Концепції
Навчання на основі задач
Автоматичний переклад цієї англійської сторінки, не перевірений носієм мови.
Навчання на основі задач (ПЗЗ) — зорієнтована на здобувача педагогіка, у якій студенти набувають знань і навичок, працюючи над розумінням і розв’язуванням реалістичної, часто погано структурованої задачі, а фасилітатор направляє дослідження, а не здійснює навчання. В епоху ШІ структурні риси ПЗЗ — дослідження, кероване задачею, співбудівництво знань, фасилітація замість навчання та метакогнітивна рефлексія — виявилися тими самими умовами, за яких інтеграція генеративного ШІ стає освітньо продуктивною, а не замісною.
Питання для роздумів
- У навчанні на основі задач сама задача є двигуном навчального плану, а не ілюстрацією змісту, викладеного деінде. Чи можете ви згадати випадок, коли ви вивчили щось глибоко, бо спершу розв’язували справжню задачу?
- Сторінка стверджує, що риси ПЗЗ (дослідження, кероване задачею, співпраця, фасилітація, рефлексія) є саме тими умовами, за яких ШІ стає продуктивним партнером, а не скороченням шляху. Чому це може бути саме так?
- ШІ розриває зв’язок між поданим артефактом і зусиллям, яке його породило, — проблема «артефакта як посередника». Як допомагає оцінювання процесу, а не лише продукту, і що робить оцінювання процесу Оцінювання складним?
- ПЗЗ виникло в медичній освіті частково тому, що професійна компетентність потребує адаптивного судження, а не рутинного виконання. У чому різниця між ними і як ШІ змінює те, для чого ми готуємо?
- Якщо ШІ тепер може зробити «злісні задачі» та складні реальні кейси доступними для більшої кількості студентів, що може бути втрачено, коли виклик стає легшим для досягнення?
- Де має проводити межу ШІ в умовах ПЗЗ між тим, щоб дати задачу, підказку чи відповідь? Що визначає, який крок є правильним у кожен момент?
Вступ
ПЗЗ виникло в медичній освіті (Університет Макмастера, 1960-ті) і відтоді поширилося на професії охорони здоров’я, інженерію та K-12. Здобувач бере на себе відповідальність за діагностування навчальних потреб, виявлення ресурсів і конструювання розв’язків, тоді як фасилітатор скаффолдить процес. Характерний тезис ПЗЗ полягає в тому, що саме задача є двигуном навчального плану — не ілюстрацією змісту, викладеного деінде, а контекстом, у якому цей зміст засвоюється.
ПЗЗ в епоху ШІ
Дослідження бази знань показують, що ПЗЗ стало фокусом для мислення про продуктивну інтеграцію ШІ.
- Структурні умови ПЗЗ роблять інтеграцію ШІ продуктивною. Rowe (2026) стверджує, що основні риси ПЗЗ — дослідження, кероване задачею, співбудівництво, фасилітація, метакогнітивна рефлексія — є саме тими умовами, за яких ШІ функціонує як партнер в професійному розвитку, а не скорочення навколо нього. Узгодженість є структурною, а не ретроспективною: ПЗЗ було спроєктоване навколо цих умов до існування ШІ, спираючись на визнання того, що професійна компетентність потребує адаптивного судження, а не рутинного виконання.
- ШІ піднімає стелю складності задач. Той самий аргумент полягає в тому, що ШІ розширює ту категорію задач, яку може опрацьовувати ПЗЗ, роблячи «злісні задачі» та складні реальні кейси доступними для студентів, які раніше не могли їх досягти.
- Проблема «артефакта як посередника». ШІ розриває зв’язок між поданим артефактом і залученістю, що його породила, — проблема, до вирішення якої ПЗЗ добре підготовлене, оскільки воно оцінює процес і продемонстроване розуміння, а не лише продукт. Це пов’язує ПЗЗ з автентичним та процесно-зорієнтованим оцінюванням і з літературою бази знань про надмірну опору.
Трирівнева мета-аналіз, яка об’єднує ПЗЗ із підтримкою GenAI з навчанням на основі проєктів, тримає результативність продукту й розв’язку в окремій моделі саме тому, що вона вимірює колаборативний вихід людини та ШІ, а не інтерналізоване навчання, і ця оцінка є найбільшою з тих, що повідомляють рецензенти (g = 1,958), хоча спирається лише на шість досліджень і несе приблизний 95% предиктивний інтервал [−0,740; 4,656], що перетинає нуль — кількісна форма застереження про «артефакт як посередник» вище (Chen et al. 2026).
-
ChatGPT як адаптивний скаффолдинг. La Sunra et al. (2026) показують ChatGPT, інтегрований як адаптивний скаффолдинг у межах рамки ПЗЗ з підсиленням ШІ, для покращення критичного мислення та персоналізованого навчання в K-12 (120 восьмикласників). Це розглядає ШІ як підтримку в межах ПЗЗ, а не як машину відповідей.
