Nowe inspiracje w dydaktyce akademickiej

Ostatnimi czasy coraz częściej terminy ze świata biznesu i obszaru nowych technologii przenikają do obszaru metodyki nauczania, nierzadko pod postacią anglojęzycznych określeń i skrótów. Okazją do przekonania się o tym była ubiegłoroczna Ogólnopolska Konferencja Dydaktyki Akademickiej „Ideatorium” Politechniki Gdańskiej, w której miałam przyjemność uczestniczyć. Warto dowiedzieć się, co stoi za modnymi hasłami. Być może denotacja tych terminów w kontekście dydaktycznym zachęci do poszukiwania obiecujących alternatyw dla metod, które wykorzystujemy w nauczaniu? A jeśli nawet wyrażenia te dotąd niewiele nam, dydaktykom, mówiły, nie jest wykluczone, że idee, do których się odnoszą, jednak wykorzystujemy w praktyce¹. Tak właśnie okazało się w moim wypadku. Z uwagi na zwięzłość wypowiedzi, jakiej wymaga blogowa specyfika, ograniczę się jedynie do kilku przykładów.

Elelemy to nie lelum polelum

LLM w tym kontekście to nie prestiżowy tytuł, który uzyskują absolwenci uzupełniających studiów prawniczych (Master of Laws), tylko tzw. duże modele językowe (Large Language Models), zaawansowane algorytmy sztucznej inteligencji, wykorzystujące techniki uczenia głębokiego (częściej jednak słyszymy o deep learning…). Operują one na ogromnych zbiorach danych i są zaprojektowane do pracy z treściami:  do ich rozumienia, tworzenia, syntetyzowania,  przetwarzania i aktualizacji. Jako kluczowe narzędzie działań na języku naturalnym LLM-y znajdują niezwykle szerokie zastosowanie w wielu dziedzinach. Pionierskie badania Turinga czy eksperymentalne prace nad dużymi modelami językowymi prowadzone w latach 60. ubiegłego wieku w MIT, zaowocowały żwawo rozwijającymi się obecnie generatorami treści, m. in. osławionym Chatem GPT.

Potencjał generatorów treści, pomimo często podnoszonych obaw i głosów publicznej krytyki, zwłaszcza ze strony środowisk edukacyjnych, jest zgłębiany i aplikowany przez rzesze użytkowników w niezliczonych celach, a ich wykorzystanie przez nauczycieli i uczniów nieuchronnie rośnie: pisanie rozprawek, opowiadań, esejów, referatów, notatek na rozmaite tematy, tworzenie podsumowań materiału przed sprawdzianami, streszczeń lektur szkolnych i artykułów naukowych w dowolnej formie (np. w punktach, czy jako wyłuszczenie głównych hipotez, wniosków), formułowanie pytań do dyskusji dydaktycznej, projektowanie ćwiczeń i zadań, przygotowywanie prelekcji z uwzględnieniem specyfiki audytorium i wykorzystaniem środków retorycznych… i jak tu nie korzystać? Kto raz spróbował konwersacji z chatem GPT z dużym prawdopodobieństwem będzie z niego korzystał, bo w wielu wypadkach to oszczędność naszego czasu i wysiłku.

LLM-y, choć są bardzo zaawansowanymi technologicznie narzędziami, mają wszakże pewne wady. Ujawniają skłonność do operowania schematami, a w generowanych przez nie treściach pojawiają się nieścisłości, błędy logiczne, sprawiające wrażenie aktów konfabulacji, zmyślania, tzw. halucynowania (kiedy treść jest jedynie pozornie właściwa). Bazują ponadto głównie na tym, czego dostarcza im trening z użytkownikami. Rezultaty, jakie otrzymuje odbiorca nie zawsze są zadowalające.  I tu właśnie pojawia się pole do popisu dla RAG-ów.

Idzie RAG, niebo-RAG…

RAG-i, mimo że osobom znającym angielski mogą nasuwać skojarzenia ze „szmatami” czy „łachmanami”, mają dziś znacznie szlachetniejsze konotacje, gdyż nie tylko zasilają LLM-y nową wiedzą, ale też, jak usłyszałam na wspomnianej konferencji, stanowią podstawowe instrumentarium metodyczne dydaktyka doby big data. Ponieważ jednak nie rozszyfrowano podczas wspomnianego wydarzenia znaczenia tego skrótu, musiałam samodzielnie nadrobić zaległości.

