Jak uczyć się na błędach czyli kompetencje przyszłości, hybrydowa dydaktyka z AI

W edukacji ważne jest szybkie zastosowanie nowo pozyskanej wiedzy w praktyce. To z jednej strony powtarzanie a z drugiej przetwarzanie i włączanie do swojego własnego, indywidualnego konstruktu wiedzy. Budowanie z materiałów ze swoistego intelektualnego recyklingu, wykorzystanie tylko części pozyskanych informacji, a w końcu przetworzenie. Powstanie nie kopia zasłyszanej wiedzy lecz wzorowany na niej nowy, własny i unikalny konstrukt (to nawiązanie do pedagogicznego konstruktywizmu). Nauczyciel nie naucza, to uczy się uczący a nauczyciel stwarza jedynie warunki, dostarcza materiałów i motywuje. Lub odwrotnie, demotywuje i zniechęca. Wybieram to pierwsze. By świadomie wspierać.

Po raz kolejny zostałem ambasadorem programu https://beeco.edu.pl/, realizowanego przez Digital University. W ramach współpracy dostałem kilka pytań do wywiadu. Na pytanie odpowiedziałem i wysłałem. Ale potem pomyślałem o małym eksperymencie, by wykorzystać niedawno zdobyte informacje i pomysły wykorzystywania narzędzi AI w edukacji. Poleciłem AI stworzenie wywiadu z kolejno podsyłanych pytań i moich odpowiedzi, potraktowanych jako szkic do obrobienia przez AI. Na koniec dodany został wstęp i zakończenie. A ja dopisałem własne wprowadzenie i wykorzystałem jeden z oferowanych gemów (redakcja tekstu) by poddać całość redakcyjnej obróbce.

🖊️ Wstęp

W dobie dynamicznej rewolucji cyfrowej rola edukacji zmienia się radykalnie. Tradycyjne metody ustępują miejsca nowym kompetencjom: od współpracy w chmurze po krytyczne myślenie wspomagane sztuczną inteligencją. Zapraszamy do rozmowy z Stanisławem Czachorowskim, który opowiada o tym, jak budować kompetencje przyszłości u studentów, dlaczego błąd jest niezbędnym elementem procesu uczenia się oraz jak etycznie i efektywnie wykorzystywać AI w dydaktyce akademickiej.

💬 Treść Wywiadu

Redaktor (hybrydowy): Jakie działania są dziś kluczowe dla budowania kompetencji przyszłości uczniów i nauczycieli?

S.Cz.: Kluczowe jest odejście od tradycyjnego nauczania na rzecz rozwijania zestawu umiejętności niezbędnych do funkcjonowania w dynamicznie zmieniającej się rzeczywistości. Przede wszystkim musimy rozwijać autentyczną współpracę. Drugi filar to komunikacja w erze cyfrowej, w czasach „nowej mówioności” i „postpiśmienności”. Wreszcie, niezbędne jest krytyczne myślenie połączone z praktycznym zastosowaniem metody naukowej, niezbędnej do weryfikacji informacji, wykrywania fake newsów oraz rozwijania otwartości i odwagi eksperymentowania.

Redaktor: Z jakich narzędzi korzysta Pan najczęściej w pracy ze studentami: webinary na żywo, nagrania, scenariusze, karty pracy, e-booki? Dlaczego te metody są dla Pana najważniejsze?

S.Cz.:  Najczęściej wykorzystuję webinary na żywo, realizowane w hybrydowej formie wykładowej, co zapewnia maksymalną dostępność. Nagranie jest archiwizowane. Ważne jest też aktywne przetwarzanie treści – namawiam studentów do tworzenia wspólnego e-booka z notatkami wykładowymi z ich poprawkami i uzupełnieniami. Wspólna praca z wykorzystaniem narzędzi AI zmusza ich do aktywnej analizy, zamiast biernego notowania.

