W jaki sposób sztuczna inteligencja może przyczynić się do zlikwidowania niedostatków, przed którymi stają systemy edukacji na świecie – takie jak niewystarczająca liczba nauczycieli, ich nadmierne obciążenie zadaniami administracyjnymi czy luka kompetencyjna w odniesieniu do nowych technologii?
Po pierwsze, wpuszczenie sztucznej inteligencji (AI) do obszaru edukacji umożliwi usprawnienie wykonywania obowiązków administracyjnych, którymi szeroko obarcza się nauczycieli; pozwoli to im poświęcić więcej czasu na zaangażowanie się w pracę z uczniami. Po drugie, sztuczna inteligencja może pomóc nauczycielom w szybszym ocenianiu uczniów i przekazywaniu natychmiastowych informacji zwrotnych. Po trzecie, będzie sprzyjać rozwijaniu u uczniów i studentów umiejętności cyfrowych, krytycznego myślenia, rozwiązywania problemów i kreatywności. Wreszcie, ułatwi indywidualne podejście do nauczania (przy wsparciu ze strony nauczycieli), co będzie prowadzić do poprawy wyników w nauce i lepszego dostosowania do zróżnicowanych potrzeb edukacyjnych.
We wszystkich tych czterech obszarach AI jest narzędziem uzupełniającym: będzie wzbogacać doświadczenia edukacyjne, ale relacje interpersonalne w procesie przekazywania i absorpcji wiedzy pozostaną kluczowe. Samo uczenie się o sztucznej inteligencji i umiejętnościach cyfrowych – nawet jeśli będzie się odbywać przy użyciu tradycyjnych metod – pomoże uczniom w przygotowaniu się do zawodów przyszłości.
Nowe osiągnięcia w dziedzinie sztucznej inteligencji mogą przyczynić się do przedefiniowania charakteru i poprawy jakości pracy na stanowiskach w sektorze edukacji. Z badań przeprowadzonych przez Światowe Forum Ekonomiczne we współpracy z firmą Accenture[1] wynika, że duże modele językowe (LLM) mogą mieć wpływ na 40 procent całego czasu poświęconego na wykonywanie zadań przez człowieka. Dotyczy to również nauczania: niektóre zadania dydaktyczne mogą być wręcz zautomatyzowane poprzez użycie nowych technologii, wykonanie innych będzie mogło dzięki nim zostać znacząco ułatwione i przyspieszone (zob. Tabela).
Te pierwsze wystąpią przede wszystkim przy zadaniach rutynowych i powtarzalnych. W szkolnictwie można zautomatyzować do 20 procent czasu pracy związanego z czynnościami biurowymi i administracyjnymi, takimi jak analiza nieobecności, zapisy na poszczególne zajęcia i kursy, analiza danych. Bardziej wyrafinowane możliwości LLM uwidocznią się przede wszystkim przy zadaniach wymagających umiejętności analitycznych i w trakcie rozwiązywania problemów. Stanowią one od 8 do 20 procent czasu pracy w szkolnictwie – obejmują np. planowanie lekcji czy ocenianie uczniów.
Tab. Wykorzystanie dużych modeli językowych (LLM) w pracy nauczycieli
| Zadania, które można zautomatyzować | – Tworzenie wykazów książek, czasopism, artykułów i materiałów audiowizualnych na określone tematy.
– Weryfikacja faktów, dat i statystyk przy użyciu zaufanych źródeł naukowych. – Ocenianie prac domowych i testów oraz obliczanie i zapisywanie wyników przy użyciu arkuszy odpowiedzi lub elektronicznych urządzeń do zaznaczania odpowiedzi.
|
| Zadania, które zostaną znacząco ułatwione i przyspieszone dzięki LLM | – Analizowanie wyników uczniów, aby sprawdzić, jak skuteczny jest system edukacji, poszczególne przedmioty lub materiały do nauki.
