Planowanie lekcji z AI. Co z badań nad uczeniem się zabrać do rozmowy z chatbotem

W 2012 roku zespół Sanne Dekker z Uniwersytetu VU w Amsterdamie zapytał nauczycieli z Wielkiej Brytanii i Holandii o popularne twierdzenia dotyczące mózgu i uczenia się. Badani uznali za prawdziwe mniej więcej połowę neuromitów, na przykład to, że uczniowie uczą się lepiej, gdy materiał podaje się w ich ulubionym stylu uczenia się. Ciekawsze było jednak co innego. W badanej grupie nauczyciele, którzy więcej wiedzieli o mózgu, wcale nie mylili się rzadziej. Częściej wierzyli w mity.

Przypominam sobie o tym badaniu za każdym razem, gdy słyszę słowo „neurodydaktyka”. Nauki o mózgu i psychologia poznawcza mają nauczycielom sporo do powiedzenia, tylko najbardziej przydatne wnioski rzadko trafiają na kolorowe slajdy. Gdy planuję lekcję, z AI czy bez niego, pilnuję przede wszystkim trzech rzeczy, które mają mocne oparcie w badaniach.

Uczeń myśli tym, co już wie

Pamięć robocza mieści naraz zaledwie kilka nowych elementów. John Sweller opisał to pod koniec lat osiemdziesiątych w teorii obciążenia poznawczego i od tamtej pory powstały setki badań, które ją rozwijają. Nowa informacja zostaje w głowie wtedy, gdy uczeń może ją powiązać z czymś, co już ma w pamięci długotrwałej. Dlatego ta sama lekcja może świetnie zadziałać w jednej klasie i przytłoczyć drugą. Barak Rosenshine w swoich „Zasadach nauczania” (2012) zaczyna od krótkiej powtórki i wprowadzania materiału małymi krokami właśnie z tego powodu.

Błędy mają swoją logikę

Lauren Resnick i jej współpracownicy badali w 1989 roku, jak uczniowie porównują ułamki dziesiętne. Okazało się, że ich błędy nie są przypadkowe. Wielu z nich przenosi zasady z liczb naturalnych i uznaje, że 0,75 jest większe od 0,8, bo 75 to więcej niż 8. Taki uczeń stosuje konsekwentną regułę, tylko błędną. Samo powtórzenie poprawnej zasady niewiele tu zmienia, trzeba tę regułę wydobyć na wierzch i z nią popracować. Dobry plan lekcji przewiduje takie błędy, zanim pojawią się w klasie.

Sprawdzanie rozumienia też uczy

Henry Roediger i Jeffrey Karpicke pokazali w 2006 roku, że przypominanie sobie materiału z pamięci daje lepsze efekty po kilku dniach niż jego ponowne czytanie. Paul Black i Dylan Wiliam już wcześniej zebrali dowody na to, że ocenianie kształtujące, czyli zbieranie informacji o rozumieniu w trakcie nauki, poprawia wyniki uczniów. Krótkie zadanie na koniec lekcji nie jest więc formalnością. Uczniowie utrwalają to, czego się nauczyli, a ja dowiaduję się, od czego zacząć następną lekcję.

Gdzie w tym wszystkim jest AI?

Chatbot nie wie, co Twoi uczniowie już umieją, jakie błędy popełniają ani jak poszedł ostatni sprawdzian. Zna za to tysiące scenariuszy lekcji i w kilka sekund napisze kolejny, z celami, minutami i quizem na koniec. Taki tekst wygląda profesjonalnie i właśnie przez to łatwo go przyjąć bez zastanowienia.

Raja Parasuraman i Dietrich Manzey opisali to zjawisko w 2010 roku jako automation bias. Kiedy system podaje gotowe rozwiązanie, ludzie chętniej się na nie zgadzają i rzadziej je sprawdzają. Badania dotyczyły głównie pilotów i lekarzy, ale mechanizm łatwo rozpoznać także przy nauczycielskim biurku. Gotowy scenariusz sprawia, że nie pytamy już, czy pasuje do naszej klasy.

