Thiết kế bài tập cho AI Fluency — Authenticity, Iteration, Transparency

Ba nguyên tắc thiết kế

Nguyên tắc 1: Authenticity — Giống thực tế

Ý tưởng: Tạo assignments mirror real-world AI collaboration thay vì artificial exercises.

Sinh viên nên tackle genuine problems nơi AI partnership thật sự add value. Không phải "làm cho có" exercise AI.

Authentic trông thế nào:

Authentic assignment khiến sinh viên care về output — vì nó feel real, có stakeholder thật, có consequences.

Nguyên tắc 2: Iteration — Xây opportunities for growth

Ý tưởng: Build opportunities for refinement that showcase growth theo thời gian.

Single-shot assignments miss iterative nature của fluent AI collaboration. Build in chances để sinh viên refine, rethink, try again.

Iteration trong assignment design:

Lý do deeper: Cộng tác AI tốt đòi hỏi iteration. Nếu assignment không có iteration structure, sinh viên không học iteration.

Nguyên tắc 3: Pedagogical transparency — Minh bạch về đánh giá

Ý tưởng: Rõ ràng với sinh viên rằng bạn đang đánh giá quality of collaboration process và student's own reflections, không chỉ outputs.

Sinh viên cần hiểu bạn care về HOW they're learning to work với AI, không chỉ WHAT they produce.

Pedagogical transparency trông thế nào:

Trên assignment sheet:

Transparency = trust. Sinh viên tham gia hơn khi biết rules.

• Checkpoint 1 (tuần 1): Submit initial approach + delegation plan
• Feedback loop: Teacher/peer feedback
• Checkpoint 2 (tuần 2): Revised approach with reflection on feedback
• Checkpoint 3 (tuần 3): Final submission + evolution documentation

✅ AUTHENTIC
"Em là intern tại NGO. NGO cần policy brief 
cho city council về quy định xe điện. Deadline 
2 tuần. Dùng AI là okay — nhưng em chịu trách 
nhiệm final product."

❌ KHÔNG AUTHENTIC  
"Viết 5 prompt hay cho ChatGPT về topic bất kỳ."

Ba loại assignment — Blueprint

Bây giờ hãy xem cách design cho mỗi trong ba loại assessment (từ bài 13.3): outcome, process, reflection.

Loại 1: Outcome-based assignments

Focus: Những gì sinh viên produce qua cộng tác AI.

Variant A: Improving AI outputs

Setup: Đưa sinh viên 1 output AI mediocre (bạn đã generate trước). Yêu cầu họ transform thành excellent.

Skills phát triển:

Ví dụ cụ thể:

Bài tập lớp Marketing:

Pro tip: Không đưa output quá tệ (dễ) hoặc quá tốt (không có chỗ improve). Đưa output adequate but flat — nơi discernment mới tinh tế.

Variant B: Product comparison

Setup: Sinh viên dùng multiple AI systems hoặc modes (extended thinking, image-to-image) tackle cùng task, rồi analyze different outputs.

Skills phát triển:

Ví dụ:

Bài tập lớp Research Methods:

Pro tip: Giúp sinh viên thấy không có "best AI", chỉ có "best AI cho specific task". Đây là core của Platform awareness.

Variant C: Constraint-based challenges

Setup: Đưa specific output requirements — format, length, style, audience. Sinh viên work với AI meet các constraints.

Submit: Final product + prompts đã achieve output.

Skills phát triển:

Ví dụ:

Bài tập lớp Technical Writing:

Pro tip: Constraints khó nhưng specific là sweet spot. Quá lỏng = không challenge; quá chặt = frustrating.

Variant D: Peer product review

Setup: Sinh viên set own goals, create với AI, rồi swap và critique against stated goals.

Skills phát triển:

Ví dụ:

Bài tập lớp Creative Writing:

Pro tip: Peer review reveals blind spots. Sinh viên often miss gap giữa goals stated và execution actually.

• Discernment (identify problems trong AI output)
• Description (guide improvements qua clearer prompts)
• Platform awareness (Delegation)
• Discernment (so sánh qualitative)
• Description (precise communication)
• Creation diligence (nếu bạn add ethical/legal/professional constraints)
• Product discernment
• Goal awareness (Delegation)

Loại 2: Process-based assignments

Focus: Cách sinh viên work với AI theo thời gian.

