AI για Μαθητές: 5 «Καλές» Ιδέες που Αποτυγχάνουν

...0

Λάβετε υπόψη τις συγκεκριμένες δεξιότητες που πρέπει να εξασκήσουν οι μαθητές και, στη συνέχεια, προσδιορίστε εάν η χρήση της Τεχνητής Νοημοσύνης αναθέτει σε εξωτερικούς συνεργάτες την εργασία που απαιτείται για την ανάπτυξή τους.

Από τους Paige Tutt , Stephen Merrill

Πριν από είκοσι χρόνια, όταν η Δρ. Ρέιτσελ Μπένταρντ ήταν φοιτήτρια στην ιατρική σχολή, κρατούσε ένα φθαρμένο αντίτυπο του Pocket Medicine κρυμμένο σε μια τσέπη της λευκής ρόμπας του εργαστηρίου της.

Εκείνη την εποχή, η αναλογική υποστήριξη ήταν τυποποιημένη, θέτοντας την κλινική καθοδήγηση βασισμένη σε τεκμηριωμένα στοιχεία στα χέρια της. «Την συμβουλευόμουν όλη μέρα», θυμάται σε ένα πρόσφατο άρθρο γνώμης στους New York Times . «Έπρεπε να καταλάβω ακριβώς τι έψαχνα όταν ξεφύλλιζα τις σελίδες της και δεν μπορούσε να μου πει τι να κάνω με όποια γνώση έβρισκα εκεί».

Οι σημερινοί φοιτητές ιατρικής έχουν πρόσβαση σε κάτι ελαφρώς πιο εξελιγμένο: το OpenEvidence, ένα chatbot που περιγράφεται στον ιστότοπό του ως «συν-πιλότος τεχνητής νοημοσύνης για γιατρούς που τους βοηθά να λαμβάνουν αποφάσεις υψηλού ρίσκου στο σημείο της περίθαλψης ». Παρά το γεγονός ότι οι διαγνώσεις του δεν είναι πάντα «χρήσιμες ή ακόμη και ακριβείς», η Bedard δεν έχει καμία ενδοιασμό για τους έμπειρους γιατρούς που χρησιμοποιούν το εργαλείο. Στην πραγματικότητα, πιστεύει ότι η πρόσβαση στην πλατφόρμα την κάνει καλύτερη γιατρό: «Η φροντίδα των ασθενών μου έχει βελτιωθεί καθώς οι συζητήσεις με τον πράκτορα ωθούν τη σκέψη μου πέρα ​​από τα συνήθη όριά της», γράφει. 

Το ίδιο δεν μπορεί να ειπωθεί, ανησυχεί, για τους μελλοντικούς εκπαιδευόμενους γιατρούς.

Ενώ η «ταχύτητα και η προνοητική χρησιμότητα» της εφαρμογής μπορεί να είναι μια ευπρόσδεκτη «βελτίωση» για τους έμπειρους ιατρούς, ο κίνδυνος οι φοιτητές να ακολουθήσουν άκριτα την έγκυρη έξοδο του bot —χωρίς ερωτήσεις ή σκεπτικισμό— θέτει σε κίνδυνο την υγεία και την ευεξία των ασθενών που βρίσκονται υπό τη φροντίδα τους. «Όταν διαβάζω την απάντηση ενός chatbot σε μια ερώτηση σχετικά με τον πόνο στην πλάτη, δοκιμάζω διαισθητικά τις προτάσεις του σε σχέση με το δύσκολο νοητικό μου μοντέλο για το πώς να προσεγγίζω τον πόνο στην πλάτη», υποστηρίζει ο Bedard. «Θα μπορούσα να το είχα αναπτύξει αυτό αν είχα ένα ρομπότ να καθοδηγεί τη σκέψη μου από την αρχή;»

