Искусственный интеллект и школа.

Вот и наступила осенняя пора, дети пошли в школу. В айти сфере очередной кризис. А где-то на задворках плачет новая генеративная модель (простите школьник). Первое сентября стало временем трезво посмотреть на ИИ.

У меня от текущего этапа искусственного интеллекта сильный вайб 80ых. Вечно молодых спасателей Малибу. Он молод, полон надежд и на уровне грамотного, но безынициативного школьника или студента. Он только вступает в жизнь, но уже чувствуется ощущение инфантилизма, тупика.

Они с каждым шагом требуют большего количества данных, но дают меньший результат. Да, Генеративные модели ИИ могут написать за нас сочинение, изложение, тест, доклад, диссертацию, отчет. Но все ждали универсального помощника, а не сочинения на мотив известного автора.

Появление генеративного ИИ снова поставил вопрос, а что такое интеллект и как его проверить. Текущие модели все ближе подступают к обессмысливанию основы современного образования: письменным проверочным работам. ИИ может написать за вас любой текст, но будет ли это оценкой вашего уровня знаний и понимания предмета или это “протезный интеллект”.

Давайте представим, что пятиклассник учиться удаленно и он так хорошо научился обманывать учителя, что все работы за него пишет генеративный искусственный интеллект. К чему это приведет?

Пятиклассник по оценкам будет отличником, его работы будут цитировать и ставить в пример. При этом он сам останется на том же самом уровне. Без осмысления текстов что написала машина, он не будет развиваться. С течением времени его работы останутся на том же уровне, но общество, преподаватели будут ждать от него новых успехов.

Итоговый разрыв между реальной личностью и виртуальным образом будет колоссальным.

Обратное тоже верно от “виртуальной личности ИИ” мы требуем человеческих качеств самостоятельности, глубину знания и волю человека. Мы хотим получить бесплатного работника, но он также застрял на уровне продвинутого пятиклассника.

Уже сейчас стало понятно ИИ по мнению многих экспертов переоценено. Сам глава OpenAI признает это:

Находимся ли мы сейчас на этапе, когда инвесторы в целом переоценивают ИИ? Мне кажется, да. Можно ли считать появление ИИ важнейшим событием за очень долгое время? Думаю, тоже да.

Но эти завышенные ожидания порождают более серьезный вопрос, а как проверить “самостоятельности, глубину знания и волю”? Ведь “протезный интеллект” дает так много возможностей, но не отвечает на главный: как быть человеком.
Моросеев Федор и команда сообщества Digital Learning

Добрый день, коллеги 👋🏼

Существует такая теория как трансформационное обучение (transformative learning), которую основал социолог и эксперт в обучении взрослых Джек Мезиров.

Основная идея теории заключается в том, что обучение — это не просто накопление знаний, а изменение мировоззрения, ценностей и убеждений.

Личность обучающегося — это рефлексирующая личность.
То есть без рефлексии и переосмысления собственного опыта обучение практически невозможно (особенно, если мы говорим про взрослых обучающихся).

По мнению автора теории, в современном мире людям необходимо научиться интерпретировать информацию самостоятельно, а не просто слушать и действовать в соответствии с убеждениями и объяснениями других.
Цель трансформационного обучения — развивать «автономное мышление» (Mezirow, 1997).

Стоит отметить, что принципы конструктивизма в этом отношении являются превалирующими в данной теории, потому что согласно конструктивистской теории обучения новые знания формируются с опорой на личный опыт обучающегося.

Существует 10 этапов, которые можно определить на основе трансформационного обучения 👇🏼

1. Дизориентирующая дилемма (Disorienting Dilemma) Столкновение с ситуацией, которая ставит под сомнение привычные убеждения или опыт, вызывая когнитивный диссонанс.
Например, резкая смена профессии

2. Самоанализ (Self-Examination)
Осознание необходимости пересмотреть свои установки, ценности или поведение.
Например, вопросы «Что для меня важно в действующей профессии сейчас?» или «Что мне помогает/мешает адаптироваться в новой профессии?».

3. Критическая оценка существующих предположений (Critical Assessment of Assumptions)
Анализ глубинных убеждений, стереотипов и культурных установок, которые влияют на восприятие.
Например, пересмотр профессиональных стереотипов

4. Признание проблемы общей (Recognition of Shared Experience)
Понимание, что с подобными дилеммами сталкиваются и другие.
Например, общение с людьми, которые успешно сменили профессию

5. Исследование новых ролей (Exploration of New Roles)
Поиск альтернативных моделей поведения или мышления.
Например, прохождение пробных курсов по новой профессии

6. Планирование действий (Planning a Course of Action)
Разработка стратегии для внедрения изменений.
Например, составление карьерного плана по профессии

7. Приобретение знаний и навыков (Acquisition of Knowledge/Skills)
Обучение тому, что необходимо для реализации плана.
Например, обучение на курсе по профессии

8. Экспериментирование с новыми ролями (Trying New Roles)
Практическое применение новых моделей поведения.
Например, прохождение стажировки по новой профессии

9. Развитие компетентности и уверенности в себе (Building Competence/Self-Confidence)
Закрепление изменений через успешный опыт.
Например, получение положительной обратной связи от руководителя или коллег

10. Реинтеграция (Reintegration)
Возвращение в социум с обновленными смысловыми схемами.
Например, полноценная интеграция в новую профессиональную среду, формирование баланса между личными ценностями и карьерой

Стоит отметить, что трансформационное обучение — нелинейный процесс. Этапы могут повторяться или пропускаться. Ключевой момент — это рефлексия и готовность к изменениям.

