Non sorprende che gli educatori abbiano un rapporto difficile con l’intelligenza artificiale generativa. Temono l'impatto del plagio, dei saggi generati dalle macchine e delle "allucinazioni" (dove il sistema afferma con sicurezza che qualcosa è vero invece di semplicemente dire che non sa niente di meglio) da strumenti come ChatGPT e Bard. C’è una preoccupazione palpabile che l’intelligenza artificiale generativa diventi un’alternativa sostituto per un apprendimento autentico: qualcosa che aiuterà una persona a superare un esame senza la necessità di assorbire e interiorizzare il materiale.
Sebbene non ci siano dubbi sul fatto che l’intelligenza artificiale sia stata utilizzata per aggirare il processo di apprendimento, ChatGPT ha già assunto il ruolo di tutor personale ad hoc per milioni di persone, modificando i modelli di consumo e di apprendimento dell’apprendimento. migliorare il nostro rapporto con l’istruzione. La possibilità di avere un assistente didattico basato sull'intelligenza artificiale, che guida, incoraggia e guida gli studenti attraverso il materiale in una relazione individuale, è a portata di mano. E la scalabilità dell’intelligenza artificiale significa questo alguien puoi trarne beneficio.
L’intelligenza artificiale può rendere l’apprendimento più avvincente e, per molti, lo fa già. Le ragioni hanno poco a che fare con i progressi all’avanguardia nel campo dell’intelligenza artificiale e dell’informatica e hanno più a che fare con i fondamenti di ciò che rende uno studente impegnato, motivato ed entusiasta.
Cosa intendiamo per dipendenza?
Dire che l’intelligenza artificiale crea dipendenza dall’apprendimento si riferisce a un senso di eccitazione, instillando nello studente un vorace appetito per l’auto-miglioramento e la crescita. Ma, cosa ancora più importante, continua molto tempo dopo aver realizzato ciò che ha dato inizio al tuo viaggio. Fondamentalmente, questo si riduce a una motivazione sostenuta a lungo termine. Creare studenti automotivati è una sfida che la maggior parte degli educatori deve affrontare e una montagna di ricerche educative affronta questo argomento.
L’istruzione si è sempre concentrata sull’elemento umano ed è difficile immaginare un mondo in cui le macchine possano sostituirlo.
È difficile sopravvalutare l’importanza della motivazione. Che tu stia imparando a parlare una nuova lingua o muovendo i primi passi verso una carriera nella programmazione, l'apprendimento è intrinsecamente iterativo, in cui lo studente sviluppa gradualmente sicurezza e fluidità nel tempo. Prolifico educatore di programmazione Zed Shaw una volta descritto questo punto come "scalare una montagna di ignoranza". I primi mesi, quando non hanno fiducia e non capiscono l'argomento, sono i più difficili ed è molto facile arrendersi. Ed è per questo che è necessaria una forza esterna per incoraggiare lo studente ad andare avanti. La fiducia, l’abilità e forse anche la grandezza sono proprio dietro l’angolo.
Uno degli esempi di questo punto è Judit Polgár, ampiamente considerata la più grande giocatrice di scacchi di tutti i tempi e il più giovane maestro di scacchi del mondo. Il padre di Judit, László, credeva che i geni si creassero, non si nascessero, e che richiedessero solo un'istruzione e una formazione prolungate fin dalla tenera età. László, rompendo con le aspettative sociali dell'Ungheria dell'era comunista, scelse di istruire Judit e le sue due sorelle a casa, concentrandosi intensamente sugli scacchi.
E ha funzionato. Anche prima che fosse un'adolescente, Judit veniva descritta come un potenziale prodigio simile a Garry Kasparov e Bobby Fischer. All'età di 15 anni, ha battuto un record precedentemente stabilito da Fischer e due anni dopo ha sconfitto Boris Spassky, un altro peso massimo degli scacchi, in una partita di esibizione.
Sebbene il ruolo della natura e dell'educazione sia oggetto di accesi dibattiti, in particolare nei giochi analitici come gli scacchi, è chiaro che l'approccio di László ha funzionato. Combinando un allenamento intenso con il fattore di motivazione intrinseco che deriva dall'allenamento personalizzato, Judit è diventata una forza nel mondo degli scacchi prima di raggiungere l'età adulta. Anche le sue sorelle, Zsuzsa e Zsófia, divennero grandi maestre.
in un intervista post-pensionamento con Chess.com, Judit ha attribuito il successo del metodo di insegnamento di suo padre alla fiducia che le ha instillato: “Penso che avere lezioni private in qualsiasi campo faccia migliorare i bambini molto più velocemente e, per questo motivo, acquisiscono molta più fiducia, il che aumenta la sua velocità e il suo appetito per migliorare. Penso che questa sia una delle cose più importanti per ogni bambino, che vada a scuola o meno. Se riesci a mantenere la loro curiosità, possono migliorare molto rapidamente.
