Informazioni sul ruolo
In questo ruolo di collaboratore remoto retribuito a ore, lavorerai come Lead di garanzia della qualità (QAL) per le scienze scolastiche (elementari) per supervisionare qualità, coerenza e prestazioni dei formatori nei progetti di addestramento AI per l'educazione scientifica a livello elementare. Esaminerai contenuti di scienze scolastiche generati dall'AI e il lavoro di formatori/QA, valuterai la qualità dell'output rispetto alle linee guida del progetto, fornirai feedback scritti precisi e garantirirai che tutti i contributori seguano gli standard di qualità attesi.
Valuterai il lavoro per accuratezza scientifica, adeguatezza al livello scolastico, chiarezza concettuale, spiegazioni sicure per i bambini, allineamento al curriculum, linguaggio adatto all'età, qualità del ragionamento, formattazione, rispetto delle istruzioni e aderenza alle rubriche specifiche del progetto. Individuerai problemi di qualità ricorrenti, comunicherai aggiornamenti a formatori e QA, supporterai l'onboarding, manterrai la documentazione e aiuterai ad attivare i contributori che non lavorano con continuità. Questo ruolo richiede una solida conoscenza delle scienze elementari, capacità di giudizio educativo, forti capacità di comunicazione in inglese, eccellente attenzione ai dettagli e la capacità di gestire flussi di lavoro di qualità in team remoti focalizzati sull'educazione.
Questo ruolo è presso SME Careers, un'azienda in rapida crescita nel settore dei servizi di dati per l'AI e controllata di SuperAnnotate, che fornisce dati di addestramento per molte delle più grandi aziende AI e laboratori di modelli fondazionali al mondo. La tua leadership nella qualità delle scienze elementari contribuirà direttamente a migliorare i migliori modelli AI al mondo garantendo che i dati di addestramento di scienze scolastiche siano accurati, adeguati all'età, coinvolgenti, sicuri e spiegati chiaramente per i giovani studenti.
Cosa farai
- Monitoraggio della qualità: eseguire controlli a campione sugli elementi di scienze elementari, individuare problemi di qualità, fornire feedback continuo tramite DM ed escalare problemi ricorrenti o critici.
- Revisione dell'educazione scientifica: valutare spiegazioni scientifiche generate dall'AI, schede di lavoro, attività, risposte brevi, contenuti in stile lezione, esempi, quiz e spiegazioni rivolte agli studenti per accuratezza e adeguatezza al livello scolastico.
- Comunicazione con formatori e QA: aggiornare formatori e QA su Discord riguardo a nuove linee guida sugli elementi, modifiche al progetto, aggiornamenti dei flussi di lavoro, aspettative di qualità e standard di revisione delle scienze elementari.
- Gestione delle domande: rispondere in modo chiaro e tempestivo alle domande di formatori/QA, in particolare su adeguatezza al livello scolastico, concetti scientifici, attività sicure, idee errate degli studenti e interpretazione delle rubriche.
- Gestione dell'attivazione di formatori/QA: inviare DM ai contributori inattivi o che non lavorano, incoraggiare l'attivazione, monitorare i follow-up e segnalare problemi di disponibilità quando necessario.
- Documentazione: creare e mantenere la documentazione del progetto di scienze elementari, inclusi guide di stile, tracker, FAQ, note sulla qualità, esempi, honeypot, attività di calibrazione e materiali di onboarding.
- Onboarding e addestramento: pianificare e condurre chiamate di onboarding/addestramento con formatori e QA per spiegare aspettative del progetto, flussi di lavoro, rubriche, standard di qualità e requisiti specifici delle scienze scolastiche.
- Allineamento sulla qualità: garantire che tutti i formatori e i QA applichino coerentemente le linee guida di revisione delle scienze elementari e comprendano gli aggiornamenti man mano che i progetti evolvono.
- Revisione della sicurezza: segnalare esperimenti non sicuri, affermazioni fuorvianti su salute/ambiente, spiegazioni eccessivamente avanzate, fatti scientifici errati o contenuti non adatti all'età.
- Miglioramento dei processi: individuare lacune di qualità ricorrenti, proporre miglioramenti dei flussi di lavoro e contribuire a costruire processi QA scalabili per i progetti di addestramento AI in scienze elementari.
- Padronanza nativa del punjabi
Cosa cerchiamo
- Laurea triennale, magistrale, abilitazione all'insegnamento o esperienza professionale equivalente in Educazione elementare, Educazione scientifica, Biologia, Chimica, Fisica, Scienze della Terra, Scienze ambientali, Educazione STEM o un campo correlato.
- Solida padronanza della lingua inglese per seguire le linee guida del progetto, comunicare con i team e fornire feedback scritti chiari.
- 3+ anni di esperienza nell'insegnamento, tutoring, sviluppo curricolare, revisione di contenuti educativi, comunicazione scientifica, supporto in classe, progettazione didattica o flussi di lavoro educativi correlati.
- Forte comprensione dei concetti scientifici a livello elementare in scienze della vita, scienze fisiche, scienze della terra, scienze ambientali, indagine scientifica, osservazione, prove, esperimenti e sicurezza.
- Capacità di valutare contenuti di educazione scientifica rispetto a rubriche dettagliate e individuare problemi come inesattezze scientifiche, formulazioni non adatte all'età, suggerimenti di esperimenti non sicuri, semplificazioni fuorvianti, analogie errate o spiegazioni confuse.
- È preferibile familiarità con le aspettative per livello scolastico, spiegazioni adatte ai bambini, scaffolding educativo, attività in classe, schede di lavoro, valutazioni e standard curricolari.
- È fortemente preferita esperienza nella guida o nel supporto di team remoti di educatori, revisori, autori di curriculum, annotatori, formatori o QA.
- A proprio agio in ambienti remoti dinamici utilizzando strumenti come Discord, Google Sheets, Google Docs, tracker, dashboard e sistemi di gestione progetti.
- Fortemente orientato ai dettagli e organizzato, con la capacità di mantenere guide di stile, FAQ, tracker, materiali di onboarding, honeypot, attività di calibrazione e documentazione.
- Esperienza con addestramento AI, annotazione dei dati, valutazione LLM, QA educativa, QA curricolare o revisione basata su rubriche è un forte plus.