Jednou z pozoruhodných vlastností ChatGPT je, že zásadním způsobem proměňuje základní konceptualizaci informační gramotnosti, tedy způsoby, jaké jsme byli zvyklí využívat při práci s informacemi. Na jedné straně nás vede k potřebě nově přemýšlet o hodnocení informací a ověřování jejich pravdivosti, sledovat význam dostupnosti dokumentů nebo zásadně proměnit způsoby vyhledávání. Před sebou tak máme nástroj, který téměř všechno dělá jinak a náročněji než ostatní nástroje na vyhledávání informací. A současně umožňuje takové aplikace, pro něž má cenu s ním systematicky pracovat.
Jestliže budeme popisovat některé proměny v souvislosti s nástroji, jako je ChatGPT, kriticky, musíme si být vědomi toho, že vlastně velice podobné úvahy měli lidé v době, kdy se poprvé objevil osobní automobil. Také on přinesl řadu společenských i pracovních změn, zánik profesí a potřebu zcela nových kompetencí, které si dnes už uvědomujeme velice málo – třeba schopnost číst značky, přecházet silnici a další činnosti potřebuje umět už relativně malé dítě, které se narodí do městského prostředí. Zdá se, že podobnou revoluci v kompetencích přinese i současný nástup uživatelsky dobře dostupné umělé inteligence, například využívající jazykový model GPT.
Není v možnostech jednoho článku nabídnout kompletní pohled na to, jaké všechny změny ChatGPT přinese v oblasti informační gramotnosti. Vývoj je tak rychlý, že by to ani nedávalo velký smysl. Přesto (anebo právě proto) může být užitečné se zkusit zaměřit na jednotlivé fáze práce s informacemi a jejich proměnu. V textu se opřeme o model Big6 od Eisenberga a Berkowitze, ale spíše z důvodu přiměřeného počtu fází než nějaké specifické kvality.
Úkolem obecně myslíme něco, co nás zajímá, a chceme si o tom zjistit více informací. Většinou úvodní iniciativu v definování úkolů má buď člověk sám, nebo nějaký tým lidí. Tím, že ChatGPT umožňuje komunikaci v přirozeném jazyku, můžeme ho snadno použít pro hledání nápadu nebo zpřesňování našich původních plánů na takové, se kterými bude možné dále systematicky pracovat. Systém může posloužit jako skutečně dialogický nástroj pro hledání úkolu, se kterým budeme chtít dále pracovat. Ukazuje se, že přesné hranice mezi vyhledáváním informací a definováním úkolu v dialogu většinou neexistují. Zatímco Big6 svým modelem mentálně sledoval primárně představu práce s informacemi v interakci člověk–stroj, ChatGPT se podstatně více přibližuje modelu člověk–člověk, protože do výsledků dotazu vkládá svoji vlastní (pravděpodobnostní) expertízu.
Práce může vypadat například takto:
Co může být zajímavého na filosofii techniky?
Filosofie techniky je fascinující oblast, která se zabývá otázkami o vztahu mezi technologiemi a lidským životem. Zde je několik zajímavých témat, která mohou být objevena:
Technologie a lidská identita: Jak ovlivňují technologie naši identitu a vnímání sebe samých?
Etika technologií: Jaké jsou etické otázky, které se týkají vývoje technologií a jak by měly být řešeny?
Technologie a společnost: Jak technologie ovlivňují společnost a jak může být jejich vliv řízen?
Technologie a příroda: Jak se technologie vztahují k přírodě a jak by měly být používány, aby byly udržitelné?
Vztah mezi technologií a vědou: Jak technologie ovlivňují vývoj vědy a jaká je role vědy při vývoji technologií?
Vliv technologií na lidské myšlení a kreativitu: Jak ovlivňují technologie lidské myšlení a kreativitu a jak může být tento vliv pozitivní nebo negativní?
Technologie a budoucnost: Jaké jsou možnosti a rizika, která souvisejí s vývojem technologií a jak by měly být zvažovány při přemýšlení o budoucnosti?
Tyto otázky jsou jen malým výběrem témat, která se objevují v oblasti filosofie techniky. Filosofové se snaží poskytnout různé perspektivy na tyto otázky a podívat se na ně z různých úhlů pohledu.
Tyto otázky mohou být samozřejmě upřesněny:
Technologie a příroda, to zní zajímavě. Existují nějaké trendy věci, na které by se dalo zaměřit při psaní eseje?
