Quels sont les trois types d'approches complémentaires pour évaluer la fluidité en IA ?	L'évaluation basée sur les résultats (ce que les étudiants produisent), l'évaluation basée sur le processus (comment les étudiants travaillent avec l'IA au fil du temps), et l'évaluation basée sur la réflexion (la conscience métacognitive).
Qu'évalue-t-on pour la compétence « Delegation » ?	La fixation d'objectifs, la décomposition des tâches, et la sélection des outils.
Qu'évalue-t-on pour la compétence « Description » ?	La qualité de la conversation et l'amélioration itérative.
Qu'évalue-t-on pour la compétence « Discernment » ?	Les compétences d'évaluation critique.
Qu'évalue-t-on pour la compétence « Diligence » ?	La prise de décision éthique et la responsabilité.
Pourquoi combiner les trois approches d'évaluation est-il important ?	Parce que cela fournit l'image la plus complète du développement de la fluidité en IA chez les étudiants.
Quel type de preuve est plus fiable : les actions observables ou les hypothèses sur la compréhension ?	Les actions observables et les artefacts concrets sont plus fiables que les hypothèses sur la compréhension.
Quels sont les trois niveaux de performance suggérés pour créer des indicateurs observables ?	Émergent, en développement, et compétent.
Comment doit-on transformer les concepts abstraits en indicateurs observables ?	En remplaçant les termes vagues par des actions spécifiques et en connectant les indicateurs directement aux exigences de l'assignment.
Quel est l'objectif principal de l'évaluation selon la leçon ?	L'évaluation doit être une opportunité d'apprentissage, pas seulement une mesure.