Коллеги, как вы считаете чем может быть полезно знание трансформационного обучения для тех, кто проектирует учебные курсы ❓
Делитесь, пожалуйста, своими идеями в комментариях поста 👇🏼

Источники 📖
- What Is The Transformative Learning Theory
- Transformative Learning
- What is Transformative Learning?
- Viktor Wang «Transformative Learning»

Хороший, но недостаточно: экономит ли ИИ время?

Очень часто попадаются юмористические ролики про то, как ИИ «экономит» время.

В посте расскажу про свой кейс «экономии» времени с ИИ, который отлично иллюстрирует те минусы инструмента, которые мешают автоматизации процессов.

👉Коротко о задаче:
Дано:
Есть «поток сознания» в голове (много неструктурированной информации) и пару десятков картинок, иллюстрирующих этот поток.

Задача:
Структурировать информацию и расписать её в таблице (600+ ячеек).

Осмысленно заполнить 600 ячеек — задача не быстрая.

ChatGPT отлично умеет структурировать информацию, а ещё умеет «видеть» картинки.
Логичное решение — объяснить ИИ, какая именно таблица мне нужна, какие поля в ней должны быть, как нужно их заполнять, закинуть весь «поток сознания» с картинками — и пусть структурирует и расписывает.

С первой же итерации результат получился неплохим. Всю огромную таблицу я, естественно, не читал. Пробежался по части таблицы, увидел общие недочёты и попросил ИИ их исправить (после каждой итерации перечитывать весь объём очень долго).

Несколько подобных итераций — и ChatGPT скидывает готовый Excel-файл с листами и удобным форматированием.

Круто? ДА НЕ ТО СЛОВО! Гигантская таблица меньше чем за полдня работы, да ещё мы успели «обсудить», что в таблице может быть не так и что требует улучшений. ChatGPT нашёл логическую ошибку в «потоке сознания» и внёс десяток идей по улучшению таблицы. Большая часть идей — откровенно дебильная, но 2 взял в работу — и это очень ценно.

Начал смотреть таблицу подробнее:
Часть столбцов и строк ИИ сделал практически идеально — проверил, немного подправил, и всё готово. В других было большое количество ошибок, поэтому проще и быстрее просто удалить «плохие столбцы» и заполнить их с нуля (ошибки и неточности разные, парой промптов не получится исправить).

В итоге не факт, что с ИИ у меня вообще получилось сделать работу быстрее.

Результат одновременно кажется и фантастическим, и совершенно бесполезным (не считая 2 классных советов, это было очень полезно). С одной стороны, то, что мы можем закинуть куда-то страницы текста с картинками и получить структурированную таблицу, — просто магия. С другой стороны, допущенные ошибки в составлении таблицы делают её совершенно бесполезной.

У классной таблицы высокая ценность, таблица с ошибками — не нужна и даром (при этом таблица далась совершенно не даром: на составление промпта, итерации, да и просто на то, чтобы перенести десяток страниц текста из головы на бумагу, ушло несколько часов).

С автоматизацией процессов всё ещё сложнее. Там не получится посмотреть работу и что-то доделать руками (иначе какая это автоматизация?). ИИ сделал работу плохо — значит, с этим и будем жить. Работа с промптами и применение современных методов работы с ИИ улучшают качество ответов принципиально, но получится ли «дотянуть» ответ до нужного качества и сколько это будет стоить — большой вопрос.

Упрощая: доверили бы вы задачу студенту-стажёру без контроля результата? Если да — такие задачи совершенно точно можно автоматизировать с ИИ.

Этот кейс хорошо иллюстрирует два тезиса:
🔹нас, скорее всего, не заменят машины, но вот тех, кто не использует ИИ в работе, весьма вероятно заменят те, кто использует (те, кто не пользуется - останутся без 2 классных советов);
🔹ИИ не снимает с вас ответственности за вычитку и контроль качества, а часто даже увеличивает её.

P.S. ИИ — это невероятно мощный инструмент. Но его эффективность всегда упирается вопрос: «Насколько хорошо я умею ставить ему задачи?».

Алексей Миляев и команда сообщества Digital Learning

⚡️62% педагогов признаются: потолок зарплаты в образовании — не больше 40–60 тысяч рублей

В школах это действительно так, но сфера онлайн-образования давно доказала обратное. Например, там нужны руководители образовательных проектов — люди, которые умеют управлять курсами, командами и сотнями студентов сразу. И готовы платить за это от 160 000 руб.

Курс «Руководитель образовательных проектов» от Eduson — это готовая система, которая поможет вам запустить и развивать образовательные проекты, в том числе собственную онлайн-школу.

За 4 месяца вы:
— Узнаете все об управлении командой, бюджете, продажах, маркетинге и стратегиях роста образовательных проектов.
— Выполните 20+ практических заданий и соберёте свой первый проект прямо в процессе.
— Обучитесь необходимым навыкам от практиков ведущих EdTech-компаний.

Оставьте заявку по ссылке, а по промокоду LEARNING получите скидку 65% + второй курс в подарок. А бонусом — пожизненный доступ к обновлениям, чтобы всегда быть впереди!