ChatGPT opět vrátí sadu několika témat a ta mohou být dále upřesňována tak, abychom dosáhli co možná nejpřesnějšího a nejkonkrétnějšího zadání. Výsledkem našeho modelového zadání se tak mohlo stát například téma Monitorování biodiversity, což je téma, které je už relativně úzké, a případně nějakým vyhledávacím filtrem je možné ho vztáhnout k původnímu zadání, byť ne zcela jednoduše. Obecně je možné tento nástroj použít pro tvorbu nápadů a základních směrů vlastního uvažování o určité problematice, ale v době, kdy vzniká tento text (13. 4. 2023), lze jednoznačně doporučit nechat volbu co možná nejvíce na uživateli, který se o výsledky ChatGPT bude spíše opírat, než že by je kompletně nekriticky přijal.
Strategie vyhledávání informací
Druhý krok je ve vztahu k Big6 také relativně velice kreativní. Zatímco v běžném vyhledávání zde typicky analyzujeme rozdíly mezi zužováním nebo rozšiřováním výsledků vyhledávání, tak v případě ChatGPT můžeme možná mnohem více hovořit o tom, že tato část je něčím, co dnes bývá označované jako prompt engineering, prompt wizard, prompt designer atp. Jde o profese nebo zatím spíše znalostní domény, které se snaží – s různou dávkou kreativity a volnosti zadání – formulovat zadání do ChatGPT.
ChatGPT se od Googlu v tomto bodě liší ve třech důležitých aspektech:
ChatGPT primárně nevyhledává informace, ale vytváří je. Je třeba tuto diferenci jasně pojmenovat a dokázat s ní pracovat. Vždy vstupujeme na nové unikátní pole určité nové informační struktury, se kterou musíme pracovat.
ChatGPT má zcela jiný model zadávání vyhledávacího dotazu. V základu svého designu má vyhledávání pomocí přirozeného dialogu a s ním také pracuje. Jednotlivé dotazy na sebe mohou navazovat a zpřesňovat se, tvoří určité kontinuum, které nevyžaduje neustálé kopírování a úpravu původního dotazu.
ChatGPT nemá (zatím) spolehlivou zdrojovou bázi. To znamená, že informace v něm uvedené musíme vždy ověřovat. Různými metodami, které souvisí s tím, jaké jsme zvolili vstupní zadání, ale ověřování je skutečně nezbytné v každém případě.
Tyto poznatky také naznačují informaci směřující k dalšímu bodu, totiž že s ChatGPT si jako s jediným zdrojem informací není možné bezpečně vystačit. Současně je patrné, že dobrá praxe, sledování návodů, trendů a schopnost si věci ukazovat (k tomu směřuje i didaktická koncepce celého tohoto seriálu) vede k zisku zkušenosti, kterou uživatel může využít proto, aby získal takové informace, které potřebuje. Z hlediska nácviku určitých nových dovedností je tato oblast práce s ChatGPT pravděpodobně nejnáročnější a procházející nejmarkantnější změnou. A to i přesto, že práci s takovým systémem „doma zkoušel skoro každý“ a získal „relativně dobré výsledky“. Informačně gramotný uživatel musí jít hlouběji.
Identifikace zdrojů a přístup k nim
V této oblasti může být ChatGPT nápomocen pravděpodobně nejméně, a to vzhledem k jeho způsobu fungování, kde vytváří nové informační artefakty, ale nikoliv cestu k nim nebo práci se zdroji. V této oblasti se nabízí využití jiných nástrojů, které usilují o práci s umělou inteligencí nad určitý tématem, jako jsou Connected Papers, Specter, Scite.ai, Consensus, Perplexity AI a mnohé další. Řada z nich pracuje na modelech blízkých těm, se kterými pracuje ChatGPT – snaží se identifikovat kontext a pak z vybraných zdrojů dohledat relevantní zdroje, se kterými může autor sám pracovat.
Connected papers
Přesto nabízí ChatGPT několik jednoduchých možností, jak ho využít i v této oblasti. Předně může být dobrým zdrojem klíčových slov, jmen a dalších dotazů, které se budou dále vyhledávat. V jednoduchém případě tak poskytne základní přehled o odborných pojmech a návaznost na ně si pak uživatel zajistí jednoduše sám – přes Google Scholar nebo třeba profesionální databáze, jako jsou Web of Science nebo Scopus.
