W 1966 roku profesor Uniwersytetu Stanforda Obiecane Aby wykorzystać moc komputera do świadczenia „usług osobistych nauczyciela, a także poinformowanego i responsywnego jak Arystoteles”. W 2023 r. Sal Khan ogłoszone„Jesteśmy u progu wykorzystania sztucznej inteligencji dla prawdopodobnie największej pozytywnej transformacji, jaką kiedykolwiek widziała edukacja. A sposobem, w jaki zamierzamy to zrobić, to dać każdemu uczniowi na planecie sztucznie inteligentny, ale niesamowity osobisty nauczyciel”. Ten sam sen, inna epoka, ale z jedną kluczową różnicą: kto buduje narzędzia i dlaczego?
W XX wieku wykorzystanie technologii do tworzenia dostępu do edukacji było finansowanym federalnym projektem badawczym opartym na najnowszej nauce na temat uczenia się i rozwoju. Obecnie firmy opracowujące narzędzia AI w celu poprawy uczenia się są napędzane zwrotami finansowymi. Czego ryzykujemy, gdy polegamy na firmach nastawionych na zysk w celu opracowania technologii edukacyjnych? Czego możemy się nauczyć od innowatorów ED-Tech z poprzedniego stulecia, którzy mogą pomóc nam zaprojektować przyszłość, w której edukacja daje wszystkim szansę na zwiększenie ich potencjału?
W latach sześćdziesiątych trzy instytucje – Stanford, Massachusetts Institute of Technology i University of Illinois – wydały znaczące eksperymenty w korzystaniu z komputerów w edukacji. Stanford Patrick Suppes realizował „indywidualny Arystoteles”, który stał się wzorem inteligentnych nauczycieli i botów czatu instruktażowego i stworzył uczenie się adaptacyjne. MIT Seymour PapertInauguracyjny współreżyser (z Marvin Minsky) z Laboratorium Sztucznej Inteligencji (obecnie CSAIL) stworzył język programowania dla dzieci, aby mogły używać komputerów jako narzędzia do nauki. I Donald BitzerZ University of Illinois, Created Plato, sieciowego systemu dystrybucji kursów, który wykształcił do 1000 uczniów jednocześnie, zawierającą technologię ekranu dotykowego, wyświetlacze plazmy i komunikację w czasie rzeczywistym z innymi użytkownikami.
Kreatywne wizje tych trzech mężczyzn są osadzone w prawie każdej dużej technologii wdrożonej dla edukacji, od ekranów dotykowych i robotów zabawkowych po boty czatu (np. Bard i Chatgpt) oraz adaptacyjne programy instruktażowe po kursy online. Jednak ich historia została pochowana w ramach ciągłego strumienia innowacji edukacyjnych, które twierdzą, że rozwiązują „nowe” problemy edukacyjne, które zajmowaliśmy się od prawie wieku.
Nadal obowiązują cztery lekcje z wczesnego ED Tech. Po pierwsze, powinniśmy pamiętać Pomysł Papert Aby oprzeć się „komputerowi… użyty do programowania dziecka” i zamiast tego stworzyć możliwości, w których „dziecko programuje komputer”. Technologia jest narzędziem, a uczniowie korzystają, gdy rozumieją jej strukturę, a nie tylko jej wyjścia. Po drugie, korepetytorów napędzanych AI należy wykorzystać do pogłębienia zrozumienia i umożliwienia wydziałowi skupienia się na interakcjach o wyższej wartości. Po trzecie, należy wykorzystać technologię do wspierania połączeń między uczniami, aby uczyć się bardziej społeczne i kontekstowe. I wreszcie, technologia edukacji nie powinna starać się, aby nauka była bardziej opłacalna lub skalowalna, ale zamiast tego uczynić ją bardziej angażującą i znaczącą.
Pomysły te są szczególnie pilne, ponieważ generatywne AI rodzą głębokie pytania dotyczące szkolnictwa wyższego. Wiele narzędzi AI obchodzonych obecnie jako transformacyjne odzwierciedla wąskie, utylitarne poglądy uczenia się. Obiecują automatyzację, personalizację i pozyskiwanie umiejętności, ale na boku bardziej cennych aspektów, takich jak praca zespołowa, krytyczne myślenie i rozwiązywanie problemów.
Uniwersytety mają niezbędną rolę w kształtowaniu sposobu, w jaki AI wspiera uczenie się. Technologia ta rozwinęła się wystarczająco, aby spełnić aspekty wizji wczesnych pionierów: adaptacyjny nauczyciel Suppes, sieć uczenia się społecznego bitzera i odkrycie technologii Papert. Ale aby uświadomić sobie, że potencjał uniwersytety muszą zmienić wyzwanie, które AI stanowi nie jako zagrożenie egzystencjalne, ale jako objaw głębszych problemów strukturalnych: nierówność, komercjalizacja i redukcyjne definicje uczenia się. A uniwersytety powinny prowadzić w oparciu się fantazji, że edukacja i uczenie się powinny być wydajne i skalowalne. Uczenie się jest często niechlujne, powolne, rekurencyjne i głęboko nieefektywne. Dzisiaj ci, którzy wzywają do wydajności edukacji, często czerpią zyski z rozwiązania.
Wyższy ED jest w ciekawym momencie, wpatrując się w bliźniacze beczki potencjalnie zmieniającej się technologią i intensyfikującą presję polityczną. Z eksperymentów z lat 60. i 70. możemy się uczyć, że projektowanie dla głębszego agencji intelektualnej, szerszego dostępu i wzmocnienia pozycji ucznia jest często sprzeczne z projektowaniem dla rentowności. Uniwersytety mają okazję raz w życiu, aby wykorzystać te nowe, potężne narzędzia, aby nie przerobić edukacji na obraz rynku, ale przywrócić swój cel jako publiczne, ludzkie i wspólne przedsięwzięcie.
Korzystając z pomysłu Papert, że technologia powinna służyć ludzkim zachowaniom, a nie przeprogramować go, szkolnictwo wyższe może korzystać z narzędzi AI do wspierania nowego modelu edukacji, który jest niedrogi, mieszany, przez całe życie i elastyczny. Zaprojektowany dobrze, ten model może zmniejszyć bariery, które uniemożliwiają Amerykanom przemieszczanie się między edukacją a pracą przez całe życie. Edukacja na poziomie uczelni powinna podwoić swoje zobowiązanie do korzystania z sztucznej inteligencji, aby uczyć się, jak uczniowie uczą się podczas nauczania uczniów, jak być uczniami przez całe życie.
W miarę przyspieszania tempa nowych technologii kariery częściej się zmieniają, a dorośli wielokrotnie wchodzą w edukację. Czteroletnie stopnie pozostaną niezbędne i transformujące dla wielu, ale będą one tylko jednym poświadczeniem w szerszym, bardziej dynamicznym systemie. Szkoły średnie i firmy będą również oferować doświadczenia edukacyjne, które można rozpoznać o znaczącym poświadczeniu. Przyszłość edukacji powinna być zdefiniowana nie tylko przez to, jak dobrze przygotowuje nas do bycia pracownikami, ale jak dobrze przygotowuje nas do bycia aktywnymi uczestnikami społeczeństwa. Powinniśmy uczyć uczniów, jak być niewolnikami maszyny, ale kształtami jej celu.
