Четыре научно обоснованных метода проектирования, создания и внедрения активных учебных мероприятий для ваших любимых программ LLM
Автор Доктор Филиппа Хардман
Большинство команд L&D используют ИИ для ускорения создания контента. Реальная возможность заключается в использовании его в качестве механизма для отработки практических навыков.
В отчете Synthesia 2026 AI in L&D Report было установлено, что наиболее быстрорастущие области планируемого внедрения ИИ находятся не в создании контента, а в оценках и симуляциях (36%), адаптивных траекториях (33%) и ИИ-репетиторах (29%). Другими словами: команды L&D начинают понимать, что наиболее эффективное использование ИИ заключается не в создании учебных материалов, а в создании сред, где учащиеся действительно практикуются.
И вы можете создать это прямо сейчас — без команды разработчиков, без собственной платформы, без кода. Каждый из описанных ниже методов включает в себя подсказку, которую вы можете вставить в предпочитаемый вами инструмент ИИ для создания работающего интерактивного прототипа: автономного практического задания с экраном брифинга, взаимодействием с ИИ в реальном времени и подведением итогов — всё это работает в браузере и готово к обмену с заинтересованными сторонами или развертыванию для обучающихся.
Сегодня такие интерактивные прототипы можно создавать на трёх платформах: Claude (через Artifacts), ChatGPT (через Canvas) и Gemini (через режим сборки AI Studio). Все подсказки ниже работают с Claude Sonnet 4.6, ChatGPT GPT-5.4 Thinking через Canvas или Gemini 3.1 Pro через режим сборки AI Studio. Каждая из них отображает React или HTML непосредственно в коде и позволяет поделиться результатом.
Если вы используете Copilot, вы всё равно можете запустить каждый метод: вставьте системную подсказку (текст в кавычках, определяющий персонажа, сценарий и правила) непосредственно в чат Copilot. ИИ будет играть роль, запускать сценарий и предоставлять подведение итогов в обычном окне чата.
Процесс обучения представляет собой диалог, а не отдельное приложение, но сама практика — вопросы, поведение персонажа, обратная связь — идентична. Если вы работаете в закрытой среде Microsoft, чата Copilot достаточно для всех четырех методов — просто вы не получаете интерактивные оболочки.
Небольшое замечание по поводу терминологии: я использую «практическое занятие» как общий термин на протяжении всего этого поста. Сами подсказки называются «симуляцией», потому что инструменты ИИ лучше реагируют на это указание — но цель разработки всегда заключается в практическом применении знаний, а не в программной симуляции.
Вот четыре метода, которые я тестировала, основываясь на том, что говорят нам исследования о том, как практика работает на самом деле:
- Метод 1: Структурированная ролевая игра — практика сложных разговоров в реальном времени
- Метод 2: Симулятор принятия решений — преодоление сложных компромиссов с нарастающими последствиями
- Метод 3: Симулятор обратной связи — получение критики результатов работы с учетом конкретной точки зрения
- Метод 4: Адаптивное исследование кейса — интервью с персонажем для диагностики реальной проблемы
Метод 1: Структурированная ролевая игра
Что это: Вы предлагаете своему инструменту ИИ сыграть определенного персонажа — сложного заинтересованного лица, тревожного пациента, сопротивляющегося члена команды — и ваш обучающийся должен вести разговор в режиме реального времени.
Почему это работает: Логика проектирования целенаправленной практики (Эрикссон, 1993) говорит нам, что производительность улучшается больше всего, когда обучающиеся практикуются в условиях, приближенных к реальной задаче, со структурированной обратной связью и заданиями, находящимися на грани их компетенции — хотя более поздние исследования показали, что то, как организована практика, имеет такое же значение, как и сам объем. Чтение тематического исследования о сложном разговоре — это не то же самое, что его участие.
Когда использовать: Используйте, когда целью обучения является межличностная эффективность в данный момент, а не просто знание того, как «хорошо» выглядит на бумаге (Беарман и др., 2015). Лучше всего подходит для сложных разговоров, управления заинтересованными сторонами, переговоров, коучинга, деэскалации и любой ситуации, где важны контекст, эмоции и время (Беле и др., 2023).
Учащиеся уже должны обладать базовыми концептуальными знаниями — это практика на грани компетенции, а не начальное обучение (McGaghie et al., 2010). Новичкам, у которых отсутствуют базовые схемы того, как выглядит «хорошая» коммуникация, следует сначала использовать примеры или моделирование (Kalyuga et al., 2003).