– Projektowanie narzędzi edukacyjnych, w tym dostępnych w internecie oraz elektronicznych systemów wsparcia wydajności (EPSS). – Opracowanie materiałów dydaktycznych lub szkoleniowych, takich jak materiały informacyjne, materiały do nauki lub quizy. – Przygotowywanie zadań dla asystentów nauczycieli lub wolontariuszy.
|
| Zadania, na które AI będzie miała mniejszy wpływ lub nie będzie miała go w ogóle | – Wyznaczenie jasnych celów dla poszczególnych lekcji, przedmiotów (semestr, rok) i projektów oraz zakomunikowanie tych celów dzieciom.
– Konsultacje z władzami oświatowymi oraz samorządem w celu jak najlepszej organizacji procesu dydaktycznego. – Współpraca z innymi nauczycielami i przedstawicielami władz oświatowych w zakresie opracowywania sposobu realizacji podstaw programowych, jej oceny i przeglądu. – Planowanie i nadzorowanie projektów wykonywanych przez uczniów, wycieczek szkolnych, wizyt zaproszonych prelegentów oraz działań niestandardowych (eksperymentalnych), maksymalizowanie poszerzania przez uczniów wiedzy dzięki podobnym działaniom. – Przygotowywanie sal lekcyjnych, pomieszczeń i obiektów, materiałów edukacyjnych lub sprzętu.
|
Źródło: Światowe Forum Ekonomiczne we współpracy z Accenture, 2023 r.
Zadania, w których kładzie się nacisk na interakcje interpersonalne, takie jak bezpośrednia komunikacja z uczniami lub fizyczne interakcje z nimi, prawdopodobnie pozostaną bez wpływu ze strony LLM.
Jednoczesne zastosowanie LLM do zautomatyzowania jednych zadań w zakresie rutynowych i powtarzalnych czynności administracyjnych oraz znaczącego ułatwienia i przyspieszenia innych pozwoli nauczycielom skupić się na działaniach kreatywnych, takich jak opracowywanie programów nauczania, oraz na interakcjach z uczniami, które są kluczowe dla edukacji. Jednak tak istotną zmianę trzeba będzie starannie zaprojektować i wdrożyć, aby nauczyciele byli w stanie nadążać za tempem zmian w obu tych obszarach również dzięki wsparciu w podnoszeniu ich własnych kwalifikacji. Jednocześnie będą musieli się nauczyć ogniskowania swojej pracy na aspektach interpersonalnych, tj. doskonalić swoje umiejętności pedagogiczne, zapewniać wsparcie społeczno-emocjonalne, prowadzić nauczanie zindywidualizowane i angażować rodziców.
Dzisiejsze modele standaryzowanej i nieformalnej oceny często cechują się liniowością i są czasochłonne. Podobnie jak indywidualny nauczyciel [w systemie anglosaskim tutor – przyp. red.] może natychmiast przekazać jednemu konkretnemu uczniowi spersonalizowaną informację zwrotną, AI w procesie oceniania pozwoli na taką informację na większą skalę. W ten sposób pomoże uczniom w zrozumieniu błędów i wesprze nauczycieli w identyfikowaniu obszarów wymagających poprawy.
Najlepiej przeprowadzać takie analizy we współpracy z nauczycielami. Narzędzia sztucznej inteligencji mogą być programowane razem z nauczycielami, którzy dostarczą przykłady informacji zwrotnych. Na tej podstawie AI może się uczyć, w tym także oceniania zadań nietestowych, takich jak eseje, propozycje projektów itp.
Co więcej, wykorzystanie technik oceniania opartych na gamifikacji może zmniejszyć stres u nauczycieli i uczniów, ponieważ eliminuje potrzebę przeprowadzania sprawdzianów zaliczeniowych czy semestralnych. Dzięki zautomatyzowanym, regularnym mechanizmom informacji zwrotnej, uczniowie mogą angażować się w znaczące, sprawiające im przyjemność działania edukacyjne, w których cała nauka jest analizowana w czasie rzeczywistym – zamiast polegać na okresowych ocenach formalnych. To odejście od tradycyjnych metod oceniania na rzecz dynamicznej analityki w czasie rzeczywistym może znacznie poprawić jakość edukacji, tworząc przyjazne (łatwe do adaptacji) środowiska uczenia się, które zaspokajają różnorodne potrzeby uczniów.
