AI와 교육의 민주화: 누가 지금 학습을 구축하는가?

AI는 거의 모든 사람이 학습과 유사한 것을 생성할 수 있도록 만들었습니다.

학습자는 문서를 업로드하고 요약을 요청할 수 있습니다. 관리자는 PDF를 퀴즈로 변환할 수 있습니다. 주제 전문가는 몇 분 안에 과정 개요, 학습 목표 및 평가를 요청할 수 있습니다.

그것은 실제로 변화입니다. 나는 그 중요성을 축소해서는 안 된다고 생각합니다. 처음으로, 사람들은 플랫폼, 프로덕션 팀 또는 교육 설계자가 항상 필요하지 않도록 유용한 학습 자료를 생성할 수 있습니다.

하지만 우리는 학습이 무엇을 의미하는지에 대해 주의해야 합니다.

질문에 대한 답변을 발견하는 것과 지식을 구축하는 것 사이에는 차이가 있습니다. 그리고 유용한 학습 에피소드와 심각한 학습 여정 사이에도 차이가 있습니다.

AI는 이미 첫 번째 부분에서 매우 좋습니다. 작은 문제를 해결하거나, 간단한 레시피를 따르거나, 매우 구체적인 상황을 다루고 싶다면, AI가 훌륭한 일을 할 수 있습니다. 빠른 답변을 제공하거나, 개념을 설명하거나, 퀴즈를 생성하거나, 문서를 요약하거나, 누군가에게 무언가를 이해하게 도와줄 수 있습니다.

간단한 예입니다. 나는 역사 책의 두 장을 업로드하고 딸에게 질문지를 생성할 수 있습니다. 나는 아무 것도 더 필요하지 않습니다. 나는 그와 같은 것을 몇 분 안에 생성할 수 있고, 그녀는 무엇을 알고 무엇을 모르는지 알 수 있습니다.

그것은 유용하고, 어떤 경우에는 충분합니다.

하지만 딸이 역사에 대해 배우기 위해 직접 AI와 상호 작용하는 것은 매우 다른 것입니다.

이 구별은 중요합니다. 왜냐하면 AI와 학습에 관한 많은 대화는 두 가지를 동일한 것으로 취급하기 때문입니다. 학습 에피소드는 즉각적이고 유용하며 개인화될 수 있습니다. 학습 여정은 완전히 다른 것입니다. 구조와 방향이 있습니다. 학습자는 모르는 것에서 알고, 적용하고, 반성하고, 궁극적으로 생각이나 행동을 변경하는 방향으로 나아가야 합니다. 그것은 훨씬 더 어렵습니다.

창조에 대한 접근은 디자인의 마스터리가 아님

人们谈论AI 민주화 교육할 때, 나는 이것이 흥미로운 논쟁이 되는 곳이라고 생각합니다. AI는 절대적으로 창조에 대한 접근을 민주화했습니다. 더 많은 사람들이 학습 자료를 생성할 수 있습니다. 더 많은 주제 전문가가 지식을 구조화된 것으로 변환할 수 있습니다. 더 많은 학습자가 정확히 필요할 때 도움을 받을 수 있습니다.

하지만 학습 생성에 대한 접근은 학습 설계의 마스터리와 동일하지 않습니다.

누군가가 간단한 것을 배우고 싶다면, AI는 충분할 수 있습니다. 하지만 누군가가 핵심 물리학, 리더십, 임상 판단 또는 심각한 능력을 배우고 싶다면, 학습자는 학습 여정을 제어해야 합니다. 그들은 내용이 좋은지, 다음 단계가 의미 있는지, 지식을本当に 흡수하고 있는지 이해해야 합니다.

그것은 학습자를 위해 메타인지 능력을 사용하여 학습을 지시하는 것을 필요로 합니다. 실제로, 대부분의 사람들은 그 부담을 원하지 않습니다. 그들은 학습 과정이 올바른지 결정하기 위해 에너지를 소비하지 않습니다. 그들은 그냥 배우고 싶습니다.

