Na postawione w tytule pytanie odpowiedź nie jest prosta, ale prowadzi do ekscytującej redefinicji roli zarówno studenta, jak i dydaktyka. Wartość eseju jest w moim odczuciu niezmienna, ale proces dydaktyczny zmienia się. Esej tradycyjnie był i (chyba) pozostaje pracą o niezaprzeczalnej wartości edukacyjnej. Esej to praca wartościowa, uczy myślenia, argumentacji, szukania pomysłów na przekonującą i interesującą wypowiedź, uczy konstrukcji wypowiedzi. Z biegiem lat doceniam eseje coraz bardziej. Ale uczyłem się sam, w szkole były rozprawki i wypracowania a na studiach sprawozdania z ćwiczeń. Nie miałem okazji uczyć się pisania esejów w ramach edukacji formalnej. Sam proces pisania, a więc szukania pomysłu, szukania źródeł i dodatkowych informacji, rozwija piszącego. Znam to z autopsji bo doświadczyłem wielokrotnie. Dlatego warto było zlecać studentom pisanie esejów. Ale czy jeszcze jest teraz, w dobie powszechnego dostępu do narzędzi sztucznej inteligencji?
Esej rozwija tylko wtedy, gdy jest pisany samodzielnie. Wymaga więc silnej motywacji wewnętrznej. Bo pokonywanie trudów tej pracy opiera się na dużej motywacji. A z tą albo student już przychodzi, albo trzeba dopiero ją w nim wzbudzić. A to ostatnie nie takie proste. Wydanie polecenia nie wystarczy. Behawiorystyczne poleganie na przymusie i motywacji zewnętrznej (pisanie na zaliczenia, na ocenę), w czasach powszechnie dostępnej sztucznej inteligencji, a w zasadzie LLMów (dużych modeli językowych), zawodzi. Kiedyś student mógł kogoś innego poprosić o napisanie i oddawał gotowca. Czyli oszukiwanie było reakcją na motywację zewnętrzną, która zawodziła już wtedy, w czasach przed komputerami i AI. Teraz jednak próg korzystania z pomocy zewnętrznej jest dużo niższy. Nie trzeba nikogo prosić, ani płacić.
Zasadniczo esej jest to indywidualna praca własna studenta, często zadawana poza zajęciami, która zmusza do głębszego myślenia i przemyślanej argumentacji. Esej wymaga syntezy wiedzy, krytycznej oceny źródeł oraz sformułowania i obrony własnej tezy. Uczy szukania przekonującej i interesującej formuły wypowiedzi. Zawrzeć można w nim własne zdanie. Na studiach przyrodniczych, gdy jest dużo wiedzy do opanowania często wejściówki czy kolokwia to proste podawanie wiedzy, zazwyczaj wypunktowanej, A więc w formie prostej, skróconej. Nie ma zazwyczaj okazji do ćwiczenie spójnej i pięknej językowo wypowiedzi. Bo wymaga czasu i dopracowania. I wymaga własnego zdania, własnego poglądu na dane zagadnienie. Czyli najpierw trzeba je mieć (własne zdanie, opinia).
Sam proces pisania, od poszukiwania inspiracji i pomysłu, przez gromadzenie źródeł, po logiczną konstrukcję wywodu, rozwija sprawność intelektualną u piszącego. Pisanie to proces twórczy. Problem w tym, że esej rozwija tylko wtedy, gdy jest pisany samodzielnie. Zewnętrzna motywacja, uzasadniana behawiorystycznymi koncepcjami dydaktycznymi, zawodziła już dawniej. Tyle tylko, że skupialiśmy się na powierzchownych pozorach. Ale AI teraz dobija tę zewnętrzną motywację studentów a wykładowcy stają się bezradni. Mają się bawić w policjantów i szukać programów do wykrywania AI? Szukać niczym kiedyś na egzaminach ukrytych ściąg?
