Bitwa: Kto stworzy lepszy kurs – pedagog z siecią neuronową czy bez niej?

Spis treści:

• Na czym polegał eksperyment
• Jak oceniano opracowanie celów edukacyjnych
• Jak oceniano strategię nauczania
• Jak oceniano plan kursu
• Wnioski autora

Na czym polegał eksperyment

W eksperymencie przeprowadzonym przez Philippę Hardman wzięły udział trzy osoby.

• dwoje doświadczonych projektantów instrukcji, z których jeden samodzielnie wykonywał wszystkie zadania w trakcie eksperymentu, a drugi korzystał z narzędzi opartych na generatywnych sieciach neuronowych (ChatGPT 4o i Consensus GPT);
• osoba bez doświadczenia w projektowaniu instrukcji — ona również skorzystała z pomocy ChatGPT 4o i Consensus GPT.

Należy zauważyć, że autor eksperymentu nie podaje informacji o tym, jakie doświadczenie mieli uczestnicy, jak długo pracowali w zawodzie, ani czy można uznać, że poziom profesjonalizmu obu doświadczonych projektantów instrukcji jest porównywalny. Te aspekty są ważne dla zrozumienia kontekstu i trafności wyników eksperymentu.

Uczestnicy Philipa otrzymali trzy identyczne zadania.

• napisali cele edukacyjne kursu online;
• wybrali strategię nauczania dla kursu;
• przemyśleli ogólny plan kursu (tj. opisali moduły, które będzie zawierał).

Kurs jest przeznaczony dla przedsiębiorców i marketerów, zapewniając im praktyczne umiejętności i strategie niezbędne do skutecznej sprzedaży i rozwoju innowacyjnych produktów i usług w szybko zmieniającym się otoczeniu. Uczestnicy otrzymają narzędzia i metody, które pomogą im dostosować się do zmian rynkowych i skutecznie angażować konsumentów.

Uczestnicy eksperymentu zademonstrowali swoje umiejętności w wykonywaniu zadań, a wyniki zostały ocenione przez subskrybentów Philippa Hardman na platformach Substack i LinkedIn. Philippa przedstawiła wyniki anonimowo, co pozwoliło subskrybentom odgadnąć, którzy uczestnicy byli doświadczonymi projektantami edukacyjnymi, a którzy nowicjuszami, którzy korzystali z sieci neuronowych, a którzy działali samodzielnie. Według autora eksperymentu w badaniu wzięło udział około 200 projektantów materiałów edukacyjnych, ale nie podano dokładnych danych. W niniejszym badaniu zwrócono uwagę na różne podejścia w projektowaniu edukacyjnym i możliwości zastosowania nowoczesnych technologii w tym obszarze.

W wyniku anonimowej oceny wszystkich trzech zadań, uczestnicy zajęli równe miejsca.

• Według subskrybentów, doświadczony projektant edukacyjny, który korzystał z sieci neuronowych, uzyskał najlepsze wyniki;
• Nowicjusz, który wykonał zadania, korzystając z sieci neuronowych, zajął drugie miejsce;
• Doświadczony projektant edukacyjny, który pracował samodzielnie, bez pomocy sieci neuronowych, zajął trzecie miejsce, co oznacza, że ​​jego wynik został oceniony gorzej niż wyniki pozostałych (nawet nowicjusza).

Ten eksperyment ujawnił interesujące stereotypy, które ukształtowały się wśród twórców programów edukacyjnych na temat sieci neuronowych. W szczególności projektanci edukacyjni często niedoceniają potencjału sieci neuronowych, wykazując nieufność wobec ich możliwości, co jest podobne do postawy uczniów. Jednocześnie mają tendencję do przeceniania ludzkich możliwości. Przyjrzyjmy się bliżej temu zjawisku i jego implikacjom dla procesu edukacyjnego i rozwoju technologii.

Jak oceniano opracowanie celów nauczania?

Doświadczony projektant materiałów dydaktycznych i nowicjusz, który wykorzystał sieci neuronowe, z powodzeniem sformułowali cele kursu. 70% respondentów, subskrybentów Philippa Hardman, oceniło wyniki doświadczonego projektanta materiałów dydaktycznych jako dobre lub bardzo dobre, a 30% jako doskonałe. Cele kursu były prawdziwie praktyczne, miały zastosowanie w życiu codziennym i zostały opisane wystarczająco szczegółowo, co wskazuje na wysoki stopień dopracowania i trafności dla uczestników.