Thách thức: Human-AI interaction có thể rất private và fleeting. Làm sao make visible và assessable?

Variant A: Annotated chat logs

Setup: Sinh viên nộp records của AI interactions, annotating key moments of insight, challenge, growth.

Sinh viên highlight:

Format gợi ý:

Pro tip: Annotation là kỹ năng riêng cần teach. Demo 1 annotated log của chính bạn trước khi giao bài tập.

Variant B: Recorded narrations

Setup: Sinh viên record themselves work với AI real-time — audio hoặc screen capture — narrating decision-making as they go.

Họ explain:

Thời lượng: 5-10 phút / session.

Ví dụ:

Pro tip: Think-aloud reveals tacit reasoning mà chat log miss. Nhưng đòi hỏi khả năng tự nhận thức cao — không phù hợp mọi sinh viên. Offer alternatives cho introverts.

Variant C: Process playbooks

Setup: Sinh viên build own AI strategy guides — personal reference documents recording strategies và prompts cho different types of tasks.

Nội dung:

Output: Living document sinh viên keep và update suốt course.

Format gợi ý:

• Turning points — chỗ approach thay đổi
• Breakthroughs — chỗ understanding của chính mình deepened
• Recovery moments — chỗ em catch mistake và pivot
• Tại sao họ make specific choices
• Cái gì họ look for trong responses
• Cách họ evaluate outputs
• Cái gì works cho research, creative writing, problem solving
• Techniques nào work trong contexts nào
• Đi đâu cho help khi cần guidance

## Chat Log: [Date, Project X]

### Turn 1-3: Initial exchange
[Chat content]

**Annotation:** Bắt đầu với prompt quá vague. AI trả lời
generic. Nhận ra mình chưa define audience.

### Turn 4-6: Refinement
[Chat content]

**Annotation:** 🔑 TURNING POINT — em add audience 
specificity. AI output sharper rõ rệt. Lesson: front-load
context.

Variant C: Process playbooks

Pro tip: Playbook là artifact bền — sinh viên sẽ reference suốt sự nghiệp. Đây là một trong những assignments có highest "lifetime value".

Variant D: AI-assisted hoặc peer debrief

Setup: Sinh viên share chat log với AI partner và ask AI discuss chat log. Alternatively, với peer as discussant. Hoặc both để compare insights.

Mẫu prompt cho debrief:

# My AI Collaboration Playbook — [Student Name]
*Last updated: [Date]*

## Task Category 1: Literature Review
**Preferred AI:** Claude (long context) + Perplexity (citations)
**Starter prompt template:**
[...]
**Iteration pattern:**
[...]
**Pitfalls encountered:**
[...]

## Task Category 2: Essay Brainstorming
[...]

Variant D: AI-assisted hoặc peer debrief

Pro tip: AI-debrief có bias tự khen. Cho sinh viên specific prompt critique để AI actually critique.

Here is my chat log from project [X]. Analyze as a thoughtful
reviewer would:
1. What worked well in my collaboration approach?
2. Where did I miss opportunities for deeper engagement?
3. What patterns do you see across my prompts?
4. If I could redo this, what 2 changes would have highest impact?

Loại 3: Reflection-based assignments

Focus: Metacognitive awareness — tư duy về tư duy.

Thách thức: Học sinh dễ bị "reflection fatigue" nếu cùng format lặp lại.

Giải pháp: Đa dạng variants. Đưa 2-3 reflection formats khác nhau trong 1 semester.

Variant A: Guided inquiry

Setup: Provide specific questions để reflect trên particular assignment. Make it inviting — sinh viên feel free share honest critiques, complaints, positive experiences.

Questions gợi ý (mix nhau):

Pro tip: Câu hỏi "em ghét cái gì" cho phép sinh viên honest. Quan trọng để build trust.

Variant B: Learning journals

Setup: Sinh viên self-assess 4D development ở multiple points trong course. Cung cấp specific evidence cho observations.

Multiple modes encouraged:

Ví dụ framework:

Pro tip: Multiple modes = reach different learners. Không bắt mọi người chỉ essays. Videos reveal expressiveness mà writing hides.