ΑΝΑΠΤΥΞΙΑΚΕΣ ΔΕΞΙΟΤΗΤΕΣ

Το ερώτημα σχετικά με το ποιες βασικές δεξιότητες μπορούν (ή θα) αναπτύξουν οι μαθητές με την παραγωγική Τεχνητή Νοημοσύνη στο κάθισμα του συνοδηγού είναι τόσο ασαφές όσο και επακόλουθο – όχι μόνο στην ιατρική σχολή, αλλά σε όλη την εκπαίδευση από το νηπιαγωγείο έως το λύκειο. Αυξανόμενα στοιχεία υπογραμμίζουν τους κινδύνους της μη επιβλεπόμενης χρήσης της Τεχνητής Νοημοσύνης από τους μαθητές, αν και βασικά ερωτήματα σχετικά με πιθανές περιπτώσεις παραγωγικής χρήσης παραμένουν αναπάντητα. «Δεν έχουμε ιδέα ποιος είναι ο καλύτερος τρόπος για να διδάξουμε σε ένα παιδί να χρησιμοποιεί την Τεχνητή Νοημοσύνη για να αναπτυχθεί ως συγγραφέας ή ως στοχαστής», εξηγεί ο Justin Reich, αναπληρωτής καθηγητής του MIT και διευθυντής του Εργαστηρίου Συστημάτων Διδασκαλίας. «Κάποια στιγμή, θα έχουμε περισσότερη έρευνα που θα μας βοηθήσει να πούμε: “Αυτή είναι μια καλή ηλικία για να αρχίσουμε να εισάγουμε εργαλεία Τεχνητής Νοημοσύνης και αυτά είναι μερικά καλά εργαλεία και προσεγγίσεις προς χρήση που δεν αντικαθιστούν βασικές δεξιότητες”».

Αντί να περιμένει, το Υπουργείο Παιδείας της Νέας Υόρκης ανακοίνωσε πολιτική που περιορίζει τους μαθητές του δημοτικού και του γυμνασίου από τη χρήση Τεχνητής Νοημοσύνης μέσα στις τάξεις – μια κίνηση που επαναλήφθηκε από το δημόσιο σχολικό σύστημα του Λος Άντζελες . Αλλά σε πολλά σχολεία σε όλη τη χώρα, οι διευθυντές των σχολείων υπακούουν στη διακριτική ευχέρεια των μεμονωμένων εκπαιδευτικών σχετικά με το πώς και πότε η Τεχνητή Νοημοσύνη μπορεί να χρησιμοποιηθεί από τους μαθητές τους, εάν χρησιμοποιείται καθόλου. Αυτός είναι ένας βαθμός ευθύνης που ορισμένοι εκπαιδευτικοί αισθάνονται απροετοίμαστοι να διαχειριστούν χωρίς σαφέστερη καθοδήγηση και υποστήριξη: «Έχω πάρει συνεντεύξεις από σχεδόν 100 εκπαιδευτικούς σχετικά με την Τεχνητή Νοημοσύνη στα σχολεία και λένε ομόφωνα ότι χρειάζονται πολιτική και επαγγελματική ανάπτυξη», σημειώνει ο Ράιχ.