Dlatego zanim cokolwiek wpiszę do chatbota, zapisuję cel lekcji jako coś, co uczeń zrobi. Zamiast „ułamki dziesiętne” piszę: „uczeń porównuje liczby dziesiętne o różnej liczbie cyfr po przecinku i uzasadnia, która jest większa”. Dopisuję też kryterium sukcesu, czyli po czym poznam, że uczeń to umie: „uzasadnia wybór wartością pozycyjną cyfr, a nie ich liczbą”. Z tymi dwoma zdaniami dużo łatwiej ocenić propozycje AI. Aktywność, która do nich nie prowadzi, odpada, choćby była najbardziej pomysłowa.

Trzy rundy rozmowy

Nie proszę AI od razu o gotowy scenariusz. Rozmowę dzielę na trzy rundy, które dokładniej opisuję w poradniku „Planowanie lekcji z AI”.

W pierwszej proszę o trzy różne pomysły na ten sam cel, każdy opisany w kilku zdaniach. Jeden może opierać się na zadaniu problemowym, drugi na modelowaniu przy tablicy, trzeci na pracy w parach. Porównuję je pod jednym kątem: w którym uczniowie będą najwięcej myśleć sami.

W drugiej rundzie szukam słabych punktów wybranego pomysłu. Pytam, co może się nie udać, w którym momencie uczniowie zaczną zgadywać i jaki błąd będzie znakiem, że trzeba wrócić do wcześniejszej umiejętności. Tu przydaje się wiedza o typowych błędach. AI zwykle wymienia ich sporo, a ja zostawiam te, które rzeczywiście widuję u swoich uczniów.

Dopiero w trzeciej rundzie powstaje plan. Podaję prawdziwy czas i ograniczenia: drukarka nie działa, telefony zostają w plecakach, na podsumowanie potrzebuję pięciu minut. Proszę też o plan B na wypadek, gdyby któraś część się przeciągnęła.

Przykład z matematyki

Lekcję zaczynam od pytania: która liczba jest większa, 0,8 czy 0,75? Część klasy wskaże 0,75. To dokładnie ten błąd, który opisywała Resnick, i zamiast od razu go poprawiać, robię z niego materiał do pracy.

AI może podsunąć kilka sposobów na wykorzystanie tej pomyłki, na przykład porównanie 0,80 i 0,75 przy tablicy, pracę w parach z tabelą wartości pozycyjnych albo analizę błędnej odpowiedzi wymyślonego ucznia. Wybór zależy od klasy. Uczniom, którzy dopiero oswajają się z ułamkami dziesiętnymi, przyda się tabela. Grupie, która sprawnie liczy, ale nie potrafi uzasadniać, bardziej pomoże rozbieranie cudzego błędu na części. Na koniec nie pytam, czy wszystko jasne. Uczniowie dostają zadanie: porównaj 0,6 i 0,58 i uzasadnij odpowiedź jednym zdaniem. Sprawdza ono dokładnie kryterium sukcesu z początku lekcji, a przy okazji zmusza do przypomnienia sobie tego, czego się nauczyli. Po trzech minutach wiem, kto potrzebuje jeszcze jednego podejścia.

Przykład przygotowałem na potrzeby tego tekstu, nie jest zapisem konkretnej lekcji.

Wsparcie dla różnych uczniów

Przy różnicowaniu AI oszczędza mi najwięcej czasu. Do jednego zadania szybko przygotuje krótsze polecenie, wersję z przykładem rozwiązanym krok po kroku i dodatkowe pytanie dla tych, którzy skończą wcześniej. Pilnuję tylko, żeby wszystkie wersje prowadziły do tego samego celu, bo łatwo dostać trzy zadania sprawdzające trzy różne umiejętności i nawet tego nie zauważyć.

Różnicowanie nie musi oznaczać zadań łatwych, średnich i trudnych. Czasem wystarczy jaśniej napisane polecenie, przykład do podejrzenia albo minuta więcej na zastanowienie. Którą z tych zmian wybrać, wie nauczyciel, który zna swoją klasę.

Jak zacząć

Przy najbliższej lekcji nie generuj od razu całego scenariusza. Wybierz jeden moment, który chcesz poprawić, na przykład początek lekcji albo zadanie sprawdzające. Wpisz prawdziwy cel i warunki, poproś o trzy pomysły i sam zdecyduj, co z nich weźmiesz.

