Dirbtinis intelektas ir mokymosi analitika: ateitis prasideda šiandien

Marija Sulaberidzė

Klaipėdos universiteto Socialinių ir humanitarinių mokslų fakulteto Pedagogikos katedra ir Mokyklų tobulinimo centras organizavo baigiamąją projekto „Dirbtinis intelektas mokyklose: mokymosi analitikos plėtojimo scenarijai modernizuojant bendrąjį ugdymą Lietuvoje“ konferenciją „Dirbtinis intelektas ir mokymosi analitika: ateitis prasideda šiandien“.

Konferencijoje diskutuota apie dirbtinio intelekto ir mokymosi analitikos naudojimą mokyklose, buvo apžvelgiamos pasaulinės tendencijos, užsienio šalių patirtys, Lietuvoje besiformuojanti ekosistema. Konferencijos dalyviams buvo pristatytas per projektą šalies mokyklose atliktas tyrimas, pasidalyta mokyklų kūrybinio darbo patirtimi, ateities vizijomis apie dirbtinio intelekto ir mokymosi analitikos naudojimą mokyklose.

Dr. Aidos Norvilienės pranešimas „Netolima mokyklų ateitis su dirbtiniu intelektu ir mokymosi analitika: iškalbingas atvejis“

 

Dr. Aida Norvilienė savo pranešimą pradėjo lygindama tradicinius mokymo metodus su kitokia mokymosi veikla, kai vaikai prisijungia prie skaitmeninės aplinkos ir mokosi skaitmeninėje erdvėje.

Ji pabrėžė, kad mokykloms suteikti kompiuteriai ar planšetės, geras interneto ryšys, nupirktos skaitmeninės platformos leidžia visiems mokiniams turėti lygias galimybes mokytis tiek mokykloje, tiek namuose.

 

Kalbėdama apie pamokas, kuriose naudojamos dirbtinio intelekto ir mokymosi analitikos platformos, dr. Norvilienė teigė, kad pasitelkus technologijas mokytojams paprasčiau stebėti analitikos rodiklius: kaip visiems mokiniams kartu ir kiekvienam mokiniui atskirai pavyksta atlikti užduotis, kas kur suklydo, tokiu būdu galima suteikti reikiamą pagalbą tiek visai klasei, tiek individuliai. Tai, palyginti su tradicinėmis pamokomis, yra pranašumas. Tradicinėje pamokoje į klausimus atsako tik keletas vaikų, o tylesni mokiniai neįsitraukia. Todėl technologijomis paremtas mokymosi būdas padeda pedagogui susidaryti tikrą įspūdį apie mokinių pasiekimus, nes skaitmeninė platforma vienu metu apdoroja daug duomenų ir pateikia apibendrintą analitiką. Tai leidžia matyti tikrą situaciją ir priimti atitinkamus sprendimus, kuriuos pasufleruoja platformoje įdiegtas dirbtinis intelektas. Jis padeda ir pačiam mokiniui gilintis į savo mokymąsi, suprasti klaidas, atkakliai mokytis įveikiant iškilusius iššūkius.

 

Yra ir tokių platformų, kurios sujungia kelias disciplinas, jas naudojant viena pamoka trunka ilgiau nei tradiciškai, taip pat dalyvauja kelių dalykų mokytojai. Mokytojams pateikiamas specialus tvarkaraštis, o mokiniai mokosi savo tempu galėdami pasirinkti užduočių atlikimo būdus. Mokinius motyvuoja ir tai, kad jie gali pasitelkti stipriąsias savo savybes, pasirinkti iššūkį siekdami stiprinti silpnąsias savybes, remdamiesi intelekto patarimais.

 

Dirbtinio intelekto ir mokymosi analitikos platformos leidžia mokytojams savo paskyrose realiu laiku stebėti mokymosi procesą, rezultatus ir kylančias mokymosi problemas. Mokiniai patys gali kurti mokymosi turinį, kuris vėliau panaudojamas mokantis visai klasei. Platformoje sukaupiamas mokinių ir mokytojų sukurtas mokymosi turinys, todėl mokiniai bet kada gali sugrįžti prie dalykų, kuriuos jau mokėsi – pasikartoti ar papildyti. Dirbtinis intelektas leidžia geriau pažinti kiekvieną mokinį ir mokinę, todėl mokymą mokytojai gali orientuoti į individualias jų galias ir poreikius. Laiku gaudamas grįžtamąjį ryšį ir paramą, kiekvienas mokinys gali padaryti pažangą.

 

Platformos naudojamos ir patyriminiam, integruotam mokymui, kai mokomasi ne tik klasėje, bet vyksta ko nors stebėjimas, renkami duomenys, jie apdorojami ir daromos išvados.

Prie platformų, kurios susietos su elektroniniu dienynu, taip pat gali prisijungti ir mokinių tėvai, jose matyti vaikų atliktas užduotis ir pažangą, kartu su vaikais aptarti matomus patarimus, sekti mokymosi procesą.

