Hands-on værksted
Kodeagenter for undervisere
Hands-on værksted med kodeagenter – klar til brug i det nye semester.
Hvorfor passer AI kode-agenter så godt til undervisere? Den er den ven du ikke vidste du savnede. En PA
og forlænget arm. ChatGPT er en god dialogpartner, bibliotekar og strategisk tænker. AI kode-agenten
udfører
reelle opgaver for dig.
Det kræver blot nogle få skills og etiske overvejelser at ansætte en AI kode-agent og uddelegere arbejde.
Lad os komme i gang.
Indhold
- Dagens buzzwords
- Bæredygtighed og generativ AI
- Kodeagent som underviserens forlængede arm
- Case: vurdering af eksamensprojekter
- Et kig i værktøjskassen
- Øvelse i brug af kodeagent
- Hvad er RAG?
Indhold
1. Dagens buzzwords
En kort oversigt over nye begreber fra AI-verdenen - og hvilke der kan være interessante for undervisere på et erhvervsakademi
2. Bæredygtighed og generativ AI
Elefanten i rummet. Hvad bør vi overveje, hvad er i vores hænder, og hvad er svært at gøre noget ved?
- Det er først og fremmest træning af modeller, der kræver meget energi
- Vælg en tilstrækkelig, men ikke for stor model
- Konverter dine data til et passende format. Fx markdown, json eller csv
- Brug lokale kodeagenter når muligt
- Optimer dine prompts for at minimere unødvendige kald til store modeller
- Genbrug og del dine ressourcer med kolleger og studerende
- Overvej energiforbruget ved træning og inferens af modeller. Fx ved RAG.
- Stop med at lave unødvendige billeder og især videoer
- Vær åben overfor regulering af generativ AI, hosting og databeskyttelse
- Brug en søgemaskine hvis det er tilstrækkeligt
- Keep the Human in the loop
- Du bør ikke vurdere en opgave uden at være følelsesmæssigt i kontakt med det stykke arbejde du sidder overfor
- Anonymiser personlige oplysninger før du kaster dem efter en LLM
- Vær forberedt på at opdage din uvidenhed på dette område
3. Brug af en kodeagent som underviserens forlængede arm
Kort introduktion til hvorfor det kan være relevant at bruge en kodeagent som supplement til en web-baseret chatbot (som f.eks. chatGPT).
- Håndtering af større datamængder lokalt
- Mulighed for at bruge flere forskellige datakilder
- Bedre kontrol over privatliv og datasikkerhed
- Mulighed for automatisering af processer
- Nemt at have backups af data og konfigurationer
- Mulighed for at tilpasse og optimere løsningen til specifikke behov
- Reduceret afhængighed af tredjeparts tjenester. Nemmere at skifte
- Mulighed for offline brug
- Bedre kontrol og overblik over prompts og artefakter (svar)
4. Gennemgang af case om vurdering af eksamensprojekter
Hvordan kan en kodeagent hjælpe med at vurdere eksamensprojekter (praktikrapporter)? Hvilke data skal bruges, og hvordan kan processen automatiseres mest muligt?
- Dataindsamling og forberedelse
- Anonymisering af tekster
- Oprettelse af evalueringskriterier
- Udvikling af prompts til vurdering
- Igangsætning af kodeagenten
- Test og evaluering af resultater
5. Et kig i værktøjskassen
- Brug af markdown dokumenter i forbindelse med generativ AI
- Installation af kodeagent og teksteditor til formålet (chatGPT Codex)
- Konvertering af diverse filformater
- Små øvelser
6. Øvelse i brug af kodeagent
Vi skal udvikle en ny løsning til vurdering af eksamensprojekter
(f.eks. praktikrapporter). Der er øvelsesmaterialer, så vi kan komme hurtigt i gang.
Tænk over følgende: hvornår er det en fornuftig idé at gøre dette. Hvad skal der til for DU kan vurdere et
stykke arbejde på en ordentlig måde? Er du følelsesmæssigt i kontakt med opgaven? Hvad betyder det?
Internalisering af et skriftligt produkt. Formuleringer, er sproget ægte og båret af afsenderens egen
forståelse. Hvornår ved man det? Rammer afsenderen modtageren? Er der sammenhæng mellem det de lover og
det som leveres? Formentlig er det svært for en AI at vurdere dette uden menneskelig indblanding. Og når
vi sidder som eksaminator eller censor, så er det
afgørende at man har en følelsesmæssig kontakt til det forhåndenværende stykke arbejde.
7. Hvad er RAG?
Demonstration af hjemmelavede læringsassistenter for studerende. Hvordan virker de, og hvad skal der til for at komme i gang.