Skip to main content

Deallusrwydd Artiffisial Cynhyrchiol (GenAI) ym meysydd Dysgu ac Addysgu

Diben y dudalen hon: Canllaw ysgafn a phrydlon i staff Prifysgol Caerdydd ar sut y gellir mynd i’r afael â GenAI mewn dysgu, addysgu a gwerthuso – yn enwedig wrth gynllunio neu adolygu asesiadau.

 

Mae offer deallusrwydd artiffisial cynhyrchiol (GenAI) yn dylanwadu’n gynyddol ar sut mae myfyrwyr yn dysgu, yn astudio ac yn cynhyrchu gwaith prifysgol. Mae llawer o fyfyrwyr Prifysgol Caerdydd eisoes yn defnyddio’r offer hyn, ac mae staff yn gweld eu heffaith mewn perthynas ag addysgu, asesu ac adborth.

Mae’r dudalen hon yn cynnig canllawiau ymarferol ysgafn i staff Prifysgol Caerdydd ar sut y gellir mynd i’r afael â GenAI wrth ddysgu, addysgu ac asesu. Mae wedi’i pharatoi i helpu cydweithwyr i wneud penderfyniadau addysgegol gwybodus, yn enwedig wrth ddylunio neu adolygu asesiadau.

Mae’r canllawiau hyn yn:

  • ategu (ond nid yn disodli) polisïau sefydliadol a chanllawiau’r fewnrwyd;
  • canolbwyntio ar wella yn hytrach na gorfodi;
  • cynorthwyo staff ar draws gwahanol ddisgyblaethau a lefelau profiad.

 

 

 

 

Checkbox selected

Offerynnau ar gael

I staff a myfyrwyr Caerdydd, mae Microsoft Copilot, Google Gemini a NotebookLM yn offer GenAI sydd ar gael ar draws y sefydliad. Dylid defnyddio cyfrifon prifysgol i ddefnyddio'r platfformau hyn, gan eu bod yn cyd-fynd â safonau diogelwch sefydliadol Prifysgol Caerdydd, yn diogelu data yn briodol, ac wedi'u cymeradwyo i'w defnyddio o fewn amgylchedd offer digidol Caerdydd. 


Safbwynt Prifysgol Caerdydd ar GenAI

Mae canllawiau sefydliadol cyfredol Prifysgol Caerdydd ar ddeallusrwydd artiffisial mewn addysg ar gael ar fewnrwyd y staff a dylid cyfeirio at y rhain yn y lle cyntaf bob amser.

Er bod canllawiau ffurfiol y Brifysgol ar GenAI ym meysydd dysgu, addysgu ac asesu yn parhau i esblygu, anogir cydweithwyr i weithio mewn ffyrdd tryloyw, cymesur ac addysgegol sy’n cyd-fynd ag arferion sy’n dod i’r amlwg yn y sector ac egwyddorion Grŵp Russell.

Mae dull Caerdydd yn cyd-fynd ag Egwyddorion Grŵp Russell, sef:

  1. Bydd prifysgolion yn helpu myfyrwyr a staff i ddefnyddio deallusrwydd artiffisial yn fedrus.
  2. Dylai staff fod wedi'u paratoi i helpu myfyrwyr i ddefnyddio offer GenAI yn effeithiol ac yn briodol yn eu profiad dysgu.
  3. Bydd prifysgolion yn addasu dulliau addysgu ac asesu i ymgorffori'r defnydd moesegol o GenAI ac yn helpu i roi mynediad cyfartal.
  4. Bydd prifysgolion yn sicrhau bod trylwyredd ac uniondeb academaidd yn cael eu cynnal.

Bydd prifysgolion yn cydweithio i rannu arferion gorau wrth i'r dechnoleg a'r defnydd ohoni ym maes addysg esblygu.

Fframio’r defnydd o GenAI: dull dwy lônGan nad oes dosbarthiadau asesu penodol ar gyfer Caerdydd, mae’r Brifysgol yn defnyddio model asesu dwy lôn Prifysgol Sydney ar hyn o bryd fel dyfais fframio defnyddiol wrth gyfathrebu disgwyliadau i fyfyrwyr.Yn gryno:

Lôn 1

Sicrhau ansawdd dysgu

  • Safbwyntiau dibynadwy am gynnydd a chyrhaeddiad.
  • Uniondeb y dyfarniad a dysgu unigol wedi’i warchod.
  • Amodau rheoledig, dylunio tasg gyd-destunol, neu wirio.