Variant C: Scenarios và case studies

Setup: Present sinh viên với realistic hypothetical scenarios hoặc real-world case studies. Challenge apply learnings tới specific issues trong AI design, use, impacts.

Có thể đơn giản:

Hoặc phức tạp:

Pro tip: Case studies từ news real engage hơn hypotheticals. Collect cases suốt năm — có folder sẵn.

Variant D: Personal policy statements

Setup: Nếu chỉ room cho 1 reflective assignment, highly recommend personal policy statements.

Sinh viên create personal policy statement based on experiences — develop own values, strategies, methods cho fluent AI collaboration.

Characteristics:

Ví dụ prompts:

Pro tip: Policy statements có long half-life. Sinh viên reference lại 5 năm sau. Chấm kỹ, give thoughtful feedback.

• Moment em surprised nhất trong collaboration này là gì?
• Khi AI gave em something em không expected, em xử lý thế nào?
• 1 thing em muốn biết về AI trước khi start project này?
• Nếu em teach 1 peer về project này, 1 lesson em chia sẻ?
• Em ghét cái gì nhất về working với AI trên project này?
• Em thích cái gì nhất?
• Em sẽ dùng AI differently next time thế nào?
• Traditional essays
• Videos
• Infographics
• Mind maps
• Audio diaries
• Require deep reflection
• Help sinh viên feel empowered và accountable cho AI interactions
• Well-suited cho peer discussion

Combining multiple assignment types

Thực tế, 1 assignment hiệu quả thường combine multiple types. Ví dụ:

Assignment: "AI-Enhanced Research Project" (3 tuần)

Tỉ lệ tham khảo cho mix: 40% outcome + 30% process + 30% reflection (adjust theo emphasis course).

Managing volume — "Time to get real"

Vấn đề thật: AI-enhanced assignments generate nhiều content hơn traditional assignments. Essay 1500 từ now comes với chat log 5000 từ + reflection 1000 từ. 30 sinh viên × 3 deliverables = 90 artifacts to review.

Làm sao survive mà không burn out?

Chiến thuật 1: Detailed deliverable-based rubrics

Ý tưởng: Clear, very granular deliverables em có thể verify quickly.

Ví dụ rubric granular:

Trade-off: Cần tight alignment giữa chosen deliverables và learning outcomes. Nhưng có thể save hours.

Chiến thuật 2: Emphasize self và peer review

Ý tưởng: With proper guidance, sinh viên often best positioned observe own development hoặc of peers.

Self-assessment template:

Pro tip: Compare self-score với teacher-score. Alignment = metacognitive accuracy signal.

Peer review structure:

Chiến thuật 3: Lightning conferences

Ý tưởng: Replace some written feedback với brief conferences (5 phút) where sinh viên present key insights.

Format:

Math: 30 sinh viên × 5 phút = 2.5 giờ. Thay vì viết feedback 15-20 giờ. And quality thường better — real dialogue > written comment.

Pro tip: Schedule conferences in class time — không phải office hours optional. Commit to it.

Chiến thuật 4: Selective sampling

Ý tưởng: Em không cần read every word của every chat log.

Strategies:

Teaching students self-curate:

Benefit kép: (1) giảm volume cho teacher, (2) sinh viên practice self-evaluation.

• Pair sinh viên
• Mỗi người review peer's chat log + reflection (KHÔNG final essay — tránh bias về writing quality)
• Use shared rubric (2-3 criteria only — don't overwhelm)
• Submit peer feedback + own response to peer feedback
• 5 phút / student
• Student start: "Here's my 1 biggest insight from this assignment"
• Teacher: 1 question, 1 affirmation, 1 challenge
• Student: write down 2-min followup action
• Students self-flag key moments ("Here are the 3 turns em most proud của")
• Teacher samples — read full 20%, skim 80%
• Students curate top 3 turns với annotations — thay vì nộp toàn bộ chat log

## Self-Assessment Form — [Assignment Name]

**Before submitting, I score my own work:**
- Delegation: emerging / developing / proficient / advanced
- Description: e / d / p / a
- Discernment: e / d / p / a  
- Diligence: e / d / p / a

**Evidence for each score (2-3 sentences each):**
- Delegation evidence: [...]
- [...]

**One area I want feedback on:** [...]

**My score prediction from teacher:** [...]

Case studies theo chuyên ngành

📝 Lớp Viết học thuật

Challenge: Research paper dễ bị AI-written hoàn toàn.

