Hvem bygger læring nu? AI og demokratiseringen af uddannelse

AI har gjort det muligt for næsten alle at skabe noget, der ligner læring.

En lærer kan uploade et dokument og bede om en sammenfatning. En leder kan omdanne en PDF til en quiz. En fagperson kan bede om et kursusoverview, læringsmål og en vurdering på få minutter.

Dette er en reel ændring. Jeg tror ikke, vi skal minimere dens betydning. For første gang kan mennesker skabe nyttige læringsmaterialer uden altid at have brug for en platform, en produktionshold eller en instruktionsdesigner.

Men vi skal være forsigtige med, hvad vi mener med læring.

Der er en forskel på at opdage svaret på et spørgsmål og på at bygge viden. Og der er en forskel på et nyttigt læringsforløb og et seriøst læringsforløb.

AI er allerede meget god til det første. Hvis du vil løse et lille problem, følge en simpel opskrift eller håndtere en meget specifik kontekst, kan AI gøre et fantastisk arbejde. Den kan give dig et hurtigt svar, forklare en begreb, skabe en quiz, sammenfatte et dokument eller hjælpe nogen med at forstå noget i øjeblikket.

Et simpelt eksempel. Jeg kan uploade to kapitler fra en historiebog og skabe en spørgeskema for min datter. Jeg har ikke brug for noget andet. Jeg kan bygge noget sådant på et øjeblik, og vi kan opdage, hvad hun ved og ikke ved.

Dette er nyttigt, og i nogle tilfælde er det nok.

Men at hjælpe min datter med at lære historie ved at interagere direkte med AI er en helt anden sag.

Dette forskel er vigtigt, fordi meget af diskussionen om AI og læring behandler disse to ting som det samme, hvilket de ikke er. Et læringsforløb kan være øjeblikkeligt, nyttigt og tilpasset. Et læringsforløb er noget helt andet. Det har struktur og retning. Det beder læren om at bevæge sig fra ikke at vide, til at vide, til at anvende, til at reflektere, til at ændre måden, man tænker eller handler på. Dette er meget sværere.

Adgang til skabelse er ikke mesterskab i design

Når mennesker taler om AI demokratiserer uddannelse, tror jeg, dette er, hvor argumentet bliver interessant. AI har absolut demokratiseret adgangen til skabelse. Flere mennesker kan nu skabe læringsmaterialer. Flere fagpersoner kan omdanne deres viden til noget struktureret, og flere lærende kan få hjælp i det øjeblik, de har brug for det.

Men adgang til lærings-skabelse er ikke det samme som mesterskab i læringsdesign.

Hvis nogen vil lære noget simpelt, kan AI måske være nok. Men hvis nogen vil lære noget som kernefysik, ledelse, klinisk dømmekraft eller nogen anden seriøs evne, må personen, der lærer, gøre meget mere end at tage et kursus. De må tage kontrol over læringsforløbet. De må forstå, om indholdet er godt, om næste skridt giver mening, og om de virkelig tilegner sig viden.

Dette kræver, at de bruger alle deres metakognitive færdigheder til at dirigere læringen. I virkeligheden vil de fleste mennesker ikke have denne byrde. De vil ikke bruge deres energi på at beslutte, om læringsprocessen er korrekt. De vil bare gerne lære.

Dette er den første store begrænsning af prompt-baseret læring. Det ser ud som om det er medgørligt, men det kræver meget af den enkelte. De må vælge det rigtige input, stille det rigtige spørgsmål, bedømme kvaliteten af svaret, omdirigere systemet, når det går galt, og hele tiden holde sig selv motiveret.

AI-understøttet læring er en kontinuum

Jeg tror ikke, at fremtiden blot er “AI skaber kurset”. Måden at tænke om AI-understøttet lærings-skabelse på er som et kontinuum. I den ene ende er der prompt-baseret skabelse. En bruger beder AI om at skabe et begynderkursus på et emne. Det er hurtigt og nyttigt som udgangspunkt. Men det er også begrænset. Det kan lyde koherent og poleret, men det betyder ikke, at det har stærk pædagogik bag eller stærk tilpasning til læreners virkelige mål.

Derefter kommer ressource-dirigeret skabelse. Her arbejder AI fra virkelige kilde-materialer som en video, en manual, en forelæsning, en artikel. Det er stærkere, fordi systemet er grundlagt i noget faktisk.