Retrieval Augmented Generation, w dosłownym tłumaczeniu „pozyskiwanie rozszerzonej generacji”, jest nowatorską techniką zarządzania informacjami tekstowymi za pomocą promptów (to kolejny termin na czasie, którego z racji skali jego ekspansji pewnie nie trzeba wyjaśniać, ale nie zaszkodzi: prompty, czyli instrukcje, komendy czy po prostu podpowiedzi, które wprowadza się do cyfrowych generatorów treści opartych o sztuczną inteligencję, aby uzyskać optymalne merytorycznie odpowiedzi). RAG-i, łącząc wyszukiwanie najnowszych  informacji z tworzeniem tekstów, wspierają LLM-y, dostarczając promptom określonych kontekstów. To rodzaj dodatkowego treningu, którego efektem jest precyzyjniejsza i lepiej osadzona treść.

Błyskotliwa kariera RAG-ów w biznesie to pokłosie zalet, które oferują, m. in. w obszarze usprawniania technologii wirtualnych asystentów AI. Dzięki nim chat boty,  dialogowe interfejsy i wszelkie wirtualne narzędzia wspierające obsługę klienta, zapewniają szczegółowe i dopasowane do kontekstu odpowiedzi. Dzięki RAG-om także treści ukazujące się w publicystyce medialnej zyskują większą precyzję i są lepiej dopasowanie do odbiorcy. Penetrując bez trudu przepastne zbiory danych i dysponując zaawansowanymi funkcjami wyszukiwania informacji, RAG-i dostarczają bogatych treści, zmniejszając przy tym ryzyko dezinformacji. Trudno się dziwić zatem, że wykorzystywanie RAG-ów wykracza obecnie poza środowisko biznesowe. Potencjał RAG-ów coraz chętniej aplikowany jest w edukacji, a umiejętne angażowanie tego potencjału może służyć nowoczesnej, spersonalizowanej praktyce nauczania i samokształcenia.

AI AI AI! A jednak nie taki diabeł straszny…

Wiele placówek edukacyjnych, w tym uczelni wyższych, zdając sobie sprawę z daremności oporu wobec ekspansji generatywnej sztucznej inteligencji, już nie zakazuje korzystania z niej, tylko uczy, jak uczciwie i odpowiedzialnie to robić. W tym duchu przygotowuje się dydaktyków nie tylko do zmiany nastawienia wobec GenAI  (określenie tak obecnie popularne, że chciałoby się napisać, że odmieniane przez wszystkie przypadki, gdyby nie to, że to anglojęzyczny skrót od generative artificial intelligence…), np. poprzez wprowadzanie ich w arkana projektowania promptów, ale wręcz do wyjścia poza dotąd pełnioną rolę mistrza, eksperta, nieomylnego na ogół przewodnika, osoby przekazującej wiedzę w formie ustrukturyzowanego zbioru wiadomości, które uczeń czy student powinien przyswoić.

Nauczyciel uczy się nowych ról: tutora, facylitatora, współtowarzysza poszukiwań, animatora podejmowania wyzwań, przeprowadzania eksperymentów, tworzenia promptów, krzewiciela krytycznego myślenia i kogoś, kto rozumie, że istotne jest nie to, co uczeń będzie wiedział, ale jakie nawyki wypracuje (nauczanie nie poprzez kontent, lecz kontekst). Akademicki etos wielu z nas podpowiada, że jednym z podstawowych nawyków powinna być, wpisująca się zresztą w biznesowe podejście Zero Trust, zasada ograniczonego zaufania. Z takim ekwipunkiem doświadczeni dydaktycy sprawniej wejdą w nowe role. Wsparciem w tej transformacji może także okazać się inna strategia przejęta spoza obszaru edukacji: digital twin.