Mokant tokiu būdu, mokytojams prireikia mažiau nei įprastai laiko pasiruošti. Skaitmeninėse platformose, pagrįstose dirbtiniu intelektu ir integruojančiose mokymosi analitiką, mokytojai gali rasti ekspertų paruoštus ir išbandytus pamokų planus, unikalias ir įtraukiančias užduotis, vertingą ir įdomią mokymosi medžiagą ir priemones. Įvairiausio pavidalo mokomoji medžiaga platformoje nuolat atnaujinama ir papildoma.

 

Pranešėja atkreipė dėmesį, kad mokymosi scenarijai ir būdai, siūlomi platformoje, orientuoti į aktyvų, įvairių gebėjimų mokinių mokymąsi, tyrinėjimą, kritinio mąstymo ugdymą, bendradarbiavimą. Mokomoji medžiaga pateikiama mokiniams patrauklia forma, skatinančia gilų įsitraukimą. Visas skaitmeninėse platformose pateiktas turinys remiasi Bendrosiose programose įtvirtinta ugdymo filosofija ir susietos su Bendrosiose programose nustatytais ugdymo tikslais, siekiniais ir vertybėmis.

Doc. dr. Dalios Baziukės pranešimas „Dirbtinis intelektas ir mokymosi analitika skaitmeninėse platformose ir jų naudojimas Lietuvos mokyklose“

 

Doc. dr. Dalia Baziukė savo pranešime pabrėžė, kad dirbtinio intelekto sistema yra programa, generuojanti hipotezes, teiginius ar sprendimus, pagrįstus skaičiavimo rezultatais, jos nereikėtų painioti su sudėtingus statistinius skaičiavimus atliekančia programa. Dirbtinio intelekto programa leidžia ir prognozuoti, ir patikrinti prielaidas, lyginti mokinių pasiekimus atskirose veiklose, jų pasirengimą. Mokytojai, naudodami tokias platformas, gali matyti ir sekti mokinių kruopštumo, jų pasiekimų, progreso rodiklius.

 

Kalbėdama apie skaitmeninių platformų naudojimą Lietuvos mokyklose, pranešėja pristatė atliktą analizę. Lietuvos mokyklose naudojamas platformas galima skirti į dvi grupes: vienakryptes ir dvikryptes skaitmenines mokymo priemones. Vienakryptės mokymo priemonės yra skirtos tik perteikti mokymo turiniui, jos neteikia grįžtamojo ryšio nei mokiniams, nei mokytojui. Šios priemonės Lietuvos mokyklose sudaro didžiąją dalį. Dvikrypčių mokymo priemonių yra gerokai mažiau.

 

Mokymosi platformos su įdiegtu dirbtiniu intelektu gali pasiūlyti mokytojui įvairių sprendimo būdų, šios platformos šiandien vadinamos mokymosi patyrimo platformomis. Iš viso Nacionalinės švietimo agentūros pateikto sąrašo su Lietuvos mokyklomis, naudojančiomis tokias mokymosi platformas, viso labo keturios turėjo integruotą dirbtinį intelektą. Šios keturios programos sufokusuotos į tokias sritis kaip matematika ir kalba. Kitiems mokomiesiems dalykams Lietuvoje tokių priemonių nėra.

Dr. Julijos Melnikovos pranešimas „Dirbtinis intelektas ir mokymosi analitika edukacijoje: nauda ir galimi pavojai“

 

Dr. Julija Melnikova savo pranešimą rengė remdamasi mokslinių tyrimų apžvalga ir jame pristatė mokslinių tyrimų faktus, atradimus ir rezultatus. Pranešime buvo atkreiptas dėmesys į tai, kas yra skaitmeninė edukacijos transformacija, kokia yra dirbtinio intelekto ir mokymosi analitikos svarba, kaip tai gali padėti edukacijoje, kokią naudą teikia dirbtinis intelektas ir mokymosi analitika tikslinėms grupėms edukacijoje, kokios yra galimos kliūtys. Pranešėja taip pat pristatė įžvalgas ateičiai.

 

Dr. Melnikova teigė, kad skaitmeninės technologijos gana sėkmingai integruojasi į įvairias mūsų gyvenimo sritis. Pandemijos situacija pagreitino edukacijos skaitmenizavimą ir tai yra precedento neturintis skubotas eksperimentas su mokyklos sistemomis, kai šimtai milijonų besimokančiųjų turėjo pereiti prie skaitmeninėmis technologijomis grindžiamos mokymosi aplinkos. Šiandien galima drąsiai teigti, kad skaitmeninės technologijos tapo mokymosi proceso dalimi ir jų naudojimas pasitvirtino kaip labai svarbus siekiant užtikrinti geresnį besimokančiųjų išsilavinimą pandemijos metu. Svarbu ir tai, kad šiuolaikinės tendencijos, besivystančios edukacinės technologijos, išmaniosios klasės, pažangi mokymosi aplinka skatina dar greitesnį edukacijos skaitmenizavimą netolimoje ateityje, tad tai neišvengiamai pakeis ugdymo organizavimo formas, metodus, ugdytojų ir besimokančiųjų vaidmenis.