Uczenie maszynowe i analityka oparta na sztucznej inteligencji mogą sprawić, że systemy edukacyjne będą bardziej elastyczne, będą reagować na bezpośrednie potrzeby uczniów. Wszyscy zaangażowani w ten proces – uczniowie, nauczyciele, rodzice, dyrektorzy szkół i ministerstwa – będą w odpowiednim czasie otrzymywać analizy potrzebne do podejmowania świadomych decyzji. W ten sposób obecne liniowe i opóźnione w czasie podejście do oceny postępów uczniów będzie ulegało zasadniczej transformacji w modele responsywne, dynamiczne i gotowe do użycia w przyszłości. Analiza dużych zbiorów danych może być prowadzona nie tylko pod kątem odpowiedzi poprawnych/niepoprawnych, ale także w celu zrozumienia ogólnych zjawisk w ramach systemów edukacyjnych i między nimi oraz przewidywania, gdzie w przyszłości mogą pojawić się niedostatki w różnych miastach i regionach.
Pogłębianie kompetencji cyfrowych jest niezbędne do poruszania się w dzisiejszym krajobrazie technologicznym. Jednocześnie staje się fundamentem dalszego rozwoju sztucznej inteligencji i zdolności do życia we współczesnym świecie cyfrowym. To coś znacznie więcej niż zwykła umiejętność korzystania z narzędzi i platform cyfrowych; niezbędne jest również krytyczne myślenie, umiejętność rozwiązywania problemów, kreatywność i świadomość etycznych implikacji AI.
Włączenie AI do edukacji stanowi okazję nie tylko do wykorzystania jej narzędzi w nauczaniu, ale także do upowszechniania wiedzy na temat koncepcji sztucznej inteligencji i uświadamiania jej szerszego wpływu na społeczeństwo. Jej włączenie do programów nauczania nie oznacza, że każdy uczeń musi stać się ekspertem w tej dziedzinie. Należy raczej położyć nacisk na kultywowanie świadomości, pielęgnowanie ciekawości i budowanie fundamentalnego zrozumienia – na przykład poprzez uczenie, jak oceniać wiarygodność źródeł oraz rzetelność i prawdziwość informacji publikowanych na stronach internetowych. Jedno z badań wykazało, że umiejętności cyfrowe są rzeczywiście dobrym probierzem zdolności do odróżniania faktów od dezinformacji[2]. Jest to szczególnie ważna i pilna umiejętność życiowa, ponieważ więcej osób niż kiedykolwiek w historii będzie głosować w 64 wyborach krajowych w 2024 r. – co stanowi około 49 procent światowej populacji[3]. Nauczanie o sztucznej inteligencji nie tylko wyposaża uczniów w umiejętność rozpoznawania dezinformacji, ale także sprzyja ich rozwojowi w kierunku odpowiedzialnych przyszłych twórców sztucznej inteligencji. Co więcej, włączenie podstawowych umiejętności cybernetycznych do programu nauczania może pomóc uczniom nauczyć się budować solidne i bezpieczne systemy sztucznej inteligencji. Ochrona bezpieczeństwa i integralności systemów danych AI jest niezbędna, szczególnie w świetle potencjalnego ryzyka związanego z naruszeniem danych, hakowaniem i złośliwą manipulacją algorytmami AI.
Zwiększenie integracji zastosowań AI z systemami edukacyjnymi na całym świecie może nadać technologii kluczową rolę w kształceniu uczniów w zakresie odpowiedzialnych i sprawiedliwych praktyk AI. Istnieją już zasoby do nauczania o sztucznej inteligencji, takie jak projekty Międzynarodowego Towarzystwa Technologii w Edukacji (International Society for Technology in Education, ISTE) pn. Hands-on AI Projects for the Classroom. To konkretne projekty służące do zaznajamiania z takimi koncepcjami i pojęciami, jak nieświadome uprzedzenia, aktywne/pasywne gromadzenie danych, algorytm uczenia maszynowego i marketing ukierunkowany.