W tradycyjnym systemie akademickim polegaliśmy na motywacji zewnętrznej: przymusie zaliczenia, dążeniu do wysokiej oceny, egzaminu końcowego. Studentów, którzy nie czuli wewnętrznej potrzeby nauki, motywacja zewnętrzna prowadziła często do oszustwa (ściągania, podkładania gotowców, wyniesionego często już ze szkoły podstawowej i średniej). Sztuczna Inteligencja obniżyła ten próg oszustwa niemal do zera. Nie trzeba nikogo prosić, ani płacić. Wystarczy wpisać prompt, by otrzymać gotowiec. Cała behawiorystyczna struktura oparta na przymusie zawodzi w obliczu powszechności i dostępności LLM. Co zatem czynić, gdy nie da się skutecznie zastraszyć studenta?
Jeśli zadamy temat eseju bez odpowiedniego kontekstu, student z łatwością wygeneruje tekst o akceptowalnej jakości, poświęcając minimalny wysiłek. A bez wysiłku nie ma procesu uczenia się. W tym momencie cała wartość edukacyjna procesu, ta najistotniejsza, czyli rozwój piszącego, idzie na marne. Już samo pytanie o sens prac domowych (samodzielnych) nabiera ogromnej aktualności. W dydaktyce trzeba zmienić przez lata wypracowywane i utrwalane metody. Zmiana jest trudna dla każdego, nawet dla wykładowcy akademickiego. Nie wszyscy sobie z tym radzą i czasem uciekają w jałowe narzekanie, a to na studentów, a to na technologię. Z tego narzekania nie wynika żadna praktyczna porada ani wniosek. Takie bezproduktywne bicie piany i samousprawiedliwienie swojej bezradności.
Chyba nie tylko moim zdaniem, kluczem do rozwiązania tego problemu jest zrozumienie, że my, nauczyciele (w tym i cu akademiccy), nie uczymy – to ludzie uczą się sami. Nie można nikogo niczego nauczyć, jeśli ten ktoś sam nie chce się nauczyć (mozna konia przyprowadzić do wodopoju ale nie można go zmusić do pica). Cały ciężar spoczywa na motywacji wewnętrznej uczącego się. Łatwo sformułować polecenie i wykorzystać tematy przez lata wykorzystywane (i dawno rozstrzygnięte przez liczne roczniki studentów). Znacznie trudniej pokazać sens i wzbudzić motywację do samodzielnej pracy.
W nowej rzeczywistości nie ma miejsca na dydaktyka, który tylko "naucza" i egzekwuje. Potrzebujemy projektanta i architekta środowiska edukacyjnego. Potrzebujemy nie nauczyciela lecz projekczyciela. Naszą rolą jest stworzenie warunków, w których student chce się uczyć i odczuwa potrzebę samodzielnej pracy. Taka dyskusja toczy się już od wielu lat.
Nie wystarczy zadać temat. Trzeba najpierw zadbać o kontekst i sens. Trzeba więc upewnić się, że temat jest autentycznie interesujący lub istotny dla przyszłej ścieżki zawodowej obecnych studentów. Wymusza to na nauczycielu akademickim dużą kreatywność i głębokie kulturowe zakorzenienie się we współczesności. Trzeba często i daleko wychodzić poza swój własny gabinet akademicki i swoje wygodne biurko. Pisząc symbolicznie: żeby zapalać innych trzeba samemu płonąć. Od studentów musimy wymagać włączenia osobistej refleksji lub odniesienia się do własnych doświadczeń, czego AI nie potrafi. Jeszcze? Do tego potrzebne są dobre relacje między wykładowcami a studentami. Czy da się budować takie relacje, gdy widzi się studentów tylko w czasie zajęć? A na dodatek te zajęcia mają charakter podawczy i odtwórczy, wiele miesięcy lub lat wcześniej zaplanowanych, aktualnych w nieistniejących już warunkach lub nieistniejących już kontekstach społecznych?