Lôn 2

Asesu agored ar gyfer dysgu ac asesu sy’n gyfystyr â dysgu

  • Asesiad agored a gefnogir y tu hwnt i leoliadau rheoledig.
  • Ni ellir gwahardd AI rhag cael ei defnyddio mewn cyd-destunau heb eu diogelu.
  • Pwyslais ar ddefnydd moesegol, beirniadol a disgyblaeth-benodol.

 

Ni ddylid dehongli’r model dwy lôn fel caniatâd i wahardd neu ganiatáu GenAI yn gyffredinol ar draws modiwl neu raglen. Yn hytrach, mae’n helpu i wneud penderfyniadau cytbwys a arweinir gan ddeilliannau. Dylai staff ystyried pa ddeilliannau dysgu sy’n mynnu bod myfyrwyr yn dangos dealltwriaeth, sgiliau neu farn yn annibynnol, a lle y gallai fod angen asesu hyn mewn cyd-destun diogel neu ddilys. Yn yr un modd, pan fo defnyddio GenAI yn briodol mewn cyd-destunau asesu agored, dylid helpu myfyrwyr i’w defnyddio yn feirniadol, yn dryloyw ac mewn ffyrdd sy’n cyd-fynd â’r deilliannau dysgu arfaethedig. Dylai’r pwyslais fod ar yr hyn sydd angen ei dystiolaethu, nid ar gymhwyso rheolau cyffredinol i asesiadau cyfan.

Tasg Adleisio

Sut mae disgwyliadau o gwmpas GenAI yn cael eu cyfathrebu ar hyn o bryd o fewn eich modiwl, rhaglen neu Ysgol? A yw’r disgwyliadau hyn yn glir ac yn gyson o safbwynt myfyriwr?

↑ Yn ôl i’r top


Galluoedd a Chyfyngiadau GenAI

Mae offer GenAI yn datblygu’n gyflym. Mae’r pwyntiau isod yn adlewyrchu eu galluoedd a’u cyfyngiadau nodweddiadol ar yr adeg yr ysgrifennwyd yr arweiniad hwn a dylid eu dehongli’n ofalus wrth i offer barhau i esblygu.

Gall offer GenAI gefnogi dysgu mewn sawl ffordd, yn enwedig pan gaiff eu defnyddio i archwilio, cwestiynu a datblygu dealltwriaeth yn hytrach na chynhyrchu gwaith gorffenedig yn unig. Er enghraifft, gall myfyrwyr a staff ddefnyddio GenAI er mwyn:

  • Cynhyrchu syniadau, cwestiynau neu grynodebau cychwynnol;
  • Edrych ar bynciau anghyfarwydd neu gael esboniadau amgen;
  • Crynhoi, ailadrodd neu gymharu cysyniadau;
  • Profi dealltwriaeth drwy ddeialog, awgrymiadau neu gwestiynau ymarfer;
  • Helpu gwaith codio, dadfygio neu ddatrys problemau;
  • Drafftio, ailddrafftio neu strwythuro dadleuon;
  • Cynhyrchu enghreifftiau, senarios neu esboniadau addysgu.

Fel gydag unrhyw ffynhonnell wybodaeth, dylid gwirio, cwestiynu a chyferbynnu ymatebion a gynhyrchir gan AI â ffynonellau academaidd, proffesiynol neu ddisgyblaethol dibynadwy.

Prif gyfyngiadau a risgiau

Mae offer GenAI:

  • yn cynhyrchu allbynnau ar sail tebygolrwydd, nid gwybodaeth sydd wedi’i gwirio;
  • yn gallu cynhyrchu gwybodaeth hyderus ond anghywir (“rhithwelediadau”);
  • yn gallu ffugio cyfeiriadau neu gynrychioli ffynonellau yn anghywir;
  • yn cynnig barn sydd heb gyd-destun neu ddealltwriaeth o ddisgyblaeth;
  • yn gallu atgyfnerthu rhagfarn neu eithrio safbwyntiau ymylol;
  • yn aml yn cynhyrchu allbwn rhugl ond dealltwriaeth arwynebol.

