Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

How Should AI Be Designed Into the Learning Experience?

Anza na lengo la kujifunza na mchakato wa kujifunza — si kipengele cha AI. Dhana ya hifadhi ya maarifa ya Mbinu za Kufundisha na Mkakati wa Kufunza inasisitiza kuwa AI ile ile inaweza kufanya kazi kama ngazi za msaada, mwenye kuzungumza wa Sokrata, mwenzio wa maoni, Uigaji, au mtengenezaji wa majibu, kulingana na ubuni wa mafunzo. Kilichomuhimu ni iwapo usanidi unahifadhi shughuli inayozalisha kujifunza kunakokusudiwa.

Muundo chaguo-msingi thabiti

Muundo chaguo-msingi thabiti ni: mwanafunzi hujaribu → AI inasaidia → mwanafunzi huthmini au huboresha → mwanafunzi anaonyesha ufahamu. Kwa njia mahususi zaidi:

• Hifadhi kushindwa kwa uzalifaji (productive failure) mahali panapofaa kujifunza.
• Uliza utabiri au suluhisho la awali kabla ya kuonyesha msaada wa AI.
• Pendelea maswali, vidokezo, mifano, hoja za kupinga, na maoni (feedback) kuliko kukamilisha kazi papo hapo.
• Hitaji uthibitishaji wa madai yenye matokeo makubwa.
• Jumuisha fursa za maelezo na za kufundisha-kurudia (teach-back).
• Punguza polepole msaada kadri uwezo unavyokua.
• Weka fursa kadhaa bila AI ili wanafunzi wapime kile wanachoweza kufanya peke yao.

Muhtasari wa Kupunguza Matumizi Mabaya ya AI unapendekeza hasa mlolongo wa fikiri-kwanza/AI-pili/kufikiri na vituo vya kutathmini vya makusudi.

Linganisha jukumu la AI na kiwango cha mahusiano ya kiakili

Ulinganifu wa mashine ya jikoni wa Rummel, Nachtigall na Panadero unaweka upya swali la ubuni kutoka iwapo wanafunzi wanatumia AI ya kizalishaji hadi jinsi matumizi hayo yanaunda kile wanachokuwa. Kuweka matumizi manne ya kifaa chenye akili cha jikoni kwenye matukio ya kujifunza kupitia miundo ya ICAP na SAMR kunatoa ngazi ya ubuni: kugawiza kazi nje kabisa, bila kuboresha au mahusiano ya kutathmini kwa njia mahususi, ni Ubadilishaji wa Kupitisha (Passive substitution) na kina hatari ya kupotea kwa ujuzi na kutegemea kupita kiasi; kuboresha ilani na kuthibitisha majibu kwa njia ya msalaba kunahitaji maarifa ya awali na kujidhibiti (Active/Augmentation); kutumia AI kubuni mawazo, kuunda mpango na kutathmini kazi ya asili ni Constructive/Modification; na AI kama mwenye kuzungumza wa kweli wa ushirikiano na Maoni ya kubadilika ni Interactive/Redefinition. Athari ya ubuni ni ya moja kwa moja: zana ile ile ni njia ya kupita kando katika ngazi moja na ngazi za msaada katika ngazi inayofuata, hivyo bainisha mtindo unaokusudiwa badala ya kutoa ufikiaji wa jumla.

Pangiliza ubuni, usiruhusu zana tu

Divjak, Svetec na Horvat walichanganua mlolongo uliopangwa wa shughuli 29,064 za kufundisha na kujifunza katika kozi 554 na waligundua sarufi ya ubuni inayoonekana: shughuli za aina ya Upataji (Acquisition) ni sehemu ya kuingia ya kawaida zaidi na aina moja kubwa zaidi (zaidi ya 20%), aina ya kujifunza hufuatilia kiwango cha Bloom kinachokusudiwa (Upataji ukishuka kutoka ~50% katika ngazi 1 hadi ~20% katika ngazi 6, Uzalishaji ukipanda zaidi ya 20% katika viwango 5–6), na mpito wenye nguvu zaidi ni Tathmini → Majadiliano (0.332). Masomo mawili kwa ubuni wa AI: AI inafaa mahali mlolongo unakusudi aina mahususi ya shughuli badala ya kuambatanishwa mwishoni, na kwa sababu maoni yalijikusanya na ushirikiano, kazi za kikundi na mwalimu aliyehusika, miundo ya marika na ya wakati mmoja huunda nyakati za Maoni ambazo msaada wa AI unapaswa kujizuia ndani yake badala ya kuzibadilisha.