Herefter kommer mål-dirigeret skabelse, hvor udgangspunktet ikke blot er indhold, men en udkomme. Hvad evne forsøger vi at bygge? Hvad skal nogen være i stand til at gøre herefter? Hvordan vil vi vide, at de kan gøre det?

En anden vej er lærings-dirigeret skabelse. Her former læreren eller instruktionsdesigneren oplevelsen. Hvor begynder læren? Hvor skal de kæmpe? Når skal de reflektere? Når skal de øve? Når skal de bedømmes?

Til sidst er der menneske-kurateret skabelse, hvor eksperten er tæt involveret i struktur, sekvens, vurdering og mening af oplevelsen. AI er stadig til stede, men det er ikke direktøren. Det er assistenten.

Dette forskel er vigtigt, fordi læring ikke er noget enkelt. Det afhænger af, hvordan man definerer læring, og hvilken type læring, man forsøger at skabe.

Når vi taler om kritisk tænkning, dyb læring, lange rejser, store mål og vigtige beslutninger, har vi brug for menneske-dirigeret læring.

Det samme gælder for de aktiver, vi giver AI. Der er en stor forskel på at bede AI om at skabe noget fra en blank prompt og at give det en rig samling af læringsaktiver som kilde-materialer, aktiviteter, læringsveje, vurderinger og fulde programmer. Jo mere seriøst læringsmålet er, jo mere betyder kvaliteten af disse input.

Problemet var aldrig kun indhold.

Dette er, hvor jeg tror, mange organisationer vil begå fejl. De vil se, at AI kan producere mere indhold, hurtigere, og de vil antage, at problemet er løst.

I virkeligheden hver gang, der er en teknologisk revolution, forenkler vi læring for meget. Når radioen ankom, sagde folk, at der var ingen grund til at gå i skole, fordi eleverne kunne lytte. Når cinema ankom, spurgte folk, hvorfor vi stadig havde brug for bøger. Nu er AI ankommet, og vi risikerer at gøre det samme igen. Vi risikerer at antage, at fordi en ny medium kan præsentere information, kan det erstatte den dybere akt af læring.

Det største problem er forenklingen af, hvad læring er.

Læring er ikke kun informations-overførsel. Det er ikke kun kognitivt. Det er socialt. Det er emotionelt. Det er kulturelt. Det bærer værdier. Læring kommer med værdier, og læring kommer med visioner af fremtiden.

Dette er forskellen på funktionel læring og transformerende læring. Funktionel læring kan vise, hvordan man laver en kop kaffe ved at følge en opskrift. Brug denne mængde vand, denne mængde kaffe, denne metode, denne timing. Transformerende læring hjælper dem med at forstå, hvordan man laver rigtig god kaffe. Hvordan kornstørrelse ændrer smag, hvordan vandtemperatur påvirker ekstraktion, hvordan smag udvikler sig, hvordan man justerer, når noget er galt, og til sidst, hvordan man skaber noget af sin egen. Det lyder som en lille forskel, men det er ikke. Det ændrer, hvad vi mener med læring.

Der er en nyttig måde at tænke over dette på. Læring har en politik og en kunst.

Dette betyder ikke politik i en snæver partipolitisk forstand. Det betyder, at læring aldrig er neutral. Vi træffer altid beslutninger om, hvad der betyder noget, hvad der skal udfordres, og hvilken fremtid, vi peger mod. Læring er altid politisk i denne bredere forstand, fordi du træffer en beslutning om vejen, du er på. Vi lægger altid følelse, værdier og perspektiv ind i det.

Og læring er også kunst, fordi det handler om, hvordan mennesker sanser, forstår og fortolker verden, mens verden omkring dem ændrer sig. AI kan hjælpe med dette, men det kan ikke eje det.

Dette er, hvor læreren og instruktionsdesigneren bliver endnu vigtigere, ikke mindre. Da AI overtager mere af den faktiske produktionsarbejde, skifter deres værdi mod at forme formålet, strukturen og retningen af læringsoplevelsen.

I fortiden blev meget af instruktionsdesign-tiden brugt på at producere dele af læring. Hos LearnWorlds ser vi denne ændring direkte: Instruktionsdesignere behøver ikke længere at bruge så meget tid på at skabe indholdet, billedet, videoen eller aktiveren. De kan bruge meget mere tid på detaljerne og forfiningerne af læringsforløbet.

Dette er den vigtige ændring. Læreren flytter sig opstrøms. De bliver mindre af en indhold-producent og mere af en direktør.