Как это создать: Вставьте этот запрос в предпочитаемый вами инструмент ИИ, затем заполните части в квадратных скобках. Он сгенерирует работающий интерактивный прототип, который вы можете сразу же просмотреть и поделиться им для тестирования.
Создайте мне интерактивную ролевую симуляцию в виде компонента React. Она должна иметь два экрана:
Экран 1 — Брифинг: Чистый, профессиональный экран брифинга, объясняющий сценарий, роль учащегося и его цели. Включите флажок («Я прочитал брифинг») и кнопку «Начать».
Экран 2 — Чат: Реалистичный интерфейс чата, где учащийся вводит ответы, а персонаж ИИ отвечает в режиме реального времени. В заголовке укажите имя и роль персонажа. Включите счетчик обменов репликами. После 10–12 обменов репликами персонаж должен завершить разговор естественным образом.
ИИ-персонаж должен работать через API-запрос в реальном времени со встроенной системной подсказкой:
«Вы играете роль [имя персонажа], [роль] в [организация]. Вы [эмоциональное состояние], потому что [ситуация]. Ваша цель в этом разговоре — [цель персонажа]. Вы верите в [предположения персонажа — перечислите 3–4]. У вас есть скрытая сложность, которую вы раскроете, только если вам зададут правильные вопросы: [перечислите 2–3 скрытых уровня]. Ваша личность: [2–3 черты]. Правила: Оставайтесь в образе на протяжении всего разговора. Никогда не выходите из образа. Не давайте указания обучающемуся. Отвечайте в 2–4 предложениях — вы должны быть активны и прямолинейны. Если обучающийся задает хорошие диагностические вопросы, постепенно раскрывайте сложность. Если обучающийся просто соглашается с вами, примите это с энтузиазмом и не исправляйте его».
Вступительное сообщение персонажа должно быть таким: «[начальная фраза]»
Ключевые дизайнерские решения:
Дайте ИИ мотивацию, а не просто личность. «Вы — разгневанный клиент» приводит к плоским взаимодействиям. «Вы — клиент, которому три недели назад обещали возврат денег, а теперь говорят, что политика компании изменилась — вы чувствуете себя обманутым» создает реалистичное напряжение.
Ограничьте помощь ИИ. По умолчанию большинство инструментов ИИ стремятся быть полезными. Вам нужно явно указать им оставаться в образе и не обучать пользователя. В противном случае «сложный участник» вежливо объяснит правильный ответ после двух обменов репликами.
Установите четкое условие завершения. Определите, когда разговор должен закончиться: после достижения решения, после пяти обменов репликами или при достижении определенного результата. Ролевые игры с открытым концом, как правило, отклоняются от темы.
Постепенно увеличивайте сложность. Укажите ИИ начинать с умеренного сотрудничества и становиться более сложным, если пользователь хорошо справляется с первыми обменами репликами, или добавлять усложняющую информацию в середине разговора. Рост происходит тогда, когда работаешь на пределе своих возможностей, а не комфортно ниже него.
🔥 Пример — попробуйте сами: Сопротивление заинтересованных сторон.
Метод 2: Симулятор принятия решений
Что это: Вместо диалога учащемуся предлагается сценарий, и ему предлагается серия разветвленных решений. Искусственный интеллект отслеживает выбор и выносит соответствующие последствия.
Почему это работает: Обучение на основе сценариев активирует то, что ван Мерриенбоер и Киршнер (2017) называют «практикой выполнения целостной задачи» — учащиеся сталкиваются со всей сложностью ситуации, а не с отдельными поднавыками. ИИ добавляет то, чего не могут статические разветвленные сценарии: он адаптирует последствия к тому, как учащийся принимает решение, а не только к тому, что он выбирает.
Когда использовать: Используйте, когда целью обучения является сложное суждение и принятие решений в рамках целостной задачи в условиях реалистичных ограничений (McGaghie et al., 2010). Наилучшим образом подходит для таких задач, как «определение приоритетов при компромиссах в условиях неопределенности» или «выбор подходящего вмешательства с учетом неполной, постоянно меняющейся информации» — сортировка проектов, оценка рисков, реагирование на инциденты, стратегия работы с клиентскими счетами (Issenberg et al., 2005).