Stwórz wirtualnego bliźniaka

O tym, czym jest Digital Twin informuje nas, pobieżna nawet, lektura treści z wyszukiwarki internetowej. Jest to mianowicie wirtualna reprezentacja fizycznego obiektu, systemu lub procesu; cyfrowy model, który odzwierciedla rzeczywiste działanie danego elementu, umożliwiając przy tym jego monitorowanie, analizę i optymalizację w czasie rzeczywistym.

W przemyśle cyfrowe bliźniaki służą do zarządzania złożonymi systemami, przewidywania awarii oraz doskonalenia procesów produkcyjnych. Kluczowe dane, z którymi się wówczas pracuje,  pochodzą albo z czujników zainstalowanych w fizycznym obiekcie, bądź z symulacji komputerowych imitujących rzeczywiste warunki działania.  W analizie danych i prognozowaniu wyników coraz częściej stosuje się algorytmy sztucznej inteligencji.

Jak wykorzystać technologię digital twin w pracy dydaktycznej?  W zależności od specyfiki obszaru, dyscypliny naukowej i konkretnych zajęć można to czynić na różne sposoby.  Łączy je jednak praktyczność nauczania, nieoceniony walor kształcenia przez doświadczenie. Digital twin umożliwia tworzenie interaktywnych symulacji procesów, które mogą być trudne do realnego zaaranżowania. Dzięki temu studenci nauk ścisłych mogą obserwować, jak parametry danego procesu zmieniają się w zależności od różnych zmiennych. W obszarze medycyny mogą to być np. wirtualne zabiegi chirurgiczne, natomiast w architekturze modele budynków poddawane symulowanym próbom badającym ich wytrzymałość czy efektywność energetyczną.

Technologia ta jest również przydatna w dydaktyce z uwagi na możliwość tworzenia wirtualnych studiów przypadków, dzięki czemu można doskonalić się w praktycznym rozwiązaniu problemów. Studenci zarządzania na przykładzie wygenerowanego modelu funkcjonowania przedsiębiorstwa są w stanie zaobserwować, jakie zmiany następują w nim pod wpływem testowo podejmowanych przez nich decyzji. W ogóle Digital Twin to spore ułatwienie w monitorowaniu zmian, przekształceń czy postępów we wszelkich projektach, także badawczych, ale i dydaktycznych, zwłaszcza tych związanych z projektowaniem inżynierskim. To swoisty sprawdzian dla planowanych wdrożeń w rozmaitych dziedzinach. Eksperymentalne i bezpieczne warunki do testowania, które uzyskiwane są dzięki tej technologii, są często rzeczą wymiernie opłacalną: błędy bywają przecież bardzo kosztowne, zwłaszcza w naukach eksperymentalnych.

Z pewnością olbrzymi potencjał digital twin może być wykorzystywany w nauczaniu analizy danych i optymalizacji procesów. Studenci mogą np. ćwiczyć z wykorzystaniem danych rzeczywistych dostarczanych przez cyfrowych bliźniaków, po to, by doskonalić się w analizie predykcyjnej.

Korzyści dydaktyczne płynące z nowych technologii są trudne do podważenia.  Na pewno idą one w sukurs nowoczesnym ideom kształcenia, takim jak: personalizacja nauczania, nauczanie praktyczne, czy uatrakcyjnianie narzędzi edukacyjnych. Omówione rozwiązania pomagają  dydaktykom dostosować materiały edukacyjne do indywidualnych potrzeb studentów, którzy dzięki temu mogą poczuć się pewniej, zyskując doświadczenie, które przyda im się w karierze zawodowej.

Zaawansowanie technologiczne, interaktywność i realizm symulacji nie tylko zwiększają zainteresowanie i zaangażowanie studentów, ale są też skutecznym antidotum na rutynę dydaktyczną i wypalenie zawodowe nauczycieli.

Przypisy

1. Polecam zapoznanie się z konferencyjnym wystąpieniem Tomasza Jankowskiego, w którym pojawia się wiele wspomnianych haseł: https://www.youtube.com/watch?v=aSOIQBYhwMA&t=697s
2. Zob. tamże. Szczególnej uwadze polecam przyjrzenie się proponowanym przez Autora wystąpienia promptom, w których wykorzystuje kanoniczne koncepcje metodyki nauczania (m. in. taksonomię significant learning L. Dee Finka).