Hur smartare teknik kan hjälpa till att minska gapet inom STEM-utbildning

Vetenskapen utvecklas snabbt, men STEM-utbildningen har inte hängt med. I en tid då vi behöver fler forskare, ingenjörer och hälsovårdspersonal än någonsin, lämnas för många studenter fortfarande utanför. För elever i landsbygdsområden, underfinansierade skolor eller de som balanserar arbete och omsorg, kan vägen till en STEM-karriär vara blockerad redan från början.

Detta är inte bara ett politiskt problem eller ett budgetproblem. Det är en designutmaning. Och som någon som har byggt spel, lärplattformar och immersiv teknik under större delen av min karriär (och inte att förglömma, som far till fyra), är det en utmaning som jag tar mycket personligt. Vi måste tänka om vad lärande ser ut och vi måste göra det på ett sätt som utökar tillgängligheten utan att sänka ribban.

Det är där smartare teknik kommer in. Inte teknik för teknikens skull, utan verktyg som hjälper utbildare att göra mer med mindre, ge studenter praktisk erfarenhet oavsett var de är, och göra riktig vetenskap möjlig.

Det handlar inte om hastighet. Det handlar om passform.

Det finns mycket hype om hur artificiell intelligens (AI) kan göra utbildningen snabbare. Men hastighet ensam är inte hjälpsam om den inte tjänar studenterna. Vad som är viktigare är om innehållet möter lärande där de är och ger dem vad de behöver för att lyckas.

Tag vetenskapslaboratorier. Laboratorier på plats är dyra, svåra att schemalägga och ofta otillgängliga för studenter som inte är på en traditionell campus. För miljontals studenter som lär sig online eller deltid är det en deal-breaker.

Virtuella laboratorier kan hjälpa till att lösa det problemet. De gör det möjligt att leverera komplexa experiment via en webbläsare, vilket låter studenter öva säkert och flexibelt. Men att bygga dessa laboratorier tar tid – och det är där ny teknik kan hjälpa till. Genom att använda AI för att stödja akademiska experter kan våra team generera simuleringsutkast eller identifiera innehållsgap och få högkvalitativ vetenskaplig utbildning till fler klassrum, snabbare. Och vi kan göra det utan att skära hörn eller förlora kontakten med människor.

Låt människor leda, inte algoritmen

Det finns ett rätt och ett fel sätt att använda teknik i utbildningen. Vi har experimenterat med sätt att använda AI bakom kulisserna. Det betyder att bygga verktyg som hjälper våra team att arbeta snabbare, inte att ersätta lärare eller läroplaner.

<p.Varje simulation vi publicerar kommer att gå igenom riktiga forskare och instruktionsdesigners. AI kan hjälpa till att generera en tidig version, men det är experterna som formar den slutliga produkten. Det mänskliga lagret är avgörande. Det håller innehållet korrekt, åldersanpassat och i linje med hur studenter lär sig.

Och det slutar inte med intern granskning. Vi testar med riktiga utbildare för att se hur materialet fungerar i klassrummet, online och i hybridformat. Vi tittar på engagemang, förståelse och områden där studenter fastnar. All den information återkopplas till hur vi förfinar vårt innehåll.

Detta är inte bara en kvalitetsfråga; det är en fråga om tillit. Om vi vill att tekniken ska stödja en mer jämlik utbildning, måste den byggas noggrant och med riktigt tillsyn. Den måste vara en del av ett system som prioriterar studenter och lärare, inte programvara.

Praktiskt lärande som håller i sig

En av de stora frågorna inom utbildningen just nu är: hur vet vi att studenter verkligen lär sig? Med verktyg som ChatGPT är det lättare än någonsin att fejka en uppsats eller lösa ett problem. Det är en utmaning för skolor – och en möjlighet för plattformar som undervisar genom erfarenhet, inte memorering.

Virtuella laboratorier är ett svar. När studenter kör ett experiment, felsöker det och ser vad som händer när de gör ett misstag, är lärandet djupare. Du kan inte kopiera/klistra in vägen genom det.

Och vad som är lika viktigt är återkopplingslooppen. I en väl utformad simulation får studenter realtidsvägledning, inte bara poäng. De uppmuntras att reflektera över sina handlingar, återbesöka misstag och tillämpa kritiskt tänkande. Det slagen av lärande håller i sig, eftersom det är aktivt och tillämpat.

Vi har också sett hur simulationer kan hjälpa studenter som saknar förtroende för vetenskap. Dessa verktyg ger dem en säker plats att experimentera, misslyckas och försöka igen. Det är inte bara bra pedagogik; det är ett sätt att bygga en känsla av förmåga. Och när studenter ser sig själva som kapabla att göra vetenskap, är de mer benägna att stanna på vägen.

En verklig exempel: Yavapai College

På Yavapai College i Arizona är många studenter äldre, arbetande eller tar hand om familjer. För några år sedan införde lärarna virtuella laboratorier i en online-mikrobiologikurs. Genomströmningsgraden ökade med 16 % och gapet mellan online- och campusstudenter försvann nästan helt.

Det är vad som händer när du utformar med riktiga studenter i åtanke. Det handlar inte om flashiga verktyg, det handlar om att ta bort hinder och stödja de resultat som betyder något.

Vart vi går från här

Jag har sett hur teknik kan förändra hur människor lär sig. Men vad som exciterar mig mest är inte takten i förändringen, utan potentialen att till slut stänga några av de gap som vi har levt med under så lång tid.

Inte alla lösningar behöver vara drivna av AI. Men rätt verktyg, använda av experter, kan hjälpa fler studenter att lyckas i vetenskap och hjälpa fler lärare att göra vad de gör bäst.

Som förälder vill jag att mina barn ska växa upp i en värld där utmärkt utbildning inte är låst bakom geografi eller inkomst eller dikterad av generativ AI. Jag vet att vi kan bygga den världen om vi fokuserar mindre på buzzwords och mer på att bygga vad som faktiskt fungerar.