Лучше всего работает с учащимися среднего и продвинутого уровня, которые уже знакомы с составными частями (политиками, рамками) и нуждаются в практике координации и переноса знаний. Менее подходит для простых процедурных задач с одной правильной последовательностью — в таких случаях более эффективны стандартные примеры (Atkinson et al., 2000).
Как создать: Вставьте этот запрос в предпочитаемый вами инструмент ИИ, затем заполните части в квадратных скобках. Он сгенерирует работающий интерактивный прототип, который вы можете сразу же просмотреть и поделиться им для тестирования.
Создайте мне интерактивный симулятор принятия решений в виде компонента React. Он должен иметь три экрана:
Экран 1 — Брифинг: Профессиональный экран брифинга, объясняющий сценарий, роль обучающегося, ограничения и то, чего он должен достичь. Добавьте кнопку «Начать сценарий».
Экран 2 — Моделирование: Интерфейс сценария (не в формате диалогового окна — он должен больше походить на повествование). Вверху отобразите панель описания сценария, боковую панель «Журнал решений», отслеживающую все предыдущие решения и их последствия, и текстовое поле, куда обучающийся вводит свои решения. После каждого решения покажите последствия в виде нового повествовательного раздела, затем представьте следующую точку принятия решения. После 5–6 решений перейдите к экрану подведения итогов.
Экран 3 — Подведение итогов: Сначала попросите обучающегося объяснить логику своих двух наиболее важных решений (с помощью текстового поля). Затем отобразите анализ ИИ: схему принятия решений, что он упустил, ключевые поворотные моменты и два заключительных вопроса для размышления.
Ответы ИИ должны обрабатываться с помощью вызова API в реальном времени со следующим системным запросом:
«Вы — симулятор, запускающий сценарий. Обучающийся [роль] сталкивается с [ситуацией]. Факторы, усложняющие ситуацию: [перечислите 4–6 ограничений, создающих реалистичное напряжение]. Представляйте по одному варианту решения за раз. После каждого решения описывайте реалистичные последствия — сделайте последствия кумулятивными и накапливающимися, чтобы ранние решения ограничивали последующие варианты. Не раскрывайте правильный ответ. Не предлагайте несколько вариантов выбора — позвольте обучающемуся принимать решения свободно. Ответьте: 2–3 предложениями, описывающими последствия, затем 1–2 предложениями, описывающими новую ситуацию, требующую принятия решения. После 5–6 вариантов решения напишите DEBRIEF_READY».
Ключевые моменты проектирования:
Предварительно опишите сценарий. Чем больше контекста вы предоставите ИИ о сценарии — персонажах, ограничениях, ставках, реалистичных осложнениях — тем более детальным будет практическое задание. Одного абзаца будет недостаточно. Уделите этому целую страницу.
Сделайте последствия реалистичными. Научите ИИ учитывать кумулятивные и накопительные последствия. Ранние решения должны ограничивать последующие варианты, как и в реальной жизни. Фраза «Вы решили обратиться к руководителю клиента. Теперь клиент занимает оборонительную позицию и менее охотно делится информацией» гораздо эффективнее, чем «Хороший выбор! Давайте двигаться дальше».
Включите самообъяснение в разбор ситуации. Именно здесь происходит настоящее обучение. Когда обучающиеся формулируют свои рассуждения до того, как увидят анализ ИИ, это заставляет их столкнуться со своим собственным мышлением, а не просто пассивно получать обратную связь. Исследования самообъяснения неизменно показывают, что оно углубляет понимание и способствует переносу знаний.
🔥 Пример — попробуйте сами: Перепроектирование процесса адаптации: симуляция принятия решений для управления конкурирующими приоритетами в условиях стресса
Метод 3: Симулятор обратной связи
Что это: Учащийся предоставляет результат своей работы — черновик электронного письма, план проекта, краткое изложение презентации, стенограмму коучинговой беседы — а ИИ оценивает его, выступая в роли конкретной аудитории или оценщика.
Почему это работает: Мои предыдущие исследования обратной связи, генерируемой ИИ, показали риски общей, оторванной от реальности обратной связи ИИ. Но когда обратная связь ИИ представляется как исходящая с конкретной точки зрения — определенного типа клиента, старшего руководителя с известными приоритетами, пациента с определенными потребностями — она становится ситуативной обратной связью, которая, как показывают данные, гораздо эффективнее для переноса знаний (Nicol & Macfarlane-Dick, 2006).
