z 15 pytań wielokrotnego wyboru dotyczący funkcji liniowych dla klasy 3. Dla każdego pytania dystraktory muszą odpowiadać częstym błędom uczniów (mylenie z funkcjami afinicznymi, błędy znaków, odwrócony współczynnik kierunkowy). Dołącz klucz odpowiedzi z wyjaśnieniem dla każdego dystraktora.”

To właśnie wyjaśnienie wymagane dla każdego dystraktora zamienia test MCQ w narzędzie pracy nad błędami. Gdy omawiasz odpowiedzi w klasie, masz już gotowy komentarz dla uczniów, którzy wybrali B zamiast C, a sesja powtórkowa przestaje być odczytywaniem klucza odpowiedzi, a staje się pracą nad błędami, które uczniowie faktycznie popełnili.

Ocenianie według umiejętności i różnorodność form

W przypadku oceniania kształtującego lub sumującego opartego na umiejętnościach, Twój prompt musi zawierać cztery wymagania. Określ целеowe umiejętności, używając dokładnych terminów z podstawy programowej, aby słownictwo w kryteriach oceniania zgadzało się z tym na świadectwie. Żądaj, aby każde zadanie sprawdzało tylko jedną umiejętność naraz: gdy tylko zadanie angażuje dwie, praca słabszego ucznia staje się niemożliwa do zinterpretowania. Wymagaj powiązanej skali ocen (rubryki) z obserwowalnymi wskaźnikami, a nie ocenami wartościującymi. Na koniec poproś o zadania o rosnącym stopniu trudności dla każdej umiejętności, pozwalając uczniowi mającemu trudności wykazać się tym, co opanował, zanim natknie się na mur nie do przebycia.

Prompty dotyczące prac pisemnych podlegają tej samej logice. ChatGPT generuje tematy prac argumentacyjnych z towarzyszącymi dokumentami, tematy komentarzy literackich z sugerowanymi kątami czytania, skontekstualizowane studia przypadków dla nauk społeczno-ekonomicznych lub problemy otwarte dla przedmiotów ścisłych. Sugerowane kąty czytania wymagają uważnej weryfikacji: są zazwyczaj poprawne, ale szkolne, dlatego lepiej zachować je do własnego klucza odpowiedzi niż dołączać do polecenia dla ucznia, gdyż ryzykujesz otrzymanie trzydziestu identycznych prac.

Rubryka oparta na kryteriach

Użyteczna rubryka opisuje każdy poziom opanowania za pomocą obserwowalnego deskryptora, tak aby dwaj różni oceniający przydzielili tę samą pracę do tego samego poziomu. Poproś ChatGPT o wygenerowanie takiej rubryki dla Twoich kryteriów, a następnie sprawdź, czy deskryptory opisują to, co faktycznie widzisz w pracy, a nie wrażenie, jakie ona pozostawia.

KryteriumNiewystarczającyKruchyZadowalającyEkspert
ArgumentacjaBrak identyfikowalnej argumentacjiArgumenty obecne, lecz nieuzasadnioneArgumenty uzasadnione przykładamiZniuansowana i ustrukturyzowana argumentacja
JęzykCzęste błędy utrudniające czytelniośćSporadyczne błędyPoprawna wypowiedźPrecyzyjny i elegancki styl

Zauważ progresję w wierszu „Argumentacja“: przechodzi od braku do obecności, następnie od obecności do uzasadnienia, a potem od uzasadnienia do niuansu. Każdy krok dodaje weryfikowalne wymaganie. To właśnie taką gradację musisz sprawdzać w każdej wygenerowanej rubryce, ponieważ model czasami produkuje cztery sformułowania mówiące to samo, zmieniając jedynie przysłówek – „poprawnie“, „dobrze“, „bardzo dobrze“, „idealnie“ – a taka rubryka niczego nie rozróżnia.

Przyspieszanie oceniania

Największe oszczędności czasu wynikają z posiadania wzorcowego klucza odpowiedzi, zanim otworzysz pierwszą pracę ucznia. Poproś model o wygenerowanie oczekiwanej odpowiedzi dla każdego pytania, częstych błędów, których należy się spodziewać, szczegółowych punktów przyznawania ocen oraz przykładowych komentarzy dla każdego poziomu odpowiedzi. Następnie oceniasz, rozpoznając przypadki, które już wcześniej zdefiniowałeś, zamiast za każdym razem na nowo wymyślać swoje standardy, co poprawia zarówno szybkość, jak i sprawiedliwość oceniania wobec uczniów z początku i końca stosu prac.