Nie możemy udawać, że świat poza murami uczelni działa w innej rzeczywistości. To znaczy możemy udawać, tylko z tego udawania nic sensownego nie wynika. Tak jak przestaliśmy liczyć na kartce, udając, że nie ma kalkulatorów. Teraz musimy zaakceptować LLM jako narzędzie pracy. Dlatego ja czasem zadaję eseje, nawet w nowoczesnej formule, np. wideorolki, a co więcej – zezwalam na korzystanie z różnorodnych narzędzi AI. Dlaczego? Bo uważam, że naszym zadaniem jest przygotowanie studentów do tego procesu, który czeka ich po opuszczeniu uczelni. Uczymy się wspólnie sensownego korzystania z narzędzi LLM. Bo ja tez się uczę razem z nimi.
Student może użyć AI do zebrania wstępnych informacji, stworzenia szkicu, konspektu, czy nawet wygenerowania tekstu. Kluczowe staje się następnie to, co student zrobi z wygenerowanym tekstem. Czy podsuniętymi przez AI pomysłami. Czy potrafi go krytycznie ocenić, poprawić błędy merytoryczne, nadać mu unikalny, autorski przekaz i wzbogacić o własne, pogłębione argumenty? I czy ma robić to ukradkiem, niejako pod ławką? Czy raczej mamy wspólnie odkrywać wady i zalety tych elektronicznych narzędzi? Ja opowiadam sie za tym drugim. Dlaczego wspólnie? Bo to nowa rzeczywistość. Ja, jako nauczyciel akademicki, nie miałem możliwości nauczyć się tego wcześniej, przetrawić, dopracować a teraz dzieliłbym się swoim wieloletnim doświadczeniem i przemyślanymi. Pozostaje odkrywać razem metodą prób i błędów. Uznając jednocześnie, że błąd nie jest porażką, że niepowodzenie nie jest porażką. Pozostaje skupić się na procesie tworzenia a nie na tylko na produkcie finalnym. Zachęcam studentów do ustnej i pisemnej refleksji na temat tego, w jaki sposób i dlaczego użyli narzędzi AI oraz co dodali od siebie. Na razie efekty mnie nie zadowalają...
Esej akademicki w obliczu AI nie musi umrzeć. Być może musi jedynie dojrzeć zarówno w swojej formie jak i dydaktycznym wykorzystaniu. Bo na przykład czy w dobie ugruntowującej się nowej mówioności (postpismienności) esej nie może mieć formy wideo lub podcastu? Ta nowa sytuacja wymaga od nas, dydaktyków, porzucenia roli egzekutora przymusu i przyjęcia roli przewodnika, który pokazuje, że samodzielne myślenie jest wartością samą w sobie, a narzędzia AI mogą być co najwyżej sprawnym, ale ograniczonym pomocnikiem. Klucz leży w przejściu od testowania zapamiętywania i odtwarzania do testowania krytycznego myślenia i autorskiej syntezy. Wartość edukacyjna eseju jest być może wieczna, pod warunkiem jednak, że opiera się na wewnętrznej motywacji studenta.
A jakie są Państwa doświadczenia? Czy zauważyli Państwo, że integracja narzędzi AI rzeczywiście wzmacnia, a nie osłabia zaangażowanie studentów? A może wręcz przeciwnie? Zachęcam do dyskusji w komentarzach!
A to mi podpowiedziało Gemini (model LLM) o zaletach i wadach eseju w czasach sztucznej inteligencji (rezultat nieco zmodyfikowałem i przeredagowałem)
Sam proces pisania, od poszukiwania inspiracji i pomysłu, przez gromadzenie źródeł, po logiczną konstrukcję wywodu, rozwija sprawność intelektualną u piszącego. Pisanie to proces twórczy. Problem w tym, że esej rozwija tylko wtedy, gdy jest pisany samodzielnie. Zewnętrzna motywacja, uzasadniana behawiorystycznymi koncepcjami dydaktycznymi, zawodziła już dawniej. Tyle tylko, że skupialiśmy się na powierzchownych pozorach. Ale AI teraz dobija tę zewnętrzną motywację studentów a wykładowcy stają się bezradni. Mają się bawić w policjantów i szukać programów do wykrywania AI? Szukać niczym kiedyś na egzaminach ukrytych ściąg?