Nowicjusze, którzy sformułowali swoje cele za pomocą sieci neuronowych, otrzymali pozytywne opinie od respondentów: 60% uczestników stwierdziło, że cele zostały przedstawione dobrze lub bardzo dobrze. Wielu z nich z przekonaniem założyło, że tylko doświadczony specjalista w dziedzinie tworzenia programów edukacyjnych mógłby wykonać taką pracę. Cele stawiane przez nowicjuszy wyróżniały się praktycznością i znaczącymi szczegółami.

Cele przedstawione przez doświadczonego projektanta materiałów dydaktycznych, który nie korzystał z sieci neuronowych, zostały ocenione przez większość subskrybentów jako niewystarczająco jasne. Po pierwsze, było ich tylko trzy, podczas gdy doświadczony kolega, korzystający z sieci neuronowych, sformułował 12 celów, a nowicjusz – 18. Po drugie, cele nie zawierały mierzalnych ani praktycznych rezultatów. Zakładano, że studenci „nauczą się” i „zrozumieją” materiał, a także „zdobędą wiedzę” z kursu. Co ciekawe, subskrybenci Philippy zakładali, że cele te zostały sformułowane przez sztuczną inteligencję, a nie przez profesjonalistę. Podkreśla to wagę jasnego i szczegółowego formułowania celów edukacyjnych w celu poprawy ich percepcji i skuteczności.

Według badania 64% respondentów założyło, że cele zostały sformułowane przez nowicjusza, który korzysta ze sztucznej inteligencji. Sugeruje to, że wielu projektantów materiałów dydaktycznych nadal uważa, że ​​wysokiej jakości treści edukacyjne są niemożliwe bez zaangażowania doświadczonego profesjonalisty. Philippa Hardman podkreśla znaczenie czynnika ludzkiego w tworzeniu materiałów edukacyjnych.

Na podstawie uzyskanych wyników autorka eksperymentu wyciąga następujące wnioski.

• Ludzie mają trudności z rozróżnieniem inteligencji ludzkiej od sztucznej, a ich postrzeganie możliwości i ograniczeń tej drugiej jest często błędne.
• Respondenci mieli dość istotne różnice w opiniach na temat tego, jak definiować i formułować cele edukacyjne w ogólności.

Kolejnym interesującym odkryciem są różnice w podejściu do pisania poleceń dla sieci neuronowej między nowicjuszem a doświadczonym projektantem materiałów dydaktycznych. Nowicjusz z reguły komunikuje się z siecią neuronową tak, jak z człowiekiem, podczas gdy doświadczony specjalista formułuje jasne instrukcje w oparciu o swoje doświadczenie w udzielaniu poleceń do zadań zawodowych. Prowadzi to do tego, że ta druga interakcja często przynosi rezultaty wyższej jakości. Fakt ten potwierdza, że ​​korzystanie z sieci neuronowych to specyficzna umiejętność, a wyniki mogą się różnić w zależności od poziomu wyszkolenia użytkownika. Jeśli korzystałeś kiedyś z sieci neuronowej i nie byłeś zadowolony z rezultatów, nie oznacza to, że technologia ta nie jest skuteczna. Może powinieneś popracować nad swoją szybkością pisania. Ulepszenia w tym obszarze mogą znacząco poprawić jakość danych wyjściowych i odblokować pełny potencjał sieci neuronowej w Twojej pracy.

Przeczytaj także:

Przykłady zapytań w ChatGPT dla nauczycieli mogą znacząco Uprościć proces nauczania i komunikacji z uczniami. Wykorzystanie sztucznej inteligencji w edukacji otwiera nowe możliwości dla nauczycieli. Nauczyciele mogą na przykład zadawać pytania dotyczące metod nauczania, uzyskiwać wskazówki dotyczące tworzenia materiałów edukacyjnych lub szukać pomysłów na interaktywne zajęcia.

Nauczyciele mogą używać ChatGPT do przygotowywania lekcji, omawiania tematów, z którymi uczniowie mają trudności, lub opracowywania indywidualnych planów nauczania. Prośby mogą obejmować rekomendacje dotyczące książek i zasobów, tworzenie testów i zadań.

ChatGPT jest również przydatny do otrzymywania opinii na temat istniejących treści lub burzy mózgów na temat pomysłów na projekty. Dzięki ChatGPT nauczyciele mogą skutecznie dostosowywać swoje metody nauczania do potrzeb uczniów i zwiększać zaangażowanie, co z kolei prowadzi do poprawy wyników edukacyjnych.