L’intelligenza artificiale generativa può gestire l’aspetto motivazionale dell’apprendimento (stimolo, pertinenza e specificità) evitando gli inevitabili errori che derivano da un sistema educativo uniforme e valido per tutti. Ma come?
La ricerca della pertinenza
La ricerca accademica sull’impatto dell’intelligenza artificiale generativa come strumento di apprendimento è ancora in corso. Gran parte della letteratura accademica esistente è intrinsecamente speculativo o aneddotico e guarda a ciò che potrebbe accadere piuttosto che a ciò che hanno osservato. Questa è una conseguenza inevitabile della novità dell’intelligenza artificiale generativa. ChatGPT è molto nuovo e la ricerca richiede tempo. Man mano che sempre più ricercatori indagano su strumenti come ChatGPT, sarà interessante vedere come i loro risultati.
Come accennato, la motivazione è essenziale per il successo degli studenti e la pertinenza gioca un ruolo molto importante nel raggiungimento di questo obiettivo. È uno dei fattori fondamentali di Modello motivazionale ARCS (Attenzione, Rilevanza, Confidenza e Soddisfazione) di John Keller, un concetto stabilito nella teoria pedagogica.
All'interno del modello ARCS, Keller ha identificato diverse componenti critiche rilevanti, due delle quali sembrano particolarmente pertinenti al tema dell'intelligenza artificiale generativa: la corrispondenza dei bisogni, in cui l'insegnante abbina il contenuto ai bisogni dello studente, e la modellazione, che mostra agli studenti come applicare l'apprendimento in un senso pratico.
L’intelligenza artificiale generativa è ben posizionata per realizzare questi componenti. Come può attestare chiunque abbia utilizzato un prodotto basato su GPT-4, puoi creare una lezione iperpersonalizzata e altamente specifica su quasi tutti gli argomenti. In pochi secondi, ChatGPT può dirti come la trigonometria può essere utilizzata nel mondo reale o come una parte specifica di una lezione di informatica si collega a un contesto più ampio, anche se può sembrare astratto e confuso. Questi esempi possono essere creati spontaneamente, spesso a causa delle esigenze e delle richieste specifiche dello studente. Questo processo funziona anche per gli educatori.
L’istruzione è sempre stata incentrata sull’intervento umano ed è difficile immaginare un mondo in cui le macchine possano sostituirlo. Gli esseri umani hanno un’intelligenza emotiva ineffabile che non può essere articolata esclusivamente in codice. L’intelligenza artificiale generativa espande le capacità degli insegnanti, spesso sovraccarichi. Un esempio di come ciò potrebbe funzionare è modificare, migliorare e adattare il materiale didattico.
In genere, un insegnante avrebbe bisogno di più tempo o energie per creare fogli di lavoro personalizzati in base alle capacità, agli interessi o allo stile di apprendimento di ogni studente. Sono oberati di lavoro e i materiali didattici sono costosi, spesso pagati dall’insegnante stesso. Ma ora possono generare materiali didattici personalizzati, su larga scala e su richiesta, con costi trascurabili per la scuola o l’insegnante. Utilizzando uno strumento come ChatGPT, un insegnante può incollare un programma di lezione e, con semplici istruzioni scritte, modificare sostanzialmente il formato o la presentazione per un singolo studente preservando il materiale principale.
Questo processo richiede pochi secondi, rendendolo un'opzione conveniente anche per l'insegnante più impegnato. È un caso d'uso che immagino che molti insegnanti adotteranno insieme ad altre funzionalità di intelligenza artificiale generativa per ideare, correggere e suggerire.
È facile vedere come il potenziale dell’intelligenza artificiale generativa per l’adattamento dei contenuti potrebbe essere combinato con altri metodi di apprendimento comprovati, come la gamification.
I videogiochi mantengono le persone interessate creando circuiti della dopamina. Questi cicli funzionano solo se c’è una parvenza di progresso. Affinché l'esperienza di gioco sia utile, il personaggio del gioco deve continuare ad evolversi e migliorare. Ad ogni sfida, il personaggio acquisisce nuove abilità ed equipaggiamenti che lo aiuteranno ad affrontare sfide future più impegnative. Questa meccanica è di per sé ripetitiva, quindi il "loop" si muove con il giocatore, portandolo in nuove posizioni e trame per mantenere un elemento di novità.