Με στόχο την προετοιμασία των μαθητών για την αγορά εργασίας, έχει αναδυθεί ένα δημοφιλές μοντέλο χρήσης , γράφει ο γνωστικός επιστήμονας Daniel Willingham στο Substack του: Student as the lead thinker, and AI as the capable assistant. Ενώ η τοποθέτηση επικεφαλής/βοηθού είναι λογική «για τη ζωή μετά την αποφοίτηση», ο Willingham αναγνωρίζει, αυτή η φιλοσοφία είναι πολύ λιγότερο βέλτιστη για τους μαθητές K-12. Σε μια τάξη, το προϊόν – είτε πρόκειται για ένα φύλλο εργασίας με λυμένα μαθηματικά προβλήματα είτε για ένα δοκίμιο – δεν είναι το ζητούμενο. Αυτό που διακυβεύεται είναι η ανάπτυξη των βασικών δεξιοτήτων που απαιτούνται για την ολοκλήρωσή τους, υποστηρίζει ο Willingham: «Το ζητούμενο των νοητικών διαδικασιών είναι η μάθηση».
Πριν επιτρέψετε στους μαθητές να συμβουλευτούν έναν πάντα πρόθυμο βοηθό Τεχνητής Νοημοσύνης, αξίζει να εξετάσετε εάν έχουν κατακτήσει τους βασικούς μηχανισμούς της εκάστοτε εργασίας. Όταν αποφασίζετε εάν οι μαθητές σας θα πρέπει να χρησιμοποιούν την Τεχνητή Νοημοσύνη για να τους βοηθήσει να κάνουν καταιγισμό ιδεών ή να διεξάγουν έρευνα, για παράδειγμα, «ένας δάσκαλος θα πρέπει να αναρωτηθεί εάν η εκτέλεση της εργασίας από μόνος του εξακολουθεί να αποτελεί μέρος αυτού που οι μαθητές πρέπει να μάθουν ή να εξασκήσουν», προτείνει ο Willingham.
Εδώ, εξετάζουμε μια σειρά από σενάρια όπου η χρήση της Τεχνητής Νοημοσύνης από μαθητές θεωρείται ευρέως ως ακίνδυνη (ή ακόμα και χρήσιμη), ωστόσο η διαθέσιμη έρευνα και ο τρόπος σκέψης κορυφαίων ειδικών υποδηλώνουν ότι κάθε περίπτωση αξίζει μια πολύ πιο προσεκτική εξέταση.

Καταιγισμός ιδεών

Πίσω από κάθε καλή ιδέα κρύβονται χίλιες λανθασμένες εκκινήσεις. Αυτό ήταν το συμπέρασμα του διαφημιστικού στελέχους των αρχών του 20ού αιώνα, Άλεξ Φ. Όσμπορν, λίγες δεκαετίες πριν από την εποχή των Madmen, ο οποίος διαπίστωσε ότι τα μέλη του προσωπικού του, που πληρώνονταν για να δημιουργούν λαμπρά σλόγκαν, συχνά παρήγαγαν περισσότερες κακές ιδέες παρά καλές. Κάθε μέρα, φαινόταν, φιλτράριζε μέσα από το χάος και έβγαζε λέξεις και φράσεις που θα μπορούσαν να διαμορφωθούν σε βραβευμένες διαφημιστικές καμπάνιες.

Για να αυξήσει τις πιθανότητές του να βρει χρυσό, ο Όσμπορν εφηύρε αυτό που οι υπάλληλοί του αργότερα ονόμασαν «καταιγισμό ιδεών», μια δημιουργική δραστηριότητα της οποίας η υπόθεση παραδεχόταν τα όρια της ανθρώπινης φαντασίας: Οι υπάλληλοι συγκεντρώνονταν για να παράγουν δεκάδες ημιτελείς ιδέες σε συνεργατικές, χωρίς κριτική συνεδρίες εργασίας. Ο Όσμπορν ανακάλυψε ότι θραύσματα από ένα πλήθος κακών ιδεών έφεραν μέσα τους τους σπόρους της ιδιοφυΐας. Η ανθρώπινη διάκριση τους επέτρεπε να συνδυαστούν σε κάτι εξαιρετικό.

Αυτό μπορεί να εξηγήσει γιατί η καταιγίδα ιδεών για δημιουργικές εργασίες όπως η μυθοπλασία ή η συγγραφή δοκιμίων έχει αναφερθεί τόσο συχνά από τους πρώτους που υιοθέτησαν την Τεχνητή Νοημοσύνη ως εργασίες που ταιριάζουν καλύτερα στις μηχανές. Πράγματι, μη έχοντας την έννοια της ντροπής και χωρίς όρια στην εργασιακή τους ηθική, οι LLM κάνουν καταιγισμό ιδεών με εκπληκτική ζωντάνια και αποτελεσματικότητα. Σε μια μελέτη του 2025 , οι ερευνητές κατέληξαν στο συμπέρασμα ότι οι άνθρωποι παρήγαγαν πιο δημιουργικές προτάσεις για ανοιχτά προβλήματα όπως «σχεδιασμός παιχνιδιών από καθημερινά αντικείμενα» και «επαναχρησιμοποίηση ειδών οικιακής χρήσης» όταν βοηθήθηκαν από το ChatGPT. Μια μελέτη του 2026 διαπίστωσε ότι η «πρόσβαση στην παραγωγική Τεχνητή Νοημοσύνη» για καταιγισμό ιδεών παρήγαγε σύντομες ιστορίες που οι ανθρώπινοι αξιολογητές βαθμολόγησαν ως «πιο δημιουργικές, καλύτερα γραμμένες και πιο ευχάριστες».