Redaktor: W kontekście wyzwań środowiskowych, jakie mity o edukacji klimatycznej warto obalić i czym je zastąpić w codziennej praktyce?

S.Cz.: Największym i najbardziej paraliżującym mitem jest przekonanie, że jednostka nic nie może. Musimy zastąpić ten mit głębokim przekonaniem, że każdą realną zmianę warto zaczynać od siebie. Nawet ta najmniejsza modyfikacja w swoim stylu życia sumuje się i jest sygnałem dla otoczenia. W edukacji należy pokazywać, jak małe, konsekwentne działania stają się elementami większych ruchów.

Redaktor: Gdzie sztuczna inteligencja (AI) realnie oszczędza Panu czas w codziennej pracy – na przykład w planowaniu zajęć, udzielaniu informacji zwrotnej czy tworzeniu materiałów?

S.Cz.: AI to przede wszystkim potężne narzędzie wspierające dopracowanie materiałów dydaktycznych. Oszczędność czasu dotyczy generowania grafik do prezentacji oraz tworzenia audio deskrypcji wykładu i zamiany jej w podsumowującą notatkę. Te materiały stanowią cenne uzupełnienie do zajęć w kontakcie, a nie ich zastępstwo. Ponadto, AI jest nieocenione w przygotowywaniu nudnych, ale niestety koniecznych dokumentów administracyjnych.

Redaktor: Jak tłumaczy Pan studentom kluczową różnicę między rozsądnym wspomaganiem się narzędziami AI a nieuczciwą pomocą lub plagiatem?

S.Cz.: Oprócz wskazywania na powody prawne i etyczne, kluczowym argumentem jest kwestia przyjemności i wartości płynącej z samodzielnego tworzenia. Pytam studentów: Po co oddawać maszynie to, co można zrobić samemu? Jeśli oddamy proces myślenia, pisania czy projektowania maszynie, ewidentnie coś tracimy – osobiste doświadczenie, rozwój własnych kompetencji i satysfakcję. AI ma być narzędziem, które nas wspiera, a nie wyręcza.

Redaktor: Gdyby miał Pan wskazać jedną rzecz, z której jest Pan najbardziej dumny w ostatnim roku akademickim – co to było i co realnie zmieniło w uczelnianej codzienności?

S.Cz.:  Najbardziej dumny jestem ze zmiany postawy wobec błędu. Udało mi się zaszczepić przekonanie, że niepowodzenie czy błąd nie jest porażką, ale tylko i wyłącznie elementem procesu uczenia się. Ta zmiana przełożyła się na codzienność: nie spieszę się, daję sobie i studentom przestrzeń na poprawę, modyfikacje i kolejne próby. To stworzyło atmosferę bezpieczeństwa i odwagi eksperymentowania.

Redaktor: Na sam koniec: jedno zdanie, które podsumuje, dlaczego warto korzystać z programów typu Be.Eco jako wykładowca akademicki?

S.Cz.:  Warto korzystać z wiedzy i doświadczeń innych, bo nie trzeba wszystkiego odkrywać samodzielnie – wygodna forma uczenia się na odległość, jak webinary Be.Eco, pozwala mi szybko poznawać nowe narzędzia i lepiej rozumieć świat cyfrowy, w którym funkcjonują moi studenci.

🌟 Zakończenie

Dziękujemy za inspirującą rozmowę. Wywiad ten jasno pokazuje, że nowoczesna dydaktyka akademicka to połączenie otwartości na nowe technologie z głęboką humanistyczną refleksją nad procesem uczenia się. Kluczem do sukcesu wydaje się być odwaga do eksperymentowania, akceptacja błędu jako elementu rozwoju oraz ciągłe poszukiwanie wiedzy – zarówno dla siebie, jak i dla przyszłych pokoleń studentów.