Druhou zajímavou možností je využít ChatGPT plugins. V současné době není nabídka příliš široká, ale přesto lze obecný jazykový model propojit s některými expertními systémy, což zajistí zjištění informací přímo v dialogu. Příkladem zajímavých pluginů jsou například Wolfram pro matematiku nebo FiscalNote pro přístup k finančním a legislativním datům v reálném čase. Oba příklady současně obcházejí jeden z problémů ChatGPT související s tím, že je postavený na tréninkových datech do roku 2021 a data z let 2022–2023 se jen snaží dohledávat.
Samozřejmě i samotný ChatGPT může být zdrojem, v takovém případě je vhodné ho adekvátně citovat. Tomuto tématu se věnuje již velká část citačních manuálů, takže si lze snadno přečíst, jak citovat podle APA či MLA. Obecně platí, že citační manuály (zatím) pracují s ChatGPT jako s libovolnou jinou online službou a podle ní ji citují. S tím, že MLA je v mnoha ohledech progresivnější než APA.
Využití informací
Tato fáze práce s informacemi je v Big6 modelu chápaná jako diskusní – uživatel by si měl nad zdrojem nebo tématem položit otázky, které mu umožní se ponořit hlouběji a analyzovat, hledat možnosti další práce s informacemi. V tomto případě je možné ChatGPT použít relativně podobným způsobem jako v první fázi, tedy na znovupromyšlení tématu. Zajímavou oblastí může být ale také práce s abstrakty nebo závěry článků.
Jako například:
Prosím Tě, čtu si článek a popisuje následující dopady: [zdroj – kapitola Implication]. Na co by mohlo být zajímavé se v nich zaměřit?
Tento článek popisuje výsledky analýzy faktorů, které ovlivňují pravděpodobnost výpadku studentů v různých kurzech. Z textu lze vyčíst několik zajímavých oblastí, na které by se mohlo zaměřit:
Finanční podpora pro studenty ze sociálně slabších vrstev: Analýza ukazuje, že studenti ze sociálně slabších vrstev mají vyšší pravděpodobnost výpadku. Z toho vyplývá, že by mohlo být zajímavé se zaměřit na vytvoření finančních programů nebo podpory pro tyto studenty, aby byli schopni lépe zvládat náklady spojené s kurzy.
Podpora pro studenty s postižením: Analýza také ukazuje, že studenti s postižením ze sociálně slabších vrstev mají vysokou pravděpodobnost výpadku. Z toho vyplývá, že by mohlo být zajímavé vytvořit kontinuální podporu pro tyto studenty, která by mohla pomoci snížit rozdíly v pravděpodobnosti výpadku mezi postiženými a nepostiženými studenty.
Specifické faktory ovlivňující výpadky: Analýza ukazuje, že některé faktory mají vliv pouze na určité kurzy. Například pohlaví může mít vliv na jeden kurz, zatímco region může mít vliv na jiný kurz. Z toho vyplývá, že by mohlo být zajímavé provést další analýzy na úrovni jednotlivých kurzů, aby se lépe pochopily faktory ovlivňující výpadky a aby bylo možné navrhnout cílené intervence pro každý kurz.
Použití přežití analýzy: Tento typ analýzy ukazuje, že existují skryté faktory, které mohou mít vliv na výpadky studentů, a které by jinak zůstaly skryté. Například analýza ukazuje, že mnoho studentů vypadne ze kurzu v prvních dvou týdnech kurzů, což se může vztahovat na konec období plného refundace kurzů. Z toho vyplývá, že by mohlo být zajímavé zvážit prodloužení období plného refundace pro studenty ze sociálně slabších vrstev.
ChatGPT v tomto případě pracoval s přímou citací z článku (cca 2700 znaků) v angličtině z časopisu IRRODL. Výsledky relativně dobře kopírují strukturu jednotlivých odstavců (vlastní text je velice dobře strukturovaný) a českému čtenáři nebo začátečníkovi, který se v tématu příliš neorientuje, dává dobrý základní přehled o tom, na jaké oblasti dopadu této studie se lze zaměřit. Současně je ale patrné, že čtenáři, který má zkušeností více, takový postup pomůže spíše sporadicky.
Z hlediska použití lze pracovat také s prací s citacemi a referencemi. ChatGPT dokáže vytvářet citace na základě vložení URL adresy a požadovaného stylu, což je praktické, byť ne zcela spolehlivé. Například u citace studie použité výše v APA stylu neuváděl název časopisu proloženě a chybu opravil až po upozornění.
