Телеграм канал «Лаборатория онлайн-обучения»

ИИ — это методический ассистент, а не автономный автор тестовых заданий.

Друзья, пару слов в дополнение сегодняшнего поста на канале.

Полезного просмотра 🎥

Некоторые проектировщики курсов задаются вопросом:
«Почему я не могу просто сгенерировать методический фреймворк по проектированию тестовых заданий с помощью нейросети?»

Почему не можете? Можете.

Просто я сразу обозначу типовые ошибки, которые вам просто могут быть незаметны (они становятся заметны когда качество тестовых заданий замеряешь)

Во-первых, нейросеть подменяет методику набором общих шагов. Чаще всего это не алгоритмы, а формальные списки из серии: «определите цель теста», «составьте задания», «проверьте ответы» и так далее. Методически это выглядит слабо, потому что в таком подходе нет ни критериев качества на каждом этапе, ни правил перехода между шагами, ни условий выбора типа задания, ни механизмов проверки валидности и надёжности и т.д. То есть это не рабочий алгоритм, а какая-то декларативная схема.

Во-вторых, происходит смешение педагогической и технической логики. Нейросеть чаще всего выстраивает алгоритм так, будто главная цель — сгенерировать как можно больше заданий, а не измерить образовательный результат. Из-за этого рекомендации смещаются от цели обучения — к форме теста. И это ошибка. Сначала у нас должен быть объект измерения, а уже потом — измерительный инструмент, а не наоборот.

В-третьих, нейросеть часто игнорирует уровни педагогических целей. Она не различает, что задания могут быть направлены на проверку разных уровней знаний (см. таксономию Бенджамина Блума). Из-за этого нейросеть может предлагать тестовые задания по единому шаблону для разных педагогических задач. Обучающиеся могут выполнять в таком случае разные по типу тестовые задания, но оценивать у них будут один и тот же когнитивный уровень (вот это поворот, да?).

Если говорить проще, не теряйте время и силы.
Качество важнее.

Просто заходите и приобретайте методические фреймворки под нужную для вас задачу при создании курса 👉🏼 здесь

Мне кажется, что наиболее эффективными педагогическими решениями для построения инструкционной образовательной среды для роботов будут 👇🏼

1. При проектировании образовательных результатов

• Обратный дизайн (полезен тем, что сначала позволяет определить, какое действие или навык робот должен освоить, затем задать критерии успешности, и только после этого создавать учебную среду, данные и упражнения)
• Компетентностный подход (ориентирует обучение на конкретно проверяемую способность робота, например, распознавать, перемещать и т.д.)
• Критериально-ориентированное оценивание (плюс подхода для робота в том, что позволяет оценивать робота не в сравнении с другими роботами, а по заранее заданным признакам точности, устойчивости, безопасности и качества выполнения задачи)

2. При разложении и структурировании навыка

• 4C/ID (польза в том, что помогает для робота проектировать обучение сложным навыкам через разбиение задач, поддерживающей информации, процедурных инструкций и отработки отдельных элементов действий)
• Спиральная модель обучения (особо актуально для робота, потому что позволяет возвращаться к одному и тому же навыку несколько раз, но каждый раз на более сложном уровне, постепенно расширяя диапазон условий, в которых такой робот может действовать)

3. При первичном освоении навыка

• Скаффолдинг (нужен, чтобы понимать насколько эффективно робот справляется с выполняемыми задачами на разных уровнях сложности и достаточно ли у него данных для выполнения таких задач)
• Теория поэтапного формирования умственных действий Гальперина (может быть полезна, поскольку позволяет роботу последовательно осваивать признаки ситуации, логику действия и т.д.)

4. Для доведения первичного навыка до автоматизма

• обучение в моделируемой среде (instructional simulation) (хорошо тем, что дает возможность многократно, безопасно и дешево отрабатывать роботу действия до переноса их в реальный мир и с реальными задачами)
• сценарный подход (полезен тем, что позволяет учить робота целостным типовым ситуациям, где нужно связывать несколько действий в единую последовательность; условно нужно накрыть обеденный стол — роботу нужно связать несколько действий: распознать нужные предметы, определить их расположение, выбрать порядок действий, захватить тарелку, перенести её в нужное место и т.д.)

