Studenti mohou dokončit výzvy k případové studii vytvořené fakultou pomocí generativního modelu umělé inteligence nazvaného STRATPATH.
Nicole Coomberová léta vyučovala konzultační a zážitkové kurzy na Smith School of Business University of Maryland a přidělovala postgraduálním studentům případové studie, které napodobují poradenské rozhovory.
Ale stejně jako mnoho profesorů v éře ChatGPT Coomber zjistila, že úkoly již nejsou pro její třídy výzvou, protože studenti jednoduše zadávají otázky do velkých jazykových modelů a odevzdávají vše, co generativní model umělé inteligence vyplivne.
„Zjistila jsem, že studenti by mohli v podstatě vzít můj úkol, zapojit ho do umělé inteligence a získat perfektní odpověď, aniž by museli projít nějakým bojem, o kterém víme, že je součástí učení,“ řekla.
Případové studie jsou pro mnoho studentů obchodu kritickou součástí procesu pohovoru, takže pro Coombera je důležité zajistit, aby se zapojili do cvičení a neobcházeli kritické myšlení. Ale spíše než vytvořit nový nízkotechnický úkol, Coomber se spojil se skupinou studentů magisterského studia, aby vytvořili nástroj AI, který bude fungovat jako tazatel případu.
Výsledkem je STREETPATHgenerativní nástroj umělé inteligence, který poskytuje případové studie vytvořené fakultou k posouzení a poskytování zpětné vazby studentům obchodu v reálném čase. Tento nástroj propojuje učení studentů se scénáři ze skutečného světa a poskytuje dovednosti připravenosti na kariéru a připravuje studenty na pohovory po ukončení studia.
Jak to funguje: STRATPATH vyvinulo šest čerstvých absolventů obchodní školy UMD: Deep Dalsaniya, Anna Huertazuela, Aditya Kamath, Aromal Nair, Krishang Parakh a Venkatesh Shirbhate. Tým se nejprve sešel, aby se v roce 2024 zúčastnil případové soutěže pro studenty MBA, a poté se po promoci vrátil na univerzitu, aby zahájil STRATPATH s využitím prostředků přidělených děkanem.
„Bylo to trochu: ‚Hej, to jsou opravdu talentovaní studenti, pracovní trh je opravdu těžký, mohli by využít měkkého přistání, aby udrželi krok s hledáním práce‘,“ řekl Coomber. „Změnilo se to v něco mnohem víc; postavili jsme něco, co je opravdu neuvěřitelné.“
Studenti mohou chatovat se STRATPATH nebo reagovat zvukem na případovou studii vypracovanou fakultou.
K nastavení nástroje poskytnou profesoři příběh případové studie, na který chtějí, aby student odpověděl, rubriku nebo formulář zpětné vazby a několik příkladů ideálních odpovědí, řekl Dalsaniya. Na základě vstupu STRATPATH usnadňuje výzvy prostřednictvím zvuku nebo textu a zapojuje studenta do konverzace.
„Studenti se připravují na spontánní myšlení a budují své schopnosti kritického myšlení nad vším,“ řekla Dalsaniya.
STRATPATH spoléhá na velký jazykový model s dalšími hranicemi, které si vývojáři nastavili, aby se snížila pravděpodobnost, že AI halucinuje, přijímá nesprávné informace nebo poskytuje příliš doplňkovou zpětnou vazbu. Zkoumá také reakce studentů, aby se ujistil, že nepodvádějí pomocí vnějších zdrojů.
„Neříká: ‚Deep, ty jsi tak chytrý, to je pravda!'“ vysvětlil Coomber. „Je to jako: ‚Jak ses tam dostal?“ Takže i když studenti píšou do ChatGPT a pak vloží tuto odpověď na naši platformu, naše platforma řekne: ‚Jak jste se tam dostali?’“
Platforma také neumožňuje kopírování a vkládání odpovědí, takže pokud student zablokuje ChatGPT a zároveň odpovídá na STRATPATH, musí odpovědi alespoň přepisovat (a přiměřeně lidskou rychlostí slov za minutu), což doufejme do určité míry povede k učení, řekl Dalsaniya.
„Naším hlavním cílem je, zda se jejich schopnosti kritického myšlení zvyšují, nebo ne, a to i v případě, že podvádějí,“ řekl.
dopad: STRATPATH poskytuje okamžité hodnocení a personalizovanou zpětnou vazbu v reálném čase, což šetří čas fakulty a pomáhá studentům rychleji se přizpůsobit.
Dříve trvalo Coomberovi hodiny, než prošel úkoly studentů, což mohlo bránit učení kvůli dlouhé prodlevě mezi zadáním a zpětnou vazbou. Nyní může trávit více času osobním učením nebo ordinačními hodinami.
Dosavadní neoficiální zpětná vazba od studentů naznačuje, že se cítí lépe připraveni na pohovory, a ocenili hodnocení z nástroje, který identifikuje, kde vynikají, i oblasti, kde by se mohli zlepšit.
Co bude dál: Coomber a její tým se snaží identifikovat další účastníky kampusu, kteří by mohli mít případ použití pro STRATPATH. Jednou z možností je spolupracovat s kariérním centrem a poskytovat podněty k pohovoru o chování. Mnoho tazatelů vyžaduje, aby uchazeči používali metodu STAR – situaci, úkol, akci a výsledek – k tomu, aby odpovídali na otázky a používali ji k hodnocení talentu, a STRATPATH by mohl být jedním fórem pro studenty, kde si tyto otázky procvičí.
Dalsaniya a vývojový tým také zkoumají způsoby, jak poskytnout STRATPATH další zdroje z fakulty, aby poskytly bohatší hodnocení reakcí studentů na případové studie.
„Učení na základě případu nemá správnou odpověď – všechny odpovědi mohou být správné,“ řekl Dalsaniya. „Na co se snažíme zaměřit, je to, jak můžeme integrovat všechny materiály profesora, včetně jeho snímků, jejich videopřednášek, do zpětné vazby, aby student mohl vidět zpětnou vazbu a odkazovat na čísla snímků nebo kapitoly nebo přepisy videa.“
Tým také hledá další zdroje financování pro rozšíření a případnou licenci nástroje pro externí skupiny.
