AI-övervakning – automatiserad tentamensövervakning i stor skala

Vad AI-övervakning faktiskt gör

AI-övervakning bevakar webbkameraflödet under hela tentamen och, när skärmövervakning är aktiverad, även den delade skärmen. Den letar efter den typ av avvikelser som skulle få en övervakare att titta en gång till – ett annat ansikte som dyker upp i kameran, att deltagaren lämnar bildrutan eller ett avbrott i det normala ljud- och videomönstret under ett tentamenstillfälle. Den hanterar också identitetsverifiering i början av tillfället och matchar deltagaren mot en identitetshandling – samma kontroll som finns tillgänglig med en live-övervakare. När inget ovanligt inträffar händer ingenting: ingen tittar i realtid, och tentamen fortlöper utan avbrott.

Det är också dess begränsning. AI-övervakning flaggar; den dömer inte. Den kan inte skilja en deltagare som sträcker sig efter ett glas vatten från en som sträcker sig efter en telefon, så den flaggar båda och överlåter bedömningen till en människa – den avlägsnar aldrig någon från en tentamen och avgör aldrig på egen hand att något var fel. Det beslutet ligger hos tentamensanordnaren, med stöd av en mänsklig granskares bedömning av det flaggade ögonblicket. Eftersom den inte har någon situationsförståelse för ett rum på det sätt som en live-övervakare som tittar i realtid har, passar den bättre för testning med hög volym och normal risknivå än för tentamina där ett felaktigt beslut blir kostsamt. För dessa är mänsklig övervakning, eller en kombination av båda, en bättre utgångspunkt.

Så fungerar flaggning och mänsklig granskning i praktiken

Flaggningen sker automatiskt, under provet, utan att någon tittar live – det är just däri kostnadsbesparingen ligger. När systemet flaggar något drar det inte någon egen slutsats: det lägger till ögonblicket i en kö som en utbildad medarbetare i PRUEFSTERs supportteam arbetar igenom. Det är samma supportteam som står bakom mänsklig övervakning – supporten förändras inte beroende på vilken produkt ni köper, utan endast om en övervakare också tittar live.

Granskningen sker efter provet, inte under det, och det är därför jämförelsen ovan anger att arbetsinsatsen för granskning efter provet är högre vid AI-övervakade prov: någon måste ändå titta på det som har flaggats, bara senare i stället för i stunden. En granskare tittar på det flaggade klippet, avgör om det är värt att eskalera och sammanfattar, där så är fallet, vad som hände så att provanordnaren kan agera. De flesta flaggningar visar sig vara ingenting – någon som sträcker på sig, en skugga som passerar webbkameran, ett kortvarigt anslutningsavbrott – och avslutas utan ytterligare åtgärder. De som inte är det får samma uppmärksamhet från utbildad personal som en live-övervakare hade gett dem i stunden, bara med en fördröjning.

Det är därför AI-övervakade prov fungerar väl i kombination med mänsklig övervakning vid enstaka tillfällen, eller med 360°-rumsskanning för prov där insatserna motiverar det: flaggningen fångar upp vad som hände, men någon måste ändå avgöra vad det betyder.