Docela pěkně se dá ale použít na úpravu citací nebo sjednocení stylu citací. Jako například:
Převeď mi prosím citace do APA stylu: Biswas, Som S. "Role of Chat GPT in public health." Annals of Biomedical Engineering (2023): 1-2. RUDOLPH, Jürgen; TAN, Samson; TAN, Shannon. ChatGPT: Bullshit spewer or the end of traditional assessments in higher education?. Journal of Applied Learning and Teaching, 2023, 6.1. Biswas, S. S. (2023). Potential use of chat GPT in global warming. Annals of Biomedical Engineering, 1-2.
Jistě, rád Vám převedu citace do APA stylu:
Biswas, S. S. (2023). Role of Chat GPT in public health. Annals of Biomedical Engineering, 1-2.
Rudolph, J., Tan, S., & Tan, S. (2023). ChatGPT: Bullshit spewer or the end of traditional assessments in higher education? Journal of Applied Learning and Teaching, 6(1).
Biswas, S. S. (2023). Potential use of chat GPT in global warming. Annals of Biomedical Engineering, 1-2.
Výše uvádíme pro odlišení celou citaci kurzívou, ale ve skutečnosti se vrátily citační záznamy korektně upravené. Při reálné editaci textů je samozřejmě praktičtější využít citační manažery, ale například při opravování záznamů v souborech zaslaných dalšími lidmi nebo u drobnějších prací se podobný nástroj jeví jako velice praktický a ušetří mnoho času.
Syntéza
V syntéze lze opět pracovat s běžným rozhovorem směřovaným k ChatGPT, nyní již konstruovaným s ohledem na výsledné dílo, typicky tak, jak spolu souvisejí určité problémy. Klíčové možnosti využití u ChatGPT jsou ale u vlastní syntézy, tedy skládání poznatků dohromady. ChatGPT dokáže podle zadaných parametrů sestavit text, který odpovídá zadání, které formuluje uživatel. Autor tak získá první verzi textu, se kterou může pracovat, anebo naopak finální korekturu. Protože korekturám jsme se již věnovali v předchozích dílech seriálu, zaměříme se především na formulaci vlastního textu.
Napiš mi odstavec odborného akademického textu, který bude obsahovat informace: 1) z výzkumu mezi 100 studenty vyplynulo, že 60 má rádo rozinky a 75 čokoládu. 2) Genetický faktor může mít vliv na chuťové preference po celý život. 3) Sociokulturní faktory jsou méně stabilní, než genetické a to jak časově tak významností.
Výzkum provedený mezi stovkou studentů odhalil zajímavé souvislosti v oblasti chuťových preferencí. Podle výsledků studie preferuje 60 % respondentů rozinky a 75 % z nich má rádo čokoládu. Zajímavým zjištěním je fakt, že genetický faktor může mít vliv na chuťové preference po celý život. Tento faktor tak může vysvětlit, proč někteří lidé preferují určité chutě před ostatními. Sociokulturní faktory jsou na druhé straně méně stabilní a mohou se měnit jak časově, tak i významností. To znamená, že vliv sociálního a kulturního prostředí na chuťové preference může být proměnlivý a závislý na aktuálních společenských a kulturních trendech. Tyto faktory mohou také ovlivňovat preference různých generací a skupin lidí v různých částech světa.
Výše uvedený příklad jednoznačně ukazuje, ChatGPT umí z jednotlivých zjištění a faktů vytvořit souvislý text, který by bylo možné určitým způsobem vyžít, avšak současně je třeba myslet na tři důležité aspekty:
Výsledný text (tak jako v našem případě) není finálním produktem, jeho stylistická a obsahová kvalita je spíše nižší, nepracuje se zdroji a je třeba ho dále doplňovat. Jde tedy více o pomoc než o automatizaci procesu psaní.
Již nyní existují nástroje (např. AI Content Detector, Turnitin a další), které umožňují odhalovat typické znaky pro text vytvořený pomocí ChatGPT. To znamená, že stojíme před nutností nově reflektovat konkrétní postupy v úvahách o tom, co je a co není plagiát. Především ale je třeba klást velký důraz na autorskou práci v tom slova smyslu, že texty vytvořené pomocí těchto nástrojů mohou být detekované jako plagiát. Proto vždy po práci s ChatGPT, ať již v podobě návrhu první verze, nebo při stylistických úpravách, je třeba provést detekci na plagiátorství.