W tradycyjnym systemie akademickim polegaliśmy na motywacji zewnętrznej: przymusie zaliczenia, dążeniu do wysokiej oceny, egzaminu końcowego. Studentów, którzy nie czuli wewnętrznej potrzeby nauki, motywacja zewnętrzna prowadziła często do oszustwa (ściągania, podkładania gotowców, wyniesionego często już ze szkoły podstawowej i średniej). Sztuczna Inteligencja obniżyła ten próg oszustwa niemal do zera. Nie trzeba nikogo prosić, ani płacić. Wystarczy wpisać prompt, by otrzymać gotowiec. Cała behawiorystyczna struktura oparta na przymusie zawodzi w obliczu powszechności i dostępności LLM. Co zatem czynić, gdy nie da się skutecznie zastraszyć studenta?
Jeśli zadamy temat eseju bez odpowiedniego kontekstu, student z łatwością wygeneruje tekst o akceptowalnej jakości, poświęcając minimalny wysiłek. A bez wysiłku nie ma procesu uczenia się. W tym momencie cała wartość edukacyjna procesu, ta najistotniejsza, czyli rozwój piszącego, idzie na marne. Już samo pytanie o sens prac domowych (samodzielnych) nabiera ogromnej aktualności. W dydaktyce trzeba zmienić przez lata wypracowywane i utrwalane metody. Zmiana jest trudna dla każdego, nawet dla wykładowcy akademickiego. Nie wszyscy sobie z tym radzą i czasem uciekają w jałowe narzekanie, a to na studentów, a to na technologię. Z tego narzekania nie wynika żadna praktyczna porada ani wniosek. Takie bezproduktywne bicie piany i samousprawiedliwienie swojej bezradności.
Chyba nie tylko moim zdaniem, kluczem do rozwiązania tego problemu jest zrozumienie, że my, nauczyciele (w tym i cu akademiccy), nie uczymy – to ludzie uczą się sami. Nie można nikogo niczego nauczyć, jeśli ten ktoś sam nie chce się nauczyć (mozna konia przyprowadzić do wodopoju ale nie można go zmusić do pica). Cały ciężar spoczywa na motywacji wewnętrznej uczącego się. Łatwo sformułować polecenie i wykorzystać tematy przez lata wykorzystywane (i dawno rozstrzygnięte przez liczne roczniki studentów). Znacznie trudniej pokazać sens i wzbudzić motywację do samodzielnej pracy.
W nowej rzeczywistości nie ma miejsca na dydaktyka, który tylko "naucza" i egzekwuje. Potrzebujemy projektanta i architekta środowiska edukacyjnego. Potrzebujemy nie nauczyciela lecz projekczyciela. Naszą rolą jest stworzenie warunków, w których student chce się uczyć i odczuwa potrzebę samodzielnej pracy. Taka dyskusja toczy się już od wielu lat.
Nie wystarczy zadać temat. Trzeba najpierw zadbać o kontekst i sens. Trzeba więc upewnić się, że temat jest autentycznie interesujący lub istotny dla przyszłej ścieżki zawodowej obecnych studentów. Wymusza to na nauczycielu akademickim dużą kreatywność i głębokie kulturowe zakorzenienie się we współczesności. Trzeba często i daleko wychodzić poza swój własny gabinet akademicki i swoje wygodne biurko. Pisząc symbolicznie: żeby zapalać innych trzeba samemu płonąć. Od studentów musimy wymagać włączenia osobistej refleksji lub odniesienia się do własnych doświadczeń, czego AI nie potrafi. Jeszcze? Do tego potrzebne są dobre relacje między wykładowcami a studentami. Czy da się budować takie relacje, gdy widzi się studentów tylko w czasie zajęć? A na dodatek te zajęcia mają charakter podawczy i odtwórczy, wiele miesięcy lub lat wcześniej zaplanowanych, aktualnych w nieistniejących już warunkach lub nieistniejących już kontekstach społecznych?
