Hvordan smartere teknologi kan hjælpe med at lukke STEM-uddannelsesgapet

Science bevæger sig hurtigt, men STEM har ikke holdt trit. På et tidspunkt, hvor vi har brug for flere videnskabsmænd, ingeniører og sundhedsprofessionelle end nogensinde, bliver for mange studerende stadig efterladt. For lærere i landdistrikter, underfinansierede skoler eller de, der balancerer mellem arbejde og omsorg, kan vejen til en STEM-karriere være blokeret, før den overhovedet er startet.

Dette er ikke kun et politikproblem eller et budgetspørgsmål. Det er en designudfordring. Og som jemand, der har bygget spil, læringsplatforme og immersiv teknologi for det meste af min karriere (og ikke at nævne, som far til fire), er det en udfordring, jeg tager meget personligt. Vi har brug for at tænke om, hvad læring ligner, og vi har brug for at gøre det på en måde, der udvider adgangen uden at sænke standarden.

Det er her, smartere teknologi kommer ind. Ikke teknologi for teknologiens skyld, men værktøjer, der hjælper undervisere med at gøre mere med mindre, giver studerende praktisk øvelse uanset hvor de er, og gør rigtig videnskab mulig.

Det handler ikke om hastighed. Det handler om tilpasning.

Der er meget hype om, hvordan kunstig intelligens (AI) kan gøre uddannelse hurtigere. Men hastighed alene er ikke nyttig, hvis det ikke tjener studerende. Det, der betyder mere, er, om indholdet møder lærerne, hvor de er, og giver dem, hvad de har brug for for at lykkes.

Tag science-laboratorier. Fysiske laboratorier er dyre, svære at planlægge og ofte utilgængelige for studerende, der ikke er på en traditionel campus. For millioner af studerende, der lærer online eller deltid, er det en hindring.

Virtuelle laboratorier kan hjælpe med at løse dette problem. De gør det muligt at levere komplekse eksperimenter gennem en browser, så studerende kan øve sig sikkert og fleksibelt. Men at bygge disse laboratorier tager tid – og det er her, ny teknologi kan hjælpe. Ved at bruge AI til at støtte akademiske eksperter kan vores teams generere simulationsudkast eller spotte indholdsgab og få højkvalitetsvidenskabsuddannelse ind i flere klasser, hurtigere. Og vi kan gøre det uden at skære hjørner eller miste kontakten med mennesker.

Lad mennesker lede, ikke algoritmen

Der er en rigtig og en forkert måde at bruge teknologi i uddannelse på. Vi har eksperimenteret med måder at bruge AI bag scenen. Det betyder at bygge værktøjer, der hjælper vores teams med at arbejde hurtigere, ikke erstatte lærere eller læremidler.

Hver simulation, vi udgiver, vil gå gennem rigtige videnskabsmænd og instruktionsdesignere. AI kan hjælpe med at generere en tidlig version, men det er eksperterne, der former det endelige produkt. Det menneskelige lag er afgørende. Det holder indholdet præcist, aldersappropriat og i tråd med, hvordan studerende lærer.

Og det stopper ikke med intern gennemgang. Vi tester med rigtige undervisere for at se, hvordan materialet fungerer i klassen, online og i hybridformater. Vi ser på engagement, forståelse og områder, hvor studerende kommer fast. Alt det data feedback til, hvordan vi forbedrer vores indhold.

Dette er ikke kun et kvalitetsproblem; det er et tillidsproblem. Hvis vi vil have, at teknologi skal støtte en mere lige uddannelse, skal det bygges omhyggeligt og med rigtig tilsyn. Det skal være en del af et system, der prioriterer studerende og lærere, ikke software.

Praktisk læring, der hænger ved

En af de store spørgsmål i uddannelse lige nu er: hvordan ved vi, at studerende virkelig lærer? Med værktøjer som ChatGPT er det lettere end nogensinde at fake en essay eller løse et problem. Det er en udfordring for skoler – og en mulighed for platforme, der underviser gennem erfaring, ikke memorering.

Virtuelle laboratorier er en af svarene. Når studerende kører et eksperiment, fejlfinder det og ser, hvad der sker, når de begår en fejl, er læringen dybere. Du kan ikke kopiere/indsætte dig gennem det.

Og hvad der er lige så vigtigt, er feedback-løkken. I en veludført simulation får studerende realtidsvejledning, ikke kun karakterer. De opmuntres til at reflektere over deres handlinger, gensende fejl og anvende kritisk tænkning. Den slags læring hænger ved, fordi det er aktivt og anvendt.

Vi har også set, hvordan simulationer kan hjælpe studerende, der mangler tillid til videnskab. Disse værktøjer giver dem en sikker plads til at eksperimentere, fejle og prøve igen. Det er ikke kun god pædagogik; det er en måde at bygge en følelse af evne. Og når studerende ser sig selv som i stand til at gøre videnskab, er de mere sandsynligt at blive på banen.

En virkelig verdenseksempel: Yavapai College

På Yavapai College i Arizona er mange studerende ældre, arbejdende eller med ansvar for familier. For nogle år siden introducerede fakultetet virtuelle laboratorier i en online mikrobiologi-kursus. Gennemførelsesraterne steg med 16%, og gapet mellem online- og fysiske studerende forsvandt næsten.

Det er, hvad der sker, når man designer med rigtige studerende i mente. Det handler ikke om flashy værktøjer, det handler om at fjerne barrierer og støtte de resultater, der betyder noget.

Hvor vi går herefter

Jeg har set, hvordan teknologi kan ændre, hvordan mennesker lærer. Men det, der exciterer mig mest, er ikke tempoet i ændringen, men potentialet for endelig at lukke nogle af de huller, vi har levet med i så længe.

Ikke alle løsninger behøver at være drevet af AI. Men de rigtige værktøjer, brugt af eksperthumans, kan hjælpe flere studerende med at lykkes i videnskab og hjælpe flere lærere med at gøre, hvad de bedst kan.

Som far vil jeg have, at mine børn vokser op i en verden, hvor god uddannelse ikke er låst bag geografi eller indkomst eller dikteret af generativ AI. Jeg ved, vi kan bygge den verden, hvis vi fokuserer mindre på buzzwords og mere på at bygge, hvad der virkelig fungerer.