अंतिम मूल्यांकन

स्कूल समन्वयकों व संस्थान प्रमुखों के लिए AI नेतृत्व — अंतिम मूल्यांकन

परिचय व दस मॉड्यूलों से चालीस प्रश्न — परिदृश्य, नीति-व्याख्या, जोखिम-वर्गीकरण व विक्रेता-तुलना मद सहित। उत्तीर्णांक 80%। हर प्रश्न समझाता उत्तर सही या ग़लत क्यों। आवश्यकता हो तो केंद्रित उपचार के बाद पुनः प्रयास करें।

1. एक संस्थागत AI-नेतृत्व कार्यक्रम उपकरण-उपयोग से परे क्या सक्षम करे?

संस्थागत स्तर पर AI-अपनाना शासित करना।केवल व्यक्तिगत रूप से AI उपकरण उपयोग।AI प्रणालियाँ कोड करना।विद्यालय का विपणन।

2. AI अपनाने से पहले, एक नेता पहले क्या आँके?

बहु-क्षेत्रीय संस्थागत तैयारी।सबसे सस्ता उपलब्ध उपकरण।प्रतिस्पर्धी विद्यालयों के चुनाव।कुछ नहीं — बस शुरू करें।

3. एक RACI में, एक निर्णय हेतु कितने लोग जवाबदेह?

ठीक एक।जितने संभव।शून्य।विक्रेता।

4. जब उपकरण एक तृतीय-पक्ष उत्पाद हो तब एक AI-परिणाम हेतु कौन जवाबदेह रहता?

संस्थान।केवल विक्रेता।कोई नहीं।विद्यार्थी।

5. शिक्षक AI क्षमता-निर्माण का असली लक्ष्य क्या?

उपकरणों भर व्यावसायिक विवेक।एक उत्पाद की निपुणता।सबसे तेज़ अपनाना।प्रॉम्प्ट याद करना।

6. अतैयार AI-अपनाना अनिवार्य करना एक शासन-जोखिम क्यों?

यह डेटा व सुरक्षा घटना-जोखिम बढ़ाता।इसका कोई नकारात्मक पक्ष नहीं।यह सुरक्षित अपनाना तेज़ करता।यह केवल मनोबल प्रभावित करता।

7. ज़िम्मेदार AI सिद्धांत कैसे लागू हों?

हर उपयोग हेतु निर्णय-मानदंड।सजावटी नारे।केवल अपनाने के बाद।व्यवहार में कभी नहीं।

8. एक दखलंदाज़ AI उपकरण अपनाने से पहले समानुपातिकता क्या माँगती?

दखलंदाज़ी न्यायसंगत करता साक्ष्य-सिद्ध लाभ।केवल विक्रेता-लोकप्रियता।एक कम कीमत।कुछ नहीं।

9. कौन AI उपयोग-प्रकरण विद्यालयों हेतु निषिद्ध-स्तर में?

विद्यार्थियों की भाव-पहचान व व्यवहार-पूर्वानुमान।एक पाठ-योजना मसौदा।एक सूचना अनुवाद।समीक्षित वर्कशीट-सृजन।

10. एक विद्यालय स्वीकार्य-उपयोग नीति में सबसे स्पष्ट लाल-रेखा क्या?

सार्वजनिक AI उपकरणों में कोई पहचान-योग्य विद्यार्थी-डेटा नहीं।सभी AI-उपयोग प्रतिबंधित करना।हर कार्य हेतु AI आवश्यक करना।किसी को निषिद्ध करने की आवश्यकता नहीं।

11. प्रॉम्प्ट-डेटा को संभावित संवेदनशील क्यों माना जाए?

यह संवेदनशील डेटा रख सकता व संग्रहीत/प्रशिक्षित हो सकता।प्रॉम्प्ट कभी उपकरण नहीं छोड़ते।प्रॉम्प्ट डेटा नहीं।केवल फ़ाइलें डेटा।

12. डेटा-न्यूनीकरण क्या माँगता?

केवल वह जो उद्देश्य वास्तव में चाहिए।जितना संभव।अज्ञात भविष्य उपयोगों हेतु डेटा।बिल्कुल कुछ नहीं, कभी।

13. एक पाठ्यक्रम बच्चों के डेटा पर विधिक दावे कैसे व्यवहार करे?