Nie możemy udawać, że świat poza murami uczelni działa w innej rzeczywistości. To znaczy możemy udawać, tylko z tego udawania nic sensownego nie wynika. Tak jak przestaliśmy liczyć na kartce, udając, że nie ma kalkulatorów. Teraz musimy zaakceptować LLM jako narzędzie pracy. Dlatego ja czasem zadaję eseje, nawet w nowoczesnej formule, np. wideorolki, a co więcej – zezwalam na korzystanie z różnorodnych narzędzi AI. Dlaczego? Bo uważam, że naszym zadaniem jest przygotowanie studentów do tego procesu, który czeka ich po opuszczeniu uczelni. Uczymy się wspólnie sensownego korzystania z narzędzi LLM. Bo ja tez się uczę razem z nimi.
Student może użyć AI do zebrania wstępnych informacji, stworzenia szkicu, konspektu, czy nawet wygenerowania tekstu. Kluczowe staje się następnie to, co student zrobi z wygenerowanym tekstem. Czy podsuniętymi przez AI pomysłami. Czy potrafi go krytycznie ocenić, poprawić błędy merytoryczne, nadać mu unikalny, autorski przekaz i wzbogacić o własne, pogłębione argumenty? I czy ma robić to ukradkiem, niejako pod ławką? Czy raczej mamy wspólnie odkrywać wady i zalety tych elektronicznych narzędzi? Ja opowiadam sie za tym drugim. Dlaczego wspólnie? Bo to nowa rzeczywistość. Ja, jako nauczyciel akademicki, nie miałem możliwości nauczyć się tego wcześniej, przetrawić, dopracować a teraz dzieliłbym się swoim wieloletnim doświadczeniem i przemyślanymi. Pozostaje odkrywać razem metodą prób i błędów. Uznając jednocześnie, że błąd nie jest porażką, że niepowodzenie nie jest porażką. Pozostaje skupić się na procesie tworzenia a nie na tylko na produkcie finalnym. Zachęcam studentów do ustnej i pisemnej refleksji na temat tego, w jaki sposób i dlaczego użyli narzędzi AI oraz co dodali od siebie. Na razie efekty mnie nie zadowalają...
Esej akademicki w obliczu AI nie musi umrzeć. Być może musi jedynie dojrzeć zarówno w swojej formie jak i dydaktycznym wykorzystaniu. Bo na przykład czy w dobie ugruntowującej się nowej mówioności (postpismienności) esej nie może mieć formy wideo lub podcastu? Ta nowa sytuacja wymaga od nas, dydaktyków, porzucenia roli egzekutora przymusu i przyjęcia roli przewodnika, który pokazuje, że samodzielne myślenie jest wartością samą w sobie, a narzędzia AI mogą być co najwyżej sprawnym, ale ograniczonym pomocnikiem. Klucz leży w przejściu od testowania zapamiętywania i odtwarzania do testowania krytycznego myślenia i autorskiej syntezy. Wartość edukacyjna eseju jest być może wieczna, pod warunkiem jednak, że opiera się na wewnętrznej motywacji studenta.
A jakie są Państwa doświadczenia? Czy zauważyli Państwo, że integracja narzędzi AI rzeczywiście wzmacnia, a nie osłabia zaangażowanie studentów? A może wręcz przeciwnie? Zachęcam do dyskusji w komentarzach!
A to mi podpowiedziało Gemini (model LLM) o zaletach i wadach eseju w czasach sztucznej inteligencji (rezultat nieco zmodyfikowałem i przeredagowałem)
Argumenty za (Dlaczego pisanie esejów jest wciąż ważne)
- Warto podkreślić, że esej to coś więcej niż tylko produkt końcowy – to proces myślowy i rozwój krytycznych umiejętności, których AI nie zastąpi.