이것은 프롬프트 전용 학습의 첫 번째 큰 제한입니다. 그것은 개인에게 많은 것을 요구합니다. 그들은 올바른 입력을 선택해야 하며, 올바른 질문을 해야 하며, 답변의 질을 판단해야 하며, 시스템이 잘못되면 방향을 전환해야 하며, 동시에 자신을 동기부여해야 합니다.

AI 지원 학습은 연속체입니다

나는 미래가 단순히 “AI가 과정을 생성한다”는 것이 아니라고 생각합니다. AI 지원 학습 생성을 생각하는 방법은 연속체입니다. 한쪽 끝에는 프롬프트 전용 생성이 있습니다. 사용자가 AI에 주제에 대한 초급 과정을 생성하도록 요청합니다. 그것은 빠르고 유용한 시작점입니다. 하지만 그것은 제한적입니다. 그것은 일관성 있고 다듬어진 것으로 들릴 수 있지만, 그것이 강한 교육학을 가지고 있거나 학습자의 실제 목표에 강한 정렬을 의미하는 것은 아닙니다.

그다음에는 리소스 지향 생성이 있습니다. 여기서 AI는 실제 소스 자료와 같은 비디오, 매뉴얼, 강의, 기사에서 작동합니다. 그것은 사실에 기반을 두고 있기 때문에 더 강합니다.

다음으로 목표 지향 생성이 있습니다. 여기서 시작점은 내용이 아니라 결과입니다. 어떤 능력을 구축하려고 하는가? 누군가가 이후에 무엇을 할 수 있게 될 것인가? 우리는 그것을 어떻게 알 수 있게 될 것인가?

또 다른 경로는 여정 지향 생성입니다. 여기서 교육자 또는 교육 설계자가 경험을 형성합니다. 학습자는 어디에서 시작해야 하는가? 어디서 어려움을 느껴야 하는가? 언제 반성해야 하는가? 언제 연습해야 하는가? 언제 평가해야 하는가?

마지막으로, 인간이 큐레이션한 생성이 있습니다. 여기서 전문가는 구조, 시퀀싱, 평가 및 경험의 의미에密接 참여합니다. AI는 여전히 존재하지만, 그것은 지시자가 아닙니다. 그것은 보조입니다.

이 구별은 중요합니다. 학습은 한 가지가 아닙니다. 그것은 학습을 정의하는 방법과 생성하려고 하는 학습의 종류에 따라 다릅니다.

우리가 비판적思考, 깊은 학습, 긴 여정, 큰 목표 및 중요한 결정에 대해 이야기할 때, 우리는 인간 지향 학습이 필요합니다.

同じ的事情이 자산에 적용됩니다. AI에게 무언가를 생성하도록 요청하는 것과 풍부한 학습 자산을 제공하는 것 사이에는 큰 차이가 있습니다. 더 심각한 학습 목표일수록, 입력의 품질이 중요합니다.

문제는 내용만이 아니었다

이것은 많은 조직이 실수를 저지를 곳입니다. 그들은 AI가 더 많은 내용을 생성할 수 있다는 것을 보고, 문제가 해결된 것으로 가정할 것입니다.

사실, 기술 혁신이 발생할 때마다, 우리는 학습을 단순화합니다. 라디오가 도착했을 때, 사람들은 학교에 갈 필요가 없다고 말했습니다. 영화가 도착했을 때, 책이 더 이상 필요하지 않다고 hỏi했습니다. 이제 AI가 도착했으며, 우리는 같은 것을 다시 할 위험이 있습니다. 우리는 새로운 매체가 정보를 제시할 수 있으므로 학습을 대체할 수 있다고 가정할 위험이 있습니다.

가장 큰 문제는 학습이 무엇인지에 대한 단순화입니다

학습은 정보 전달만이 아닙니다. 그것은 인지적이지 않습니다. 그것은 사회적입니다. 그것은 감정적입니다. 그것은 문화적입니다. 그것은 가치를 가지고 있습니다. 학습은 가치와 미래에 대한 비전을 가지고 있습니다.