Ystyriaethau academaidd

Mae offer GenAI yn cynnig cyfleoedd o bwys ar gyfer dysgu ac addysgu, yn ogystal â heriau pwysig mewn perthynas ag asesu. Mae’r arweiniad hwn yn amlinellu risgiau allweddol a nodwyd mewn ymchwil ddiweddar ac mae’n tynnu sylw at oblygiadau i ymarfer.

Mae tystiolaeth sy'n dod i'r amlwg yn awgrymu bod dibynnu’n ormodol ar offer GenAI yn gallu effeithio ar i ba raddau y mae myfyrwyr yn defnyddio’r prosesau gwybyddol sy'n angenrheidiol ar gyfer dysgu, gan gynnwys dadansoddi, cyfosod a datrys problemau. Pan fydd AI yn cyflawni elfennau pwysig o waith academaidd, gallai myfyrwyr osgoi "ymdrech gynhyrchiol", a gall hyn gyfyngu ar ddatblygiad arbenigedd disgyblaethol a barn annibynnol.

Search

Ymchwil ategol

  • Kasneci et al. (2023) Nature Machine Intelligence): Sut y gall defnyddio LLM mewn addysg effeithio ar sgiliau meddwl beirniadol a datrys problemau os ydyn nhw’n disodli prosesau dysgu yn hytrach nag offer sy’n eu cynorthwyo i ddysgu.
  • Mollick a Mollick (2023–2024): Sut y gall GenAI "ddadlwytho prosesau gwybyddol ar raddfa eang," gan leihau cyfleoedd ar gyfer dysgu dwfn os bydd myfyrwyr yn dibynnu ar allbynnau yn anfeirniadol.
  • Baidoo-Anu ac Owusu Ansah (2023): Sut y gall defnyddio ChatGPT atal dysgwyr rhag caffael sgiliau a meddwl mewn ffyrdd gwreiddiol os ydyn nhw’n dibynnu ar ymatebion a gynhyrchir gan AI yn hytrach na darllen deunydd a’i ddeall.

Prif oblygiad

Dylai’r ffordd y mae dull dysgu yn cael ei ddylunio wneud yn siŵr bod myfyrwyr yn cyflawni'r gwaith deallusol yn ddiofyn, a dylai AI gael ei defnyddio i ategu—nid disodli—prosesau gwybyddol craidd

 

Ni ellir tybio bod gwaith a gynhyrchir gan AI yn adlewyrchu dealltwriaeth, rhesymeg neu gyflawniad y myfyriwr ei hun, ac mae hyn yn tanseilio dilysrwydd yr asesiad. O ganlyniad, nid yw'r cynnyrch a gyflwynir ar ei ben ei hun bellach yn ddangosydd dibynadwy o’r hyn sydd wedi’i ddysgu.

Ymchwil Ategol

  • Mae QAA (2023)  yn pwysleisio bod AI yn tarfu ar y berthynas rhwng gwaith myfyrwyr a thystiolaeth o gyrhaeddiad, gan olygu bod angen ailasesu sut mae dysgu yn cael ei dystiolaethu.
  • Mae Perkins, Roe a MacVaugh (2024) yn dangos bod GenAI yn gallu cynhyrchu allbynnau asesu sy'n bodloni meini prawf pasio heb ddangos dealltwriaeth myfyrwyr.
  • Mae Sullivan et al. (2023) yn dangos bod addysgwyr yn cael trafferth gwahaniaethu rhwng GenAI mewn gwaith myfyrwyr, gan godi pryderon am ddilysrwydd a chywirdeb tystiolaeth.

Prif oblygiad

Rhaid i asesiadau symud y tu hwnt i allbynnau terfynol i gynnwys tystiolaeth sy'n seiliedig ar broses, fel drafftiau, myfyrdodau, esboniadau llafar, neu berfformiad yn y dosbarth.