Kvalita výstupu do značné míry závisí na kvalitě vstupu. Nelze očekávat, že za nás bude (zatím) ChatGPT tvořit dokonalé texty při našich nepříliš kvalitních vstupech.
Evaluace
Zatímco až doposud jsme předpokládali, že ChatGPT uživateli pomáhá tvořit odborný text a ve všech fázích Big 6 modelu měl relativně pozitivní a jednoznačné přínosy, v oblasti evaluace jde spíše o hrozbu či zatím největší problém jazykových modelů postavených na GPT přístupech. Ty (stejně jako člověk) vycházejí z myšlenky, že odpovědi konstruujeme jako nejvíce pravděpodobné řešení. GPT ale nemá směrem k odbornému textu nebo faktickému sdělení nastavený žádný princip kontroly nebo ověřování správnosti a ani „neví“ jak moc ve svých odpovědích „fabuluje“ (na rozdíl od člověka).
Tím, že jsou modely postavené na velice dobře udělané konverzační stránce (jazyk je obecně kvalitní a plynulý), je náročné a nezvyklé provádět pečlivé ověřování každého výroku, nebo i každého doloženého výroku. U ChatGPT je podstatné, že si „vymýšlí“ jak zdroje, tak fakta. Neustálé pečlivé vyhodnocování pravdivosti tvrzení představuje základní možné využití této technologie.
Například na otázku po zdrojích může ChatGPT poskytnout relevantní existující studie v angličtině, a na dotaz po českých si je může se stejnou mírou přesvědčivosti zcela vymyslet:
Co ovlivňuje prospěch dětí v malotřídkách?
Ok, a jsou k tomu nějaké odborné zdroje?
A české?
Ano, existuje také mnoho odborných studií v českém jazyce, které se zabývají vlivem velikosti třídy na prospěch dětí v malotřídkách. Některé z těchto studií jsou:
Janoušková, M. (2014). Vliv velikosti třídy na kvalitu výuky v základních školách. Pedagogická orientace, 24(3), 381-396.
Kubiatko, M. (2016). Velikost třídy a její vliv na efektivitu vzdělávání v primárním vzdělávání. Acta Educationis Generalis, 6(2), 49-61.
Šťastná, H. (2019). Velikost třídy v základních školách – význam pro kvalitu výuky a prospěch žáků. Studia paedagogica, 24(4), 113-126.
Tyto studie se zabývají vlivem velikosti třídy na kvalitu výuky, vztahy mezi učitelem a žáky, efektivitu vzdělávání a prospěch dětí v malotřídkách v českých podmínkách. Tyto studie ukazují, že malé třídy mohou mít pozitivní vliv na vzdělávání a prospěch žáků, pokud jsou k dispozici vhodné vyučovací metody a dostatečné zdroje.
Tyto studie neexistují, jakkoli popisek okolo nich i názvy studií samotných a časopisů vypadají relativně důvěryhodně. Zvyknout si na to, že ChatGPT halucinuje a že tento typ omylu není nijak snadno viditelný, patří nesporně mezi základní kompetence práce s tímto nástrojem v oblasti informační gramotnosti a současně mezi důležité a náročné úkoly, se kterými se musíme naučit vypořádávat. Omyly, které může dobře míněný přístup při práci s tímto nástrojem přinášet, jsou zřejmé a značné. Právě důraz na schopnost systematicky a pečlivě evaluovat zdroje je zásadní.
Závěr
ChatGPT představuje nesporně klíčový nástroj, který umožňuje uživatelům kriticky přemýšlet o vybraných tématech a připravovat odborné i neodborné články v podstatně vyšší kvalitě a rychlosti. Klíčové ale je, že při práci s ním musíme nově promýšlet otázky autorství a především být velice pečliví v oblasti evaluace zjištění a faktů, které systém produkuje. Pokud tyto zásady dodržíme, pak dialogičnost nástroje představuje velice užitečný nástroj na rozvoj informační gramotnosti. Didakticky cenné přitom je, že celá práce s tématem se díky němu odehrává v explikovaném dialogu, což má nesporně vliv na schopnost žáků i vyučujících o jednotlivých krocích přemýšlet do větší hloubky a skutečně systematicky s nimi pracovat.