Władze niektórych krajów zaczęły określać podstawowe zasady tego, w jaki sposób wprowadzać sztuczną inteligencję i umiejętności cyfrowe do salach lekcyjnych. Na przykład w Wielkiej Brytanii rządowe Biuro ds. Sztucznej Inteligencji (Office for AI) prowadzi obecnie badania mające na celu wsparcie szkół podstawowych i średnich w nauczaniu kluczowych umiejętności, uświadamiania kwestii takich jak ograniczenia, niezawodność i potencjalna stronniczość generatywnej sztucznej inteligencji; sposób organizacji i pozycjonowania źródeł informacji w internecie; oraz podstawowa wiedza o tym, jak komputery działają, komunikują się ze sobą, przestrzegają zasad i przetwarzają dane[4]. Australia, Japonia i Nowa Zelandia również stworzyły wytyczne dotyczące dydaktyki z wykorzystaniem sztucznej inteligencji oraz nauczania na jej temat.
Zachęcanie uczniów do korzystania z technologii cyfrowych i sztucznej inteligencji daje im cenne umiejętności, które będą niezbędne na przyszłym rynku pracy, opartym coraz bardziej na AI. Dzięki temu zyskują przewagę konkurencyjną oraz większą wszechstronność w przyszłej karierze zawodowej.
Badanie przeprowadzone przez psychologa edukacji Benjamina Blooma wykazało, że połączenie indywidualnych korepetycji z regularnymi testami i informacjami zwrotnymi doprowadziło do wyników uczniów, które były o dwa odchylenia standardowe – około 98 procent – wyższe niż w przypadku uczniów otrzymujących standardowe nauczanie w klasie[5]. Badanie wykazało, że „istnieje ogromna różnica w osiągnięciach poznawczych uczniów, postawach i samoakceptacji akademickiej w ramach indywidualnych korepetycji w porównaniu z grupową metodą nauczania”. Zapewnienie indywidualnych korepetycji radykalnie zmieniło rozkład osiągnięć edukacyjnych w klasie. Nowsze badanie przeprowadzone przez naukowców z Uniwersytetu Stanforda wykazało, że nawet krótkie interwencje korepetytora, trwające zaledwie 10 minut dziennie, skutkują znaczną poprawą umiejętności czytania i pisania uczniów[6].
Zastosowanie metodologii korepetycji osobistych na wielką skalę jest jednak kosztowne i nieefektywne nawet w najbardziej zaawansowanych gospodarkach. Wymagałoby to znacznej zmiany stosunku liczby nauczycieli do liczby uczniów, co jest trudne, jeśli nie nierealne, biorąc pod uwagę istniejący globalny niedobór nauczycieli. Chociaż prywatne korepetycje są dobrze znane ze swojego wpływu na wyniki uczniów, a przewiduje się, że globalny rynek prywatnych korepetycji wzrośnie z 57,92 mld dolarów w 2023 r. do 105,98 mld do 2030 r., dostęp do nich jest zasadniczo ograniczony do tych, których na to stać, co dodatkowo utrwala nierówności w wynikach nauczania[7].
Od pojawienia się komputerów osobistych i rozwoju cyfryzacji rośnie zainteresowanie wykorzystaniem technologii do przyspieszenia procesu spersonalizowanego uczenia się [8]. Badanie przeprowadzone w latach 2007-2020 wykazało, że spersonalizowane uczenie się wspierane przez technologię miało znaczący pozytywny wpływ na wyniki w nauce[9]. Chociaż technologia nie była jak dotąd w stanie w pełni powtórzyć korzyści płynących z korepetycji indywidualnych, ostatnie postępy w dziedzinie sztucznej inteligencji pokazują, że może ona być w stanie analizować i uczyć się na podstawie dużych zbiorów danych, zapewniając dostosowane treści edukacyjne, doświadczenia i informacje zwrotne w czasie rzeczywistym, podobnie jak w przypadku prywatnego korepetytora.
Algorytmy mogą nie tylko dostosowywać treści, ale także dostosowywać tempo, trudność i styl uczenia się w zależności od wyników, zachowań i preferencji ucznia[10]. W oparciu o wzorce danych, sztuczna inteligencja może przewidywać wyzwania związane z nauką, identyfikować luki i tworzyć spersonalizowane ścieżki edukacyjne, analizując dane dotyczące trendów oraz historię uczenia się, preferencje i wyniki uczniów. Sztuczna inteligencja może dostarczać materiały, które pasują do mocnych i słabych stron uczniów oraz poziomów wiedzy, a także są zgodne z celami nauczania, zwiększając w ten sposób znaczenie treści edukacyjnych dla każdego ucznia.
