Philippa Hardman je výzkumnice s 20letou zkušeností s online a hybridní výukou na Cambridgi a Harvardu. Na základě svých výzkumných zjištění vypracovala vlastní metodiku tvorby vzdělávacích programů pod značkou DOMS™️, kterou propaguje, vysvětluje, školí (a prodává). Bude užitečné se s ní alespoň rámcově seznámit.
Zkratka DOMS znamená Discovery, Outcomes, Mapping, Storyboarding. Popisuje proces návrhu výuky, který je založen na vědeckých poznatcích kognitivních věd, tj. jak probíhá proces učení. Philippa tvrdí, že její postup je nový a že zásadním způsobem zlepšuje výukové výsledky. Zároveň je tvorba efektivnější – tedy proti tradičním metodám výrazně kratší. Navíc dovoluje na návrhu pracovat i autorům, kteří nedisponují dostatečnými znalostmi pedagogické vědy. Pomáhá jim hledat správné postupy ohledně průběhu kurzu, forem výukových aktivit, obsahu, interaktivit a hodnocení výsledků. Příprava vzdělávacího programu probíhá ve 4 krocích [1]:
Výzkum (Discovery) – Odhalování vhodných principů vývoje vedoucích k optimalizaci návrhu zohledňujícího cílovou skupinu studujících.
Výstupy (Outcomes) – Výzkumy posílená optimalizace návrhu očekávaných výsledků studia zohledňující potřebu zapojení, motivace a úspěchu účastníků. Důraz je kladen na spolupráci (tzv. cohort learning).
Mapování (Mapping) – Návrh postupu (sekvence kroků), kterými má studující projít.
Scénář (Storyboarding) – Definování obsahu, výukových aktivit, hodnocení výsledků a zpětné vazby optimalizující zapojení, motivaci a úspěšnost účastníků.
Tato metodika se nejvíce využije při návrhu online kurzu (třeba MOOC), a to hlavně tam, kde je třeba takových kurzů udělat více a je kladen důraz na kvalitu. Slogan vyjadřující podstatu zní: „tvořit, ne předávat“. Je zřejmé, že bude-li někdo chtít ji využít, musí se s celou problematikou seznámit mnohem důkladněji. Jednou z možností je zapsat si nejnovější kurz „The AI-Powered Learning Science Bootcamp“, který stojí 995 £.
Welcome & Introduction (The Learning Science Bootcamp)
Je ale i jiná možnost. Můžete se vydat na cestu, po níž během své 20leté vědecké kariéry na nejprestižnějších světových univerzitách Philippa prošla. Znamená to dát se do studia. Začít můžete třeba některým z titulů, které kurz doporučuje:
Frerejean, J., van Geel, M., Keuning, T. et al. Ten steps to 4C/ID: training differentiation skills in a professional development program for teachers. Instr Sci 49, 395–418 (2021). https://doi.org/10.1007/s11251-021-09540-x
Michael W. Allen, Richard Sites - Leaving ADDIE for SAM: An Agile Model for Developing the Best Learning Experiences, 2012. https://books.google.cz/books/about/Leaving_ADDIE_for_SAM.html
Daniel Mangena - Why the 10-80-10 Rule Is Key To Achieving Success, 2023. https://www.lifehack.org/913626/10-80-10-rule
Merriam, Sharan B., and Elizabeth J. Tisdell - Qualitative research: A guide to design and implementation. John Wiley & Sons, 2015. https://worldcat.org/cs/title/1002921860
Bjork, R. A., & Bjork, E. L. (2020) - Desirable difficulties in theory and practice. Journal of Applied Research in Memory and Cognition, 9(4), 475–479. https://doi.org/10.1016/j.jarmac.2020.09.003
Ruth Colvin Clark, Richard E. Mayer - e‐Learning and the Science of Instruction: Proven Guidelines for Consumers and Designers of Multimedia Learning, 2016. https://onlinelibrary.wiley.com/doi/book/10.1002/9781119239086
Philippa sleduje vývoj a do své metodiky návrhu vzdělávacích aktivit aktuálně integruje umělou inteligenci [2]. Skutečnost, že generativní AI dokáže komunikovat s lidmi a tvořit tematicky zaměřené výukové materiály přizpůsobené cílové skupině studujících, si zvolna začínáme uvědomovat. Je proto logické ji použít při návrhu a realizaci vzdělávacích programů či online kurzů.
Největší riziko, které Philippa při použití AI zdůrazňuje, je to, že zautomatizuje existující neefektivní praxi. Vzhledem k tomu, že se AI učí na tom, co dělají lidé, nemělo by nás to překvapit. Je proto třeba věnovat při návrhu vzdělávacího programu pozornost tomu, aby AI proces nejen urychlovala, ale hlavně umocňovala. Naznačme, jak by to mohlo vypadat:
Analýza – Použití AI k profilování motivace a definování ZPD studentů na základě jimi vygenerovaných dat (LMS, zpětná vazba).
Tvorba – Návrh optimální výukové strategie, témat a cílů výuky pomocí AI specializované na aplikaci pedagogických věd.
Realizace – Využití AI ve formě expertního kouče k podpoře každého studenta během učení. Kouč by měl být schopen přizpůsobovat obsah výuky či projektů za běhu, podporovat diskuzi mezi účastníky a sledovat dosažení cíle.
Hodnocení – Pomocí AI generovaný přehled dat o zapojení a výsledcích studentů v reálném čase.
Myslím, že přemýšlet o tom, co z know-how Philippy bude možné uplatnit ve vaší praxi, je na místě.
Všechny články jsou publikovány pod licencí Creative Commons BY-NC-ND.
Článek nebyl prozatím komentován.
Pro vložení komentáře je nutné se nejprve přihlásit.
Článek není zařazen do žádného seriálu.