-
Агент, що впроваджує полеміку, може протистояти груповій думці. Агент на базі GenAI, озвучений у трьох заданих точках у міжпрофесійному сеансі ПЗЗ, вносив полемічні перспективи, і студенти повідомляли, що їхнє спростування давало їм соціально прийнятний спосіб висловитися, причому розбіжність стимулювала рефлексію навіть тоді, коли вони відкидали відповіді агента (Wiss et al. (2025)).
-
Квазіекспериментальні докази з підготовки майбутніх викладачів. Chen and Osman (2026) порівнювали восьмитижневий модуль CTD-PBL з підтримкою ШІ зі звичайним навчанням для 130 викладачів-початківців фізики третього курсу (65 на умову), із використанням DeepSeek через шаблони підказок, специфічні для завдань, як обмеженого скаффолдингу — генерація ідей уроків, організація ресурсів, порівняння пояснень, підказки для відгуку однокурсників і планування доопрацювання — і кожен вихід ШІ мусив проходити перевірку на точність змісту, педагогічну доречність, здійсненність та Етика, перш ніж потрапити в навчальний артефакт. Група модулю повідомила про вищий посттестовий TPACK (M = 4,04 проти 3,40, d = 1,02) і вище сприйняте колаборативне вирішення задач (M = 3,62 проти 3,05, d = 0,88), а найбільші ефекти взаємодії припали на спільне будівництво знань і соціальну регуляцію — саме на ті виміри колаборативного процесу, які структурний аргумент вище передбачає, що ШІ має посилювати, а не обходити. Автори явно зазначають, що ШІ не був ізольований як незалежна змінна: диференційна зміна прив’язана до всієї умови завдань на основі задач, структурованої співпраці, скаффолдингу з боку викладача, відгуку однокурсників та рефлексивного доопрацювання, і обидва результати були самоописуваними сприйняттями, а не спостережуваною практикою.
-
Рамки відповідального використання. Uden & Hwang (2026) просувають нейронауково обґрунтовану рамку LEARN (Lifelong Learning, Engagement, Active Processing, Reflection, Neuro-based Design) для етичного обґрунтування використання генеративного ШІ в межах ПЗЗ, протидіючи когнітивному розвантаженню та ерозії доброчесності.
-
Предметні імплементації. Рамки ПЗЗ для біомедичної інженерії використовують GenAI для узагальнення та підтримки кодування з пакетами відтворюваності (Nnamdi et al. 2026); ПЗЗ з підтримкою ШІ посилює обчислювальне мислення в робототехніці (ПЗЗ з підтримкою ШІ для обчислювального мислення); а віртуальні пацієнти на базі GenAI підтримують туторіали зі збирання медичного анамнезу (Mool et al. (2026)).
-
Синтез доказів. Amdan et al. (2026) систематично оглядають 50 досліджень (2015–2024) про залученість викладачів до ШІ в ПЗЗ у межах рамки взаємодії людини та комп’ютера.
-
GenAI в сценарійному ПЗЗ. Neto and colleagues (2026) включають навчання на основі задач до сценарійних підходів у своєму систематичному огляді GenAI в освіті охорони здоров’я, виявивши, що проєктування підказок функціонує як навчальна специфікація і що гібридна колаборація людини та ШІ перевершує повністю автоматизовані підходи. Огляд підкреслює потребу в сильнішому узгодженні згенерованого контенту з навчальними рамками й у більш відтворюваних практиках формулювання підказок у контекстах ПЗЗ.
-
ШІ може нести доставку знань тьютором, але не соціальну регуляцію групового навчання. У чотиритижневому квазіексперименті з фармакології Shetty & Rao (2026) виявили, що ПЗЗ з опосередкуванням ШІ відповідало фасилітаторному ПЗЗ за академічними здобутками (міжгрупове p = 0,474), тоді як групи з фасилітатором зберегли переваги в груповій динаміці (26,51 проти 24,74, p = 0,035) і критичному мисленні (14,75 проти 13,09, p < 0,001).
ПЗЗ та споріднені педагогіки
ПЗЗ тісно пов’язане з навчанням на основі проєктів — обидва є зорієнтованими на здобувача й керованими задачею/контекстом, — але ПЗЗ зосереджене на погано структурованій задачі, чиє розв’язування вимагає дослідження та будівництва знань, тоді як навчання на основі проєктів зосереджене на створенні відчутного артефакту чи проєкту. ПЗЗ є такше родичем навчання на основі кейсів та навчання на основі дослідження, які поділяють ту саму структуру, керовану задачею та фасилітацією. У картуванні бази знань структурний аргумент на користь продуктивної інтеграції ШІ застосовний до будь-якої педагогіки, що поділяє ці риси, а не лише до ПЗЗ.
Чому ПЗЗ важливе для інтеграції ШІ
Оскільки ПЗЗ виводить на передній план процес, співпрацю та продемонстроване розуміння понад створення артефактів, воно є природним домом для відповідального використання ШІ: студенти навчаються з ШІ як із партнером, а не від ШІ як від замінника. Роль фасилітатора й проєктування задач стають важелями, що визначають, чи підтримує ШІ навчання, чи витісняє його — ті самі занепокоєння щодо людського нагляду та проєктування оцінювання, які повторюються по всій базі знань.
