Tanulástámogatás mesterséges intelligenciával
A mesterséges intelligencia oktatásban való felhasználási lehetőségeiről korábban több alkalommal is írtunk: ebben a cikkünkben a nyelvtanulás támogatásához adunk ötleteket, ebben pedig személyre szabható prompttal segítjük a tanulási eredmények írását a generatív mesterséges intelligenciával.
Ez az írás egy olyan kérdésre fókuszál, ami a ChatGPT térhódítása óta eltelt másfél évben minden, a felsőoktatás és a mesterséges intelligencia kapcsolatával foglalkozó képzés, előadás és beszélgetés során egészen biztosan elhangzik: a hallgatók élnek a lehetőséggel, és a teljesítéshez szükséges, vagy az órák során kapott feladatot ahelyett, hogy maguk oldanák meg, „bedobják” valamelyik generatív mesterséges intelligenciának. A válaszon aztán esetleg dolgoznak, alakítanak egy kicsit, és percek alatt készen is van az a munka, amibe korábban órákat kellett befektetni – és ami a mögötte álló tudás- és készségfejlődés érdekében most is megkívánná ezt a befektetett időt és energiát.
A „hogyan kerülhetem ki, hogy a hallgató a mesterséges intelligenciával írassa meg a beadandót/szakdolgozatot” kérdés szinte egyenrangú, ugyanolyan sűrűn elhangzó párja ezeken a képzéseken a „hogyan tudom automatizálni/megkönnyíteni az értékelési feladataimat a mesterséges intelligencia segítségével”? Oktatóként tudjuk, érezzük, hogy a formatív visszajelzések, személyre szabott reakciók a leginkább fejlesztő hatásúak hallgatóink számára – ugyanakkor ez rendkívül idő- és energiaigényes feladat egyetlen szemináriumnyi, vagy osztálynyi hallgató esetén is, nemhogy egy többszáz fős évfolyamnál, így jogosan merül fel a technológiahasználat ilyen irányú lehetőségeinek kihasználása.
A válaszok gyakran fájdalmas felismerést hoznak. A két megközelítésnek ugyanaz a „magja”: egy új lehetőség keresi a helyét a régi rendszerben: nem kikerülhető, hogy a hallgatók használják – és nem is elítélendő ez a törekvésük, hiszen a körvonalazódó trendek szerint számukra nagy eséllyel már nem előny, hanem elvárás lesz a munkaerőpiaci érvényesülésben, hogy a szakmájukhoz megfelelően használják a mesterséges intelligencia nyújtotta előnyöket.
Az oktatói nézőpont is ugyanennyire érthető: ha adódik lehetőség arra, hogy személyre szabottabban segíthessék hallgatóik tanulási folyamatait, miközben az idő és energia, ami ehhez irányukból elengedhetetlen, nemhogy nőne, de csökken – vagyis várhatóan magasabb minőségű eredményt jóval hatékonyabban érhető el – élniük kell a lehetőséggel.
A csapda ugyanakkor fennáll: ha az oktató által mesterséges intelligencia segítségével elkészített feladatot a hallgató szintén annak segítségével oldja meg, majd az értékelés is ezen a rendszeren keresztül történik, akkor történik valójában tanulási folyamat, vagy csak a gép beszélget a géppel, és bár rendkívül hatékonyak vagyunk, de a legfontosabb tényező marad ki a folyamatból?
A helyzet minden irányból megoldásért kiált, amiben a tiltás, „rabló-pandúr” szemléletmód (például a „lefüleléshez” AI-használatot ellenőrző rendszerek keresése, használata vagy a teljes tiltás) nem célravezető: a régi rendszerbe az új lehetőséget nem lehet integrálni úgy, hogy maga rendszer változatlan maradjon: új narratívára, szemléletmódváltásra van szükség. Ahhoz azonban, hogy a mesterséges intelligenciát a tanítási-tanulási folyamat minden (vagy legalábbis több) elemébe megfelelően integrálhassuk, ismernie kell a folyamat résztvevőinek, mivel „állnak szemben”, ami további nehézségeket szül: mindannyiunk számára új és ismeretlen a lehetőség, mindannyian most igyekszünk feltérképezni, mire lehet jó, hol hasznos és mikor nem érdemes használni. Ebben nagy segítséget tud nyújtani az a remek módszertani összeállítás, amit Egyetemünk Pedagógiai és Pszichológiai Karának kollégái készítettek a bevált nemzetközi gyakorlatok felhasználásával.
Ebben a problémakörben szeretnénk segíteni: a vázolt helyzet egyik „win-win” megoldása lehet, ha a beadandó feladat kapcsán elvárásként adjuk a hallgatóknak, hogy az elkészítését követően, a beadás előtt valamelyik generatív mesterséges intelligenciával kell tökéletesítenie a munkát. Ez legjobban egy iteratív folyamattal lenne kivitelezhető, amihez azonban vagy a hallgatónak, vagy az oktatónak kellene olyan promptot adnia a rendszernek, ami a kockázatok minimalizálásával lehetővé teszi – a „promptolás művészete” jelenleg még külön skillnek számít, és egy-egy képzésen ugyan közelebb kerülhet oktató és hallgató ennek fejlesztéséhez, de ennél jóval többre lenne szükség ahhoz, hogy biztonságosan tudják használni az oktatásban, amire mind az idő, mind az energia kevés – cikkünk ezért egy ilyen promptot kínál kipróbálásra.
Hogyan áll össze a folyamat ebben a rendszerben?
Elsőként határozzuk meg/válasszuk ki a feladatot, amit szeretnénk a hallgatókkal elvégeztetni, és írjuk le minél részletesebben. Lehetőség szerint értékelési kritériumokat, értékelőtáblát is adjunk meg, amelyben előre rögzítjük azokat a szempontokat, amik mentén a hallgató munkáját értékelni fogjuk. Az értékelőtáblákról többek között ebben a cikkünkben írtunk. A feladat mellett az alábbi promptot is mellékeljük a hallgatóknak, azzal a kiegészítéssel, hogy a kész (beadandó, órára elhozandó stb.) munka nem az, amit elsőként ők létrehoznak, hanem a generatív intelligenciával a prompt mentén közösen létrehozott, javított változat. A prompton természetesen lehet1, de nem szükséges változtatni: összeállítása diszciplínafüggetlen felhasználást tesz lehetővé, felépítése pedig a hallgató által adott inputokhoz igazodó, iteratív fejlesztési folyamaton vezeti végig a felhasználót. A folyamat végét azonban mindenképpen szükséges előre átgondolnunk, az oktatói validálás ugyanis nem maradhat el: vagy az így elkészült és beadott feladatokat szükséges az oktatónak értékelni, hallgatókkal átbeszélni/visszajelzést adni róla, vagy érdemes egy kontaktalkalmat szánni arra, hogy csoportmunkában, közös megbeszéléssel vagy egyéb módon megbeszélésre kerüljön a feladat, a tanulási célok elérése érdekében, hogy az ismeretek megfelelően rögzüljenek, a képeségek pedig fejlődjenek.
A prompt használható egyéni és csoportos feladatmegoldásnál is, ameddig nem vagyunk meggyőződve róla, hogy megfelelően működik, időhatékony megoldás lehet egy órai csoportmunka keretében való kipróbálása, hallgatókkal közösen elvégzett tökéletesítése.
A prompt használata természetesen nem zárja ki annak lehetőségét, hogy a hallgató így is valamelyik mesterséges intelligenciával íratja majd meg a feladatát – ugyanakkor, ha a technológiának jól meghatározott helyét látja a tanulási folyamatban (ami egyben szakmai felhasználáshoz is mintaként szolgálhat), nagyobb eséllyel bízhatunk abban, hogy nem kiváltani, hanem támogatni akarja majd munkáját.