Αλλά και στις δύο μελέτες, οι καταιγισμοί ιδεών μέσω της Τεχνητής Νοημοσύνης παρήγαγαν προτάσεις που ήταν επίσης πολύ πιο προβλέψιμες. Πραγματικά μοναδικές ιδέες – τα πράγματα που ο Όσμπορν και οι ομάδες του μετέτρεψαν σε πρωτοποριακό υλικό και τα πράγματα που θα έπρεπε να επιδιώκουν οι μαθητές – έτειναν να λείπουν από τις σύντομες, υπνωτικές εκρήξεις γλώσσας που ακολουθούσαν μια προτροπή.
Μία από τις δουλειές των καθηγητών ανθρωπιστικών επιστημών είναι να παρέχουν —και να προστατεύουν— τον χώρο για να εκφράζονται οι μαθητές με αυθεντικό τρόπο, λέει η καθηγήτρια Αγγλικών Λυκείου Chanea Bond . Στα μαθήματά της, η δημιουργία ιδεών είναι μια θεμελιώδης δεξιότητα που διδάσκει πολύτιμα μαθήματα: Η εργασία απαιτεί από τους μαθητές να κάθονται υπομονετικά μέσα στο ακατάστατο βασίλειο της νεοσύστατης σκέψης, να χρησιμοποιούν το αναδυόμενο γούστο και την διακριτική τους ευχέρεια για να εντοπίζουν πολλά υποσχόμενες ιδέες και να απομονώνουν και να βελτιώνουν τις καλύτερες ή τις πιο εκπληκτικές έννοιες. «Ενώ ορισμένοι καθηγητές λένε ότι η Τεχνητή Νοημοσύνη μπορεί να χρησιμεύσει ως συνεργάτης δημιουργίας ιδεών ή ως γεννήτρια περιγραμμάτων», έγραψε σε ένα προφητικό άρθρο τον Ιούλιο του 2025 για την Edutopia, «πιστεύω ότι είναι τόσο σημαντικό για τους μαθητές να μαθαίνουν οι ίδιοι αυτές τις δεξιότητες».
Η έρευνα καθίσταται ολοένα και πιο σαφής σχετικά με το τι συμβαίνει όταν αυτές οι κρίσιμες δραστηριότητες ανατίθενται σε υπολογιστές. Σε μια μελέτη του 2026 , για παράδειγμα, οι ερευνητές κατέληξαν στο συμπέρασμα ότι οι συμμετέχοντες με πρόσβαση σε τεχνητή νοημοσύνη συνομιλίας ήταν ιδιαίτερα δημιουργικοί. Ωστόσο, όταν τα εργαλεία αργότερα αποσύρθηκαν, οι δημιουργικές δεξιότητες γρήγορα εξασθενίστηκαν και εμφανίστηκαν σημάδια μακροχρόνιας δημιουργικής ατροφίας. Η χρήση των εργαλείων τεχνητής νοημοσύνης για την τόνωση της δημιουργικής σκέψης, κατέληξαν οι ερευνητές, άφησε μια «ουλή» που μπορεί να άλλαξε μόνιμα τη «δημιουργική τροχιά» των χρηστών της.

ΣΥΓΓΡΑΦΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Όπως και η ανταλλαγή ιδεών, η συγγραφή διατριβών συχνά θεωρείται ως «προεργασία» — προετοιμασία για ένα δοκίμιο με επιχειρήματα ή πειστικό περιεχόμενο, αλλά όχι το ίδιο το δοκίμιο. Οι συγγραφείς μπορεί να πείσουν τους εαυτούς τους ότι ένα σύνολο διατυπώσεων διατριβών που δημιουργούνται από την Τεχνητή Νοημοσύνη στο Σονέτο 18 του Σαίξπηρ , κοινώς γνωστό ως «Να σε συγκρίνω με μια καλοκαιρινή μέρα;», απλώς θα τους επιτρέψει να αξιοποιήσουν την υπάρχουσα γνώση τους για το ποίημα.
Ωστόσο, ζητώντας από το Gemini της Google να παράσχει πέντε διατυπώσεις θέσεων για ένα δοκίμιο 1000 λέξεων, αποκαλύπτονται μοτίβα που προβλέπει η έρευνα: Τρεις από τις διατυπώσεις θέσεων που προκύπτουν συγκεντρώνονται γύρω από ένα μόνο θέμα – το ποίημα δεν είναι τόσο «μια δήλωση ρομαντικής αγάπης» όσο ένας τρόπος για να «αθανατίσει ο Σαίξπηρ τη δική του λογοτεχνική ιδιοφυΐα» – αποκαλύπτοντας την προτίμηση του λογισμικού να εστιάζει σε ένα ή δύο θέματα αντί να επιχειρεί κάτι εκπληκτικό. Αρκετές από τις διατυπώσεις είναι διφορούμενες και αντιπροσωπεύουν επιφανειακές αναγνώσεις της γλώσσας. Τίποτα στο μείγμα δεν είναι αξιοσημείωτο.
Εν τω μεταξύ, οι καλές διατυπώσεις θέσης προκύπτουν από μια βαθιά σκέψη σχετικά με ένα θέμα και συμπυκνώνουν αυτή τη σκέψη σε μια προκλητική, εστιασμένη δήλωση την οποία ένας συγγραφέας είναι έτοιμος να υπερασπιστεί. Επειδή οι διατυπώσεις θέσης είναι το τελικό προϊόν μιας βαθιάς, προσωπικής σκέψης σχετικά με το πώς και γιατί το θέμα είναι πραγματικά σημαντικό, είναι μοναδικές εκ φύσεως και δεν αποτελούν ξεχωριστή διαδικασία από τη συγγραφή.
Όταν η Μποντ έδωσε στους μαθητές της «την επιλογή να γράψουν τις δικές τους θέσεις λογοτεχνικής ανάλυσης ή να δώσουν τις σημειώσεις τους στην Τεχνητή Νοημοσύνη και να της ζητήσουν να γράψει μια θέση», τα παιδιά που χρησιμοποιούσαν Τεχνητή Νοημοσύνη έγραψαν απαίσιες εργασίες. «Συνειδητοποίησα ότι υπήρχε πρόβλημα», είπε: «οι μαθητές μου δεν έχουν τις απαραίτητες δεξιότητες για να μπορέσουν να πάρουν κάτι που μαθαίνουν από την Τεχνητή Νοημοσύνη και να το μετατρέψουν σε κάτι που αξίζει να διαβαστεί».