Gall defnydd anfeirniadol o GenAI danseilio uniondeb academaidd, normau awduriaeth, a dealltwriaeth o ddisgyblaeth benodol. Mae hyn yn ymestyn y tu hwnt i gamymddwyn gan eu fod yn erydu safonau ysgolheigaidd a phroffesiynol.

Search

Ymchwil Ategol

  • Mae QAA (2023) yn rhybuddio, heb ganllawiau clir, gall defnyddio AI danseilio ymddiriedaeth mewn dyfarniadau academaidd ac uniondeb asesu.
  • Mae Mollick (2024) yn pwysleisio y dylid trin AI fel offeryn sy’n datgelu ac i’w archwilio’n feirniadol, nid fel awdur anweledig.

Prif oblygiad

Rhaid helpu myfyrwyr i ddefnyddio AI mewn ffyrdd tryloyw, beirniadol, ac sy'n cyd-fynd â disgwyliadau yn y ddisgyblaeth.

Tasg Adleisio

Pa agweddau ar ddysgu yn eich disgyblaeth gellid eu cefnogi gan GenAI, a ble efallai y bydd dibyniaeth ar AI yn cyfyngu ar ddealltwriaeth ddyfnach neu ddatblygiad sgiliau?

↑ Yn ôl i’r top


Defnyddio GenAI mewn Ymarfer Addysgu

Pan gaiff ei defnyddio’n feddylgar, gall GenAI helpu agweddau ar baratoi dulliau addysgu a’r ffordd y mae myfyrwyr yn dysgu, a hynny heb ddisodli arbenigedd academaidd neu farn.

Enghreifftiau o ddefnydd adeiladol

Gall staff ddewis defnyddio GenAI er mwyn:

  • cynhyrchu esboniadau neu enghreifftiau amrywiol ar gyfer darlithoedd;
  • cynhyrchu cwestiynau ymarfer neu weithgareddau ffurfiannol;
  • drafftio neu fireinio meini prawf a chyfarwyddiadau marcio;
  • creu awgrymiadau ar gyfer adborth sy’n helpu myfyrwyr i adolygu;
  • cynnig esboniadau neu grynodebau amgen i gefnogi hygyrchedd.

Modelu defnydd cyfrifol

Mae arferion da yn cynnwys:

  • bod yn agored gyda myfyrwyr ynglŷn â sut a pham rydych chi’n defnyddio offer AI;
  • osgoi awtomeiddio prosesau addysgu, marcio neu adborth yn llawn;
  • adolygu a golygu pob allbwn â gynhyrchwyd gyda chymorth AI mewn ffyrdd beirniadol;
  • fframio AI fel cefnogaeth ar gyfer dysgu, nid fel rhywbeth sy’n meddwl ar eich rhan.
cu-logo

Ymarfer da Prifysgol Caerdydd

Anogir staff i archwilio a chyfrannu enghreifftiau o arfer da i Baddlet Cymuned Dysgu a Dysgu GenAI Caerdydd.

Sylwer

Ni ddylai staff uwchlwytho cyflwyniadau myfyrwyr neu waith adnewyddadwy myfyrwyr i offer GenAI allanol. Pan ddefnyddir gwaith myfyrwyr gyda GenAI, dylid cyfyngu hyn i offer a gymeradwywyd yn sefydliadol fel Microsoft Copilot, yn unol â chanllawiau diogelu data a diogelwch gwybodaeth Prifysgol Caerdydd. Gall GenAI helpu staff i fireinio adborth a ysgrifennwyd gan staff drwy wella eglurder, tôn, strwythur, hygyrchedd a ffocws rhagadborth, ond ni ddylai gynhyrchu adborth yn gyfan gwbl ar ran staff. Staff academaidd sy’n gyfrifol o hyd am benderfyniadau ynghylch graddau, safonau a phenderfyniadau, a rhaid adolygu a golygu unrhyw eiriad sydd wedi cael cymorth AI, a’i roi mewn cyd-destun, cyn ei rannu â myfyrwyr.

Tasg Adleisio

Sut gall myfyrwyr wrthbwyso defnydd cyfrifol neu anfodlon o AG yn awr o fewn eich deunyddiau dysgu, gweithgareddau neu arferion adborth?