L’intelligenza artificiale generativa consente di implementare questi meccanismi in un ambiente educativo. Con infinite variazioni di contenuti adattati alla situazione e alle capacità dello studente, gli studenti possono ottenere la ripetizione e il rinforzo necessari per il successo a lungo termine, senza che il contenuto risulti stancante o noioso. Questo ciclo può continuare man mano che lo studente avanza nell'argomento, affrontando man mano materiali più complessi e avanzati.
Apprendimento centrato sulla persona
L'allineamento dei contenuti è fondamentale per il successo a lungo termine. Ciò include sia il curriculum, che deve essere pertinente agli interessi degli studenti, sia le persone stesse. Le persone hanno incentivi e abilità iniziali diversi che devono essere affrontati fin dall’inizio.
Un articolo, pubblicato sulla rivista IEEE Signal Processing, fornisce una panoramica del potenziale impatto dell'intelligenza artificiale sull'apprendimento incentrato sull'uomo e sul coinvolgimento degli studenti. Come hanno osservato altri ricercatori pedagogici, gli studenti e le persone in generale rispondono a incentivi diversi durante l’apprendimento.
L’autore scrive: “Alcuni studenti mostrano preferenze iperboliche, sopravvalutando così tanto il presente che le ricompense future vengono in gran parte ignorate. Alcuni studenti mostrano forti reazioni anche alle ricompense non monetarie. Alcuni studenti dimostrano preferenze dipendenti dal riferimento, il che implica che l’utilità è in gran parte determinata dalla loro distanza da un punto di riferimento, ad esempio un obiettivo predefinito o una prestazione media”.
In breve, alcune persone vogliono un senso di immediatezza, altre vogliono una sorta di ricompensa non tangibile (un voto, un certificato o un’altra forma di riconoscimento) e altre ancora sono più concentrate su come il contenuto li porterà a una destinazione predeterminata. Questi sono fattori che devono essere presi in considerazione quando si sviluppa materiale didattico.
Allo stesso tempo, è essenziale riconoscere che le capacità variano. I contenuti devono essere articolati in diversi modi per essere efficaci. Mentre alcuni potrebbero sentirsi a proprio agio con una spiegazione densa e scritta in modo accademico di un argomento con un gergo specifico incomprensibile agli estranei, altri potrebbero preferire qualcosa di più accessibile. Questo è il motivo per cui un approccio unico e valido per tutti ha successo per alcuni ma fallisce per molti altri.
E c’è anche il rapporto tra insegnante e studente, che gioca anch’esso un ruolo cruciale nel motivare gli studenti. Robert Gower e Jon Saphier, due rispettati scrittori di educazione, evidenziano tre messaggi chiave di incoraggiamento che funzionano: "Questo è importante", "Puoi farcela" e "Non mi arrenderò con te". Resta da vedere se questi sentimenti manterranno il loro impatto quando trasmessi da un chatbot AI. Ma è qualcosa per cui, con uno sforzo banale, si potrebbe programmare un sistema.
Mentre molti dei componenti citati non sono ancora presenti in uno strumento tradizionale di intelligenza artificiale generativa (in particolare l’incentivazione), altri sono saldamente a portata di mano. ChatGPT, ad esempio, può fornire spiegazioni sugli argomenti di alto e basso livello. È possibile rispondere alle richieste per semplificare o fornire maggiori dettagli o complessità. Gran parte delle funzionalità richieste esistono già, anche se su base ad hoc, ed è giunto il momento che l’intelligenza artificiale generativa svolga un ruolo più ampio, non solo in classe ma anche nel modo più ampio in cui le persone partecipano all’istruzione.
Formare studenti costanti
L’intelligenza artificiale, in particolare i modelli linguistici di grandi dimensioni, ha il potenziale per rivoluzionare il modo in cui gli studenti apprendono. Questo cambiamento sarà fondamentalmente vantaggioso, soprattutto in termini di come gli individui si relazionano con l’apprendimento e di come questo altera i loro modelli di consumo.
Gran parte dell’attenzione si è concentrata sulla capacità dell’intelligenza artificiale di ampliare l’istruzione personalizzata o di democratizzare l’istruzione oltre le aule dei costosi campus universitari. Anche se non sono in disaccordo con queste valutazioni, è essenziale riconoscere gli impatti psicologici e sociologici di questi cambiamenti. L’idea che l’intelligenza artificiale possa rendere l’apprendimento non solo “divertente” ma anche profondamente avvincente sembra realistica e imminente. In questo modo si creerà una nuova generazione di persone iper-capaci e iper-appassionate che saranno in grado di adattarsi facilmente al cambiamento e aggiornare e affinare costantemente le proprie capacità.
Ciò andrà a beneficio degli individui, dell’economia e, in ultima analisi, della società.