W ten sposób ChatGPT staje się cennym narzędziem dla nauczycieli, umożliwiając im optymalizację pracy i uczynienie nauki bardziej angażującą i produktywną.

Jak oceniono strategię nauczania?

W ramach strategii nauczania dla kursu doświadczony projektant dydaktyczny zaproponował standardowe wykłady i testy samooceny. Respondenci nie docenili jednak tego podejścia: wielu uznało je za przestarzałe i nie przyczynia się do zaangażowania studentów w proces nauki. W rezultacie 63% respondentów uznało, że proponowana opcja jest bardziej odpowiednia dla nowicjuszy niż dla doświadczonych projektantów dydaktycznych. Podkreśla to znaczenie nowoczesnych metod nauczania, które aktywizują motywację studentów i sprzyjają lepszemu przyswajaniu materiału.

Opracowując strategię nauczania, często przeceniamy umiejętności doświadczonych twórców programów nauczania, a niedoceniamy możliwości sztucznej inteligencji. Sztuczna inteligencja ma potencjał, aby znacząco poprawić jakość pracy w porównaniu z tradycyjnymi podejściami skoncentrowanymi wyłącznie na zasobach ludzkich. Odzwierciedla to uprzedzenie podobne do tego, które zaobserwowano wcześniej: w obliczu słabej wydajności mamy tendencję do obwiniania sztucznej inteligencji lub braku doświadczenia, jednocześnie przyznając, że nawet doświadczeni specjaliści mogą wykazać się słabymi wynikami. Philippa Hardman podkreśla znaczenie tego aspektu, wzywając do bardziej obiektywnego spojrzenia na interakcję człowieka z technologią w procesie uczenia się. Novychok zaproponował nowoczesne podejście oparte na metodzie zorientowanej na problem, wykorzystującej studia przypadków. To rozwiązanie spotkało się z pozytywnym odzewem respondentów. Co ciekawe, tylko 27% respondentów było w stanie odgadnąć autora tego podejścia, podczas gdy 51% uważało, że mogło je zaproponować doświadczonemu projektantowi instrukcji, który nie korzysta z sieci neuronowych. Główne argumenty respondentów wiązały się z postrzeganiem doświadczenia: uważali, że sztucznej inteligencji brakuje doświadczenia życiowego, które mają tylko ludzie. Co więcej, wybór strategii został uznany za uzasadniony, co według respondentów również wskazywało na zaangażowanie człowieka w proces, a nie automatyzację.

Doświadczona projektantka dydaktyczna włączyła do swojej strategii nauczania metody odwróconej klasy, studia przypadków i warsztaty prowadzone przez ekspertów, wykorzystując potencjał sieci neuronowych. To podejście okazało się skuteczne: 62% respondentów oceniło je jako dobre lub bardzo dobre, a 33% jako doskonałe. Respondenci słusznie założyli, że metoda ta została opracowana przez doświadczonego specjalistę, który wykorzystuje sieci neuronowe, ponieważ tylko profesjonalista potrafi skutecznie łączyć różne metody i dostosowywać je do siebie. Odniesienia do badań naukowych i przejrzysta struktura odpowiedzi również wskazywały na wysoki poziom wiedzy specjalistycznej.

Philippa Hardman wyciągnęła następujące wnioski z drugiego eksperymentu.

• Sieci neuronowe rzeczywiście mogą być cennym wsparciem dla projektantów dydaktycznych. Co więcej, sztuczna inteligencja częściowo wyrównuje doświadczenia nowicjusza i profesjonalisty – ponieważ w eksperymencie projektant materiałów dydaktycznych i osoba niezwiązana z tworzeniem kursów generalnie wykonali świetną robotę.
• Jednocześnie sami projektanci materiałów dydaktycznych wciąż nie wierzą w możliwości sztucznej inteligencji i mają o niej gorsze zdanie niż w rzeczywistości: w końcu w tym eksperymencie respondenci przypisywali słabe wyniki sieciom neuronowym, podczas gdy w rzeczywistości tak nie było.

Czytaj także:

Aktywności edukacyjne: 10 popularnych formatów

Aktywności edukacyjne odgrywają kluczową rolę w procesie edukacyjnym, oferując różnorodne formaty przekazywania wiedzy i umiejętności. Istnieje wiele podejść do organizacji aktywności edukacyjnych, a każde z nich ma swoje własne cechy i zalety. Ważne jest, aby wybrać odpowiedni format w oparciu o cele, odbiorców i treść.