5. Для коррекции действий робота

• формирующее оценивание (польза в том, что дает возможность исправлять поведение робота по ходу обучения, а не только фиксировать итоговый результат в конце, например, как в случае с суммативным оцениванием)
• критериально-ориентированная диагностика (помогает точно выявлять, какой именно компонент навыка роботом не освоен: распознавание, выбор действия и т.д.)

6. Для переноса навыка робота в реальную среду

• обучение на рабочем месте (workplace learning) (нужно, для проверки и доучивания робота при переносе навыка на практику, где появляется взаимодействие с другими объектами, человеком, появляются ограничения среды для применения навыка и т.д.)
• проблемное обучение (problem-based learning) (помогает учить робота действовать в ситуациях, где нужно выбирать способ действия в регулярно изменяющихся условиях)

Кто будет учить роботов — программисты или методисты?

Поразмышлял немного о том, как может появиться педагогический дизайн для роботов 🎵

Как насчёт «instructional design for embodied AI»?

💭 Сегодня была встреча с коллегой из Российской академии наук. И то, что я от него услышал, в очередной раз подтвердило мою гипотезу: школьные учителя не просто устали. Они доведены до состояния, в котором многие перестают видеть себя в профессии.

И это подтверждается не только разговорами, но и цифрами. По данным Минпросвещения, на начало 2024/25 учебного года в российских школах было 18 287 вакантных педагогических должностей. Из них 6 574, то есть около 30%, приходились на сельские территории. При этом официально общая нехватка педагогических работников в школах оценивается в 1,75%. На бумаге это выглядит как небольшой процент, но в реальности это тысячи незакрытых ставок и, что самое важное, постоянная перегрузка тех, кто ещё работает учителем.

Поэтому я и говорил на своём втором канале «Лаборатория вакансий образования»:
для учителей сегодня появляется реальная возможность профессионально развиваться в детских онлайн-школах. Например, по подготовке ЕГЭ/ОГЭ (растущий сегмент).

И это не история про «уйти куда угодно», а про переход туда, где хотя бы не ухудшают условия труда.

В онлайн-школах:
а) существуют отделы, которые берут на себя часть коммуникаций с родителями,
б) удобнее график,
в) меньше бюрократии,
г) выше интерес к автоматизации рутинных процессов и больше возможности сосредоточиться именно на преподавании предмета, а не на бесконечных «псевдоактивностях» ради отчётности.

Причём руководство в таких школах, как правило, ориентировано на образовательный результат, который можно измерить при помощи метрик, а не на имитацию бурной деятельности.

Именно поэтому для многих учителей онлайн-школа сегодня более здоровой рабочей средой 🙌🏼

Что может быть ещё лучше для учителя?

В продолжение этого видео хотелось бы отметить ещё одну важную вещь.

В корпоративном секторе обучения сейчас велик соблазн штамповать большое количество курсов только потому, что появился генеративный искусственный интеллект и множество сервисов, позволяющих создавать контент буквально в несколько кликов.

Но такой сценарий меня не впечатляет.

В нём есть существует зацикленность на быстром получении готового продукта. При этом почти никто не говорит о качестве, о глубине содержания, о том, насколько такие курсы действительно помогают достигать сотрудникам образовательного результата.

Причём если посмотреть на решения, которые сегодня существуют на рынке, — LMS, конструкторы курсов и другие платформы, активно внедряющие нейросети, — мы увидим, что почти никто не говорит о методологии: научных образовательных подходах, моделях, методиках и т.д.

Главный акцент делается на том, как быстрее произвести учебный контент.

Почему я говорю коллегам о том, что иногда важнее не количество курсов, а их качество. Но качество можно показывать только с помощью научного подхода, а для этого необходимо развивать методологическое мышление.