Kto buduje naukę teraz? AI i demokratyzacja edukacji

AI umożliwiło prawie każdemu stworzenie czegoś, co wygląda jak nauka.

Uczący się może przesłać dokument i poprosić o streszczenie. Menedżer może przekształcić plik PDF w quiz. Ekspert od danej dziedziny może poprosić o zarys kursu, cele nauki i ocenę w ciągu kilku minut.

To jest prawdziwa zmiana. Nie sądzę, że powinniśmy pomijać jej znaczenie. Po raz pierwszy ludzie mogą tworzyć przydatne materiały edukacyjne bez konieczności korzystania z platformy, zespołu produkcyjnego lub projektanta instruktażu.

Ale musimy być ostrożni, co do tego, co rozumiemy przez naukę.

Istnieje różnica między odkryciem odpowiedzi na pytanie a budowaniem wiedzy. I istnieje różnica między przydatnym epizodem nauki a poważną nauką.

AI jest już bardzo dobre w pierwszej części. Jeśli chcesz rozwiązać mały problem, postępować według prostego przepisu lub radzić sobie z bardzo konkretnym kontekstem, AI może zrobić świetną robotę. Może dać ci szybką odpowiedź, wyjaśnić pojęcie, stworzyć quiz, podsumować dokument lub pomóc komuś zrozumieć coś w danej chwili.

Prosty przykład. Mogę przesłać dwa rozdziały z książki historycznej i stworzyć kwestionariusz dla mojej córki. Nie potrzebuję niczego więcej. Mogę stworzyć coś takiego w momencie i możemy odkryć, co wie i czego nie wie.

To jest przydatne i w niektórych przypadkach wystarczające.

Ale pomoc mojej córce w nauce historii poprzez bezpośrednią interakcję z AI jest zupełnie inną rzeczą.

Ta różnica jest ważna, ponieważ wiele rozmów o AI i nauce traktuje te dwie rzeczy jako takie same, co nie jest prawdą. Epizod nauki może być natychmiastowy, przydatny i spersonalizowany. Nauka jest czymś zupełnie innym. Ma strukturę i kierunek. Zmusza uczącego się do poruszania się od nieznajomości do znajomości, od stosowania do refleksji, aż do ostatecznej zmiany sposobu myślenia lub działania. To jest o wiele trudniejsze.

Dostęp do tworzenia nie jest opanowaniem projektu

Kiedy ludzie mówią o AI demokratyzującym edukację, myślę, że to jest tam, gdzie argument staje się interesujący. AI absolutnie demokratyzuje dostęp do tworzenia. Więcej ludzi może teraz tworzyć materiały edukacyjne. Więcej ekspertów od danej dziedziny może przekształcić swoją wiedzę w coś ustrukturyzowanego, a więcej uczących się może uzyskać pomoc w dokładnej chwili, kiedy jej potrzebują.

Ale dostęp do tworzenia nauki nie jest tym samym, co opanowanie projektu nauki.

Jeśli ktoś chce nauczyć się czegoś prostego, AI może być wystarczające. Ale jeśli ktoś chce nauczyć się fizyki jądrowej, przywództwa, sądu klinicznego lub jakiejś poważnej umiejętności, osoba ucząca się musi zrobić o wiele więcej, niż tylko wziąć udział w kursie. Musi wziąć kontrolę nad nauką. Musi zrozumieć, czy zawartość jest dobra, czy następny krok ma sens, i czy naprawdę przyswaja wiedzę.

To wymaga od nich użycia wszystkich metakognitywnych umiejętności, aby skierować naukę. W rzeczywistości większość ludzi nie chce takiego obciążenia. Nie chcą spędzać swojej energii na ciągłym decydowaniu, czy proces nauki jest poprawny. Chcą po prostu się uczyć.

To jest pierwsze duże ograniczenie nauki opartej na podpowiedziach. Wygląda to na uprawnienie, ale wymaga wiele od jednostki. Muszą wybrać odpowiednią wejście, zadać odpowiednie pytanie, ocenić jakość odpowiedzi, skierować system, gdy idzie nie tak, i przez cały czas utrzymywać się w motywacji.

Nauka wspomagana przez AI jest ciągiem

Nie myślę, że przyszłość jest po prostu „AI tworzy kurs”. Sposób myślenia o tworzeniu nauki wspomaganej przez AI powinien być traktowany jako ciąg. Na jednym końcu jest tworzenie oparte na podpowiedziach. Użytkownik prosi AI o stworzenie kursu dla początkujących na dany temat. Jest to szybkie i przydatne jako punkt wyjścia. Ale jest to również ograniczone. Może brzmieć spójnie i być wygładzone, ale to nie znaczy, że ma silną pedagogikę za sobą lub silne dopasowanie do rzeczywistego celu uczącego się.

Następnie jest tworzenie ukierunkowane na zasoby. Tutaj AI działa na podstawie rzeczywistych materiałów źródłowych, takich jak wideo, podręcznik, wykład, artykuł. To jest silniejsze, ponieważ system jest zakorzeniony w czymś faktualnym.