Когда использовать: Используйте, когда целью обучения является улучшение качества артефактов или письменных работ посредством целенаправленной, формирующей обратной связи (Atkinson et al., 2000). Наилучшим образом подходит для достижения целей, выраженных в виде продукта — электронных писем, предложений, презентаций, отчетов, документации, консультационных заметок (McGaghie et al., 2010) — и для развития оценочного суждения: помогает обучающимся понять, что ценят различные заинтересованные стороны, и соответствующим образом согласовать свою работу (Tai et al., 2018).
Особенно ценен в контекстах, где высококачественная обратная связь требует больших ресурсов и предоставляется нечасто, а итеративные циклы черновик-обратная связь-редактирование являются ключевыми для развития навыков. Лучше всего работает, когда у обучающихся есть хотя бы базовый шаблон или рубрика — это не метод для первоначального усвоения концепции (Kalyuga et al., 2003).
Как это создать: Вставьте этот запрос в предпочитаемый вами инструмент ИИ, затем заполните части в квадратных скобках. Он сгенерирует работающий интерактивный прототип, который вы можете сразу же просмотреть и поделиться им для тестирования.
Создайте мне интерактивный симулятор обратной связи в виде компонента React. Он должен состоять из трех экранов:
Экран 1 — Брифинг: Объясните, кто является ИИ-рецензентом (его имя, роль и его ценности), какой тип работы должен представить обучающийся и что он получит в ответ. Добавьте кнопку «Начать».
Экран 2 — Отправка и обратная связь: Чистое текстовое поле, куда обучающийся вставляет или набирает свой результат работы (например, черновик электронного письма, краткое описание проекта, обновление информации для заинтересованных сторон), с кнопкой «Отправить на проверку». После отправки отобразите обратную связь от ИИ-рецензента — четко отформатированную с конкретными ссылками на то, что работает, что не работает и почему, исходя из заявленных приоритетов рецензента. Завершите 1–2 конкретными предложениями по улучшению и кнопкой «Пересмотреть и отправить повторно», которая позволяет обучающемуся попробовать еще раз.
Экран 3 — Сравнение (отображается после второй отправки): Отобразите новую обратную связь от рецензента вместе с кратким обзором того, что улучшилось, и того, что еще нуждается в доработке.
Экран 2 — Отправка и обратная связь: Система проверки ИИ должна работать через API-интерфейс в режиме реального времени со следующим запросом:
«Вы [имя], [роль]. Вы цените [2–3 конкретных приоритета — например, «аргументы, основанные на данных, важнее анекдотических свидетельств», «ясность важнее полноты», «прямой язык без жаргона»]. Учащийся представит [тип работы]. Оцените её со своей точки зрения. Будьте конкретны: ссылайтесь на точные фразы или разделы. Определите, что работает, а что нет, исходя из ваших заявленных приоритетов. Не давайте общих ободряющих комментариев. Завершите 1–2 конкретными предложениями. Обратная связь не должна превышать 200 слов — вы заняты и говорите прямо».
Ключевые моменты проектирования:
Четко обозначьте ценности оценщика. «Вы цените аргументы, основанные на данных, важнее анекдотических свидетельств» дает ИИ последовательный взгляд. Общая обратная связь («Это хорошо структурировано!») ничего не добавляет. Обратная связь, учитывающая конкретную точку зрения («Ваш первый абзац содержит утверждение без подтверждающих данных — я бы прекратил чтение здесь»), учит.
Включите в процесс обучения цикл доработки. Настоящее обучение происходит, когда обучающийся пересматривает и повторно отправляет работу на основе полученной обратной связи. Однократная обратная связь — это оценка. Итеративная обратная связь — это практика.
Используйте разные точки зрения. Предложите обучающемуся отправить один и тот же продукт двум или трем разным «рецензентам» на основе искусственного интеллекта с разными приоритетами. Финансовый директор и креативный директор будут критиковать одну и ту же презентацию совершенно по-разному. Именно в этом контрасте развивается критическое мышление.
🔥 Пример — попробуйте сами здесь: ID.Foundations — упражнение на запоминание основных принципов проектирования обучения
Метод 4: Адаптивное исследование кейса
Что это: Традиционное исследование кейса, но ИИ играет роль персонажа внутри кейса, с которым обучающийся может провести интервью, чтобы собрать информацию, прежде чем дать свои рекомендации.