Jednak te nowe narzędzia działają najlepiej, gdy są uzupełnione rygorystycznymi procesami testowania warunków skrajnych przez nauczycieli w zakresie personalizacji wsparcia, dostosowywania odpowiednich kulturowo materiałów dydaktycznych i edukacyjnych oraz zapewniania natychmiastowego tłumaczenia w celu dostosowania treści do potrzeb uczniów. Adekwatność materiałów i przykładów ma zasadnicze znaczenie dla stworzenia angażującego, zrozumiałego i odpowiedniego środowiska uczenia się dla uczniów – a narzędzia AI, wraz z nauczycielami, mogą odnosić przykłady i koncepcje do zainteresowań, doświadczeń życiowych i pochodzenia każdego ucznia.
Sztuczna inteligencja może wreszcie również prezentować materiały na różne sposoby, aby zaspokoić różne potrzeby wizualne, dźwiękowe i fizyczne. Elastyczne panele użytkownika (czy systemy sterowania, czy interfejsy) i technologie dostosowujące się do potrzeb są szczególnie wartościowe dla uczniów z różnorodnymi dysfunkcjami neurologicznymi i fizycznymi. Na przykład dzięki technologii AI lekcje w klasie mogą być opatrzone napisami dla uczniów z upośledzeniem słuchu, umożliwiając im dostęp do każdej klasy, zamiast polegać na dostępności asystentów języka migowego; pomaga to nauczycielom i uczniom zaangażować się w szybszą i bardziej spersonalizowaną komunikację.
[1] Jobs of Tomorrow: Large Language Models and Jobs, World Economic Forum, 2023.
[2] D. Rand, N. Sirlin, Digital Literacy Doesn’t Stop the Spread of Misinformation, Scientific American, 15.07.2022, https://www.scientificamerican.com/article/digital-literacy-doesnt-stop-the-spread-of-misinformation/#:~:text=Someone%20lacking%20digital%20literacy%20skills,in%20the%20spread%20of%20misinformation; Think Critically, Click Wisely: Media & Information Literacy Curriculum for Educators and Learners, Paris: UNESCO, 2021, https://unesdoc.unesco.org/ark:/48223/pf0000377068/PDF/377068eng.pdf.multi.
[3] K. Ewe, The Ultimate Election Year: All the Elections Around the World in 2024, “Time”, 28.12.2023.
[4] Government of the United Kingdom Department for Education, Generative artificial intelligence (AI) in education, 2023, https://www.gov.uk/government/publications/generative-artificial-intelligence-in-education/generative-artificial-intelligence-ai-in-education.
[5] B.S. Bloom, The 2 Sigma Problem: The Search for Methods of Group Instruction as Effective as One-to-One Tutoring, “Educational Researcher”, tom 13, nr 6/1984, str. 4-16.
[6] K. Cortes, K. Cortecamp, S. Loeb, C.D. Robinson, Year Two Results Assessing the Effects of a Scalable Approach to High-Impact Tutoring for Young Readers, National Student Support Accelerator, 2023.
[7] Fortune Business Insights, “Market Research Report 2022”, 2022.
[8] A. Shemshack, J.M. Specter, A Systemic Literature Review of Personalized Learning Terms, “Smart Learning Environments”, tom. 7, nr 33/2020.
[9] L. Major, G.A. Francis, M. Tsapali, The effectiveness of technology-supported personalized learning in low-and middle-income countries: A meta-analysis, “British Journal of Educational Technology”, tom 52, nr 5/2020, str. 1935-1964.
[10] F. Hollands, V. Holmes, How AI Tutoring Can Reshape Teachers’ Days, “Education Week”, 27.06.2023.
Tłumaczenie z języka angielskiego: Sztuczna Inteligencja (z niewielką pomocą człowieka)
Tytuł od redakcji „Res Humana”