Assignment design:

🧪 Intro Biology

Challenge: Lab reports dễ formulaic, AI can write.

Assignment design:

💼 MBA Strategy

Challenge: Case analyses dễ generic.

Assignment design:

⚖️ Legal Writing

Challenge: Citations dễ bị hallucinated.

Assignment design:

🎨 Design Studio

Challenge: Khó differentiate "student's concept" từ "AI generation".

Assignment design:

🏥 Nursing Program

Challenge: Patient care scenarios phải safe + ethical.

Assignment design:

🏫 K-12 Teacher Training

Challenge: Future teachers must model ethical AI use.

Assignment design:

📚 History Research Seminar

Challenge: Sources can be fabricated by AI.

Assignment design:

• Outcome: final paper 15 trang
• Process: 3 required checkpoints nộp chat log
• Reflection: personal writing philosophy statement 2000 từ
• Key constraint: Reflection phải reference specific moments từ chat log (không chỉ abstract)
• Volume management: Peer review chat logs; lightning conferences final week
• Outcome: data analysis report với AI-generated visualizations
• Process: chat log showing AI help with statistical reasoning
• Reflection: 500 từ trên "where AI helped my understanding vs. where I had to work harder alone"
• Volume management: Self-flag 3 "aha moments" trong chat log; teacher skim rest
• Outcome: 2000-word strategic recommendation
• Process: "decision journal" — each major AI-assisted decision, documented why accepted/rejected suggestion
• Reflection: peer-shared personal AI playbook
• Volume management: Decision journal format tight; peer share distributes review burden
• Outcome: 1500-word legal brief IRAC format
• Process: "Citation verification log" — mỗi case cited, screenshot Westlaw verification required
• Reflection: written policy về AI use trong legal practice (2 pages)
• Volume management: Verification log is binary pass/fail (verified all citations? Yes/No). Fast to check.
• Outcome: final design artifact
• Process: iteration log (sketches → AI iterations → selections → refinements)
• Reflection: 10-minute video presentation "my design philosophy + how AI fits"
• Volume management: Video format natural compression; selective deep-review for outliers
• Outcome: care plan for case scenario
• Process: chat log showing HIPAA-compliant AI use (no real PHI)
• Reflection: ethical dilemmas encountered + how resolved
• Volume management: Rubric focused on Diligence indicators (heavy weight); lightning conference for peer-identified edge cases
• Outcome: complete lesson plan for assigned topic
• Process: transparency log — where AI suggested, what teacher kept/modified/rejected
• Reflection: "What would I tell my students about AI?" policy statement
• Volume management: Peer review between pre-service teachers — practicing feedback skills
• Outcome: historical research paper
• Process: "source verification trail" — each source cited includes proof of independent verification
• Reflection: "my relationship with AI as a research assistant" essay
• Volume management: Verification trail spot-check (random 20%); trust-but-verify signal

Prompt mẫu: Thiết kế assignment với AI partner

1. Connect tới rubric của em

2. Select components phù hợp

Từ bài 13.3, rubric tôi tạo cho assignment [X] nhấn mạnh competencies
[D1, D2, D3]. Đề xuất: type assignment nào (outcome/process/reflection
hoặc combo) sẽ best allow sinh viên demonstrate competencies đó?
Consider: course context tôi, workload manageable, thời gian tôi có.

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

3. Build authenticity

Review các assignment components discussed trong bài 13.4:
- Outcome-based: improving outputs, product comparison, constraint-
  based, peer product review
- Process-based: annotated chat logs, recorded narrations, process
  playbooks, peer debrief
- Reflection-based: guided inquiry, learning journals, scenarios,
  personal policy statements

Cho assignment của tôi, chọn 2-3 components work together coherently.
Adapt để feel natural với course context tôi. Ensure workload
manageable cho cả sinh viên và tôi.

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

4. Design iteration structure

Assignment hiện tại của tôi: [brief description]. Tôi muốn make nó
more "authentic" — mirror real-world AI collaboration trong [ngành].
Suggest: (1) realistic stakeholder tôi có thể fake into brief, (2)
genuine constraints professionals trong ngành này face, (3) real-
world consequences I can reference for motivation.