Почему это работает: Статические исследования кейсов предоставляют обучающимся всю информацию на блюдечке. Реальные проблемы требуют от вас понимания того, какие вопросы задавать и кому их задавать. Этот метод практикует то, что Йонассен (2000) называет «поиском проблем» — пожалуй, самый недостаточно развитый навык в большинстве программ обучения и развития персонала.
Когда его использовать: Используйте, когда целью обучения является поиск проблем, поиск информации и диагностическое мышление в плохо структурированных областях (Bele et al., 2023). Лучше всего подходит для ситуаций, в которых нет единственно правильного ответа и информация неполная или противоречивая — организационные изменения, стратегия, сложные пациенты, разработка политики (McGaghie et al., 2010). Основной навык, который тренируется, — это умение задавать вопросы: решать, что спрашивать, у кого спрашивать и чему доверять (Йонассен, 2000). Менее подходит для задач с четкой структурой, ясными формулировками проблем и известными путями решения — в таких случаях более эффективны прямые примеры и управляемая практика (Калюга и др., 2003).
Как это создать: Вставьте этот запрос в предпочитаемый вами инструмент ИИ, затем заполните части в квадратных скобках. Он сгенерирует работающий интерактивный прототип, который вы сможете сразу же просмотреть и поделиться им для тестирования.
Создайте интерактивное адаптивное исследование кейса в виде компонента React. Оно должно содержать три экрана:
Экран 1 — Брифинг: Объясните сценарий кейса, роль обучающегося (например, консультант, новый менеджер), с кем он будет проводить интервью и его цель (собрать достаточно информации для вынесения рекомендации). Добавьте кнопку «Начать интервью».
Экран 2 — Интервью: Интерфейс чата, где обучающийся задает вопросы, а персонаж ИИ отвечает. Отобразите имя персонажа, его роль и примечание: «Этот персонаж знает только то, что знает — спрашивайте внимательно». Добавьте кнопку «Готов дать свою рекомендацию», которую обучающийся нажимает, когда считает, что у него достаточно информации.
Экран 3 — Рекомендация и оценка: Сначала задайте обучающемуся вопрос: «Прежде чем я отвечу — в чем вы наименее уверены в своей рекомендации и почему?» (текстовый ввод). Затем второй текстовый ввод для полной рекомендации. После этого отобразите оценку ИИ: что он ответил правильно, что упустил, какие вопросы он не задал, которые могли бы изменить его рекомендацию, и вопрос для размышления.
Искусственный интеллект должен управляться с помощью вызова API в реальном времени со следующим системным запросом:
«Вы [имя персонажа], [роль] в [организация]. Ситуация: [сценарий]. Отвечайте на вопросы обучающегося честно, но делитесь только той информацией, о которой он конкретно спрашивает — ничего не предлагайте добровольно. У вас есть твердое мнение по [аспектам] — делитесь им, когда вас об этом спрашивают. У вас также есть слепые зоны: [что этот персонаж не знает или что он может неправильно понять]. Давайте краткие ответы: 2–4 предложения. Вы не знаете всего, и некоторые ваши убеждения неверны».
Ключевые моменты проектирования:
Предоставляйте персонажу неполную и предвзятую информацию. Реальные заинтересованные стороны не имеют полной картины. Предоставление персонажу ИИ частичной и искаженной информации заставляет обучающегося триангулировать, сопоставлять и критически оценивать услышанное.
Поощряйте качественные вопросы. Качество сбора информации обучающимся напрямую влияет на качество ответов ИИ. Расплывчатые вопросы получают расплывчатые ответы. Конкретные, наводящие вопросы позволяют выявить полезные детали. Это делает процесс исследования, а не только окончательный ответ, отрабатываемым на практике.
Используйте несколько персонажей. Для сложных кейсов проведите один и тот же сценарий с двумя или тремя разными персонажами (в отдельных чатах). Учащийся опрашивает каждого из них, замечает несоответствия и должен согласовать противоречивые показания, прежде чем дать свою рекомендацию.
Предложите учащимся осмыслить ситуацию перед раскрытием информации. Просьба к учащимся назвать свои сомнения до того, как ИИ оценит их рекомендацию, выявляет метакогнитивную осведомленность — способность отслеживать собственное мышление, — которая является одним из наиболее сильных факторов, определяющих перенос полученных знаний в новые ситуации.
🔥 Пример — Проблема адаптации: адаптивный кейс для отработки диагностического исследования.
