Učení v současném vysokoškolském vzdělávání je hluboce zakořeněno v kalendářích a čase než zvládnutí tématu učení. S nepružným semestrem nebo čtvrtletním kalendářem a často nevýznamným rozvrhem a délkou doby setkání jsou studenti pochodovali systémem řádně metodou montážní linky.
Dokud jsem učil na univerzitní úrovni, počínaje na počátku 70. let jsem zpochybnil tento přístup, který dává časové plánování před hloubkou učení. Zdá se, že to dává plány výuky před výsledky učení. Musím se přiznat, že v průběhu desetiletí jsem byl snadným dotykem pro neúplný pro studenta, který narazil na nějaké nepředvídané narušení života nebo jednoduše převzal více, než ona nebo on zvládl během semestru. Moje filozofie byla a stále je, že to, co se naučí, je důležitější než to, zda bylo dosaženo za osm týdnů, 16 týdnů nebo dokonce delší.
V tomto pohledu nejsem sám. V 60. letech 20. století, jeden z vysoce uznávaných učených učení, Benjamin Bloom, sondoval tento problém: „Bloomova učení pro mistrovství (LFM) se vyvinula a později byla implementována v prostředích primární a střední školy.“ Mezitím psycholog Fred Keller vyvinul svůj personalizovaný systém výuky zaměřený na Pět klíčových principů:
- Studenti by měli mít dovoleno pracovat vlastním tempem.
- Studenti by měli dosáhnout alespoň 90 % přesnost hodnocení před přechodem na další lekci.
- Lekce by měly být považovány za „motivační vozidla“.
- Učitelé a studenti by měli zvážit použití písemné komunikace v učebnicích a studijních průvodcích.
- Učitelé a studenti by se měli blížit opakovaným testováním, okamžitým bodováním, nepřetržitým doučováním a sledováním pokroku.
Těchto pět principů nelze snadno integrovat do tříd, které pochodují vpřed s přísným kalendářem třídy založený na třech 50minutových setkáních tříd po dobu 15 týdnů! Nedávný technologický vývoj však otevřel dveře k objevování vysokoškolského vzdělávání od modelu montážní linky po online, asynchronní, vyučovaný model učení založený na mistrovství.
Abychom pochopili rozdíly mezi tradičním výukou a mistrovským učením, lze nejlépe popsat, že naše současné praktiky kladou důraz na výuku založenou na čase, zatímco v mistrovském učení je důraz, jak název napovídá, na učení. Všimněte si, že v přístupu Keller’s PSI je cílem 90 procent nebo lepšího učení, o čemž svědčí častými hodnoceními potřebnými k přechodu vpřed k dalšímu modulu ve třídě.
PSI zdůrazňuje personalizované lešení učení a důkazy o mistrovství v průběhu kurzu, zatímco náš současný společný způsob dodávek považuje třídu za celku spíše než rozpoznává rozdíly v pozadí a učení jednotlivci. Současný přístup nevyhnutelně penalizuje studenty za nezamýšlené, nerozpoznané nedostatky v porozumění způsobeným některými z řady okolností, jako jsou předchozí deficity znalostí v některých aspektech toho, co studovali, špatně učené předběžné nebo předpokládané třídy, které byly dříve učiněny třídy a návrh vývoje a navrhovaného vývoje a návrhu vývoje a navrhovaného vývoje a návrhu vývoje a navrhování vývoje a navrhování vývoje a navrhování vývoje a navrhování vývoje a navrhování vývoje a navrhování vývoje a návrhu vývoje a navrhovaného vývoje a návrhu vývoje a navrhování vývoje a návrhu vývoje a navrhování vývoje a návrhu.
Pokud bychom místo toho měli vytvořit personalizované příležitosti k intervenčnímu učení v každém kroku, který je navržen tak, aby reagoval na potřeby jednotlivých studentů na minimálním učení 90 procent každého modulu, mohli bychom zajistit minimální mistrovství 90 procent materiálů v každé třídě.