Polecenia do skopiowania

Poniżej są polecenia na wszystkie trzy rundy. Wysyłasz pierwsze, a kolejne dopisujesz w tej samej rozmowie, gdy model odpowie. Fragmenty w nawiasach kwadratowych uzupełnij swoimi danymi. Jeśli wolisz wyklikać prompt w formularzu, zajrzyj do generatora opisanego niżej.

Runda 1 – pomysły

Runda 2 – kwestionowanie

Runda 3 – dopasowanie

Generator promptów do planowania lekcji

Dla osób, które nie lubią pisać długich poleceń, przygotowałem Generator promptów do planowania lekcji. To formularz. Zaznaczasz w nim przedmiot, klasę, czas, temat i cel lekcji, a potem kontekst klasy, metody pracy, sposoby sprawdzania rozumienia, potrzeby uczniów i to, czym dysponujesz w sali. Możesz też wpisać, czego lekcja ma nie zawierać. Z tych odpowiedzi generator składa gotowy prompt do skopiowania.

Jeśli nie masz jeszcze sformułowanego celu, generator poprosi AI o kilka propozycji w języku ucznia („Po tej lekcji potrafię…”) razem z kryteriami sukcesu. Gdy nie wiesz, co zaznaczyć, przycisk „Zaproponuj ustawienia” podpowie rozwiązania, a „Cofnij rekomendacje” przywróci poprzednie. Formularz otwiera się z wypełnionym przykładem z matematyki dla klasy 7, więc od razu widać, jak wygląda wynik. Generator otwiera się w przeglądarce. Zanim wpiszesz do niego informacje o klasie, sprawdź zasady przetwarzania danych i nie podawaj informacji pozwalających zidentyfikować uczniów.

Generator tworzy prompt na cały plan lekcji, czyli łączy pierwszą i trzecią rundę. Drugą, szukanie słabych punktów, trzeba przeprowadzić samemu. Ja po otrzymaniu planu dopisuję w tej samej rozmowie pytania z rundy drugiej i dopiero potem decyduję, co zostawić.

Materiały

Generator jest częścią większego pakietu o planowaniu lekcji z AI. Znajdziesz w nim:

Wygenerowane pytania, odpowiedzi i materiały zawsze sprawdzam przed lekcją. Jeśli plan powołuje się na podstawę programową, porównuję go z aktualnym rozporządzeniem, bo modele potrafią przytaczać zapisy, których tam nie ma. Do chatbota nie wpisuję też niczego, po czym dałoby się rozpoznać konkretnego ucznia.

Na koniec

Badania, od których zacząłem, prowadzą do dość prostego obrazu. Uczniowie budują nową wiedzę na tym, co już wiedzą, popełniają przewidywalne błędy i lepiej zapamiętują to, co sami musieli sobie przypomnieć. AI pomoże zaplanować lekcję, która to uwzględnia, jeśli dostanie od nauczyciela cel, kryteria sukcesu i kilka zdań o klasie. Bez tego napisze lekcję dla uczniów, których nie ma.

Źródła

• Black, P., Wiliam, D. (1998). Inside the Black Box: Raising Standards Through Classroom Assessment. Phi Delta Kappan, 80(2).
• Dekker, S., Lee, N. C., Howard-Jones, P., Jolles, J. (2012). Neuromyths in Education: Prevalence and Predictors of Misconceptions among Teachers. Frontiers in Psychology, 3.
• Parasuraman, R., Manzey, D. H. (2010). Complacency and Bias in Human Use of Automation: An Attentional Integration. Human Factors, 52(3).
• Resnick, L. B. i in. (1989). Conceptual Bases of Arithmetic Errors: The Case of Decimal Fractions. Journal for Research in Mathematics Education, 20(1).
• Roediger, H. L., Karpicke, J. D. (2006). Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention. Psychological Science, 17(3).
• Rosenshine, B. (2012). Principles of Instruction: Research-Based Strategies That All Teachers Should Know. American Educator, 36(1).
• Sweller, J. (1988). Cognitive Load During Problem Solving: Effects on Learning. Cognitive Science, 12(2).