Następnie jest tworzenie ukierunkowane na cele, gdzie punktem wyjścia nie jest tylko zawartość, ale efekt. Jaką umiejętność chcemy zbudować? Co powinno być w stanie zrobić ktoś po zakończeniu? Jak będziemy wiedzieć, że mogą to zrobić?

Inny sposób to tworzenie ukierunkowane na podróż. Tutaj edukator lub projektant instruktażu kształtuje doświadczenie. Skąd zaczyna się uczący się? Gdzie powinien się zmagać? Kiedy powinien się zastanowić? Kiedy powinien ćwiczyć? Kiedy powinien być oceniany?

Na końcu jest tworzenie kuratorowane przez człowieka, gdzie ekspert pozostaje ściśle zaangażowany w strukturę, sekwencję, ocenę i znaczenie doświadczenia. AI jest nadal tam, ale nie jest dyrektorem. Jest asystentem.

<p-Ta różnica jest ważna, ponieważ nauka nie jest jedną rzeczą. Zależy od tego, jak definiujemy naukę i jaki rodzaj nauki próbujemy stworzyć.

Kiedy mówimy o myśleniu krytycznym, głębokiej nauce, długich podróżach, dużych celach i ważnych decyzjach, potrzebujemy ukierunkowanej nauki.

To samo dotyczy aktywów, które dajemy AI. Istnieje duża różnica między proszeniem AI o stworzenie czegoś z pustej podpowiedzi a dostarczeniem mu bogatego zestawu materiałów edukacyjnych, takich jak materiały źródłowe, aktywności, ścieżki nauki, oceny i pełne programy. Im poważniejszy cel nauki, tym bardziej ważna jest jakość tych wejść.

Problemem nie było tylko zawartość.

To jest miejsce, w którym myślę, że wiele organizacji popełni błędy. Będą widzieć, że AI może produkować więcej zawartości, szybciej, i będą zakładać, że problem jest rozwiązany.

W rzeczywistości każdy raz, kiedy następuje rewolucja technologiczna, upraszczamy naukę. Kiedy radio przybyło, ludzie powiedzieli, że nie ma powodu, aby iść do szkoły, ponieważ uczniowie mogą słuchać. Kiedy kino przybyło, ludzie zapytali, dlaczego jeszcze potrzebujemy książek. Teraz AI przybyło, a my ryzykujemy robienie tego samego jeszcze raz. Ryzykujemy zakładanie, że ponieważ nowy medium może przedstawić informacje, może zastąpić głębszy akt nauki.

Największym problemem jest uproszczenie tego, czym jest nauka.

Nauka nie jest tylko przeniesieniem informacji. Nie jest tylko poznawcza. Jest społeczna. Jest emocjonalna. Jest kulturowa. Nosi wartości. Nauka przychodzi z wartościami i nauka przychodzi z wizjami przyszłości.

To jest różnica między funkcjonalną nauką a transformacyjną nauką. Funkcjonalna nauka może pokazać, jak zrobić kawę, postępując według przepisu. Użyj tej ilości wody, tej ilości kawy, tej metody, tego czasu. Transformacyjna nauka pomaga im zrozumieć, jak zrobić naprawdę dobrą kawę. Jak rozmiar zmielenia zmienia smak, jak temperatura wody wpływa na ekstrakcję, jak rozwija się smak, jak dostosować, gdy coś jest nie tak, i w końcu jak stworzyć coś własnego. To brzmi jak mała różnica, ale nie jest. Zmienia to, co myślimy, że nauka jest dla.

Istnieje przydatny sposób, aby o tym myśleć. Nauka ma politykę i sztukę.

To nie znaczy polityki w wąskim, partyjnym sensie. Znaczy to, że nauka nigdy nie jest neutralna. Zawsze robimy decyzje o tym, co się liczy, co powinno być zakwestionowane i jaki rodzaj przyszłości się ku niemu kierujemy. Nauka zawsze jest polityczna w tym szerszym sensie, ponieważ robimy decyzję o drodze, którą się kierujemy. Zawsze wkładamy emocje, wartości i perspektywę w to.

I nauka jest również sztuką, ponieważ jest to, jak ludzie postrzegają, rozumieją i interpretują świat, podczas gdy świat wokół nich się zmienia. AI może pomóc w tym, ale nie może go posiąść.

To jest miejsce, w którym edukator i projektant instruktażu stają się bardziej ważni, a nie mniej. Kiedy AI zajmuje się większą częścią rzeczywistej pracy produkcyjnej, ich wartość przesuwa się w kierunku kształtowania celu, struktury i kierunku doświadczenia edukacyjnego.

W przeszłości wiele czasu projektowania instruktażu było spędzane na produkcji elementów nauki. W LearnWorlds widzimy ten shift bezpośrednio: projektanci instruktażu nie muszą już spędzać tyle czasu na tworzeniu zawartości, obrazu, wideo lub zasobu. Mogą spędzać o wiele więcej czasu na detalach i ulepszeniach podróży edukacyjnej.