Umělá inteligence používaná v asynchronní nebo smíšené online třídě otevírá cestu k učení mistrovství. Instruktor může s tímto procesem experimentovat složením této výzvy do jednoho nebo dvou modulů třídy. Vydáno AI pro toto (Taaft) je to bezplatná a otevřeně dostupná výzva, kterou lze vložit do kteréhokoli z hlavních hraničních modelů, jako jsou Gemini, Chatgpt nebo Claude. S názvem Precision Learning Companionvýzva je představena:
“This prompt turns AI into an ultra-detailed, dynamic personal tutor that doesn’t just quiz, it teaches deeply, layer by layer, until the user genuinely masters the material. It’s built to adapt in real time, constantly diagnosing knowledge gaps, and never moving forward without full comprehension. Every answer, right or wrong, triggers a structured, narrative-style breakdown explaining the what, why, how, and broader context, ensuring true understanding. The AI je navržen tak, aby měl podpůrný, ale pečlivý mentor, který lešení učení: Postupně zpochybňuje uživatele, pokud se dobře zapojí a zjednodušují, pokud je to nutné, a to, co je nutné
Vyzývám čtenáře, aby to vyzkoušeli, aby podrobněji prozkoumali dopad používání AI k poskytování příležitostí k učení. Trvalo mi méně než dvě minuty, než se můj modul spustil:
- Zkopíroval jsem a vložil jsem na stránku dlouhou výzvu z webu Taaft.Notion do Claude 4 pro testovací účely a stisknuté klávesy Enter.
- Do tématu jsem zadal jako „anatomie lidského oka“ (samozřejmě můžete zadat jakékoli téma, které byste mohli pokrýt asi za týden ve svém aktuálním plánu třídy).
- Poté jsem byl zahájen do kongeniálního rozhovoru s modulem AI, který se hluboce sondoval do mého znalosti tématu příjemným a posilujícím způsobem.
- Musím přiznat, že jsem byl tak zasnoubený, že jsem se nezastavil déle než hodinu.
Můžete to začít tím, že jej můžete vyzkoušet na sobě a možná kolegu, asistentovi výuky nebo jiného ochotného účastníka. Vyberte příslušné téma. Vybral jsem si „fyziologii lidského oka“, což byl základní modul ve všech třídách komunikačních technologií, které jsem nabídl. Zjistil jsem, že modul AI je přesný, komplexní, posilující a jasný. Pokud zjistíte, že to ukazuje slibné, můžete se rozhodnout použít v jedné z vašich tříd. Pozvěte svého instruktážního návrháře, aby se připojil k diskusi o tom, jak by se to dalo nejlépe použít ve vašich třídách. Všimněte si, jak personalizuje výuku pro studenty sdílením dalších informací, čtení a souvisejících vzdělávacích příležitostí k podpoře oblastí, které žáci, kteří mohou mít nedostatek pozadí, a potřebují kontext, aby se vztahovali k kurzu. Můžete požádat studenty, aby sdíleli kopii burz. Mohou také sdílet krátké reakce na kvalitu a užitečnost interakce s AI.
V průběhu času, s pomocí vašeho instruktážního návrháře, možná budete chtít jít plně do mistrovského učení a zajistit, aby každý student ve vašich třídách měl materiál na 90 procentní úrovni. V některých případech budete možná muset být flexibilní s nabídkou neúplnosti, abyste poskytli čas těm, kteří potřebují dokončit další materiál vyvolaný předložením nesprávných odpovědí.
Když jsem jako konečný stupeň předložil C, D nebo F, vždycky jsem měl nepříjemný pocit v jámě žaludku. Cítil jsem, že jsem selhal svého studenta. Měl jsem však celou učebnu a nebylo dost času ani příležitosti k tomu, aby každému studentovi věnoval individualizovanou pozornost. Možná, že nová generace univerzitních instruktorů, kteří spolupracují s asistenty AI, si užije jistotu, že všichni jejich žáci zvládnou téma třídy pomocí AI. Žádný student nezůstane pozadu a nikdo nebude oběťmi modelu výuky na shromáždění ve vysokoškolském vzdělávání.