Klasyczne wykłady pozostają jedną z najpopularniejszych form, pozwalając instruktorom dzielić się wiedzą z dużą publicznością. Seminaria oferują możliwość pogłębionej dyskusji na tematy w małych grupach, co sprzyja aktywnemu zaangażowaniu uczestników. Kursy mistrzowskie koncentrują się na praktycznej nauce, gdzie uczestnicy mogą zdobywać umiejętności pod okiem doświadczonego mentora.

Webinaria i kursy online zyskują na znaczeniu, ponieważ zapewniają dostęp do wiedzy z dowolnego miejsca na świecie. Jest to szczególnie ważne w środowisku nauczania na odległość. Szkolenia interaktywne dają uczestnikom możliwość aktywnego zaangażowania się w proces, co zwiększa efektywność przyswajania materiału.

Sympozja i konferencje stanowią platformę wymiany doświadczeń i dyskusji na temat bieżących zagadnień w danej dziedzinie. Gromadzą ekspertów i praktyków, co przyczynia się do rozwoju społeczności zawodowej. Gry interaktywne i ćwiczenia grupowe nie tylko pomagają w nauczaniu, ale także rozwijają umiejętności pracy zespołowej i kreatywnego myślenia.

Okrągłe stoły dają możliwość wymiany opinii i wspólnego poszukiwania rozwiązań, co jest szczególnie cenne w procesie podejmowania decyzji. Wreszcie, staże i zajęcia praktyczne pozwalają uczestnikom zdobyć praktyczne doświadczenie w swojej dziedzinie, dzięki czemu nauka staje się bardziej praktyczna i namacalna.

Każdy z tych formatów ma swoje mocne strony i może być skutecznie wykorzystywany w zależności od celów i założeń wydarzenia edukacyjnego. Wybór odpowiedniego formatu maksymalizuje efekty uczenia się i sprawia, że ​​proces jest bardziej angażujący i produktywny.

Ocena planu kursu

Doświadczony projektant dydaktyczny, który opracował plan kursu bez użycia sieci neuronowych, poradził sobie z tym zadaniem lepiej niż z poprzednimi. Większość respondentów oceniła jego plan jako dobry. Zawierał on cztery moduły, opisane zwięźle i bez jasno sformułowanych mierzalnych celów. Połowa respondentów była w stanie zidentyfikować autora jako osobę, która nie korzystała z sieci neuronowych. Może to wskazywać, że prace tworzone z wykorzystaniem sztucznej inteligencji są zazwyczaj mniej szczegółowe i obszerne.

Kurs dla początkujących wykorzystujący sieci neuronowe okazał się znacznie bardziej kompleksowy i pouczający. Uczestnicy ankiety docenili wysoki poziom szczegółowości i skrupulatnie opracowany konspekt, który stwarzał wrażenie eksperckiego wkładu w rozwój kursu. Ostatecznie 52% respondentów było w stanie zidentyfikować autora, co, według Philippy Hardman, wskazuje, że wielu nadal wierzy w zdolność sztucznej inteligencji nie tylko do tworzenia wysokiej jakości programów nauczania, ale także do działania jako wirtualny ekspert w danej dziedzinie. Fakt ten podkreśla rosnące znaczenie sztucznej inteligencji w edukacji i jej potencjalną rolę w tworzeniu kursów dla początkujących.

Plan doświadczonego projektanta materiałów dydaktycznych, który wykorzystał sieci neuronowe, ponownie zajął pierwsze miejsce. To opracowanie znacznie przewyższa dwa poprzednie, ponieważ zawiera 12 modułów zawierających materiały zarówno teoretyczne, jak i praktyczne. Każdy moduł jest powiązany z jasno określonymi celami do osiągnięcia przez studentów. Metodycy, z którymi przeprowadzono wywiady na temat tego planu, wysoko ocenili jego jakość, a większość z nich była w stanie poprawnie zidentyfikować autora. Zauważyli, że plan prawdopodobnie został stworzony przez człowieka, ponieważ świadczy o głębokim zrozumieniu tematu i wyrafinowanej treści, co jest zgodne z jasno określonymi celami nauczania. Jednocześnie projekt pracy wskazuje na wykorzystanie technologii sieci neuronowych.