ΔΙΕΞΑΓΩΓΗ ΕΡΕΥΝΑΣ

Η διδασκαλία ερευνητικών δεξιοτήτων στους μαθητές είναι « μία από τις πιο σημαντικές δουλειές ενός εκπαιδευτικού », γράφει ο καθηγητής λυκείου και βιβλιοθηκάριος Benjamin Barbour, αλλά η απλή αναφορά της λέξης προκαλεί στεναγμούς από τους μαθητές . Δεν είναι οι μόνοι. «Ως ενήλικες, όταν μας λένε να κάνουμε τη δική μας έρευνα, δεν πηδάμε πάντα από χαρά», γράφει η Sarah Said, καθηγήτρια αγγλικών για μαθητές αγγλικής γλώσσας. Αυτό την καθιστά ιδιαίτερα ελκυστικό στόχο για βοήθεια μέσω της Τεχνητής Νοημοσύνης .
Κάποιοι υποστηρίζουν ότι η Τεχνητή Νοημοσύνη επιτρέπει στους μαθητές να ανακτούν πληροφορίες πιο γρήγορα και παρέχει ένα σημείο εκκίνησης, αλλά η αξιοπιστία του εργαλείου παραμένει υπό αμφισβήτηση. «Ας υποθέσουμε ότι θέλετε να ρωτήσετε “Ποιοι είναι οι σημαντικότεροι ποιητές του 18ου αιώνα στην αγγλική γλώσσα;”», εξηγεί ο Robert Malkin, καθηγητής στο Πανεπιστήμιο Duke και ιδρυτής του Διεθνούς Ινστιτούτου Έρευνας της Βόρειας Καρολίνας. «Ένα από τα προβλήματα με το να θέσουμε στην Τεχνητή Νοημοσύνη αυτό το ερώτημα είναι ότι η Τεχνητή Νοημοσύνη μπορεί απλώς να πάει σε οποιονδήποτε τυχαίο ιστότοπο και απλώς να τραβήξει τη λίστα». Τουλάχιστον στις τρέχουσες εκδόσεις της, ο Malkin διαμαρτύρεται, «η Τεχνητή Νοημοσύνη είναι απαίσια στην επιλογή αυτών των πηγών».

Επιπλέον, για έναν μαθητή που εξακολουθεί να αναπτύσσει την ικανότητα να αξιολογεί προσεκτικά και κριτικά, μια λίστα πηγών -αξιόπιστων ή όχι- μπορεί να μοιάζει με επίπεδο έδαφος. Στην καλύτερη περίπτωση, οι ιδιαίτερα κινητοποιημένοι και επιδέξιοι επιλέγουν μερικές για να διερευνήσουν σε βάθος. Τις περισσότερες φορές, οι μαθητές μπορεί να επιλέξουν αυθαίρετα ή να ζητήσουν από την Τεχνητή Νοημοσύνη να επιλέξει για αυτούς. «Νομίζω ότι ζητάμε από πολλούς μαθητές – ή καλύτερα, ζητάμε από την ανθρώπινη φύση – να περιμένουμε να ακολουθήσουν μια πολύ πιο δύσκολη νοητική πορεία», λέει ο Willingham, «ακόμα κι αν είναι προς το συμφέρον της δικής τους μάθησης».

Παρ ‘όλα αυτά, η χρήση ξεπερνά τις οδηγίες, καθώς περισσότεροι από τους μισούς μαθητές λυκείου χρησιμοποιούν ήδη την Τεχνητή Νοημοσύνη για να « διεξάγουν έρευνα και να βρίσκουν πηγές », σύμφωνα με έρευνα του College Board. Ενώ αρχικά ήταν επιφυλακτικός απέναντι στους μαθητές που προσθέτουν την Τεχνητή Νοημοσύνη στην εργαλειοθήκη της έρευνάς τους, ο Barbour τώρα θεωρεί τον εαυτό του μεταξύ αυτών που (μερικώς) έχουν μεταστραφεί. Δίνει ώθηση στην ιδέα οι μαθητές του στο AP Research να χρησιμοποιούν την Τεχνητή Νοημοσύνη για να «εντοπίσουν τις αδυναμίες και τα ελλείμματα στο επιχείρημά τους», για παράδειγμα, ή να βοηθήσουν στην ανάπτυξη των σπόρων ενός ερευνητικού σχεδίου που θα συνεχίσουν να αναπτύσσουν οι ίδιοι.

Είτε οι φοιτητές αξιοποιούν εργαλεία Τεχνητής Νοημοσύνης είτε όχι, ο Barbour διασφαλίζει ότι γνωρίζουν τι αναμένεται από αυτούς, καθώς και τι διακυβεύεται: «“Θα πρέπει να παρουσιάσετε πληροφορίες σχετικά με αυτό το θέμα προφορικά μπροστά σε ένα κοινό. Θα σας γίνουν ερωτήσεις. Πρέπει να είστε σε θέση να μιλήσετε άπταιστα για την έρευνα”», λέει στους φοιτητές του. «Εάν η Τεχνητή Νοημοσύνη κάνει τα πάντα, ο φοιτητής δεν μαθαίνει ποτέ αρκετά για την έρευνά του ώστε να παρουσιάσει τις πληροφορίες ικανοποιητικά».

