Razgovor oko veštačke inteligencije u obrazovanju je svuda, napunjen i hrabrim optimizmom i dubokom anksioznošću. Za svaku predviđanje revolucionarne nove ere učenja, postoji kontrstrah od varanja, izgubljenih veština kritičkog razmišljanja i širenja razlika u kapitalu. Ovaj post distilira pet kritičnih, često kontrintuitivnih uzimanja iz nedavnog dubokog ronjenja od strane Google-ovih stručnjaka za AI i obrazovanje, krenući dalje od buke kako bi otkrili nijanse izazova i prilika koje su zaista važne. Prije nego što AI može "popraviti" obrazovanje, mora se suočiti sa globalnim padom AI ne stiže u stabilnom, prosperitetnom obrazovnom krajoliku, već se uvodi u sistem koji se već suočava sa značajnim neprijateljstvima.Globalni rezultati učenja su na padajućem trendu već dve decenije, činjenica koju snažno naglašava Program OECD-a za međunarodnu procjenu učenika (PISA). U poređenju sa samo četiri godine ranije 2018. godine, prosječni rezultat u matematici pao je za 15 poena, dok su rezultati čitanja smanjeni za 10 poena. Ovaj kontekst je ključan jer okvir za pravi test za AI. Njegov uspeh neće se mjeriti njegovom novitetom, već njegovom sposobnošću da pomogne u rješavanju postojećih kriza. S stručnjacima koji procjenjuju da će svetu biti potrebno 44 miliona nastavnika do 2030. godine kako bi se pružilo univerzalno obrazovanje, pravi izazov AI-a je da podrži sistem koji je već pod ogromnim pritiskom od gubitka učenja, nejednakosti resursa i kritičnog nedostatka radne snage. PISA istraživanje 2022. godine Pravo obećanje AI: Lični tutor za svakog učenika Jedan od najtransformativnijih potencijala AI-a u obrazovanju je njegova sposobnost da konačno realizuje dugo traženi cilj: personalizovano učenje u masovnim razmjerima.Dekad istraživanja su pokazala da "visoko doziranje" osobnog ljudskog tutoringa ima jedan od najvećih pozitivnih utjecaja na studentske postignuća, ali je ostalo nedostupno velikoj većini. Dok AI učitelji ne mogu zamijeniti bitnu ljudsku vezu velikog poučavanja, oni mogu delovati kao moćan komplement ili most, posebno kada ljudska podrška nije dostupna. Ova tehnologija omogućava svakom učeniku da radi unutar svoje "zone blizakog razvoja"; slatka tačka gde je izazov dovoljno težak da promoviše rast, ali ne tako teško da dovede do frustracije. "Iako AI nije ni na koji način savršen, ima potencijal da smanji prepreke i omogući ljudima da uče efikasnije nego ranije." "Iako AI nije ni na koji način savršen, ima potencijal da smanji prepreke i omogući ljudima da uče efikasnije nego ranije." Zaboravite na "prevaru" Pravi razgovor je o ponovnom izmišljanju procjene Strah da će učenici koristiti AI da prevare na zadatke jedna je od najčešćih zabrinutosti među obrazovnicima.Međutim, produktivnija perspektiva predlaže da se to vidi ne samo kao serija „individualnih loših odluka“, već kao „kolektivni problem akcije“. To bi moglo značiti veći naglasak na oblicima evaluacije koje AI ne može lako reproducirati, kao što su debate u razredu, portfeljski projekti koji pokazuju proces učenika tijekom vremena i usmeni ispiti. Daleko od toga da bude samo prijetnja, izazov stvaranja "AI-proof" zadataka već se dokazuje kao katalizator, gurajući nastavnike da razviju autentičnije i smisleniji načini za mjerenje onoga što učenici zaista znaju; često "rezultati u nešto novo i uzbudljivo." Cilj nije eliminisati borbu, već eliminisati neproduktivnu borbu. Uobičajena zabrinutost je da će AI učiniti stvari previše jednostavnim, što će dovesti do "metakognitivne lenjosti" i sprečavanje učenika da se uključe u duboko razmišljanje potrebno za učenje. Ovo, međutim, temelji se na pogrešnoj pretpostavci da je sva borba korisna. Cilj nije maksimalno borba za svoju korist, već, kao što nas podsjeća edukativni psiholog John Sweller's Kognitivna teorija opterećenja, "sredotočiti napore na mentalni rad koji je bitan." AI može biti moćan alat za smanjenje neproduktivnih kognitivnih opterećenja; na primjer, pomažući učeniku da razumije fragmentirane tekstove ili previše složene diagrame. Oduzimanjem ovih vanjskih zadataka, studentova konačna mentalna energija može biti kanalizirana u zadatke višeg reda kao što su kritičko razmišljanje, analiza i kreativno rješavanje problema. Najveći izazov AI-ja možda nije pristup, već motivacija Kada se razmatra ravnopravnost, razgovor se često usredotočuje na pristup uređajima i povezivost. Ali stvarnost je više nijansa, kao što dokazuje činjenica da su ukupne stope upotrebe AI-a izuzetno visoke u određenim zemljama srednjeg dohotka. To sugerira da se pojavljuje još dublji izazov: "problem od 5%". Ovo je rizik da će učenici koji će se najproduktivnije uključiti u alate za učenje AI-a biti oni koji su već visoko motivisani. Ako se istraživanje o učinkovitosti AI-a zasniva prvenstveno na ovoj samoselektivnoj grupi, to bi moglo stvoriti pristran pogled na potencijal alata i nenamerno proširiti, a ne zatvoriti, praznine postignuća. Kao što je istraživač obrazovanja Mary Burns primijetila u svom radu za UNESCO, „tradicionalno uvođenje nove digitalne tehnologije u obrazovanje često stvara stratifikaciju u kojoj najbogatiji studenti mogu dobiti pristup novijim oblicima online učenja, dok se siromašniji učenici često i dalje oslanjaju na starije tehnologije... ili uopće ništa.“ Ovo naglašava da osiguravanje prave ravnopravnosti zahtijeva mnogo više nego samo pružanje pristupa; zahtijeva dubok fokus na to kako podržati sve učenike (osobito najmanje angažovane) u smislu i sigurnom korištenju AI-a. Zaključak: Novi skup pitanja Umjesto toga, to je moćan katalizator koji prisiljava društvo da postavlja temeljna pitanja o prirodi podučavanja, definiciji znanja i metrikama uspjeha u svetu koji se brzo menja. Kako se AI stvara u tkanini našeg svakodnevnog života, ostaje nam konačno pitanje na koje sada moramo zajednički odgovoriti: Hoće li AI promeniti ono što trebamo naučiti, ili čak što znači naučiti? Cijeli članak: ovde Apple Podcast: Ovde Spotify: ovde Youtube: ovde Ovde Ovde Ovde Ovde
