Odborný článek
Digitalizace ve vzdělávání
Eliminuje AI vlastní poznávání?
5,0 (2 hodnocení)
Informace o návrhu známého amerického experta na vzdělávací technologie A. J. Julianiho na revizi Puentedurova SAMR modelu.
Tentokrát mě k zamyšlení přiměl A. J. Juliani svým článkem The SAMR-AI (get it) Model: What is redefined in a world of AI? [1]. Vychází ze SAMR modelu, jehož podstatu se snažíme pochopit již hezkou řádku let (počínaje projektem ACOT z roku 1994). Jak si jistě vzpomenete, podstatou je zjištění, že technologie nutí učitele učit jinak. Juliani dospívá k přesvědčení, že bude možná třeba k SAMR modelu (Substitution, Augmentation, Modification, Redefinition) přidat další stupeň, a sice eliminaci (Elimination).
Podle Julianiho vstupujeme do fáze, kdy žáci už nemusí při řešení úkolů hledat pomoc. Nejnovější vývoj AI směřuje k eliminaci takové práce žáků, kterou nechtějí dělat, nemají na ni čas nebo se o ni nezajímají. S AI může kdokoli využít agenta (studijního asistenta nebo vhodného chatbota), který pracuje v zákulisí a nevyžaduje téměř žádnou aktivitu ze strany žáka. Například Coursology jde tak daleko, že nejen generuje řešení zadaných úkolů, ale vkládá je rovnou za žáka i do LMS, a to tak, že to učitel údajně nepozná (FAQ).
Je docela možné, že o úloze AI ve vzdělávání uvažujeme špatně. Budoucnost jsme si zatím většinou představovali jako personalizaci vzdělávacího procesu, kde žák s pomocí asistence pracuje na úkolech, které mu byly zadány v rámci školou použitého digitálního ekosystému, který kontroluje jejich včasné splnění – to vše z velké části automaticky online. V situaci, kdy bude možné značnou část práce, kterou všichni denně děláme (např. odpovídání na e-maily, vytváření prezentací, účast v diskuzích, aktivity na sociálních sítích ad.), přenechat AI, je asi třeba se na nejvyšší stupeň SAMR modelu dívat trochu jinak.
Neznamená to však, že k žádné redefinici výukových postupů nedojde. Jen se nesmíme na personalizaci dívat jen jako na automatizaci výukového procesu, protože by se klidně nakonec mohlo stát, že výsledky, které hodnotíme, vůbec nemusí být vytvořeny žáky. Problém je to vlastně pořád stejný, jaký jsme řešili již před 20 lety, kdy jsme začali mít problém s používáním hotových materiálů stažených z internetu (na počátku typicky z Wikipedie).
Již tehdy jsme doporučovali požadovat osobní prezentaci výsledků přímo ve třídě. Tak lze nejlépe zjistit, zda žák problematiku skutečně zvládl. V současné situaci to znamená vyhnout se zadávání takových úkolů, jejichž řešení je možné generovat pomocí AI bez toho, že by ten proces přispěl k umocnění úrovně poznání žáků. Neznamená to AI vůbec nepoužívat. Tomu nic nebrání. Může být využita přímo ve třídě a může klidně pomáhat i při přípravě žáků do výuky. Jen tu přípravu nesmí eliminovat.
V souvislosti s tím, jak AI do výuky integrovat, se Juliani zamýšlí též nad problematikou velikosti aktuálních cílů realizované výukové jednotky. Spolu s Danem Meyerem dochází k závěru, že čím větší (a vyšší) cíle jsou, tím menší má AI šanci k jejich naplňování přispět [2].
Asi není těžké porozumět tomu, že technologie obecně mnohem snadněji podporují menší jednotky. Díky tomu např. značně stoupla obliba tzv. mikroučení. Aktuální vývoj sice naznačuje, že AI bude schopná řešit stále komplexnější úkoly, zatím to však nevypadá, že bychom jí mohli přenechat naplňování dlouhodobých cílů. Je sice možné si představit rozdělení očekávaných výsledků učení na malé jednotky a odškrtávat jejich splnění (jak to dělá např. Khanova škola), ale to je realizovatelné typicky jen na nižších úrovních kognitivní oblasti (Bloomova taxonomie). Vyšší cíle, zvláště pak v oblasti afektivní, nelze rozdělovat na jednotlivé kroky a jejich naplňování se bez zásadního vlivu učitelů neobejde.
Přestože AI představuje zcela nový a vyšší stupeň ve vývoji technologií, zatím není na místě bez rozmyslu uvěřit tomu, že bude brzy schopná fungovat jako opravdový kouč či kariérový poradce radící svým uživatelům, jak naplňovat své celoživotní vzdělávací cíle. Navzdory tomu se s podobnými předpověďmi opakovaně setkáváme. Přitom se stačí podívat na historii vývoje vzdělávacích technologií, a zjistíme, že stávající situace vlastně není zas až tak odlišná od toho, co jsme zažili již mnohokrát. Velmi pěkně to zpracoval Derek Mueller v následujícím videu.
Naším hlavním úkolem je budovat vzdělávací zkušenosti, které jsou smysluplné a relevantní. Zkušenosti, které žáky přitahují a nadchnou pro proces učení, nejen pro odevzdání finálního produktu na známku. AI se určitě stane nedílnou součástí vzdělávacího prostředí a přispěje k tomu, že učení bude probíhat zase o něco jinak než dříve. Je ale třeba umět její schopnosti využít k celkovému umocnění schopností lidí. Možná bychom klidně mohli se čtyřmi úrovněmi SAMR modelu vystačit. Tu eliminaci ale musíme brát vážně. Je třeba ji eliminovat.
JULIANI, A. J. The SAMR-AI (get it) Model: What is redefined in a world of AI? [online]. 2024. [cit. 2024-12-07]. Dostupné z: https://www.ajjuliani.com/blog/the-samr-ai-get-it-model-what-is-redefined-in-a-world-of-ai.
MEYER, Dan. AI Chatbots Will Help Students Learn Nothing Faster Than Ever [online]. 2023. [cit. 2024-12-07]. Dostupné z: https://danmeyer.substack.com/p/ai-chatbots-will-help-students-learn.
Tento materiál je publikován pod licencí Creative Commons – Uveďte původ – Neužívejte komerčně – Nezpracovávejte 3.0 ČR.