نکات کلیدی:
- معلمان شایسته ابزارهای هوش مصنوعی هستند که تفاوت بین یک کاربرگ و یک تجربه یادگیری را بدانند
- طراحی ارزیابی هایی که حضور هوش مصنوعی را فرض می کنند
- هوش مصنوعی تکالیف را زیر پا نگذاشت: آنچه قبلاً شکسته شده بود را آشکار کرد
- برای اخبار بیشتر در مورد ابزارهای هوش مصنوعی، از مرکز یادگیری دیجیتال eSN دیدن کنید
سال گذشته، یک معلم کلاس سوم در سائوپائولو به من گفت که “بالاخره ابزار عالی هوش مصنوعی را پیدا کرد.” این کاربرگ های رنگارنگ را در چند ثانیه تولید می کند. لیست واژگان، سوالات درک مطلب، حتی یک مسابقه. او تا زمانی که سعی کرد از آنها استفاده کند هیجان زده بود. کاربرگ های آزمایش شده فراخوانی می شوند. تک تک آنها. بدون داربست، بدون ساختار مشارکتی، بدون نقطه ورود برای دانش آموزانی که به زمان بیشتری با این مفهوم نیاز داشتند. هوش مصنوعی محتوا ایجاد کرد. این منجر به تجربه یادگیری نشده است.
این شکاف در همه جا قابل مشاهده است. «بهترین ابزارهای هوش مصنوعی برای آموزش» را جستجو کنید و ده‌ها خلاصه در مقایسه ویژگی‌ها پیدا خواهید کرد: کدام ابزار سریع‌ترین آزمایش‌ها را تولید می‌کند، که وسیع‌ترین کتابخانه قالب‌ها را ارائه می‌دهد که دوستانه‌ترین رابط را دارد. اینها نقاط داده مفید هستند. اما آنها سوالی را که تعیین می کند آیا دانش آموزان واقعاً یاد می گیرند یا خیر از دست می دهند: آیا این ابزار می فهمد که یادگیری چگونه کار می کند؟
محتوا آسان است. ساختار سفت و سخت است
هر مدل زبان بزرگی می تواند یک طرح درس برای فتوسنتز ایجاد کند. اصطلاحات واژگان، نکات بحث، کاربرگ، ارزیابی. چیزی که به تنهایی نمی تواند انجام دهد این است که این عناصر را بر اساس تئوری بار شناختی ترتیب دهد، در فواصل زمانی تمرین بازیابی ایجاد کند که حافظه بلندمدت را تقویت کند، یا طراحی ساختارهای مشارکتی که در آن دانش آموزان به یکدیگر آموزش می دهند. اینها تصمیمات روش شناختی هستند. آنها به معماری آموزشی نیاز دارند، نه تولید محتوا.
تحقیقات پشت این ادعا جدید نیست. فراتحلیل فریمن و همکاران. از سال 2014 از 225 مطالعه نشان داده شد که دانش آموزان در محیط های سخنرانی سنتی 1.5 برابر بیشتر از دانش آموزانی که در محیط های یادگیری فعال هستند، در معرض شکست هستند. مطالعه «دو سیگما» بلوم در سال 1984 نشان داد که دانش‌آموزانی که آموزش‌های تسلط مبتنی بر بازخورد دریافت می‌کنند، دو انحراف معیار بالاتر از همتایان آموزش داده شده معمولی انجام می‌دهند. شواهد یک روش شناسی ساختاریافته از نظر ارائه محتوا به تنهایی به دهه ها قبل برمی گردد و به سختی تکرار شده است. با این حال، بیشتر ابزارهای آموزشی هوش مصنوعی ساختار درس را به عنوان یک فکر بعدی تلقی می کنند.
شکاف در عمل چگونه به نظر می رسد
من 15 سال را صرف آموزش معلمان برای یادگیری فعال در برزیل کردم. در طول آن مدت، من شاهد تکرار همان الگو با هر موج تکنولوژی بودم. معلمان این ابزار را با اشتیاق واقعی در آغوش می گیرند. مواد تولید می کنند. سپس متوجه می شوند که مواد کاملاً کار نمی کنند. درس یادگیری پروژه محور یک تکلیف تحقیقاتی است که در یک پوستر به اوج خود می رسد. سمینار سقراطی فهرستی از سؤالات باز و بدون داربست برای دانش آموزانی است که وقتی از همسالانشان خواسته می شود در مقابل همسالان صحبت کنند، یخ می زنند. برچسب متدولوژی موجود است. روش شناسی گم شده است.