 

Švietimo bendruomenė, švietimo politikos formuotojai ir tėvai kelia klausimą, kaip padaryti, kad švietimas, vykstantis nuotoliniu ar hibridiniu būdu, vyktų sėkmingai. Didelės viltys yra dedamos į dirbtinį intelektą ir mokymosi analitiką, nes jie turėtų padėti užtikrinti geresnę ugdymosi kokybę skaitmeninėje aplinkoje. Šie du dalykai siekia pagerinti mokymosi procesus, sistemingai apdorojant su mokymusi susijusius duomenis ir teikiant mokytojams bei mokiniams rekomendacijas. Šios platformos šiandien vertinamos kaip vienos efektyviausių priemonių, padedančių mokiniams lengviau mokytis, o mokytojams lengviau mokyti. Taip pat jos prisideda plėtojant įrodymais grįstos edukacijos sampratą, suteikdamos grįžtamąjį ryšį per duomenis ir galimybę analizuoti bei tobulinti ugdymo procesą.

Asociatyvi nuotrauka. Alytaus Dzūkijos m-kla

Kaip pagrindinius iššūkius pranešėja įvardijo didelio duomenų kiekio generavimą, jų nesusisteminimą. Taip pat įvairių analitikos įrankių tarpusavio ryšio nebuvimą bei etikos ir konfidencialumo aspektus.

Mokslinių tyrimų išvados rodo, kad, siekiant padaryti tokią mokymosi analitiką patrauklią tiek mokiniams, tiek mokytojams, reikia plėtoti į žmogų orientuotą mokymosi analitikos prieigą. Mokymosi analitikos įrankiai turėtų būti kuriami vartotojų naudai ir į diskusijas šia tema turėtų būti įtraukti ir mokytojai – tik jie vykdo mokymosi procesą kasdienybėje ir yra atsakingi už mokinių ugdymo procesą ir valdymą realiuoju laiku.

Dr. Gitos Šakytės-Statnickės ir doc. dr. Gražinos Šmitienės pranešimas „Dirbtinio intelekto ir mokymosi analitikos ekosistemos plėtojimas: užsienio šalių patirtys“

 

Dr. Gitos Šakytės-Statnickės ir doc. dr. Gražinos Šmitienės pranešime buvo atkreiptas dėmesys į tai, kokios yra sudedamosios dirbtinio intelekto ir mokymosi analitikos ekosistemų dalys ir kokius bendrus dėsnius galima įžvelgti. Tyrime buvo išskirtos šalys, kurios yra sukaupusios daugiausia dirbtinio intelekto ir mokymosi analitikos patirčių mokyklose ir plėtoja tokias ekosistemas. Tai JAV, Jungtinė Karalystė, Norvegija, Švedija, Suomija ir Danija. Šios šalys formuoja ekosistemos infrastruktūrą, remiančią ir įgalinančią aktyvų mokymosi analitikos priemonių naudojimą mokyklose.

Viena esminių dirbtinio intelekto ir mokymosi analitikos ekosistemos plėtojimo prielaidų yra pamatiniai dokumentai, kurie reglamentuoja šioje sistemoje veikiančius dokumentus, jų veikimo kryptį ir ribas. Šie pamatiniai dokumentai yra skirti Vyriausybei ar valstybinėms organizacijoms, mokslo ir studijų organizacijoms, verslo įmonėms, forumams, savivaldos įstaigoms ir agentūroms, asociacijoms, įvairiems centrams.

 

Kaip dar vienas veiksnys, nustatytas užsienio šalių patirčių analizės metu ir svarbus formuojant nacionalinę dirbtinio intelekto ir mokymosi analitikos naudojimo mokyklose ekosistemą, yra finansavimas. Finansavimas vykdomas iš įvairių šaltinių: valstybės, projektinių, specialių fondų, verslo įmonių lėšų.

Be finansavimo, kaip dar vienas veiksnys, nustatytas užsienio šalių patirčių analizės metu, yra duomenų sauga. Diegiant ir naudojant dirbtinį intelektą ir mokymosi analitiką mokyklose, tai yra vienas esminių klausimų. Tirtose šalyse daug dėmesio skiriama duomenų apsaugai ir mokinių privatumui, reguliuojant šį procesą įvairiais teisės aktais.

 

Pranešime taip pat buvo pristatytos ir pagrindinės įžvalgos Lietuvai. Formuojant efektyvią Lietuvos dirbtinio intelekto ir mokymosi analitikos naudojimo mokyklose ekosistemą yra keturi svarbiausi dėmenys. Tai pamatinių dokumentų paketas, Lietuvos organizacijų bendradarbiavimo tinklas, finansavimo sistema ir duomenų saugumas, prieiga bei atvirumas naudojant dirbtinį intelektą ir mokymosi analitiką Lietuvos mokyklose.

Mielai sutinkame pasidalyti „Švietimo naujienų“ svetainėje skelbiamais tekstais ir nuotraukomis, tik prašome nurodyti informacijos šaltinį ir autorius.