Jak można korzystać z narzędzi generatywnej AI w dydaktyce?
Generatywna AI otwiera nowe możliwości w dydaktyce, wspierając przede wszystkim proces tworzenia materiałów dydaktycznych i dostosowywania treści do potrzeb studentów i studentek. Ethan i Lilach Mollick (2023) wskazują pięć głównych obszarów, które wcześniej wymagały dużego nakładu pracy ze strony prowadzących, a które obecnie mogą zostać zautomatyzowane dzięki generatywnej AI, co prowadzi do większej efektywności nauczania:
1. tworzenie licznych przykładów obrazujących omawiane zagadnienia
2. wyjaśnianie zagadnień w sposób dopasowany do indywidualnych potrzeb studentów i studentek
3. przygotowywanie rutynowych testów (“low-stakes”)
4. identyfikacja najczęstszych problemów oraz trudnych do zrozumienia obszarów
5. łączenie tematów między zajęciami oraz powracanie do nich po czasie.
Zachęcamy do zapoznania się z ich artykułem, w którym znajdziecie gotowe prompty do zastosowania w powyższych przypadkach: Mollick i Mollick (2023). Ci sami autorzy proponują bardziej zaawansowane wykorzystanie generatywnej AI w nauczaniu w kolejnym swoim artykule Instructors as Innovators: a Future-focused Approach to New AI Learning Opportunities, With Prompts dostępnym tutaj. Opisują tam m.in. wykorzystanie AI do tworzenia symulacji, w których studenci mogą rozwijać umiejętności praktyczne. Zachęcają również do obsadzania AI w roli mentora wspomagającego proces dydaktyczny.
Można również korzystać z generatywnej AI do personalizowania pytań egzaminacyjnych, co zwiększa szanse na samodzielną pracę studentów i pozwala na zróżnicowanie metod sprawdzania wiedzy w kolejnych latach. Szczególnie przydatne jest generowanie pytań na podstawie literatury lub materiałów, które bezpośrednio dostarczymy do modelu, aby zminimalizować ryzyko halucynacji. Niemniej jednak, w przypadku egzaminów, warto sprawdzić poprawność każdego z wygenerowanych przez AI pytań. Warto zapoznać się też z pomocy FAQ OpenAI dla dydaktyków.
Przy korzystaniu z tych narzędzi do oceny prac warto uzgodnić to ze studentami i studentkami, ponieważ według naszych badań ponad połowa z nich jest niechętna takiemu zastosowaniu. Ważnym aspektem jest również ochrona własności intelektualnej, gdyż ocenianie z użyciem generatywnej AI może wymagać przesyłania prac do modeli, co może wiązać się z dalszym ich wykorzystaniem. Podkreślamy także problem wprowadzania danych poufnych i osobowych – przesyłanie prac zawierających nazwiska czy numery indeksów mogłoby prowadzić do naruszenia zasad ochrony danych.
Źródła:
Mollick, E. R., & Mollick, L. (2023). Using AI to implement effective teaching strategies in classrooms: Five strategies, including prompts. SSRN Electronic Journal. DOI
Mollick, E. R., & Mollick, L. (2024). Instructors as Innovators: a Future-focused Approach to New AI Learning Opportunities, With Prompts. SSRN Electronic Journal. DOI
OpenAI, Educator FAQ, link