Über diese Rolle
In dieser stündlichen, remote ausgeführten Auftragnehmerrolle arbeiten Sie als Mathematics Quality Assurance Lead, um Qualität, Konsistenz und die Leistung der Trainer bei KI-Mathematik-Trainingsprojekten zu überwachen. Sie überprüfen KI-generierte mathematische Inhalte sowie die Arbeit von Trainern und QAs, bewerten die Qualität der Ergebnisse anhand von Projektrichtlinien, geben präzises schriftliches Feedback und stellen sicher, dass alle Mitwirkenden die erwarteten Qualitätsstandards einhalten.
Sie bewerten die Arbeit hinsichtlich mathematischer Genauigkeit, logischer Schlussfolgerung, Korrektheit der Berechnungen, Gültigkeit von Beweisen, Notationsqualität, Klarheit, Formatierung, Einhaltung von Anweisungen und Adhärenz zu projektspezifischen Rubriken. Sie identifizieren wiederkehrende Qualitätsprobleme, kommunizieren Aktualisierungen an Trainer und QAs, unterstützen das Onboarding, pflegen die Dokumentation und helfen dabei, inaktive Mitwirkende zu reaktivieren.
Diese Rolle erfordert fundierte mathematische Fachkenntnisse, ausgezeichnete Englischkenntnisse, hohe Detailgenauigkeit, strukturierte Kommunikation und die Fähigkeit, Qualitätsabläufe in verteilten technischen Teams zu steuern.
Hinweis: Es gibt derzeit kein unmittelbares Projekt für diese Rolle. Bei Eignung werden Sie jedoch zu den ersten Experten gehören, die wir kontaktieren, sobald relevante Möglichkeiten entstehen.
Ihr Profil
- Abgeschlossenes Bachelor-, Master- oder PhD-Studium in Mathematik, angewandter Mathematik, Statistik, Physik, Ingenieurwesen, Informatik, Mathematikdidaktik oder einem verwandten quantitativen Bereich.
- Starke Englischkenntnisse zur Einhaltung von Projektrichtlinien, Kommunikation mit Teams und Erstellung von klarem mathematischem Feedback.
- 3+ Jahre Berufserfahrung in Mathematik, Lehre, Nachhilfe, Forschung, quantitativer Analyse, technischem Schreiben, Lehrplanentwicklung, Aufgabenerstellung oder mathematischer Inhaltsprüfung.
- Fundiertes Verständnis von Kernthemen wie Algebra, Geometrie, Trigonometrie, Analysis, linearer Algebra, diskreter Mathematik, Wahrscheinlichkeit, Statistik, Zahlentheorie, Kombinatorik, Differentialgleichungen und mathematischen Beweisen.
- Fähigkeit, mathematische Inhalte anhand detaillierter Rubriken zu bewerten und Fehler wie falsche Annahmen, fehlerhafte Argumentationen, ungültige Beweise, Rechenfehler, Notationsprobleme oder unvollständige Erklärungen zu identifizieren.
- Erfahrung mit mathematischen Werkzeugen wie LaTeX, Python, MATLAB, R, WolframAlpha/Mathematica, GeoGebra, Desmos oder symbolischen Berechnungstools ist bevorzugt.
- Erfahrung in der Leitung oder Unterstützung von Remote-Teams (Trainer, Annotatoren, Reviewer, technische Redakteure) wird stark bevorzugt.
- Sicherer Umgang mit Remote-Arbeitsumgebungen (Discord, Google Sheets/Docs, Projektmanagementsysteme).
- Hohe Detailorientierung und organisatorische Fähigkeiten.
- Erfahrung mit KI-Training, Datenannotation, LLMs oder rubrikbasierter KI-Bewertung ist ein starkes Plus.
Hauptverantwortlichkeiten
- Qualitätsüberwachung: Stichprobenartige Prüfung mathematischer Aufgaben, Identifizierung von Qualitätsproblemen und Bereitstellung von Feedback.
- Mathematische Überprüfung: Bewertung von KI-generierten Erklärungen, Beweisen, Ableitungen, Berechnungen und schrittweisen Begründungen auf Korrektheit und Klarheit.
- Kommunikation: Aktualisierung von Trainern und QAs über Discord bezüglich Richtlinien, Workflow-Änderungen und Qualitätsstandards.
- Fragenmanagement: Klare und zeitnahe Beantwortung von Fragen zu Begründungen, Notation, Annahmen und Lösungsmethoden.
- Aktivierungsmanagement: Kontaktierung inaktiver Mitwirkender und Nachverfolgung der Verfügbarkeit.
- Dokumentation: Erstellung und Pflege von Projektunterlagen wie Styleguides, FAQs, Trackern und Onboarding-Materialien.
- Onboarding und Training: Durchführung von Onboarding-Calls zur Erläuterung von Erwartungen, Workflows und Qualitätsstandards.
- Fehleranalyse: Identifizierung wiederkehrender Probleme wie fehlende Begründungsschritte, ungültige Vereinfachungen oder Notationsinkonsistenzen.
- Prozessverbesserung: Identifizierung von Qualitätslücken und Vorschläge zur Skalierung der QA-Prozesse.