Kako umjetnu inteligenciju treba ugraditi u iskustvo učenja?

Automatski strojni prijevod ove engleske stranice, koji još nije pregledao izvorni govornik.

U nacrtu modula postoji retka na kojoj piše „AI aktivnost“ i nitko ne može reći što ona zamjenjuje. Ili je nastavnik zatražio da se u kolegij koji već dobro funkcionira doda chatbot, a vaš je zadatak smjestiti ga tako da ne pokvari dio zbog kojeg je kolegij funkcionirao.

Pođite od cilja učenja i od aktivnosti koja ga proizvodi. Isti model umjetne inteligencije može biti postupna potpora, sokratovski partner, čitatelj nacrta, simulacija ili stroj za odgovore, a koji ćete dobiti ovisi o oblikovanju, a ne o modelu. Imenujte način rada koji gradite, stavite pokušaj učenika prije nego što se pojavi ikakva pomoć i zadržite barem jedan put kroz kolegij koji ide bez alata.

Kratka verzija

1. Napišite rečenicu o tome što učenici nakon toga mogu raditi bez alata i provjerite svaku AI značajku prema njoj.

2. Složite interakciju u slijed: učenik pokušava, AI podupire, učenik procjenjuje ili revidira, učenik pokazuje razumijevanje.

3. Imenujte način rada na ICAP ljestvici. Zaobilaženje i postupna potpora mogu biti isti alat na različitim razinama.

4. Smjestite AI ondje gdje slijed kolegija već predviđa određenu aktivnost, a ne na kraju kao dodatak.

5. Uskraćujte alat dok se sposobnost oblikuje, a zatim ga vratite na kontrolnoj točki koju student ne može odglumiti.

Odredite što učenik radi bez alata

Koncept Pedagogije i strategije poučavanja u bazi znanja daje mjerilo: čuva li konfiguracija aktivnost koja proizvodi namjeravano učenje? Odgovorite na to na papiru, prije nego što itko odabere značajku.

Okvir principijelne primjene umjetne inteligencije u obrazovanju navodi opće pravilo: tehnologija treba proširivati, a ne istiskivati ljudske sposobnosti koje obrazovanje namjerava razvijati. Izraženo kao mjerilo za modul, to znači imenovati sposobnost, imenovati aktivnost koja ju gradi i pitati nalazi li se AI unutar te aktivnosti ili pokraj nje.

Stavite pokušaj prije pomoći

Zadani obrazac koji preživljava susret sa stvarnim razredom: učenik pokušava, AI podupire, učenik procjenjuje ili revidira, učenik pokazuje razumijevanje.

U praksi to znači tražiti početnu predikciju ili rješenje prije nego se pojavi ikakva pomoć i davati prednost pitanjima, naputcima, primjerima, protuargumentima i povratnim informacijama pred trenutačnim dovršavanjem. Sačuvajte produktivni neuspjeh ondje gdje služi učenju. Zahtijevajte provjeru tvrdnji koje nose posljedice, ugradite objašnjenje i poučavanje unatrag, te postupno povlačite potporu kako kompetencija raste. Zadržite dio rada bez AI-a kako bi učenici mogli kalibrirati što mogu sami.

Smanjenje zloupotrebe umjetne inteligencije preporučuje isti oblik: slijed „prvo misli, zatim AI, pa promisli“, s namjernim kontrolnim točkama procjene.

Imenujte način rada za koji oblikujete

Analogija kuhinjskog stroja Rummel, Nachtigall i Panadero premješta pitanje s toga koriste li učenici generativnu umjetnu inteligenciju na to kako ta upotreba oblikuje ono što postaju. Preslikana na ICAP i SAMR, ona daje ljestvicu. Potpuno prepuštanje zadatka bez revizije ili kritičkog angažmana jest pasivna zamjena i nosi rizik od gubitka vještine i pretjeranog oslanjanja. Profinjavanje upita i unakrsna provjera rezultata traže prethodno znanje i samoregulaciju, što je aktivno ili nadgradnja. Korištenje AI-ja za razradu ideja, skiciranje i procjenu vlastitog rada jest konstruktivno ili preinaka. AI kao pravi sugovornik za suizgradnju i prilagodljive povratne informacije jest interaktivno ili redefinicija.

Implikacija je izravna. Isti je alat zaobilaženje na jednoj razini i potpora na sljedećoj, pa bi dokument o oblikovanju trebao imenovati namjeravani način rada.

Smjestite ga ondje gdje slijed predviđa aktivnost

Divjak, Svetec i Horvat analizirali su planirani slijed 29.064 nastavnih i učnih aktivnosti na 554 kolegija i pronašli vidljivu gramatiku oblikovanja. Aktivnosti tipa usvajanja najčešća su ulazna točka i najveći pojedinačni tip, iznad 20%. Tip učenja prati namjeravanu Bloomovu razinu, pri čemu usvajanje pada s oko 50% na razini 1 na oko 20% na razini 6, a proizvodnja raste iznad 20% na razinama 5 i 6. Najjači prijelaz u podacima jest prijelaz s procjene na raspravu, s vrijednošću 0,332.

