Generatyvinio dirbtinio intelekto (DI) plėtra keičia aukštojo mokslo aplinką ir mokymosi procesus – vis daugiau studentų studijų metu pasitelkia DI įrankius informacijos paieškai, užduočių sprendimui bei mokymosi medžiagos supratimui. Pastarųjų metų tarptautiniai tyrimai, apimant sistemines apžvalgas ir empirinius tyrimus, rodo, kad generatyvinio dirbtinio intelekto naudojimas gali didinti studentų motyvaciją, įsitraukimą ir mokymosi pasitenkinimą, kadangi suteikia greitą grįžtamąjį ryšį, individualizuotus paaiškinimus ir lengvesnę prieigą prie informacijos.
Vis dėlto, nors dirbtinis intelektas leidžia informaciją pasiekti greičiau nei bet kada anksčiau, kyla svarbus klausimas – ar greitas atsakymas visada reiškia kokybišką mokymąsi? Taip pat vėl grįžtame prie fundamentalaus klausimo: kaip iš tiesų formuojasi ilgalaikis supratimas ir kokį vaidmenį jame atlieka laikas?
Apie tai, kaip dirbtinio intelekto įrankiai veikia mokymosi procesą, plačiau pasakoja VILNIUS TECH Fundamentinių mokslų fakulteto (FMF) Informacinių technologijų katedros doc. dr. Irina Vinogradova-Zinkevič, turinti tarpdisciplininį išsilavinimą matematikos, informatikos ir edukologijos srityse.
Doc. dr. Irina Vinogradova-Zinkevič
Patogu – bet ar padeda mokytis?
Generatyvinis dirbtinis intelektas leidžia greitai gauti atsakymus, paaiškinimus ar net išspręstas užduotis. Tačiau tokia pagalba gali lemti vadinamąjį kognityvinį perkėlimą, kai dalis mąstymo procesų perkeliama išoriniams įrankiams.
„Kai studentas gauna paruoštą atsakymą, gali susidaryti įspūdis, kad medžiaga yra suprasta. Vis dėlto, žinių vertinimo metu dažnai paaiškėja, kad šis supratimas yra paviršutiniškas. Šis reiškinys siejamas su vadinamąja „mokymosi iliuzija“, kai informacija atrodo aiški ją skaitant ar matant paaiškinimą, tačiau be pagalbos studentas jos nebegali atkurti“, – pažymi doc. dr. I. Vinogradova-Zinkevič.
Paviršutiniškas mokymasis ar ilgalaikis žinių įsisavinimas?
Tyrimai rodo, kad neapgalvotas DI naudojimas gali skatinti paviršutinišką mokymąsi. Tokiu atveju informacija įsimenama trumpam, tačiau nėra susiejama į nuoseklią žinių sistemą.
Doc. dr. I. Vinogradova-Zinkevič per daugiau nei dvidešimt metų darbo VILNIUS TECH sukaupė ilgametę pedagoginę patirtį, apimančią dėstymą, dėstytojų kvalifikacijos tobulinimo kursų vedimą bei dalyvavimą edukaciniuose projektuose. Ši patirtis leido įgyti vertingų įžvalgų apie mokymosi procesų pokyčius. „Savo paskaitose, nuo praeitų mokslo metų rudens semestro pastebėjau ryškų studentų konceptualaus supratimo susilpnėjimą bei sunkų įgytų žinių perkėlimą naujosiose situacijose. Studentai, gebėję parengti kokybiškas laboratorinių darbų ataskaitas ir sklandžiai pristatyti jų rezultatus, po tam tikro laiko susidurdavo su sunkumais atkartodami įgytas žinias ar taikant jas analogiškose užduotyse“, – pastebi dėstytoja.
Būtent šie pastebėjimai paskatino giliau analizuoti dirbtinio intelekto poveikį mokymosi kokybei ir tapo pagrindu šių metų balandį pateiktai tarptautinio mokslinio projekto „AI-LEARN“ paraiškai. Prie šios iniciatyvos prisijungė mokslininkai iš Jyväskylä universiteto Suomijoje, Umeå universiteto Švedijoje ir Farerų salų universiteto, kurie savo akademinėje veikloje taip pat kelia klausimus, susijusius su atsakingu dirbtinio intelekto naudojimu mokymosi procese.
