Debaty o roli umělé inteligence ve vzdělávání často směřují k extrémům.
Pro některé slibuje generativní umělá inteligence dlouho smyšlenou budoucnost personalizovaného učitele pro každého studenta a pro jiné vyvolává obavy z nekontrolovatelné AI-umožňuje podvádění a kognitivní atrofii.
Ale možná to, co je před námi, leží někde mezi těmito dvěma konci spektra – budoucnost, která promyšleně spojuje to nejlepší, co známe z desetiletí výzkumu a praxe ve vzdělávání, s novými nástroji a technologiemi, které mohou učení spíše obohatit, než je nahradit.
Abychom posunuli diskusi kupředu, společně s kolegy z Cambridge University Press & Assessment a Microsoft Research, my provedl jeden z prvních rozsáhlých experimentů ve třídě s použitím velkých jazykových modelů (LLM) jako pomůcek pro čtení.
Více než 400 studentů na sedmi středních školách v Anglii studovalo dvě krátké historické pasáže – jednu s pomocí LLM a druhou s použitím buď samostatného psaní poznámek, nebo v kombinaci s LLM. O tři dny později dokončili krátký test, ve kterém zhodnotili, co si z textů uchovali a co pochopili.
Psaní poznámek zůstává vysoce efektivní
Naše prvotní zjištění bylo jasné. Studenti si vedli lépe, když si dělali poznámky – bez ohledu na to, zda také používali LLM, než když se spoléhali pouze na LLM.
Zapisování poznámek zůstává vysoce efektivní, dobře pochopenou metodou konsolidace informací a silnou základnou pro jakýkoli nový nástroj, který překoná.
Ale při dalším zkoumání interakcí studentů s LLM jsme získali některé poměrně pozoruhodné vhledy do neočekávaných způsobů, jak studenti tuto technologii používali.
Zejména většina studentů (přes 90 procent) se zapojila do LLM proto, aby nepodváděli nebo se vyhýbali čtení, ale aby zlepšili své porozumění textu.
Mnozí žádali o informace, které přesahovaly text, ptali se na historický kontext, neznámé odkazy nebo význam klíčových událostí.
Například jeden student, který četl o apartheidu, se zeptal: „Jaký byl Mandelův životní příběh?“ Jiný, který studoval kubánskou raketovou krizi, chtěl vědět: „Proč se Amerika bála komunismu?“
Proč to nezvedlo skóre?
Z instruktážního hlediska je to přesně ten druh zvědavosti, který doufáme, že vyvoláme. Studenti primárně nerekapitulovali nebo nezkracovali. Umisťovali materiál do širší krajiny.
Proč se to tedy nepromítlo do vyšších skóre?
Za prvé, psaní poznámek je osvědčená strategie, která vyžaduje kognitivní zapojení – výběr, parafrázování a uspořádání informací – o kterých je známo, že podporují učení.
Za druhé, ve stavu kombinovaného psaní poznámek plus LLM jsme viděli, že přiměřený počet studentů (asi 25 procent) kopíruje výstup LLM přímo do svých poznámek.
Kopírování samozřejmě nepřináší stejné výhody jako generování vlastních souhrnů a pravděpodobně snižuje výhody kombinovaného přístupu.
Ale za třetí – a možná nejvíce k zamyšlení – je to, že všechna naše hodnocení se omezovala na hodnocení zapamatování a pochopení toho, co bylo obsaženo v samotném textu.
Zatímco LLM pomohl studentům prozkoumat okolní kontext, náš test nebyl navržen tak, aby posuzoval tento aspekt učení.
Zachování silných stránek při začlenění výhod
To může také pomoci vysvětlit propast mezi vnímáním studentů a jejich výkonem.
Mnozí uvedli, že mají pocit, že LLM je „užitečnější“ než psaní poznámek, i když jejich výkony naznačovaly opak.
Na jedné straně mohou vysvětlení pomocí LLM učinit materiál přístupnějším, ale to může odstranit žádoucí obtíže, které vedou k učení.
Na druhou stranu je pravděpodobné, že mít pomůcku ke čtení, která dokáže odpovědět na otázky nad rámec textu, je ve skutečnosti docela užitečné, kromě toho, že máte prostor na poznámky.
Tato zjištění vyvolávají praktickou otázku: jak bychom mohli navrhnout vzdělávací aktivity, které zachovají silné stránky tradičních strategií a zároveň začlení výhody, které studenti na nástrojích umělé inteligence jednoznačně oceňují?
Jednou z možností je seřadit aktivity záměrněji a povzbudit studenty, aby nejprve četli a zkoumali pomocí LLM a poté si dělali samostatné poznámky bez možnosti vkládat text.
Dalším je poskytnout výslovné pokyny k používání LLM jako nástrojů pro objasnění a dotazování spíše než jako náhrady za náročné zpracování.
Co by to mohlo znamenat pro budoucnost?
Při interpretaci těchto výsledků je také důležité vzít v úvahu kontext naší studie.
Studenti byli v prostředí třídy pod dohledem a soustředili se na využití celého období ke čtení těchto pasáží. Neměli přístup k jiným nástrojům, nic jiného, co by soutěžilo o jejich pozornost, a komunikovali s tehdy novým systémem umělé inteligence.
Studenti, kteří pracují samostatně doma a snaží se dokončit co nejvíce domácích úkolů v co nejkratším čase, se mohou chovat odlišně.
Naše experimentální prostředí však může také směřovat k produktivnímu budoucímu vzdělávacímu prostředí: pravidelné lekce čtení podporované LLM ve třídě, spárované s hodnocením ve třídě bez LLM, které měří jak základní porozumění materiálu, tak širší poznatky, které studenti získávají, a propojují materiál se zbytkem studia.
Pokud je navržena a používána pečlivě, možná AI nemusí nahrazovat nebo omezovat zavedené učební postupy, ale může je místo toho doplňovat a rozšiřovat zkoumání, aniž by ohrozila žádoucí obtíže, které vedou k efektivnímu učení.