Iz toga slijede dvije lekcije za oblikovanje s AI-jem. Smjestite alat ondje gdje slijed predviđa tip aktivnosti. I, budući da se povratne informacije grupiraju uz suradnju, grupni rad i prisutnost nastavnika, vršnjačke i sinkrone strukture mjesta su na koja se AI potpora treba priključiti, a ne mjesta koja treba zamijeniti.

Odredite što uskratiti i kada to vratiti

Okvir „suzdrži se, zatim pojačaj“ Torres-Sahli i suradnika prenosi to na razinu programa. Uskratite generativni alat dok se sposobnost oblikuje, a zatim ga vratite kad student može njime upravljati, prosuditi što mu se vraća i odgovarati za to, uz kontrolnu točku koju je teško odglumiti na svakom prijelazu.

Uređaji se prosuđuju prema kriteriju oblikovanja nasuprot rasterećenju: dopušteni su ondje gdje podupiru angažirani rad, isključeni ondje gdje crpe pažnju. To pretvara odluke o rasterećenju u pitanje kurikuluma i upravljanja koje dolazi prije oblikovanja na razini kolegija, a ne poslije njega.

Provjerite je li usklađivanje stvarno

Analiza diskursa McInnes i suradnika na 14 dokumenata smjernica za visoko obrazovanje upozorava da savjeti uokvireni učinkovitošću, poput korištenja generativne umjetne inteligencije za izradu ishoda, rubrika i nacrta kolegija, proizvode usklađenost koja izgleda usklađeno dok zanemaruje konstruktivnu polovicu. Ishodi, aktivnosti i procjene generiraju se kao zasebne stavke, a ne kao međuovisne.

Njihov je lijek promjena slijeda. Edukatori bi trebali razumjeti konstruktivno usklađivanje dovoljno dobro da usmjere, ispitaju i odbiju AI rezultat prije nego što mu povjere bilo koji dio, jer je prihvaćanje uvjerljive površine ista evaluacijska pogreška na koju upozoravaju studente. Ondje gdje se AI rabi, zagovaraju institucionalno omeđene, obogaćene dohvatom sustave konfigurirane prema lokalnoj politici i standardima kvalitete, a ne generičke zadane postavke trenirane na internetu.

Što oblikovatelji nastave rade pogrešno

Dodavanje AI-ja računa se kao intervencija. Ono što mijenja učenje jest aktivnost koju student izvodi, a AI je jedan dio okruženja za nju. Dobro smješten naputak i dobro smješten odgovor mogu raditi na istom modelu i proizvesti suprotno učenje.

Pisanje dopuštenja jest oblikovanje. Dopuštenje određuje što je dopušteno. Ono ne određuje slijed, način rada ni kontrolnu točku, a to troje odlučuje hoće li aktivnost preživjeti.

Učinkovitost je cilj redizajna. Izrada ishoda i rubrika s modelom je brza, a analiza 14 dokumenata pokazala je da rezultat može izgledati usklađeno dok dijelovi prestaju podupirati jedan drugoga.

Što će vam se vratiti

„Studenti će ga ionako koristiti, pa je oblikovanje oko toga naivno.“ Hoće, i to je argument za to da se način rada odredi i poučava. Modul koji imenuje način rada daje studentu nešto s čime se može uskladiti.

„Nemamo vremena presložiti cijeli kolegij.“ Onda presložite jedan modul i jednu procjenu. Prijelaz „suzdrži se, zatim pojačaj“ jedna je kontrolna točka, a slijed „prvo misli“ tri su upute na jednom listiću.

„Naša AI značajka već ima zaštitne ograde.“ Zaštitne ograde ograničavaju što model govori. One ne odlučuju je li učenik prvi pokušao, povlači li se potpora ni postoji li put bez AI-a. To su odluke o oblikovanju u vašem kolegiju, a ne postavke u proizvodu.

Što učiniti ovaj tjedan

1. Napišite rečenicu o izvedbi bez pomoći za modul i stavite je iznad popisa aktivnosti.

2. Označite namjeravani ICAP način uz svaku AI aktivnost u nacrtu.

3. Premjestite jednu AI aktivnost tako da učenik prvi pokuša riješiti problem.

4. Odaberite jedan put kroz modul bez AI-a i označite ga studentima.

5. Imenujte jedan prijelaz na kojem se alat uskraćuje i kontrolnu točku koja ga vraća.

Kamo dalje

Oblikovanje učenja, aktivno učenje i postupna potpora nose rječnik oblikovanja. Za zadane postavke na razini interakcije koje odlučuju čuva li osmišljena aktivnost učenje, pogledajte Kako smanjiti varanje uz AI? i Kako redizajnirati procjenu za doba AI-ja?. Oblikovanje obrazovnog AI softvera pokriva kako isti principi ograničavaju sam softver, a Kako razviti djelotvoran AI tutor? prevodi ih u arhitekturu tutora.