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

5. Write transparent instructions

Assignment của tôi 3 tuần. Suggest checkpoint structure:
- Checkpoint 1 (end week 1): submit gì? evaluate gì?
- Checkpoint 2 (end week 2): submit gì? evaluate gì?
- Final (end week 3): submit gì? evaluate gì?

Mỗi checkpoint cần: clear deliverable, feedback opportunity,
chance for students to course-correct. Volume reasonable for cả
students và grader.

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

6. Volume management plan

Draft assignment instructions specific but not overwhelming. Include:
- Clear statements về "tôi assessing gì" (process + reflection, not
  just output)
- Deliverables, formats, submission requirements
- Connect explicitly tới AI Fluency development (which Ds, why)
- 1-2 common pitfalls và how to avoid

Target length: 500-800 words. Tone: inviting + clear.

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

7. Reflection prompt diversity

Assignment expected: 30 students × [N deliverables]. Help me plan:
- Elements I grade IN DETAIL (deep review): which?
- Elements I review QUICKLY (skim + spot-check): which?
- Peer-review elements: which?
- Self-assessment components: which?
- Sampling strategy for labor-intensive components (e.g., chat logs)?

Target grading time budget: [X] hours total. Realistic?

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

8. Managing student anxiety about AI assignments

Generate 15 reflection prompts diverse enough dùng suốt 10-week
course (2 reflections / week). Variety axes: 
- Stance (looking back vs. projecting forward)
- Focus (technical vs. ethical vs. emotional)
- Format (essay, bullet list, metaphor, dialogue)
- Prompt style (direct question vs. scenario vs. "complete the sentence")

Prevent reflection fatigue.

Prompt mẫu: Thiết kế assignment với AI partner (tiếp)

Sinh viên ngành [X] có anxiety về: (1) "mình có cheat không?", 
(2) "giáo viên đánh giá AI hay mình?", (3) "nếu mình dùng AI 
yếu, có bị trừ điểm?".

Draft 500-word "AI Use Policy for This Course" statement addressing
these concerns: transparent, reassuring, clear boundaries. Include:
what IS cheating, what is NOT, expected transparency, support 
available.

Anti-patterns — Sai lầm khi thiết kế AI assignments

❌ Ban AI entirely + enforce with proctored exam

Tại sao là sai: Không dạy AI Fluency. Sinh viên vẫn dùng AI outside class → deception dynamic.

Cách đúng: Design AI-inclusive assignments. Teach students use AI well.

❌ Allow AI without structure

Biểu hiện: "Dùng AI tùy ý, nộp bài cuối."

Tại sao là sai: No learning of collaboration skills. Sinh viên tối ưu cho shortest path.

Cách đúng: Require process evidence + reflection. Structure the use.

❌ Single-shot assignment với AI

Biểu hiện: "Viết essay dùng AI. Nộp 1 lần."

Tại sao là sai: Miss iteration — core của AI collaboration.

Cách đúng: Multi-checkpoint structure với feedback loops.

❌ Hide evaluation criteria

Biểu hiện: "Tôi chấm dựa vào quality. Em sẽ hiểu khi thấy điểm."

Tại sao là sai: Students không biết what to optimize. Unfair.

Cách đúng: Published rubric + pedagogical transparency.

❌ Over-assign reflection

Biểu hiện: 3 reflections mỗi tuần, cùng format.

Tại sao là sai: Reflection fatigue. Quality plummets.

Cách đúng: 1 reflection / week OR biweekly, with format variety.

❌ Grade AI response quality as student quality

Biểu hiện: "Claude trả lời thông minh → student điểm cao."

Tại sao là sai: Em đang grade AI, not student.

Cách đúng: Grade student's discernment, description refinement, diligence — not AI output sophistication.

❌ Require AI tool cụ thể

Biểu hiện: "Must use Claude for this assignment."

Tại sao là sai: Lock-in; miss Platform awareness learning.

Cách đúng: Allow choice. Require justification ("Why did you choose this AI?"). Different students may make different valid choices.

❌ Ignore digital divide

Biểu hiện: Assignment assumes AI paid tier, fast internet, latest hardware.