Tag enhver stor roman, der er blevet adapteret mere end én gang. Kilde-materialet kan være det samme, men to direktører vil ikke lave den samme film. Tonen, tempoen, atmosfæren, hvad der understreges, og hvad historien synes at betyde, kommer alle fra personen, der instruerer det, fordi de bringer deres egen personlige fortolkning og perspektiv.

Læring fungerer på samme måde. Læring er en historiefortælling-oplevelse, næsten en kinematisk oplevelse. Det samme kilde-material kan blive mange forskellige lærings-oplevelser. Læring er ikke én historie fra samme bog. Der er mange forskellige historier.

Denne rigdom betyder noget. Det er ikke en ineffekt, der skal fjernes. Det er en del af, hvad der gør læring menneskelig, og det er en del af, hvad der giver os forskellige perspektiver, måder at tænke og kultur på.

Dette er, hvor jeg tror, AI bliver spændende, snarere end truende. Det giver lærerne en større design-rum. Dette er, hvorfor vi taler om direktører og designere. Lærerne kan nu åbne design-rummet, skabe prototyper af et læringsforløb, udforske forskellige muligheder og gå dybere ind i designet, end de kunne før.

AI kan hjælpe med at generere materialet, men mennesket bestemmer stadig, hvad oplevelsen forsøger at gøre. Det er den essentielle forskel på indhold-generering og lærings-design.

Retning ændrer materiale til læring

Uden denne retning er der en fare for, at organisationer vil behandle en AI-interaktion, som om læring er sket. AI giver dig et perspektiv på, hvad der eksisterer. Det er kun et perspektiv. Nogle gange er det et meget godt perspektiv. Nogle gange er det overraskende og nyttigt. Men en unik dialog eller et par interaktioner bør ikke behandles, som om læringen er færdig.

Der er en anden risiko også. Når en lærende er alene med AI, kan noget sociale gå tabt. Læring er social. Historisk set er ideer, discipliner og bevægelser udviklet gennem mennesker, fællesskaber, uenigheder og fælles standarder. Når det kun er læren og AI, mister vi noget af dette. En privat dialog med AI kan fjerne nogle af de sociale komponenter, der hjælper mennesker og samfund med at teste og udvikle ideer.

AI kan tilpasse processen i en ekstraordinær grad, men millioner af separate samtaler mellem individer og maskiner er ikke det samme som en fælles intellektuel kultur. Hvis læring bliver for isoleret, risikerer vi at miste noget af uenigheden, forhandlingen og den kollektive mening, der sker gennem, at viden udvikles.

Spørgsmålet er ikke kun, om en enkelt person kan lære effektivt med AI. Det er, hvad der sker med kollektiv menneskelig fremgang, når så meget læring finder sted i privat.

Dette betyder ikke, at vi skal afvise AI. Tværtimod. Jeg er den første og største ambassadør for denne del af teknologien. AI kan give os just-in-time-understøttelse. Det kan forstå kontekst. Det kan arbejde med dokumenter. Det kan skabe nyttige svar meget hurtigt.

Men vi skal forstå, hvilken type læring, vi beder det om at understøtte.

For organisationer bliver dette en praktisk spørgsmål. Hvor er AI nok? Hvor har vi brug for rettet lærings-oplevelser? Hvor har vi brug for vurdering, feedback, validering og et menneskeligt synspunkt? Hvor har vi brug for, at mennesker bliver bedre brugere af AI selv?

Fordi hvis vi forventer, at mennesker skal arbejde med meget intelligente co-piloter, skal de også blive mere dygtige. Hvis du arbejder med et meget intelligent system, må du også hæve dit spil. Du må forstå, hvorfor det siger, hvad det siger.

Så ja, AI har ændret, hvem der kan bygge læring. Det har åbnet skabelse for flere mennesker. Det har gjort mange former for læring hurtigere, lettere og mere tilgængelige.

Men jo mere AI demokratiserer skabelse, jo mere har vi brug for at forstå retning. Politik og kunst bag læring.

Fremtiden vil ikke blive bygget ved at forestille sig, at AI kan gøre alt alene. Den vil blive bygget af mennesker, der forstår, hvornår AI skal generere, hvornår det skal assistere, hvornår det skal tilpasse, og hvornår et menneske stadig har brug for at dirigere oplevelsen.

Prompting kan skabe materiale, men retning er, hvad ændrer materialet til læring.