↑ Yn ôl i’r top


GenAI a Dylunio Asesiadau

Mae gan GenAI oblygiadau sylweddol ar gyfer asesu, yn enwedig yng nghyd-destunau gwaith cwrs agored. Yn hytrach na cheisio gwneud asesiadau “diogel rhag AI”, dylai’r pwyslais fod ar alinio â deilliannau dysgu, dilysrwydd ac eglurder.

Er mwyn dylunio asesiadau yn effeithiol, rhaid gofyn:

Beth sydd angen cael ei dystio?

Pa wybodaeth, sgiliau neu farn y mae myfyrwyr i fod i’w dangos?

Sut y caiff dysgu ei ddangos?

Sut bydd myfyrwyr yn dangos hyn mewn ffordd sy’n adlewyrchu arferion disgyblaethol?

Pa rôl y gallai GenAI ei chwarae?

Sut gallai GenAI gefnogi dysgu mewn ffyrdd ystyrlon, a sut gallai ei danseilio?

Dewislen Cynllunio Asesiadau: Ystyriaethau GenAI yn ôl math o asesiad

Mae penderfyniadau ynghylch defnyddio GenAI yn fwyaf effeithiol pan ystyrir y rhain yn gydlynol ar lefel rhaglen, yn hytrach nag yn annibynnol ar gyfer pob modiwl neu asesiad. Dylai staff ddechrau drwy adolygu’r deilliannau dysgu i’w hasesu, cyn ystyried pa ddulliau asesu sydd orau er mwyn galluogi myfyrwyr i ddangos tystiolaeth o’r deilliannau hynny, gan gynnwys sut caiff risgiau o gamymddwyn neu ddefnyddio AI anfoesegol eu rheoli. Mae’r Compendiwm Asesu yn cynnwys enghreifftiau o ddulliau asesu cyffredin a ddefnyddir yng Nghaerdydd a gall helpu staff i nodi dulliau a nodweddion dylunio addas.

Ar gyfer pob asesiad, anogir staff i ystyried:

  • Pa ddeilliannau dysgu, dealltwriaeth, sgiliau neu farn y bwriedir i’r asesiad roi tystiolaeth ohonyn nhw;
  • Pa ddulliau asesu neu nodweddion dylunio sy’n galluogi’r ffyrdd gorau o asesu’r deilliannau hynny;
  • Pa risgiau i ddilysrwydd, uniondeb neu gydraddoldeb sydd angen eu hystyried, gan gynnwys defnydd anfoesegol neu heb ei ddatgan o GenAI;
  • Sut y bydd disgwyliadau ynghylch defnyddio GenAI, cydnabyddiaeth a thystiolaeth o ddysgu yn cael eu cyfathrebu i fyfyrwyr;
  • Os yw GenAI ar gael neu’n cael ei ganiatáu, sut y bydd yr asesiad yn rhoi tystiolaeth o ddysgu y tu hwnt i’r allbwn terfynol caboledig.

Os yn bosibl, dylid trafod disgwyliadau ynghylch defnyddio GenAI a’u halinio ar lefel y rhaglen. Mae hyn yn helpu myfyrwyr i ddeall sut mae gwahanol asesiadau yn datblygu sgiliau cyflenwol a pham y gall disgwyliadau amrywio ar draws modiwlau, yn hytrach na dod ar draws rheolau sy’n anghyson yn ôl pob golwg.

 

Tasg Adleisio

Pa ganlyniadau dysgu yn eich modiwl sydd angen i fyfyrwyr ddangos gwybodaeth, sgiliau neu farn annibynnol, a sut mae’r tystiolaeth honno’n cael ei chynhyrchu ar hyn o bryd?

↑ Yn ôl i’r top


Cefnogi Myfyrwyr wrth Ddefnyddio GenAI

Mae myfyrwyr yn debygol o ddefnyddio offer GenAI p’un a ydyn nhw’n cael eu trafod yn benodol ai peidio. Mae canllawiau clir a chyson yn cefnogi uniondeb academaidd, cynhwysiant yn ogystal â datblygu galluedd digidol.

