谁来构建学习？AI和教育的民主化

AI使得几乎任何人都可以创建看似学习的东西。

学习者可以上传文档并要求总结。经理可以将PDF转换为测验。主题专家可以要求创建课程大纲、学习目标和评估，只需几分钟。

这是一个真正的转变。我不认为我们应该低估其重要性。第一次，人们可以在不需要平台、制作团队或教学设计师的情况下创建有用的学习材料。

但是，我们需要小心我们所说的学习是什么意思。

发现答案和构建知识之间存在差异。有用学习片段和严肃学习旅程之间也存在差异。

AI已经非常擅长前者。如果您想解决一个小问题，遵循一个简单的配方或处理一个非常具体的背景，AI可以做得很好。它可以给您快速答案，解释一个概念，创建测验，总结文档或帮助某人理解某事。

一个简单的例子。我可以上传历史书的两章并为我的女儿创建问答题。我不需要其他东西。我可以在瞬间创建类似东西，我们可以发现她知道和不知道什么。

这很有用，在某些情况下，它足够了。

但是，通过与AI直接交互来帮助我的女儿学习历史是完全不同的事情。

这种区别很重要，因为围绕AI和学习的很多讨论都把这两件事当作相同的东西来对待，而它们并不是。学习片段可以是即时的、有用的和个性化的。学习旅程则完全不同。它具有结构和方向。它要求学习者从不知道到知道，再到应用、反思，最后改变他们的思维或行为方式。这更难。

创作的获取并不是设计的掌握

当人们谈论AI 民主化教育 时，我认为这就是论点变得有趣的地方。AI绝对民主化了创作的获取。更多的人现在可以创建学习材料。更多的主题专家可以将他们的知识转化为结构化的东西，更多的学习者可以在需要时获得帮助。

但是，获取学习创作并不等同于学习设计的掌握。

如果有人想学习简单的东西，AI可能足够。但是，如果有人想学习核物理、领导力、临床判断或任何严肃的能力，学习者必须做得更多，而不仅仅是上一门课程。他们必须控制学习旅程。他们需要了解内容是否良好，下一步是否有意义，以及他们是否真正吸收了知识。

这需要他们使用所有的 元认知技能 来指导学习。在现实中，大多数人不想承担这种负担。他们不想花费能量不断地决定学习过程是否正确。他们只想学习。

这是提示式学习的第一个大局限性。它看起来很赋权，但它要求个人做很多事情。他们必须选择正确的输入，提出正确的问题，判断答案的质量，重定向系统当它出错时，并且在此过程中保持自己的动力。

AI辅助学习是一个连续体

我不认为未来只是“AI创建课程”。思考AI辅助学习创作的方式是作为一个连续体。在一端，有提示式创作。用户要求AI创建一个初级课程。它快速且有用作为起点。但是，它也是有限的。它可能听起来连贯且精致，但这并不意味着它有强大的教学设计或与学习者的真正目标保持一致。

然后是资源导向的创作。这里，AI从真实的源材料开始，例如视频、手册、讲座、文章。这种方法更强，因为系统是基于事实的。

接下来是目标导向的创作，起点不仅仅是内容，而是结果。我们试图建立什么能力？有人应该能够做什么？我们如何知道他们能做到？

另一个途径是旅程导向的创作。这里，教育者或教学设计师塑造了体验。学习者从哪里开始？他们应该在哪里挣扎？何时应该反思？何时应该练习？何时应该被评估？

最后，是人工策划的创作，专家在体验的结构、顺序、评估和意义方面保持密切参与。AI仍然存在，但它不是导演。它是助手。

这种区别很重要，因为学习不是一件事。它取决于你如何定义学习和你试图创造什么样的学习。

当我们谈论批判性思维、深度学习、长期旅程、大目标和重要决策时，我们需要人导学习。

同样，当我们为AI提供资产时，也存在巨大的差异。要求AI从空白提示创建东西和提供丰富的学习资产（如源材料、活动、学习路径、评估和完整程序）之间存在巨大的差异。学习目标越严肃，输入质量就越重要。

问题从来不仅仅是内容

这是我认为许多组织将会犯错误的地方。他们会看到AI可以更快地产生更多内容，并假设问题已经解决。

事实上，每当有技术革命时，我们都会过度简化学习。广播出现时，人们说没有必要去学校，因为学生可以收听。电影出现时，人们问为什么还需要书籍。现在AI已经出现，我们又有可能犯同样的错误。我们有可能假设，因为新的媒体可以呈现信息，它就可以取代更深层次的学习行为。

