Автор Наталья Куциркова
Генеративный ИИ штурмом покорил все отрасли, включая образовательные технологии (EdTech). Генеративный ИИ меняет правила игры в сфере образовательных технологий для детей благодаря его потенциалу предоставления уникального персонализированного опыта обучения. В отличие от предыдущих технологий, которые корректировали обучение на основе усредненной модели ребенка, генеративный ИИ обучает свои модели на личных данных, напрямую вносимых в результате взаимодействия отдельных детей. Разработчики EdTech предсказывают, что такая точная и динамичная персонализация произведет революцию в обучении детей в различных формах, особенно в отношении персонализированных наставников с искусственным интеллектом.
Персонализированное обучение с ИИ
В недавнем выступлении на TED Talk Сал Хан, основатель Khan Academy, изложил свое видение преобразования образования с помощью персонализированных преподавателей, управляемых искусственным интеллектом.
Академия уже предлагает персонализированное обучение, поскольку учащиеся могут выбирать контент и учиться в своем собственном темпе. С помощью генеративного ИИ руководство, которое получают учащиеся, может быть персонализировано в форме ИИ преподавателей, задающих вопросы и подготавливающих ответы учащихся в стиле сократовского диалога. Представьте себе аватаров, задающих наводящие на размышления вопросы на родном языке детей, в темпе и на уровне, адаптированном к потребностям или предпочтениям ребенка.
Трудно сказать, приведет ли такое персонализированное обучение ИИ к лучшему обучению и улучшению граждан. Начнем с того, что академические исследования не поспевают за инновациями в области ИИ. Сотрудничество между индустрией EdTech и академическими кругами часто отсутствует, и в случае генеративного ИИ скачок отрасли впереди академических кругов был особенно заметен. На данном этапе, как подтверждает систематический обзор исследований, недостаточно доказательств, чтобы сделать вывод о том, что даже использование чат-ботов полезно для изучения языка.
Однако, чтобы предвидеть эффекты в вероятных сценариях с персонализированными преподавателями ИИ, мы можем обдумать эти выводы и рассмотреть, в какой степени они могут применяться в различных контекстах. Текущие исследования, связанные с речевыми технологиями и разговорными агентами, обученными интерпретировать человеческий язык, дают некоторые указания на возможные эффекты.
Разговорные агенты. Исследования взаимодействия детей с цифровыми интерфейсами — изображениями, телешоу или книгами — проводимые цифровыми репетиторами, обычно сравнивают разницу или дополнительную ценность «настоящих» и цифровых репетиторов. Те, которые адаптируют ответы к ребенку — например, в форме индивидуальных ответов героев мультфильмов — демонстрируют некоторые многообещающие преимущества обучения.
Например, когда дети в возрасте от 3 до 6 лет читают рассказы с автоматическим диалоговым агентом (цифровым репетитором), они понимают историю так же хорошо, как и когда взрослый читал им историю. Что отличалось, так это характер ответов детей: когда они читали с цифровым репетитором, они пытались отвечать четко, чтобы автоматическая обработка речи их поняла. Но когда они читали вместе со взрослыми, их ответы были более разнообразными и актуальными.
Можно ожидать, что ответы детей будут больше соответствовать естественным разговорам по мере того, как юзабилити технологий будет повышаться. Что остается проблемой, так это устранение ловушек цифрового персонализированного образования. Особенно бросаются в глаза две проблемы: свобода действий детей и баланс между персонализацией и множественностью.
Детская субъектность с персонализированными репетиторами по искусственному интеллекту. Детская свобода действий, возможность контролировать и делать выбор часто игнорируются взрослыми технологиями. Как это ни парадоксально, хотя персонализированное обучение продается под лозунгом ориентированного на ребенка образования, автоматические рекомендации и корректировка обучения происходят автоматически, с прямым использованием данных детей, но с минимальным участием детей.
Генеративный ИИ не был разработан для детей, но он все чаще применяется в образовательном контексте. Вопрос о том, действительно ли выгоды возвращаются к ребенку, особенно актуален в отношении персонализированных наставников с искусственным интеллектом, разработанных коммерческими компаниями. С генеративным EdTech ИИ детская речь используется для обучения моделей, встроенных в инструменты, которые персонализируют их взаимодействие, при этом дети не могут активно давать информированное согласие.
Пока мы ждем, когда эти этические проблемы будут решены с помощью законопроектов об ИИ и их обязательной реализации, стоит помнить об обещаниях и подводных камнях персонализированного обучения с помощью новых образовательных технологий. Обещания были выделены с точки зрения мотивации к обучению, участия и встречи с детьми там, где они есть. Подводные камни связаны с использованием персонализации как единственного средства повышения уровня образования детей и его цифрового дизайна.
Персонализированный убедительный дизайн — одна из манипулятивных функций, используемых в цифровых медиа, чтобы как можно дольше удерживать внимание детей на экране. При таком дизайне на экране появляются бессмысленные игры или вопросы, но поскольку они адаптированы к тому, чем пользователи занимались раньше, они привлекают их внимание. Хотя персонализированные подталкивания в виде алгоритмов рекомендаций уникальны для цифровой персонализации, более широкая проблема персонализации заключается в ее связи с множественностью или разнообразием опыта.
Будут ли репетиторы с персонализированным ИИ учить детей помогать и служить тем, кого они обычно не считают своими «друзьями»? Или замедлять темп обучения терпению и вводить сложные, а иногда и разочаровывающие задачи, чтобы практиковать исполнительные функции? Или бросать вызов детскому мышлению контентом, который не является персонализированным и отличается от того, что им нравилось и чем они занимались раньше? Сократ спрашивал, будут ли детей подталкивать к частностям, а не к универсалиям. Чем больше дизайн склоняется к полюсу персонализации, тем больше он удаляет детей от коллективной реальности — реальности, трудной и сложной из-за своего разнообразия, а не однородности.
Ссылки на литературу:
Kucirkova, N. (2017). Digital personalization in early childhood: Impact on childhood. London: Bloomsbury Academic.
Kucirkova, N. (2021). The future of the self: Understanding personalization in childhood and beyond. Emerald Group Publishing.