Pwyntiau siarad i staff

Wrth drafod GenAI gyda myfyrwyr, ystyriwch:

  • esbonio a yw asesiad mewn cyd-destun diogel neu agored, a pham;
  • bod yn glir ynghylch pa ffyrdd o ddefnyddio GenAI sy’n addas/a argymhellir/a awgrymir ar gyfer y dasg.
  • amlygu pwysigrwydd gwerthuso beirniadol o allbwn AI;
  • atgyfnerthu y dylai GenAI gefnogi, nid disodli, dulliau dysgu a meddwl.

Lle bo’n briodol, dylid adlewyrchu disgwyliadau mewn:

  • briffiau asesu;
  • meini prawf marcio;
  • enghreifftiau sydd wedi’u rhoi ar waith;
  • gweithgareddau addysgu a dysgu.

Yn y rhan fwyaf o achosion, dylid annog myfyrwyr i gyfeirio at ffynonellau gwreiddiol yn hytrach na’r offeryn AI ei hun. Dylai disgwyliadau ynghylch cydnabyddiaeth fod yn gymesur a chyd-fynd â phwrpas yr asesiad.

Mae canllawiau i fyfyrwyr ar ddefnyddio GenAI ar gael ar fewnrwyd Prifysgol Caerdydd a dylid cyfeirio at y rhain yn gyson.

Tasg Adleisio

A yw myfyrwyr yn debygol o ddeall pa ffurfiau o ddefnyddio GenAI sy'n briodol ar gyfer eich asesiadau, ac ym mha le y gallai eglurhad pellach fod yn ddefnyddiol?

↑ Yn ôl i’r top


Nodiadau Atgoffa Cyflym a Rhagor o Gefnogaeth

Pwyntiau allweddol i’w cadw mewn cof

  • ✔Peidiwch â defnyddio iaith negyddol neu sôn am gosbi wrth drafod AI; mae ofn yn lleihau tryloywder.
  • ✔Byddwch yn glir gyda myfyrwyr ynghylch disgwyliadau a rhesymeg.
  • ✔Dyluniwch asesiadau sy’n seiliedig ar ddeilliannau dysgu, nid osgoi offer.
  • ✔Ceisiwch eu hannog i ddefnyddio AI mewn modd beirniadol yn hytrach na’i wahardd.
  • ✔Edrychwch eto ar ddulliau a’u mireinio dros amser yn seiliedig ar brofiadau myfyrwyr a datblygiadau technolegol pellach.

Os nad ydych yn siŵr sut mae GenAI yn croesi â’ch asesiad neu gyd-destun addysgu, gall Academy Dysgu ac Addysgu (LTAademy@cardiff.ac.uk) eich cynorthwyo gyda sgyrsiau ar lefel rhaglen, dylunio asesiadau, a chyngor addysg ddigidol.

Tasg Adleisio

Pa un newid allech chi ei wneud i'ch arfer addysgu neu asesu eleni a fyddai'n gwella tryloywder o ran GenAI?

Ble nesaf?

Anogir staff i archwilio a chyfrannu enghreifftiau o arfer da i Baddlet Cymuned Dysgu a Dysgu GenAI Caerdydd.

Baidoo-Anu, D. ac Owusu Ansah, L. (2023) ‘Education in the era of generative AI’, Education and Information Technologies.

Kasneci, E. et al. (2023) ‘ChatGPT for good? On opportunities and challenges of LLMs for education', Nature Machine Intelligence.

Mollick, E. (2024) Co-Intelligence: Living and Working with AI.

Perkins, M., Roe, J. a MacVaugh, J. (2024) ‘Generative AI and assessment validity in higher education’.

QAA (2023) Cynnal ansawdd a safonau yn oes ChatGPT: Cyngor QAA ar y cyfleoedd a’r heriau a gyflwynir gan Ddealltwriaeth Artiffisial Cynhyrchiol, Maintaining quality and standards in the ChatGPT era: QAA advice on the opportunities and challenges posed by Generative Artificial Intelligence

Sullivan, M. et al. (2023) ‘ChatGPT in higher education: Considerations for assessment’, Asesu a Gwerthuso ym maes Addysg Uwch.

↑ Yn ôl i’r top