ΣΥΝΟΨΗ ΜΑΘΗΣΗΣ
Είναι μια δυσάρεστη πραγματικότητα κάθε είδους μάθησης: «Χωρίς ενίσχυση, ξεχνάμε σχεδόν όλα όσα μαθαίνουμε », γράφει η καθηγήτρια Αγγλικών στο λύκειο, Κάθλιν Μπίτσμπορντ. «Εκτός αν καταβληθεί προσπάθεια να συγκρατηθούν οι νέες πληροφορίες: το 50% των νέων πληροφοριών εξαφανίζεται μέσα σε μία ώρα, το 75% εξαφανίζεται μέχρι την επόμενη μέρα και έως και το 90% εξαφανίζεται μέσα σε μία εβδομάδα». 

Κατά τη μελέτη, υπάρχει μια κοινή εσφαλμένη αντίληψη μεταξύ των μαθητών ότι η επανάληψη των σημειώσεών τους ή ενός σχετικού κειμένου είναι αρκετή για να βοηθήσει στην κωδικοποίηση των πληροφοριών στη μακροπρόθεσμη μνήμη. Οι μαθητές μπορεί να φωτογραφίσουν το σημειωματάριό τους και να δημιουργήσουν κομψές περιλήψεις που δημιουργούνται από τεχνητή νοημοσύνη για να τις εξετάσουν, για παράδειγμα, επειδή φαίνονται ανώτερες από τις δικές τους σημειώσεις. Αλλά ανεξάρτητα από την ποιότητα της περίληψης, η ανάγνωσή της είναι «παθητικής φύσης» και συχνά παρέχει στους μαθητές μια «ψευδή αίσθηση» ασφάλειας ότι κατανοούν κάτι πιο καθαρά, σύμφωνα με τους ερευνητές πίσω από μια ανασκόπηση του 2018 δεκαετιών γνώσεων σχετικά με τις τεχνικές μελέτης.

Η αποτελεσματική μελέτη είναι επίπονη και απαιτεί ένα στοιχείο ενεργητικής ανάκτησης — την πρόκληση του εαυτού να ανακαλέσει και στη συνέχεια να αναδιατυπώσει ό,τι έχει μάθει μόνος του. Το να ζητηθεί από την Τεχνητή Νοημοσύνη να δημιουργήσει την περίληψη αφαιρεί την πραγματική δουλειά της αναδιοργάνωσης της ύλης από τη μνήμη. Σε μια μελέτη του 2021, οι μαθητές που έγραψαν μια σύντομη περίληψη για ένα απαιτητικό κείμενο με δικά τους λόγια ξεπέρασαν κατά πολύ τους συνομηλίκους τους που απλώς διάβασαν μια περίληψη που τους δόθηκε.
Υπάρχουν εξαιρέσεις: Το να ζητηθεί από έναν καθηγητή Τεχνητής Νοημοσύνης να δημιουργήσει μια περίληψη ενός θέματος όπως η φωτοσύνθεση, η οποία στη συνέχεια μπορεί να συγκριθεί με τις σημειώσεις του μαθήματος, επιτρέπει σε έναν μαθητή να αναδείξει κενά στην κατανόηση καθώς κάνει επανάληψη — αλλά αυτή η επανάληψη πρέπει τελικά να βασίζεται στην επίπονη ανάκτηση, αναγκάζοντας τον μαθητή να ανακαλέσει ενεργά και να αναδιοργανώσει την ύλη από τη μνήμη.