A prompt
>> Másolja ki teljes egészében az alábbi promptot, és illessze be valamelyik generatív mesterséges intelligenciával (ChatGPT, Gemini stb.) indított beszélgetésbe.
Egyetemi hallgató vagyok, az órán kaptam egy feladatot, amit a segítségeddel fogok megoldani. Feladatod, hogy segíts tökéletesíteni a feladatmegoldásomat, anélkül, hogy megírnád helyettem, vagy konkrétan elárulnád, min kell változtatnom. A visszajelzéseid formatív értékelések legyenek. A beszélgetés a következő lépések szerint haladjon:
1. Kérdezd meg, milyen szakon, illetve milyen órán kaptam a feladatot. A továbbiakban te ennek a szakterületnek elismert szakértője és oktatója vagy, a személyes mentorom.
2. Kérdezd meg, hogy pontosan mi volt a feladat, amit kaptam. A válaszként megadott inputokat kell alapul venned a továbbiakban, a megoldásom értékelésében csak és kizárólag az abban megadott adatokra támaszkodhatsz, de az értékelési segítséghez vedd figyelembe a szakmai irányelveket, paradigmákat.
3. Kérdezd meg, hogy vannak-e értékelési szempontok, értékelőtábla, aminek mentén értékelni fogják a munkámat. Amennyiben van ilyen, kérd el inputként, és vedd figyelembe a válaszom javítási folyamatában, majd folytasd a beszélgetést a 4. ponttól. Amennyiben nincs ilyen, folytasd a beszélgetést a 4. ponttól, és az 1. pont szerinti szakterület szakmai irányelveinek figyelembevételével adj visszajelzést.
4. Kérdezd meg, milyen választ készítettem a feladatra. A válaszomat vesd össze az előző lépésben megadott feladatkiírással, szakmai szempontból elemezd, és az alábbiak szerint folytasd a beszélgetést:
a. gyűjtsd össze és értékeld azokat a részeket, amiket helyesen készítettem el.
b. emeld ki a fejlesztésre szoruló pontokat, és kategorizáld őket, de ne részletezd, hogy pontosan mit rontottam el.
c. kérdezd meg, melyik kategóriával dolgozzunk.
d. a válaszomhoz igazodva tegyél fel három releváns kérdést, amivel segítesz gondolkodni arról, hol szorul javításra, átgondolásra az elemzésem.
e. kérj arra, hogy inputként adjam meg az újragondolt, újraírt eredményt
f. amennyiben ebben továbbra is maradt javítandó dolog, kezdd elölről az elemzési folyamatot, és folytasd addig, amíg hibátlan az általam adott input. Ha hibátlan a megoldásom, folytasd a beszélgetést a „c” ponttól a következő javítandó résszel addig, amíg elfogynak a javítandó elemek.
5. Minden javítandó rész megfelelő fejlesztése után kérd el az új, teljes elemzésem, és a 2. ponttól folytasd az új szöveg elemzését.
6. Addig folytasd a beszélgetést, amíg az elemzés minden pontját a segítő kérdéseiddel, magamtól javítottam, és a végeredmény megfelelő.
Működik?
A prompt felépítése elméletileg lehetővé teszi, hogy változtatás nélkül bármely tudományterület feladatmegoldásában segítse a hallgatók tanulási folyamatát – ennek tesztelésére azonban korlátozott lehetőségeink voltak, így örömmel vesszük, ha visszajeleznek arról, valóban használható-e a hallgatók tanulástámogatásához.
Köszönet a BGE oktatójának, Kádár Bélának a „Mesterséges intelligencia használata az oktatásban” c. képzésre benyújtott zárófeladat-megoldásáért, ami erős inspirációt nyújtott a prompt és a cikk elkészüléséhez.