Docentė taip pat atkreipia dėmesį, kad dalis studentų, derinančių studijas su darbu, susiduria su laiko trūkumu ir nuovargiu, todėl kontaktinių užsiėmimų metu mažėja jų dėmesio koncentracija ir įsitraukimas į diskusijas bei aptarimus. Dėl to studentai dažnai atideda mokymąsi vėlesniam laikui, pereina prie savarankiško darbo ir neretai pasitelkia dirbtinio intelekto įrankius, leidžiančius greičiau generuoti atsakymus, tačiau tai ne visuomet skatina gilesnį medžiagos apdorojimą.
Kodėl mokymuisi reikia laiko?
Žmogaus pažintiniai procesai yra apriboti darbo atminties pajėgumu. Skirtingai nei dirbtinio intelekto sistemos, kurios gali generuoti atsakymus akimirksniu, žmogaus mokymasis yra susijęs su laipsnišku žinių struktūrų formavimu ilgalaikėje atmintyje, paaiškina VILNIUS TECH mokslininkė.
„Būtent todėl svarbu, kaip organizuojamas mokymasis. Vadovaujantis vokiečių psichologo, eksperimentinių atminties tyrimų pradininko Hermann Ebbinghaus tyrimais, išskaidytas mokymasis (kai medžiaga kartojama su pertraukomis) yra efektyvesnis nei intensyvus kartojimas per trumpą laiką. Vėlesni tyrimai patvirtino, kad nors intensyvus mokymasis gali suteikti greitą rezultatą, ilgainiui tokios žinios išlieka silpniau. Kai per trumpą laiką tenka apdoroti didelį kiekį informacijos, gali atsirasti kognityvinė perkrova, apsunkinanti gilesnį supratimą ir žinių įsisavinimą“, – pastebi docentė.
Kaip stiprinti ilgalaikę atmintį studijų procese?
Ilgalaikį žinių įtvirtinimą lemia ne vien mokymuisi skirtas laikas – ne mažiau svarbus ir pats mokymosi būdas. Dėstytoja I. Vinogradova-Zinkevič pabrėžia, kad gilesniam supratimui svarbus aktyvus darbas su informacija – jos kartojimas, taikymas bei savarankiškas žinių atkūrimas.
„Efektyviam įsiminimui rekomenduojama medžiagą kartoti keliais intervalais (pvz., po 1 dienos, 3–4 dienų, savaitės ir vėliau), o pats kartojimo procesas turėtų apimti aktyvų žinių atkūrimą, o ne vien pasyvų peržiūrėjimą. Būtent dėl šios priežasties, paskaitų metu dėstytojai dažnai įtraukia klausimus iš ankstesnės medžiagos, siekdami skatinti ilgalaikį žinių įtvirtinimą“, – patikslina mokslininkė.
Taip pat, bandymas savarankiškai prisiminti informaciją (pvz., atsakinėjant į klausimus be pagalbos) stiprina atmintį labiau nei pakartotinis medžiagos peržiūrėjimas.
Gebėjimas paaiškinti sąvokas savais žodžiais skatina gilesnį temos supratimą ir padeda formuoti nuoseklias žinių struktūras. Net ir aiškindamas sąvokas dirbtiniam intelektui, atliekančiam konsultanto vaidmenį, žmogus gali geriau įsisavinti nagrinėjamą temą.
Kitas svarbus aspektas, pažymi dėstytoja, tai ne tik įsiminti atskiras formules ar faktus, bet ir suprasti jų tarpusavio ryšius bei bendrus principus. DI gali būti naudingas kaip pagalbinė priemonė, tačiau svarbu išlaikyti aktyvų mokymosi vaidmenį – ne tik gauti atsakymus, bet ir juos analizuoti, tikrinti bei interpretuoti.
„Vis dėlto visų mokymosi procesų kontroliuoti nėra įmanoma, todėl didėja paties studento vaidmuo priimant sprendimus, kaip ir kokiu mastu naudoti dirbtinio intelekto įrankius. Tokie sprendimai tiesiogiai susiję su mokymosi rezultatais, ypač ilgalaikės atminties ir konceptualaus supratimo formavimu“, – apibendrina VILNIUS TECH dėstytoja doc. dr. Irina Vinogradova-Zinkevič.
Tekstą parengė VILNIUS TECH Fundamentinių mokslų fakulteto (FMF) Informacinių technologijų katedros doc. dr. Irina Vinogradova-Zinkevič
Galerija