ΣΥΓΓΡΑΦΗ ΠΡΩΤΩΝ ΠΡΟΧΕΙΡΩΝ

Για γενιές ολόκληρες, οι μαθητές δυσκολεύονταν να διασχίσουν το τεντωμένο σχοινί μεταξύ της μετατροπής των ακατέργαστων, ασχημάτιστων σκέψεών τους σε γυαλισμένη πρόζα. Η διαδικασία του να κοιτάς την τρομερή κενή σελίδα περιπλέκεται περαιτέρω από παράγοντες όπως το πάθος για το θέμα και η άριστη γνώση του σχετικού λεξιλογίου.
Ακριβώς όπως οι μαθητές λύνουν σύνθετα μαθηματικά προβλήματα χρησιμοποιώντας στυλό και χαρτί και όχι αποκλειστικά στο μυαλό τους, μια παρόμοια τάση μπορεί να οδηγήσει τους μαθητές στο συμπέρασμα ότι η Τεχνητή Νοημοσύνη μπορεί να τους βοηθήσει να γράψουν δοκίμια ή ιστορίες χωρίς να διακυβεύεται η ποιότητα της εργασίας. Η έρευνα διαφωνεί: Σύμφωνα με μια μελέτη του 2025, ακόμη και μετά το λύκειο, υπάρχει μια τάση να θολώνει η γραμμή μεταξύ της χρήσης της Τεχνητής Νοημοσύνης ως μέσου αναφοράς ή ως υποκατάστατου: Όταν τους δινόταν πρόσβαση στο ChatGPT καθώς εργάζονταν σε γραπτές εργασίες, οι φοιτητές «ακολουθούσαν άσκοπα τη σκέψη» του εργαλείου , παράγοντας «στατιστικά ομοιογενείς» δοκίμια που έμοιαζαν «άψυχα». Οι συνηθισμένοι χρήστες που ζήτησαν βοήθεια από την Τεχνητή Νοημοσύνη σε εργασίες όπως η σύνταξη κειμένου για γραπτές εργασίες «είχαν βαθμολογίες στις επιστήμες κατά μέσο όρο 20 μονάδες χαμηλότερες από τους μαθητές που δήλωσαν ότι δεν χρησιμοποίησαν ποτέ την Τεχνητή Νοημοσύνη – ισοδύναμες με περίπου ένα χρόνο σχολικής φοίτησης », αποκάλυψε πρόσφατο δημοσίευμα στην εφημερίδα The Wall Street Journal .
Οι μαθητές μπορούν και παράγουν εξαιρετικό γραπτό λόγο στις τάξεις. Το κόλπο, σύμφωνα με την καθηγήτρια Αγγλικών στο λύκειο Τζεν Ρόμπερτς, είναι να τους κάνει να επιμένουν σε αυτό. Περιοδικά, για να επιταχύνει τη διαδικασία ανατροφοδότησης, η Ρόμπερτς επιτρέπει στους μαθητές της να υποβάλλουν προσχέδια σε εργαλεία όπως το Brisk ή το MagicSchool AI —μια τακτική που συχνά ωθεί τα παιδιά να κάνουν μια δεύτερη ή και τρίτη προσπάθεια στο προσχέδιο, αντί να περιμένουν την ίδια. Ένας μαθητής «λαμβάνει κάποια ανατροφοδότηση και επιστρέφει στη συγγραφή», λέει η Ρόμπερτς. «Με την πάροδο του χρόνου, αντί να ξοδεύουν 10-15 λεπτά γράφοντας, ξοδεύουν 40 λεπτά γράφοντας σε αυτό το διάστημα».
Η Ρόμπερτς κατανοεί τους συμβιβασμούς και απαγορεύει τη χρήση Τεχνητής Νοημοσύνης όταν χρησιμοποιεί ομάδες γραφής από συνομηλίκους, για παράδειγμα. «Οι ομάδες γραφής αποτελούν για μένα έναν τεράστιο δείκτη αυθεντικότητας», λέει. «Ένας μαθητής θα μου παραδώσει με χαρά τη γραφή μέσω Τεχνητής Νοημοσύνης, αλλά ποτέ δεν θα βάλει τη γραφή μέσω Τεχνητής Νοημοσύνης μπροστά από τους συνομηλίκους του».

Attachments

Απάντηση