विधिक को नीति से अलग करें; विधिक समीक्षा अनुशंसित करें।इसे बाध्यकारी सलाह के रूप में।प्रमाणित अनुपालन दावा करें।कानून अनदेखा करें।

14. शैडो AI एक शासन-चिंता क्यों?

यह समीक्षा छोड़ता व अ-ट्रैक जोखिम बनाता।यह हमेशा सुरक्षित।यह आधिकारिक नीति।इसका कोई गोपनीयता-प्रभाव नहीं।

15. जब विद्यार्थी-डेटा एक सार्वजनिक AI उपकरण को उजागर हो तब सही पहली कार्रवाई क्या?

नियंत्रित करें व साक्ष्य संरक्षित करें।चुपचाप अभिलेख हटाएँ।कुछ न करें।पहले विक्रेता को दोष दें।

16. कम-बैंडविड्थ व साझा-उपकरण समर्थन आवश्यकताएँ, अतिरिक्त नहीं, क्यों?

अन्यथा अपनाना एक समता-समस्या बनता।बैंडविड्थ कभी मायने नहीं रखता।केवल कर्मचारी-उपकरण मायने रखते।वे वैकल्पिक अच्छे-हों।

17. कौन विक्रेता-मानदंड विद्यार्थी-डेटा की सर्वाधिक रक्षा करते?

डेटा-स्वामित्व, बिना-प्रशिक्षण व निकास-प्रावधान।विशेषताओं की संख्या।डेमो-गुणवत्ता।ब्रांड-नाम।

18. एक 'मुफ़्त' सार्वजनिक AI उपकरण एक भुगतान प्लेटफ़ॉर्म से कुल अधिक क्यों?

यह समर्थन, जोखिम व माइग्रेशन लागत छिपाता।मुफ़्त हमेशा कुल सबसे सस्ता।इसकी कोई छिपी लागत नहीं।लागत कभी समर्थन पर निर्भर नहीं।

19. एक AI विक्रेता-निर्णय को क्या चलाना चाहिए?

एक भारित, साक्ष्य-आधारित स्कोरकार्ड।सबसे चमकदार डेमो।विपणन-दावे।पहले कॉल करता विक्रेता।

20. शिक्षण में AI-उपयोग के साथ कौन स्थिरांक होना चाहिए?

आउटपुट विद्यार्थियों तक पहुँचने से पहले शिक्षक-समीक्षा।कोई समीक्षा नहीं चाहिए।विक्रेता-स्वीकृति।केवल वर्तनी-जाँच।

21. क्या एक AI-पहचान अंक एक कदाचार-निष्कर्ष का एकमात्र आधार हो सकता?

नहीं — कभी एकमात्र साक्ष्य नहीं।हाँ, यह निश्चित।हाँ, यदि अंक उच्च।हाँ, घर-ले-जाने कार्य हेतु।

22. मूल्यांकन में AI का सबसे टिकाऊ उत्तर क्या?

प्रामाणिक मूल्यांकन पुनर्रचना।अधिक पहचान-सॉफ़्टवेयर।तकनीक प्रतिबंधित करना।दखलंदाज़ निगरानी।

23. समानुपातिक निगरानी को सर्विलांस से क्या अलग करता?

उद्देश्य-सीमित, समग्र व पारदर्शी।गुप्त रूप से हर व्यक्ति ट्रैक करना।सब कुछ एकत्र करना।शिक्षकों की प्रोफ़ाइलिंग।

24. बढ़ता AI-उपयोग मूल्य का एक अपर्याप्त माप क्यों?

उपयोग गतिविधि, सुधरे परिणाम नहीं।उपयोग हमेशा मूल्य सिद्ध करता।परिणाम मापे नहीं जा सकते।केवल उपयोग मायने रखता।

25. प्रभावी घटना-प्रबंधन का सही केंद्र क्या?

प्रक्रिया के मूल-कारण सुधार।एक व्यक्ति को दोष।घटना छिपाना।मामूली घटनाएँ अनदेखा।

26. अभिभावकों को संवाद करते जहाँ AI उपयोग नहीं वह क्यों बताएँ?