Продуктивна невдача та ПЗЗ
Продуктивна невдача (ПН) поділяє Конструктивізм ядро ПЗЗ — Здобувачі опрацьовують задачі перед навчанням, — але відрізняється структурою: ПН свідомо утримує навчання та скаффолдинг до моменту після того, як здобувачі намагаються згенерувати розв’язки, тоді як ПЗЗ вбудовує фасилітацію через увесь процес. Література про ПН в епоху ШІ напряму інформує, як ШІ має поводитися в межах умов навчання на основі задач: Kim et al. (2026) показують, що ШІ має зберігати продуктивну боротьбу через недирективну підтримку на фазах ПН; Puech et al. (2025) демонструють, що Великі мовні моделі (LLM)-репетитори можуть бути спрямовані утримувати відповіді й викликати кілька спроб розв’язання; і ProductiveMath використовує ШІ, щоб допомогти проєктувати високоякісні задачі в стилі ПН/ПЗЗ. Питання проєктування — коли ШІ має дати задачу, підказку чи відповідь — є спільним для обох педагогік.
Пов’язані поняття
- Навчання на основі проєктів
- Активне навчання
- Спільне навчання
- Скаффолдинг
- Критичне мислення
- Метакогніція
- Розвантаження когніції
- Аутентичне оцінювання
- Генеративний ШІ
- ШІ-грамотність
- Освіта медиків та професій охорони здоров’я
- Інженерна освіта
- Вища освіта
- Продуктивна невдача — Продуктивна невдача
Пов’язані статті
-
Problem-based and project-based learning as promising frameworks for generative AI-supported education: Emerging evidence from a systematic review and three-level meta-analysis — Problem-based and project-based learning as promising frameworks for generative AI-supported education: Emerging evidence from a systematic review and three-level meta-analysis
-
Problem-Based Learning and the Structural Conditions for Productive AI Integration — ПЗЗ і структурні умови продуктивної інтеграції ШІ (Rowe 2026)
-
A Systematic Review of Educators' Engagement with AI in Problem-Based Learning — Систематичний огляд залученості викладачів до ШІ в ПЗЗ (Amdan et al. 2026)
-
Using Generative AI to Simulate Patient History-Taking in a Problem-Based Learning Tutorial: A Mixed-Methods Study — Віртуальний пацієнт на базі GenAI для медичних туторіалів ПЗЗ (Mool et al. 2026)
-
The LEARN Framework for Responsible Use of Generative AI in Education: A Neuroscience-Informed Model for Problem-Based Learning — Рамка LEARN для відповідального GenAI в ПЗЗ (Uden & Hwang 2026)
-
AI-Enhanced Problem-Based Learning Framework: Integrating ChatGPT as Adaptive Scaffolding to Improve Critical Thinking and Personalized Learning — ChatGPT як адаптивний скаффолдинг у ПЗЗ з підсиленням ШІ (La Sunra et al. 2026)
-
Advancing Problem-Based Learning in Biomedical Engineering in the Era of Generative AI — ПЗЗ у біомедичній інженерії в епоху GenAI (Nnamdi et al. 2026)
-
AI-Supported Problem-Based Learning for Enhancing Computational Thinking — ПЗЗ з підтримкою ШІ для обчислювального мислення
-
Utilizing Generative AI to Counter Learner Groupthink by Introducing Controversy in Collaborative Problem Based Learning Settings — Агент на базі GenAI протистоїть груповій думці в міжпрофесійному ПЗЗ
-
Inquiry-Based Learning in STEM Education: The Impact of Generative AI-Based Chatbots on Primary School Students' Problem Posing Ability in Science — Чатботи на базі GenAI і проблемопостановка в природничих науках початкової школи
-
The AI-Powered Co-inquirer: A Systematic Review of ChatGPT for Inquiry-Based Learning in STEAM Education — ChatGPT для навчання на основі дослідження в STEAM
-
Designing AI systems to support a productive-failure-based learning: insights from adult learners on AI applications — Designing AI Systems to Support Productive-Failure-Based Learning
-
Towards the Pedagogical Steering of Large Language Models for Tutoring: A Case Study with Modeling Productive Failure — Pedagogical Steering of LLMs for Productive Failure
-
ProductiveMath: A Generative-AI-Powered App to Support Productive Failure Teaching — ProductiveMath: AI to Support PF Problem Design
-
Generative AI in Scenario-Based Healthcare Education: A Systematic Review of Applications, Validation Practices, and Pedagogical Integration — Систематичний огляд GenAI в сценарійній освіті охорони здоров’я (Neto et al. 2026)
-
Changes in pre-service physics teachers' TPACK and collaborative problem solving associated with an AI-supported CTD-PBL module: A quasi-experimental study — Модуль CTD-PBL з підтримкою ШІ для 130 викладачів-початківців фізики: TPACK і колаборативне вирішення задач (Chen & Osman 2026)
-
Facilitator-Mediated Versus AI-Mediated Problem-Based Learning in Pharmacology Education: A Quasi-Experimental Study Among Second Year Medical Students — ПЗЗ з опосередкуванням фасилітатора проти опосередкування ШІ в освіті з фармакології: квазіекспериментальне дослідження серед студентів-медиків другого курсу