그것은 기능적 학습과 변형적 학습 사이의 차이입니다. 기능적 학습은 누군가에게 커피를 만드는 방법을 보여줄 수 있습니다. 사용하는 물의 양, 커피의 양, 방법, 타이밍 등입니다. 변형적 학습은 누군가에게真正로 좋은 커피를 만드는 방법을 이해하게 도와줍니다. 그라운드 사이즈가 맛에 어떻게 영향을 미치고, 물 온도가 추출에 어떻게 영향을 미치는지, 맛이 어떻게 발전하는지, 무엇이 잘못되었을 때 어떻게 조정하는지, 궁극적으로 자신만의 것을 생성하는 방법을 이해하게 도와줍니다. 그것은 작은 차이가 아니며, 우리가 학습의 목적을 생각하는 방식을 변경합니다.

학습은 정치와 예술입니다.

그것은 협소한 정당 정치적 의미에서 정치가 아닙니다. 학습은 중립적이지 않습니다. 우리는 항상 무엇이 중요하고, 무엇을 도전해야 하며, 어떤 미래를 향해 가고 있는지에 대한 결정들을 합니다. 학습은 항상 정치적입니다. 왜냐하면 우리는 어떤 길을 선택하기 때문입니다. 우리는 항상 감정, 가치 및 관점을 넣습니다.

그리고 학습은 예술입니다. 왜냐하면 그것은 사람들이 세상을 어떻게 감지하고, 이해하고, 해석하는지에 관한 것이며, 세상을 둘러싼 세계가 변하는 동안입니다. AI는 도와줄 수 있지만, 그것을 소유할 수는 없습니다.

이것은 교육자와 교육 설계자가 더 중요해지는 곳입니다. AI가 실제 생산 작업을 더 많이 맡을수록, 그들의 가치는 학습 경험의 목적, 구조 및 방향을 형성하는 쪽으로 이동합니다.

과거에는 많은 교육 설계 시간이 학습의 일부를 생성하는 데 소요되었습니다. LearnWorlds에서 우리는 이것이 직접적으로 변하고 있음을 보고 있습니다. 교육 설계자는 더 이상 내용, 이미지, 비디오 또는 자산을 생성하는 데 많은 시간을 소요하지 않습니다. 그들은 학습 여정의 세부 사항과 세부 사항에 더 많은 시간을 할애할 수 있습니다.

그것은 중요한 변화입니다. 교육자는 업스트림으로 이동합니다. 그들은 내용 생성자에서 더 많이 지시자로 됩니다.

어떤 위대한 소설이 한 번 이상 각색된 경우를 생각해 보십시오. 원본 자료는 동일할 수 있지만, 두 감독은 동일한 영화를 만들지 않을 것입니다. тон, 속도, 분위기, 강조되는 것, 이야기의 의미는 모두 감독이 자신만의 개인적 해석과 관점을 가져오기 때문에 다를 것입니다.

학습도 vậy입니다. 학습은 거의 영화적 경험입니다. 동일한 원본 자료는 다양한 학습 경험으로 변할 수 있습니다. 학습은 한 가지 이야기에서 동일한 책이 아닙니다. 여러 가지 이야기가 있습니다.

그 풍부함이 중요합니다. 그것은 제거되어야 할 비효율이 아닙니다. 그것은 학습을 인간적으로 만들고, 다양한 관점, 사고 방식 및 문화를 제공하는 일부입니다.

이것은 AI가 흥미롭고, 위협적이지 않은 곳입니다. 그것은 교육자에게 더 큰 설계 공간을 제공합니다. 이것은 왜 우리는 감독과 설계자에 대해 이야기하는지입니다. 교육자는 이제 설계 공간을 열 수 있고, 학습 여정의 프로토타입을 생성하고, 다양한 가능성을 탐색하고, 이전보다 더 깊이 설계에 들어갈 수 있습니다.