Trzeci eksperyment pokazał, że metodolodzy dostrzegają użyteczność sztucznej inteligencji.

• Może ona pełnić rolę eksperta w danej dziedzinie;
• Jest dobrym narzędziem do pracy z tekstem (co pozwala na wysokiej jakości „opakowanie” pomysłów i rozwiązań doświadczonego projektanta materiałów dydaktycznych);
• Pozwala na szybsze ukończenie niektórych części pracy.

Podczas opracowywania gotowego produktu projektanci materiałów dydaktycznych zwrócili szczególną uwagę na to, jak czynnik ludzki jest odzwierciedlony w planie. Chcieli zobaczyć, jak wyraźnie widoczny jest ludzki „ślad” w dokumencie w porównaniu z podejściem opartym na maszynach. Był to ważny aspekt, ponieważ ludzka percepcja i kreatywność odgrywają kluczową rolę w projektowaniu dydaktycznym.

Wnioski od autorki eksperymentu

Przyszłość projektowania dydaktycznego prawdopodobnie będzie zależeć od symbiotycznej relacji między ludźmi a sztuczną inteligencją, podkreśla Philippa Hardman. W każdym konkretnym przypadku interakcja będzie zależeć od indywidualnych cech i potrzeb użytkownika. Podkreśla to wagę dostosowywania materiałów i metod edukacyjnych do zróżnicowanych profili użytkowników, co z kolei pozwoli zmaksymalizować potencjał sztucznej inteligencji w procesie edukacyjnym.

Generatywne sieci neuronowe stają się użytecznym narzędziem dla doświadczonych projektantów dydaktycznych, umożliwiając im efektywne wdrażanie pomysłów, pod warunkiem, że profesjonalista jasno określi, co i jak należy zrobić. Aby osiągnąć najlepsze rezultaty, ważna jest dogłębna wiedza z zakresu projektowania dydaktycznego i zrozumienie działania sieci neuronowej. Umiejętność formułowania prawidłowych podpowiedzi i prowadzenia produktywnego dialogu z takim „asystentem” znacząco wpływa na końcowy efekt pracy.

Sieć neuronowa może być użytecznym asystentem dla osób początkujących w projektowaniu dydaktycznym, ułatwiając często trudne zadania. Na przykład może pomóc w formułowaniu celów nauczania. Philippa Hardman zauważa, że ​​chociaż sieć neuronowa nie może zastąpić prawdziwego eksperta w dziedzinie projektowania dydaktycznego, nadal może zapewnić pewne wsparcie. Eksperymenty pokazują, że sieć neuronowa może być skutecznym narzędziem umożliwiającym szybsze i lepsze jakościowo wykonywanie zadań w tej dziedzinie.

Sztuczna inteligencja jest znaczącą siłą napędową profesjonalizacji projektowania dydaktycznego. Automatyzując kluczowe aspekty naszej pracy, takie jak tworzenie treści, sztuczna inteligencja podkreśla znaczenie dogłębnej wiedzy dziedzinowej. Pozwala nam to zbliżyć się do poziomu biegłości, do którego dążyliśmy przez wiele lat, koncentrując nasze wysiłki na osiąganiu wysokiej jakości i, ostatecznie, wywieraniu znaczącego wpływu na proces edukacyjny. Philippa Hardman podkreśla, że ​​ta transformacja otwiera nowe horyzonty dla profesjonalistów zajmujących się projektowaniem dydaktycznym.

Ciekawie jest zinterpretować sytuację, w której doświadczony projektant dydaktyczny, pracujący nad eksperymentem bez użycia sieci neuronowych, znalazł się wśród outsiderów, przegrywając nawet z nowicjuszem. Philippa Hardman nie komentuje tego faktu, ale można wyciągnąć kilka wniosków. Po pierwsze, doświadczenie nie zawsze gwarantuje profesjonalizm. Po drugie, doświadczeni specjaliści mogą mieć utrwalone stereotypy i schematy, które utrudniają im znalezienie optymalnych rozwiązań. Ten eksperyment, który polegał na opracowaniu strategii nauczania, wyraźnie to potwierdził. Po trzecie, przypadek ten podkreśla potrzebę wystrzegania się przeceniania ludzkiego profesjonalizmu, tak jak niedocenia się możliwości sieci neuronowych. Sieci neuronowe mogą oferować innowacyjne podejścia, które czasami przewyższają tradycyjne metody stosowane nawet przez doświadczonych nauczycieli.