От прототипа до производства: как интегрировать интерактивные задания с использованием ИИ в ваш рабочий процесс
У вас есть задание и прототип. Что дальше? Вот рабочий процесс, который я использую, чтобы перейти от идеи к развернутому практическому заданию — обычно менее чем за день.
Вы вставляете задание, получаете рабочий прототип за считанные минуты, сами его проверяете, делитесь им с заинтересованной стороной для получения обратной связи, дорабатываете задание, пока сценарий не покажется вам правильным, а затем развертываете его для учащихся через общую ссылку, пользовательский GPT или вашу LMS. Никакой команды разработчиков на любом этапе. Весь цикл — от «У меня есть идея для практического задания» до «учащиеся его используют» — может произойти за один день, если сценарий прост, или за неделю, если вам нужно одобрение заинтересованных сторон и итерации.
Вот как выглядит каждый этап:
Шаг 1: Создание прототипа для получения одобрения
Вставьте любое из приведенных выше заданий в Claude, ChatGPT Canvas или режим сборки Gemini AI Studio. Вы получите работающее интерактивное практическое задание, которое можно сразу же запустить. Пройдите его самостоятельно. Запишите экран во время взаимодействия. Затем поделитесь записью и ссылкой на прототип с вашим экспертом или заинтересованной стороной для получения обратной связи.
Это самый быстрый способ получить одобрение концепции практического задания, не создавая ничего. Вместо того чтобы писать 12-страничный документ с описанием того, как может ощущаться разветвленный сценарий, вы делитесь рабочим прототипом. Заинтересованные стороны переходят по ссылке, пробуют задание сами и дают вам обратную связь о реальном опыте, а не о его абстракции. Это позволяет получить более качественную обратную связь за одну встречу, чем три раунда проверки раскадровки.
Шаг 2: Проверяйте обучение, а не только технологию
Как только у вас появится рабочий прототип, сопротивляйтесь желанию сразу же его запустить. Прототип, который работает без сбоев, не то же самое, что практическое задание, которое эффективно обучает. Перед развертыванием проведите две быстрые проверки:
Проверка экспертом на правдоподобность (10–15 минут). Попросите эксперта или доверенного высококвалифицированного специалиста запустить задание один раз. Попросите их ответить на три вопроса: Насколько реалистичен сценарий и персонаж? Где ИИ сказал или допустил что-то, что мы никогда бы не приняли на практике? Соответствует ли разбор ситуации необходимым стандартам? Используйте их комментарии, чтобы уточнить подсказку системы — именно здесь вы можете обнаружить, что ИИ дает советы, противоречащие политике вашей организации, или что персонаж слишком легко выходит из-под контроля при допросе.
🔥 Совет: Вы можете использовать ИИ для генерации тестовых случаев. Вставьте подсказку системы в новый чат и напишите: «Я хочу провести тестирование продукта на этом тренировочном задании, прежде чем его развернуть. На основе этой подсказки укажите 2–3 типичных взаимодействия с обучающимися, которые я должен протестировать, и 2–3 крайних случая, которые могут нарушить работу системы — например, обучающийся, который отклоняется от темы, дает односложные ответы или пытается заставить ИИ выйти из-под контроля». Проведите каждый случай самостоятельно. Если ИИ дает сбой, ужесточите правила в подсказке системы и протестируйте снова.
Проверка удобства использования обучающимися (20–30 минут). Поставьте 3–5 целевых обучающихся перед прототипом. Наблюдайте или записывайте экран во время использования задания. Вам нужно обратить внимание на следующее: где они колеблются или путаются в том, что делать? Соответствует ли уровень сложности нужному уровню — достаточно сложный, но безопасный, не вызывающий путаницы или скуки? Вызывают ли вопросы для обсуждения подлинное осмысление, или учащиеся просто пролистывают их? Вносите небольшие изменения в задание на основе ваших наблюдений — ужесточайте правила персонажа, если они нарушаются, добавляйте усложняющие факторы, если задание слишком простое, делайте вопросы для обсуждения более конкретными, если учащиеся спешат с ответами.
🔥Совет: Используйте ИИ для создания формы обратной связи. Вставьте системное задание в новый чат и напишите: «Я собираюсь протестировать это практическое задание с 5 учащимися. Создайте короткий контрольный список обратной связи, который они смогут заполнить сразу после — не более 6 вопросов. Охватите: ясность инструкций, реалистичность сценария, уровень сложности, качество обсуждения и один открытый вопрос о том, что бы они изменили». Распечатайте его или поделитесь им как формой. Это занимает две минуты и дает вам структурированные данные вместо расплывчатых ответов типа «да, было хорошо».