Tại sao là sai: Unfair cho sinh viên resources limited.

Cách đúng: Design for free tier. Provide institutional AI access if possible. Acknowledge gap và work around.

❌ "Reflection theater" — sinh viên viết những gì bạn muốn nghe

Biểu hiện: Reflection đầy clichés: "I learned a lot", "AI is really helpful but also has limitations".

Tại sao là sai: No real learning captured. Just performance.

Cách đúng: Reflection prompts SPECIFIC ("give 1 concrete example of a moment you reversed your approach mid-conversation"). Reward specificity + honesty over polish.

Mẹo nâng cao

Mẹo 1: "AI diary" as low-stakes reflection

Daily 5-minute journal entry (không grade): "1 thing I learned from AI today. 1 thing AI got wrong. 1 thing I want to try tomorrow." Build reflective habit without burden.

Mẹo 2: Model vulnerability

Share 1 chat log of YOUR OWN — including the part where AI misunderstood you. Students see iteration và imperfection normal.

Mẹo 3: "Ethics auction" — quirky but effective

Give sinh viên hypothetical scenarios. Each votes which is "most problematic" AI use. Discuss disagreements. Surface tacit ethics.

Mẹo 4: Public showcase culture

End of semester: sinh viên present "my AI collaboration growth" to peers + invited external guest (industry person, colleague). Stakes raise quality.

Mẹo 5: Course-long "AI relationship" essay

Semester-long project: each sinh viên document their evolving relationship với AI. Final: 5000-word meta-essay. Deep, transformative.

Áp dụng ngay — Thiết kế assignment

Step 1: Assignment Architecture (10 phút)

Tiếp tục từ Bài 13.3 conversation về assessment design.

Connect tới rubric:

Select assignment components:

Step 2: Building in Iteration and Growth (10 phút)

Design opportunities cho refinement và development:

Step 3: Implementation Planning (10 phút)

Finalize practical details:

Ghi lại kết quả:

Reflection

• Reference rubric em vừa tạo + competencies nó emphasizes
• Thảo luận với AI type assignment/component nào best allow sinh viên demonstrate competencies đó
• Consider: focus trên outcome, process, reflection, hay combination?
• Explore: assignment này fit trong broader course structure thế nào?
• Review các components discussed với AI
• Chọn 2-3 components work together coherently cho purposes của em
• Adapt để feel natural trong course context
• Ensure workload manageable cho cả sinh viên và em
• Ensure assignment mirrors real-world AI collaboration trong field em, build in genuine problems nơi AI partnership thật adds value
• Thảo luận với AI nơi sinh viên nên pause và refine work
• Plan checkpoints cho phép sinh viên learn từ early attempts
• Tạo templates hoặc guides cho sinh viên capture key decision moments
• Design support structures cho sinh viên struggle with reflection
• Work với AI draft assignment instructions specific but not overwhelming
• Include clear statements về "đang assessing gì" (process + reflection, not just output)
• Specify deliverables, formats, submission requirements
• Connect assignment explicitly tới AI Fluency development
• Thảo luận với AI cách keep grading manageable, including:
• Elements em assess detail vs. review quickly
• Peer review components add value without adding burden
• Cách dùng sampling hoặc conferences thay extensive written feedback
• Assignment name: ___________
• 3 deliverables sinh viên nộp: ___________
• Iteration structure (checkpoints): ___________
• Volume management strategy cụ thể: ___________
• 1 concern chính: ___________
• Thách thức nào em anticipate trong implementing assessments này?
• Em sẽ communicate VALUE của process và reflection tới sinh viên thế nào?

Tóm tắt bài học

🎯 Ba nguyên tắc: Authenticity, Iteration, Pedagogical transparency — Miss bất kỳ cái nào, assignment dễ fail.

🎯 Outcome assignments are most straightforward — Key to assessing Description và Discernment.

🎯 Process assignments make invisible visible — Chat logs, narrations, playbooks turn private thinking into shareable artifact.

🎯 Reflection assignments need variety — Same format 3 weeks in a row = fatigue. Mix modes, stances, formats.

🎯 Plan ahead for volume — Rubrics granular, self/peer review, lightning conferences, selective sampling. Design grading in FROM THE START.