最大的问题是学习的简化

学习不仅仅是信息传递。它不仅仅是认知的。它是社会的。它是情感的。它是文化的。它带有价值。学习伴随着价值和学习伴随着 对未来的愿景 。

这就是功能性学习和转化性学习之间的区别。功能性学习可能会向某人展示如何遵循配方制作一杯咖啡。使用这种量的水，这种量的咖啡，这种方法，这个时间。转化性学习帮助他们了解如何制作真正好的咖啡。如何改变磨豆大小会影响风味，如何水温会影响提取，如何发展味道，如何调整某些东西出了问题，以及最终如何创造出属于自己的东西。这听起来像是一个小的区别，但它不是。它改变了我们对学习的看法。

有一个有用的方式来思考这个问题。学习有政治和艺术。

这并不意味着政治在狭隘的党派政治意义上。它意味着学习永远不是中立的。我们总是对什么是重要的、什么应该被挑战以及我们指向什么样的未来做出决定。学习总是具有政治性，因为你正在做出关于你要走的道路的决定。我们总是将情感、价值观和视角投入到学习中。

学习也是艺术，因为它是关于人们如何感知、理解和解释周围不断变化的世界。AI可以帮助这一点，但它不能拥有它。

这就是教育者和教学设计师变得更加重要的地方，而不是变得不那么重要。随着AI承担更多实际的生产工作，他们的价值转向塑造学习体验的目的、结构和方向。

过去，教学设计花费了很多时间来制作学习的各个部分。在LearnWorlds，我们直接看到这种转变：教学设计师不再需要花费那么多时间来创建内容、图像、视频或资产。他们可以花更多时间来完善学习旅程的细节。

这是重要的转变。教育者向上游移动。他们不再是内容生产者，而是更像导演。

拿任何一本被改编过多次的伟大小说为例。源材料可能相同，但两位导演不会制作相同的电影。基调、节奏、氛围、强调什么以及故事似乎是什么意思，都来自于指导它的人，因为他们带来了自己的个人解读和视角。

学习也类似。学习是一种讲故事的体验，几乎是一种电影体验。相同的源材料可以变成许多不同的学习体验。学习不是来自同一本书的单一故事。有很多不同的故事。

这种丰富性很重要。它不是一种需要被消除的低效率。它是使学习变得人性化的东西，也是赋予我们不同的视角、思维方式和文化的东西。

这就是我认为AI变得令人兴奋的地方，而不是威胁。它给了教育者一个更大的设计空间。这就是为什么我们谈论导演和设计师。教育者现在可以打开设计空间，创建学习旅程的原型，探索不同的可能性，并比以前更深入地进行设计。

AI可以帮助生成材料，但人类仍然决定体验的目标是什么。这是内容生成和学习设计之间的基本区别。

方向将材料转化为学习

没有这种方向，组织就有可能把AI交互当作学习已经发生。AI给了你对现状的看法。它只是一个看法。有时候这是一个很好的看法。有时候它很有用和令人惊讶。但是，一个独特的对话或几次交互不应该被当作学习已经完成。

还有另一个风险。当学习者独自与AI交互时，可能会失去一些社会性。 学习是社会性的 。历史上，思想、学科和运动都是通过人们、社区、争论和共同标准发展起来的。当只有学习者和AI时，我们失去了其中一些社会成分，这些成分帮助人们和社会测试和推进思想。

AI可以将过程个性化到极高的程度，但数百万个体与机器之间的单独对话并不是共享的知识文化。学习变得过于孤立，我们有可能失去一些通过集体知识进步而来的分歧、谈判和集体意义构建。

问题不仅是个人是否可以有效地使用AI学习。问题是，当大量学习发生在私人空间时，会对集体人类进步产生什么影响。

这并不意味着我们应该拒绝AI。相反，我是这一部分技术的第一大使和最大支持者。AI可以提供即时支持。它可以理解上下文。它可以与文档合作。它可以快速创建有用的答案。

但是，我们需要了解我们要求它支持什么样的学习。

对于组织来说，这是一个实际的问题。哪里需要AI？哪里需要有指导的学习体验？哪里需要 评估、反馈、验证 和人类的视角？哪里需要人们成为AI的更好用户？

因为如果我们期望人们与非常智能的副驾驶合作，他们也需要变得更加熟练。他们需要了解为什么AI会说出它所说的内容。

是的，AI已经改变了谁可以构建学习。它已经使创作对更多人开放。它使得许多类型的学习变得更快、更容易、更便捷。

但是，随着AI民主化创作，我们需要更多地了解方向。学习背后的政治和艺术。

未来不会通过假装AI可以独自做所有事情来建造。它将由那些理解何时应该生成、辅助、适应和何时需要人类引导体验的人来建造。

提示可以创建材料，但方向是将材料转化为学习的关键。