AI는 자료를 생성하는 데 도움이 될 수 있지만, 인간이 여전히 경험을 무엇으로 할지 결정합니다. 그것이 내용 생성과 학습 설계 사이의 본질적인 차이입니다.

방향은 자료를 학습으로 만듭니다

그 방향 없이, 조직이 AI 상호 작용을 학습이 발생한 것으로 취급할 위험이 있습니다. AI는 존재하는 것에 대한 관점을 제공합니다. 그것은 그냥 관점일 뿐입니다. 때때로 그것은 매우 좋은 관점입니다. 때때로 그것은 놀라운 것이고 유용합니다. 하지만 고유한 대화 또는 몇 번의 상호 작용은 학습이 끝났다고 취급되어서는 안 됩니다.

또 다른 위험이 있습니다. 학습자가 AI와 혼자일 때, 사회적 측면이 손실될 수 있습니다. 학습은 사회적입니다. 역사적으로, 아이디어, 학문 및 운동은 사람들, 공동체, 의견 불일치 및 공유 표준을 통해 발전해 왔습니다. 학습자와 AI만 있을 때, 우리는 일부 사회적 구성 요소를 잃을 수 있습니다. AI와의 개인 대화는 아이디어를 테스트하고 발전시키는 데 도움이 되는 일부 사회적 구성 요소를 제거할 수 있습니다.

AI는 과정을 개인화할 수 있지만, 수백만 개의 개별 대화는 공유된 지적 문화와 동일하지 않습니다. 학습이 너무 고립되면, 우리는 일부 의견 불일치, 협상 및 집단적 의미 생성을 잃을 위험이 있습니다.

질문은 개인이 AI와 효과적으로 학습할 수 있는지에 대한 것이 아닙니다. 그것은 학습의 대부분이 개인과 기계 사이에서 일어날 때 인간의 집단적 진보가 어떻게 되는지에 관한 것입니다.

그것은 우리가 AI를 거부해야 한다는 것을 의미하지 않습니다. 반대로, 나는 이 기술의 첫 번째이자 가장 큰 대사입니다. AI는 정시에 지원을 제공할 수 있습니다. 그것은 상황을 이해할 수 있습니다. 그것은 문서와 함께 작동할 수 있습니다. 그것은 매우 빠르게 유용한 답변을 생성할 수 있습니다.

하지만 우리는 AI가 지원하는 학습의 종류를 이해해야 합니다.

조직에 대해서는 이것은 실제적인 질문이 됩니다. 어디에서 AI가 충분한가? 어디에서 지시된 학습 경험을 필요로 하는가? 어디에서 평가, 피드백, 검증 및 인간의 관점이 필요한가? 어디에서 사람들이 AI 자체를 더 잘 사용하는 방법을 배울 필요가 있는가?

왜냐하면 사람들이 매우 지능적인 공조를 사용할 때, 그들은 또한 더 잘해야 합니다. 매우 지능적인 시스템과 함께 일할 때, 그들은 시스템이 왜 그렇게 말하는지 이해해야 합니다.

그래서, 예, AI는 학습을 구축할 수 있는 사람을 변경했습니다. 그것은 창조를 더 많은 사람에게 개방했습니다. 그것은 많은 종류의 학습을 더 빠르고, 더 쉽고, 더 접근하기 쉽게 만들었습니다.

하지만 AI가 창조를 더 민주화할수록, 우리는 방향을 더 잘 이해해야 합니다. 학습 뒤에 있는 정치와 예술.

미래는 AI가 모든 것을 혼자 할 수 있다고 가정하여 구축되지 않을 것입니다. 그것은 AI가 생성해야 할 때, 지원해야 할 때, 적응해야 할 때 및 인간이 여전히 경험을 지시해야 할 때를 이해하는 사람들이 구축할 것입니다.

프롬프트는 자료를 생성할 수 있지만, 방향은 그 자료를 학습으로 만드는 것입니다.