Mfumo wa "jizuie, kisha ongeza" wa Torres-Sahli na wenzake unasukuma hili hadi ngazi ya mpango: zuia zana ya kizalishaji wakati uwezo unajengwa, kisha urejeshe mara mwanafunzi anapoweza kuuongoza, kuhukumu kile inachorudisha, na kuwajibika kwayo, ikiwa na kituo kinachogumu kuiga katika kila hatua. Vifaa vinatawaliwa na kigezo cha kujenga-dhidi-ya kupunguza mzigo — vinaruhusiwa mahali vinaposaidia kazi inayoshirikiwa, vinakatiliwa mbali mahali yanayovuta umakini. Hii inageuza maamuzi ya kupunguza mzigo kuwa swali la mtaala na la Utawala wa AI linalotangulia, badala ya kufuata, ubuni wa ngazi ya kozi.

Mlinganyo wa kuunda unakuja kwanza

Uchanganuzi wa mazungumzo ya McInnes na wenzake wa vipande 14 vya miongozo ya elimu ya juu unaonya kuwa ushauri uliojaa ufanisi — kutumia AI ya kizalishaji kutunga matokeo, rubriki na mipango ya kozi — unazalisha ulinganifu unaoonekana umelingana huku ukipuuza nusu ya "constructive": matokeo, shughuli na Tathmini zilizozalishwa kama vipengele vilivyotengwa badala ya vinavyotegemeana. Tiba yao ni kupanga upya mlolongo, si zuio: waelimishaji wanapaswa kuelewa mlinganyo wa kuunda vizuri vya kutosha ili kuongoza, kuchunguza na kukataa matokeo ya AI kabla ya kugawa sehemu yoyote yake, kwa sababu tabia ya kukubali kwa uso kulingana na uwezekano ni kushindwa huko huko huo ambao waalimu wanawaonya wanafunzi dhidi yake. Mahali AI inatumika, wanadai mifumo iliyowekwa mipaka na taasisi, iliyoongozwa na urejeshaji (retrieval-augmented) iliyosanidiwa kuzunguka sera ya mahali pa kazi na viwango vya ubora badala ya chaguomsingi za msingi za mtandao wa jumla.

Kanuni pana zaidi

Kanuni pana zaidi katika Mfumo wa Elimu ya AI yenye Kanuni ni kwamba teknolojia inapaswa kuongeza uwezo wa binadamu ambao elimu inakusudiwa kuendeleza, badala ya kuuchukua nafasi yake. Angalia pia Ubuni wa Mafunzo, Kujifunza kwa Shughuli na Ngazi za Msaada.

Kwa chaguo-msingi za kielimu zinazoamua iwapo mwingiliano uliobuniwa unahifadhi kujifunza, angalia Nitawezaje Kupunguza Udanganyifu wa AI katika Kozi Yangu? na Nitabuni Upya Tathmini Vipi Ili Alama Bado Iniambie Kitu Kinachoweza Kutetelewa Kuhusu Anachojua au Anaweza Kufanya Mwanafunzi?; kwa jinsi kanuni hizo zile zinavyozuia programu yenyewe, angalia Ni Mbinu Bora na Vidokezo Gani vya Kubuni Programu Bora ya AI katika Elimu?, na kwa tafsiri yao katika usanifu wa mwalimu wa AI, angalia Mbinu Bora za Kukuza Mwalimu wa AI Mwenye Ufanisi ni Zipi?.