Решение почти для всего, что вы обнаружите на этом этапе, одинаково: отредактируйте подсказку. 10-минутная доработка спасет вас от внедрения чего-то, что выглядит отполированным, но на самом деле не учит. Двух раундов — одного для выявления проблем, другого для подтверждения того, что ваши исправления сработали — обычно достаточно. Это не шестимесячное исследование валидации; это легкий цикл формирующей оценки, чтобы подтвердить, что ИИ ведет себя приемлемо, а задание ориентировано на уровень навыков и сложности, который вы задумали.
Шаг 3: Добавьте отслеживание, когда это необходимо
После утверждения задания вам может потребоваться интегрировать его в вашу LMS. Сгенерированный вашим инструментом ИИ код представляет собой автономное веб-приложение — это означает, что его можно разместить как веб-страницу и встроить или добавить ссылку из любого места.
Самый простой способ: возьмите код, разместите его на бесплатном хостинге (Netlify и Vercel предлагают развертывание в один клик из файла), и вы получите постоянный URL-адрес примерно за пять минут. Вставьте этот URL-адрес в вашу LMS как внешнюю ссылку или встройте его через iframe на страницу курса. Учащиеся переходят по ссылке, задание запускается в их браузере, и всё готово. Это работает практически с любой LMS. Недостаток: ваша LMS не будет автоматически отслеживать завершение, поэтому вам потребуется, чтобы учащиеся сообщали о завершении самостоятельно или использовали обходной путь, например, последующий тест, подтверждающий выполнение задания.
Если вам необходимо отслеживать завершение обучения: такие инструменты, как Parrotbox (от Sonata Learning), упаковывают задания, созданные с помощью ИИ, в пакет SCORM — стандартный формат, который уже понятен каждой системе управления обучением (LMS). Вы загружаете ZIP-файл в свою LMS так же, как и любой модуль электронного обучения. Учащиеся запускают его из каталога курсов, и LMS записывает завершение, оценки и затраченное время, как и в случае с модулями Articulate или Captivate. Если ваша организация использует хранилище записей обучения (Learning Record Store) с xAPI, вы можете собирать более полные данные — какие вопросы задавали учащиеся, какие решения принимали, где испытывали трудности, — но большинству команд следует начинать с размещенного URL-адреса или маршрута SCORM и добавлять xAPI только тогда, когда им потребуется аналитика на уровне группы.
Заключение
Эти методы не заменяют хорошо разработанный процесс обучения — они являются компонентами в нем.
Практическое задание без четких целей обучения, без соответствия реальным потребностям в производительности и без пути, связывающего практику с применением, — это просто чат-бот в костюме.
Практическое задание без четких целей обучения, без соответствия реальным потребностям в производительности и без пути, связывающего практику с применением, — это просто чат-бот в костюме.
Три важных момента, которые следует учитывать при проектировании:
Опирайтесь на ваши стандарты при проведении разбора результатов, а не на стандарты ИИ. Когда ИИ предоставляет обратную связь по «лучшим практикам» в ходе разбора, он опирается на свои обучающие данные, а не на политику, структуру или ценности вашей организации. Всегда указывайте стандарт, по которому ИИ должен проводить оценку, и четко указывайте этот стандарт в задании. В противном случае вы перекладываете ответственность за результаты обучения на языковую модель.
Структура важнее открытости. Исследования разговорных агентов в образовательных учреждениях неизменно показывают, что ограниченные, тематически структурированные взаимодействия приводят к лучшим результатам обучения, чем полностью открытые. Ваша структура задания не является ограничением для опыта — она и есть опыт. Чем тщательнее вы определяете персонажа, сценарий, условие завершения и критерии разбора, тем лучше работает практическое задание.
Это дополнения, а не замены. Практика с использованием ИИ исключительно хорошо предоставляет учащимся повторяющиеся, не требующие больших усилий повторения, которые они не смогли бы получить в больших масштабах иным способом. Это не замена организованной практике, взаимному обучению или экспертному коучингу. Позиционируйте это как место, где учащиеся обретают уверенность и беглость, прежде чем практиковаться с реальными людьми, а не вместо этого.
Инструменты уже есть на рабочих столах ваших учащихся. Задача проектирования, как всегда, — ваша.