- Rozwój krytycznego myślenia i syntezy: pisanie eseju wymaga od studenta analizy źródeł, oceny ich wiarygodności, syntezy różnych perspektyw i sformułowania własnego stanowiska. AI potrafi generować tekst, ale nie potrafi krytycznie myśleć ani doświadczać procesu budowania unikalnej argumentacji.
- Umiejętność komunikacji i precyzji języka: eseje uczą jasnego i logicznego wyrażania skomplikowanych idei. To trening struktury, spójności, doboru słownictwa specyficznego dla danej dziedziny i przestrzegania standardów akademickich.
- Osobisty głos i kreatywność: dobry esej to manifestacja autorskiego punktu widzenia. Studenci uczą się, jak tchnąć w argumentację własną pasję i styl, co jest niemożliwe do osiągnięcia przez maszynę.
- Wartość procesu badawczego: aby napisać wartościowy esej, student musi prowadzić badania, selekcjonować informacje, i właściwie cytować źródła. Te umiejętności są fundamentalne w pracy naukowej i zawodowej.
Argumenty przeciw/Wyzwania (Jak AI podważa tradycyjne podejście)
- Łatwość oszustwa i plagiatu AI: głównym wyzwaniem jest to, że AI (np. ChatGPT) może wygenerować spójny i poprawny gramatycznie tekst w kilka sekund, co ułatwia nieuczciwe zaliczenie przedmiotu bez zrozumienia tematu.
- Erozja wartości tradycyjnej oceny: jeśli jedynym celem jest "zaliczenie", a AI pozwala ominąć etap nauki (wysiłek, który może być traktowany jako zbędny), tradycyjne zadania esejowe tracą swoją diagnostyczną i edukacyjną wartość.
- Skupienie na produkcie, a nie na procesie: studenci mogą bardziej koncentrować się na poleceniu dla AI, niż na własnym głębokim zrozumieniu tematu.
Wnioski i Nowe Podejścia (Jak zmienić zadania esejowe w erze AI)
Propozycja praktycznych rozwiązań, które integrują, a nie odrzucają, AI:- Eseje procesualne: zamiast oceniać tylko końcowy esej, oceniaj etapy pracy: konspekt, selekcję źródeł, pierwszą wersję, refleksję nad tym, jak AI mogłaby pomóc (lub nie), a nawet analizę tekstu wygenerowanego przez AI. Wymaga to jednak ciągłej wspołpracy. I bardziej nadaje się do tutoringu niż zajęć ćwiczeniowych w dużej grupie.
- Eseje refleksyjne/osobiste: zadawaj tematy wymagające własnych doświadczeń, poglądów, czy odniesienia do bieżących wydarzeń, których kontekstu AI nie posiada.
- Eseje krytykujące AI: poproś studentów, aby wygenerowali esej za pomocą AI, a następnie ich zadaniem jest krytyczna analiza, poprawa i rozbudowa tego tekstu, uzupełniając go o unikalne, nieoczywiste argumenty.
- Ocenianie w sali (In-Class Writing): Wprowadzenie elementów pisania eseju pod nadzorem (np. krótkie segmenty eseju, argumenty) weryfikuje faktyczne umiejętności. To, co w tych wnioskach proponuje AI, to praca klasowa, a jest to trochę kłopotliwe rozwiązanie i nie bardzo widzę się w takim procesie. Z tym się jednak w pełni zgodzę: celem nie jest rezygnacja z esejów, lecz redefinicja ich celów i metody oceny, by rzeczywiście sprawdzały unikalnie ludzkie umiejętności. A w zasadzie by był aktywnością rozwijającą te umiejętności. Samo ocenianie jest dla mnie mniej ważne.
Brak komentarzy:
Prześlij komentarz