यह आश्वस्त करता मानव बच्चों के बारे तय करते।यह अनावश्यक।यह AI-उपयोग छिपाता।यह अभिभावकों को भ्रमित करता।

27. एक AI-अपनाना एक ग़ैर-AI विकल्प क्यों शामिल करे?

ताकि बिना पहुँच विद्यार्थी बहिष्कृत न हों।विकल्प बर्बादी।हर किसी की समान पहुँच।अपनाना धीमा करने।

28. अपनाने से पहले विद्यार्थियों व अभिभावकों से परामर्श क्यों?

यह साझेदारी व विश्वास बनाता।यह सब कुछ अनावश्यक धीमा करता।राय मायने नहीं रखती।केवल प्राचार्य तय करता।

29. एक संस्थान AI उपयोग-प्रकरण प्राथमिकता कहाँ शुरू करे?

निम्न-जोखिम, उच्च-प्रभाव त्वरित-जीत।सबसे जोखिमपूर्ण उपयोग-प्रकरण।एक साथ सब कुछ।जो सबसे सस्ता।

30. एक नब्बे-दिन पायलट एक रुकावट-मानदंड क्यों शामिल करे?

कमज़ोर या जोखिमपूर्ण पायलट डिज़ाइन से रोकने।रुकावट-मानदंड अनावश्यक।पायलट कभी नहीं रुकते।विक्रेताओं को खुश करने।

31. रोडमैप-चरणों के बीच एक निर्णय-गेट का उद्देश्य क्या?

केवल तभी आगे बढ़ने जब एक चरण के मानदंड पूरे।स्वचालित स्केल करने।मूल्यांकन छोड़ने।बजट छिपाने।

32. एक कैपस्टोन बोर्ड के 'अनिश्चित AI क्यों वित्तपोषित?' प्रश्न का उत्तर कैसे दे?

परिबद्ध पायलट, नियंत्रण व साक्ष्य से।रूपांतरण के वादों से।एक खुला बजट माँगकर।प्रश्न टालकर।

33. कैपस्टोन योजना अपनी सामग्री के बारे क्या स्वीकारे?

कोई व्यक्तिगत विद्यार्थी-डेटा नहीं; विधिक सलाह नहीं।कि यह सरकार-अनुमोदित।कि यह परिणामों की गारंटी देता।कुछ नहीं।

34. क्या यह पाठ्यक्रम या इसका प्रमाणपत्र सरकारी या बोर्ड मान्यता का दावा करे?

नहीं — यह केवल एक अधिगम-प्रमाण।हाँ, हमेशा।हाँ, सरकार-मान्यता।हाँ, एक वैधानिक लाइसेंस।

35. हर मॉड्यूल शिक्षार्थी से कम-से-कम एक बार क्या आवश्यक करे?

एक यथार्थवादी नेतृत्व-निर्णय।केवल पढ़ना व अगला क्लिक करना।एक भुगतान।कुछ सक्रिय नहीं।

36. तथ्यात्मक, विधिक या नियामक कथन कैसे संभाले जाएँ?

स्रोत-सहित, दिनांकित व कभी गढ़ा नहीं।सुविधाजनक हो तो गढ़ा।हर जगह निश्चित कानून के रूप में।बिना किसी स्रोत।

37. क्या एम्बेडेड AI सहायक ग्रेडेड मूल्यांकन-प्रश्न उत्तरित करे?

नहीं — यह ग्रेडेड प्रश्न उत्तरित न करे।हाँ, हमेशा।हाँ, कठिन प्रश्नों हेतु।हाँ, यदि पूछा जाए।

38. अंतिम ज्ञान-मूल्यांकन का उत्तीर्णांक क्या?

80%।50%।100%।कोई उत्तीर्णांक नहीं।

39. अनुशंसित कैपस्टोन उत्तीर्णांक क्या?

100-अंक रूब्रिक पर 70%।कोई भी अंक।केवल 100%।इसका मूल्यांकन नहीं।

40. कार्यक्रम पूरा करके एक शिक्षार्थी कौन व्यावहारिक आउटपुट बनाता?

एक पूर्ण संस्थागत AI-नेतृत्व पोर्टफोलियो।एक एकल प्रमाणपत्र व कुछ नहीं।एक कोडिंग परियोजना।एक विपणन-पुस्तिका।