هوش مصنوعی این را تسریع کرد. معلم اکنون می تواند یک “درس مبتنی بر تحقیق متمایز” را در 30 ثانیه بیاورد. اما اگر ابزار نداند که آموزش مبتنی بر پرس و جو واقعاً به چه چیزی نیاز دارد (سؤال راهنما، فرضیه‌های ایجاد شده توسط دانش‌آموز، تحقیق ساختاریافته، نتیجه‌گیری مبتنی بر شواهد)، خروجی یک کاربرگ است که کلمه “پرسش” در سربرگ آن وجود دارد.
پنج سوالی که باید قبل از استفاده از ابزار یادگیری هوش مصنوعی بپرسید
هنگام ارزیابی ابزارهای هوش مصنوعی برای آموزش، روش شناسی باید معیار درجه اول باشد. این پنج سوال ارزیابی را از ویژگی های سطحی به عمق ساختاری تغییر می دهد:
1. آیا ابزار رویکرد آموزشی دارد یا همه محتوا را قابل تعویض می‌داند؟ یک ابزار همسو با روش، یک درس PBL را متفاوت از یک توالی ساده از دستورالعمل ها ساختار می دهد. اگر هر خروجی بدون توجه به روش انتخابی از یک الگو پیروی کند، برچسب‌ها آرایشی هستند.
2. آیا این ابزار می تواند توضیح دهد که چرا فعالیت ها را به ترتیب خاصی ترتیب می دهد؟ ساختار درس باید منعکس کننده اصولی مانند مدیریت بار شناختی و تمرین بازیابی فاصله باشد. اگر دنباله قابل بیان نباشد، دلخواه است.
3. آیا خروجی شامل تسهیل راهنمایی برای معلم است؟ مطالبی که فرض می کنند معلم می داند چگونه یک سمینار سقراطی را برگزار کند یا پروتکل های گروهی را بدون پشتیبانی مدیریت کند، همه را ناامید می کند. به دنبال راهنمایی های داخلی برای معلمان همراه با مطالب متمرکز بر دانش آموز باشید.
4. ابزار چگونه نمره را پردازش می کند؟ ارزشیابی مبتنی بر روش به معنای نقاط بازرسی تکوینی است که در سرتاسر درس پخش شده و با اهداف یادگیری خاصی مرتبط است. اگر ارزیابی فقط در پایان به عنوان یک آزمون جمع‌بندی ظاهر شود، ابزار به جای ردیابی درک، یادآوری را آزمایش می‌کند.
5. آیا این ابزار به ابعاد اجتماعی و عاطفی یادگیری می پردازد؟ کار گروهی نیازمند هنجارهایی است. بحث نیاز به امنیت روانی دارد. یادگیری پروژه محور مستلزم مهارت های مشارکتی است که به بسیاری از دانش آموزان به صراحت آموزش داده نشده است. ابزاری که بدون توجه به چگونگی ایجاد یک محیط مشارکتی، فعالیت‌های مشارکتی ایجاد می‌کند، نیمی از درس را به معلمان می‌دهد.
بعدش چی
چشم انداز ابزارهای هوش مصنوعی به رشد خود ادامه خواهد داد. پلتفرم های جدید هر هفته راه اندازی می شوند. مقالات مروری آنها را از نظر سرعت، قیمت و تعداد ویژگی‌ها مقایسه می‌کنند. این مقایسه ارزش دارد، اما ناقص است.
ابزارهایی که واقعاً نتایج را برای دانش‌آموزان تغییر می‌دهند، ابزارهایی هستند که بر پایه‌های آموزشی ساخته شده‌اند. معلمان شایسته ابزارهای آموزشی هوش مصنوعی هستند که تفاوت بین یک کاربرگ و یک تجربه یادگیری را بدانند. لایه روش شناختی جایی است که این تفاوت وجود دارد.