To jest ważna zmiana. Edukator przechodzi do góry. Staje się mniej producentem zawartości i bardziej dyrektorem.

Weźmy każdy wielki powieść, który został zaadaptowany więcej niż raz. Materiał źródłowy może być taki sam, ale dwóch reżyserów nie zrobi tego samego filmu. Ton, tempo, atmosfera, co jest podkreślone i co historia wydaje się znaczyć, wszystko pochodzi od osoby kierującej nim, ponieważ wnosi swoją własną osobistą interpretację i perspektywę.

Nauka działa w ten sam sposób. Nauka jest doświadczeniem opowiadania, niemal kinematograficznym. Ten sam materiał źródłowy może stać się wieloma różnymi doświadczeniami edukacyjnymi. Nauka nie jest jedną historią z tej samej książki. Są tu wiele różnych historii.

Ta różnorodność jest ważna. Nie jest nieefektywnością, którą trzeba usunąć. Jest częścią tego, co sprawia, że nauka jest ludzka, i jest częścią tego, co daje nam różne perspektywy, sposoby myślenia i kulturę.

To jest miejsce, w którym myślę, że AI staje się ekscytujące, a nie zagrażające. Daje edukatorom większą przestrzeń projektową. To dlatego mówimy o dyrektorach i projektantach. Edukatorzy mogą teraz otworzyć przestrzeń projektową, stworzyć prototypy podróży edukacyjnej, zbadać różne możliwości i zagłębić się w projekt bardziej niż wcześniej.

AI może pomóc wygenerować materiał, ale człowiek nadal decyduje, co doświadczenie próbuje osiągnąć. To jest istotna różnica między generowaniem zawartości a projektem edukacyjnym.

Kierunek zmienia materiał w naukę

Bez tego kierunku istnieje niebezpieczeństwo, że organizacje będą traktować interakcję z AI jakby nauka się wydarzyła. AI daje perspektywę tego, co istnieje. Jest to tylko perspektywa. Czasami jest to bardzo dobra perspektywa. Czasami jest to zaskakujące i przydatne. Ale unikalny dialog lub kilka interakcji nie powinny być traktowane jakby nauka była zakończona.

Istnieje jeszcze jeden ryzyko. Kiedy uczący się jest sam z AI, coś społecznego może być utracone. Nauka jest społeczna. Historycznie, idee, dyscypliny i ruchy rozwijały się poprzez ludzi, społeczności, niezgody i wspólne standardy. Kiedy jest to tylko uczący się i AI, tracimy niektóre z tych społecznych składników, które pomagają ludziom i społeczeństwom testować i rozwijać idee.

AI może spersonalizować proces do niezwykłego stopnia, ale miliony oddzielnych rozmów między jednostkami a maszynami nie są tym samym, co wspólna intelektualna kultura. Jeśli nauka staje się zbyt izolowana, ryzykujemy utratę niektórych z tych niezgodności, negocjacji i kolektywnego sensu, poprzez które wiedza postępuje.

Pytanie nie jest tylko tym, czy jednostka może się efektywnie uczyć z AI. Jest to, co się dzieje z ludzkim postępem, kiedy tak wiele nauki odbywa się w prywatnych.

To nie znaczy, że powinniśmy odrzucić AI. Wręcz przeciwnie. Jestem pierwszym i największym ambasadorem tej części technologii. AI może dać nam wsparcie w czasie rzeczywistym. Może zrozumieć kontekst. Może pracować z dokumentami. Może tworzyć przydatne odpowiedzi bardzo szybko.

Ale musimy zrozumieć, jaki rodzaj nauki prosimy go o wsparcie.

Dla organizacji staje się to praktyczne pytanie. Gdzie AI jest wystarczające? Gdzie potrzebujemy ukierunkowanych doświadczeń edukacyjnych? Gdzie potrzebujemy oceny, informacji zwrotnej, walidacji i ludzkiego punktu widzenia? Gdzie potrzebujemy ludzi, aby stali się lepszymi użytkownikami AI?

Ponieważ jeśli oczekujemy, że ludzie będą pracować z bardzo inteligentnymi pilotami, muszą również stać się bardziej umiejętnymi. Jeśli pracujesz z bardzo inteligentnym systemem, musisz podnieść swoją grę. Musisz zrozumieć, dlaczego mówi to, co mówi.

Więc tak, AI zmieniło, kto może tworzyć naukę. Otworzyło tworzenie dla więcej ludzi. Zrobiło wiele rodzajów nauki szybszymi, łatwiejszymi i bardziej dostępnymi.

Ale im bardziej AI demokratyzuje tworzenie, tym bardziej musimy zrozumieć kierunek. Politykę i sztukę za nauką.

Przyszłość nie zostanie zbudowana przez udawanie, że AI może zrobić wszystko samodzielnie. Zostanie zbudowana przez ludzi, którzy rozumieją, kiedy AI powinno generować, kiedy powinno pomagać, kiedy powinno dostosowywać i kiedy człowiek nadal musi kierować doświadczeniem.

Prompting może tworzyć materiał, ale kierunek jest tym, co zmienia materiał w naukę.