W przypadku informacji zwrotnej dla indywidualnego ucznia, ChatGPT napisze konstruktywny komentarz, gdy tylko podasz zaobserwowany błąd. “Uczeń popełnił ten błąd w zadaniu z fizyki: pomylił masę z ciężarem. Napisz zachęcający komentarz (3–4 linijki), który wyjaśnia różnicę i sugeruje mnemoniczne skojarzenie, aby uniknąć pomyłki w przyszłości.” Podział pracy jest właściwy: Ty identyfikujesz błąd, ponieważ tylko Ty przeczytałeś pracę, a narzędzie zajmuje się sformułowaniem – czyli tą częścią, która kosztuje Cię najwięcej czasu, nie wymagając jednak Twojej eksperckiej wiedzy merytorycznej. Prompt nie zawiera żadnych imion ani kopii prac: nigdy nie wklejaj nazwiskowej pracy ucznia do publicznego narzędzia.

Warto zapisywać te komentarze, zamiast pisać je od nowa co roku. Stopniowo buduj bazę obejmującą każdy typ powtarzającego się błędu w Twoim przedmiocie, zawierającą pozytywne sformułowania, konkretne sugestie poprawy oraz zachęty dostosowane do różnych profili uczniów. Do trzeciego roku ocenianie stosu prac będzie polegało w dużej mierze na zestawianiu sprawdzonych bloków, które personalizujesz jednym zdaniem.

Projektuj, a następnie oceniaj Dwie kolumny. Projektowanie: dystraktory odzwierciedlające realistyczne błędy, jedna umiejętność na zadanie, obserwowalne deskryptory. Ocenianie: wzorcowy klucz odpowiedzi przed pierwszą pracą, błąd zidentyfikowany przez nauczyciela, ocena i decyzja pozostają ludzkie. OCENIAJ Projektuj, a następnie oceniaj Projektowanie Test MCQ Dystraktory = realistyczne błędy Zadanie Jedna umiejętność naraz Rubryka Obserwowalne deskryptory Ocenianie Przed Wzorcowy klucz odpowiedzi W trakcie Błąd zidentyfikowany przez Ciebie Decyzja Ocena pozostaje ludzka Żadnych nazwiskowych prac uczniów w publicznym narzędziu.
Metoda lekcji; ocenianie oparte na FAQ CNIL oraz artykule „Getting started with ChatGPT as an educator“ z Centrum Pomocy OpenAI (listopad 2026).

Twoja kolej

Twój pierwszy sprawdzony test MCQ.

  1. Poproś ChatGPT o stworzenie testu z dziesięcioma pytaniami wielokrotnego wyboru na wybrany przez Ciebie temat, wskazując oczekiwane błędy.
  2. Sprawdź każdą pozycję: czy poprawna odpowiedź jest dokładna, czy dystraktory są wiarygodne, czy poziom jest odpowiedni?
  3. Popraw to, co wymaga korekty, i policz swoje poprawki.
  4. Poproś o wygenerowanie rubryki opartej na kryteriach i sprawdź gradację deskryptorów.
  5. Zanotuj liczbę swoich poprawek: wskazuje ona, ile zaufania można pokładać w nieprzejrzanym prompcie.

Źródła oficjalne: Getting started with ChatGPT as an educator (Centrum Pomocy OpenAI) · Nauczyciel: Jak korzystać z systemu AI w trakcie wykonywania obowiązków? (CNIL)

Kluczowe wnioski

  • Dystraktory w testach MCQ muszą odzwierciedlać realistyczne błędy, które wskazujesz w prompcie.
  • Twórz rubryki oparte na kryteriach z precyzyjnymi deskryptorami dla każdego poziomu opanowania.
  • Szczegółowy wzorcowy klucz odpowiedzi przed rozpoczęciem oceniania znacząco przyspiesza proces.
  • Identyfikacja błędów i wystawianie ocen pozostają Twoją odpowiedzialnością; narzędzie może zająć się formułowaniem wypowiedzi.
  • Buduj bazę wielokrotnego użytku komentarzy, zamiast pisać każdą informację zwrotną od zera.