Moje zakończenie jest inne. Nie jestem zadowolony z uzyskanego rezultatu. Szybko i bez poprawek, nawet wpisując w prompt moje odpowiedzi jako szpik nie uzyskałem w pełni tego, czego oczekiwałem

Nieco poprawiłem wstęp i zakończenie. Widzę spłycenie niektórych moich odpowiedzi i usunięcie istotnych z mojego punktu widzenia słów kluczowych i informacji (np. dokładniejszy opis metody naukowej). Powstaje spójny tekst (a nielicznymi błędami literowymi) ale nie jest w pełni wierny oryginałowi i nie jest w pełni zgodny z moimi intencjami. AI to pomocnik, który wymaga stałego nadzoru i kontroli efektów.

Oddałem maszynie, to co sam zrobiłem a uzyskany efekt nie jest lepszy. Owszem, we fragmentach językowo wygląda lepiej lecz w treści wypowiedzi nieco zostało zmienione w istotnych dla mnie częściach. To jak praca z ludzkim redaktorem, też wprowadzane są poprawki, skróty, z którymi nie zawsze się zgadzam. Wymaga wysiłku, uwagi i sporej pracy. 

Dygresja - dlaczego sprawdzam różne narzędzia AI? By wiedzieć jak mogą korzystać z tego studenci i jak podpowiadać im lepsze rozwiązania. Razem odkrywamy ten świat a uniwersytet to dobre miejsce do eksperymentowania i odkrywania. Do tego jednak trzeba otwartej dyskusji.

Czy zaoszczędziłem czas? Chyba nie. A jeśli już, to niewiele. Była intelektualna przygoda z eksperymentowaniem i pracą z Gemini. Poznawałem lepiej to narzędzie. Interakcja z AI pobudziła do aktywności, to nowych refleksji (niczym w dialogu z innym człowiekiem, np. redaktorem czasopisma). Zdobyłem także konkretne mikrodoświadczenie. Nie jestem zadowolony z rezultatu. Więc teraz można postawić dwie hipotezy: 

1. AI nie nadaje się do takiej twórczej (pisarskiej) pracy. Wniosek - zaprzestać wykorzystywania.

2. Niezadowalające rezultaty mogą wynikać z braku wystarczających umiejętności, więc to ja jeszcze nie potrafię poprawie i efektywnie korzystać.  Wniosek - trzeba sie uczyć korzystania z AI.

Potrzebne są więc kolejne eksperymenty. Trzeba nadstawić ucha by poznawać opinie i doświadczenia innych eksperymentujących. To typowe dla nauki sięganie do dorobku innych. Po drugie trzeba zaplanować kolejne eksperymenty. Kolejne powtórzenia są potrzebne by wniosków nie wyciągać na jednostkowych zdarzeniach, a po drugie by wprowadzić zmiany. Na przykład spróbować innych promptów, innej kolejności lub innych narzędzi. Może trzeba wyszkolić jakiegoś agenta (np. gema). Szkolenie agenta  zabiera czas. Jest swoistą inwestycją z nadzieją, że kiedyś to przyniesie zyski. Teraz zainwestuję czas na nauczanie/trenowanie agenta, by potem pracować szybciej. Szkopuł tylko taki, że rzeczywistość się szybko zmienia a narzędzia szybko się starzeją. Tak wiec zanim w pełni wyszkolę i się nauczę to narzędzie straci swoją aktualność...

Kiedyś zainwestowałem dziesiątki, jak nie setki godzin, w tworzenie własnej bibliografii dotyczącej Trichoptera na papierowych, bibliotecznych fiszkach. Czas zmarnowany, bo przez wiele lat leżały kompletnie nieużyteczne. Moim zyskiem było tylko tworzenie bibliografii i przez przepisywanie zapoznawanie się z tytułami. Teraz technologia starzenie się w tempie 2,5 roku. Czyli po takim okresie trzeba uczyć się od nowa. Czy to samo dotyczy narzędzi AI? Jedynym zyskiem i przyjemnością jest tylko uczenie się, bo to odkrywanie dla siebie samego czegoś nowego.