Jak AI převrací Blooma

Anotace

Tradiční Bloomova taxonomie definuje hierarchii vzdělávacích cílů – žáci začínají od dna, pamatují si a chápou koncepty, než přejdou k jejich aplikaci, analýze, hodnocení a nakonec k tvorbě (Bloomova taxonomie pro kreativní prostředí). To dávalo smysl ve světě bez technologií, kde byly znalosti považovány za statické a proces jejich osvojování za lineární. Umělá inteligence (AI) tento model mění.

Podle některých odborníků nepřevrací jen třídu či kurikulum, ale dokonce i Bloomovu taxonomii vzdělávacích cílů. AI významným způsobem mění výukové postupy. Jestliže jsme dříve mohli vytvářet něco nového jen tehdy, měli-li jsme základní informace o výsledném produktu v hlavě a alespoň minimální dovednosti, nově existuje možnost již v počáteční fázi tvorby použít AI.

O tom, jak toto převrácení alespoň v základních obrysech vidí oxfordský profesor David White, jsme psali před rokem (Je vývoj světa hra s konstantním součtem?). Nebude od věci podívat se na jednotlivé převrácené úrovně vzdělávacích cílů trochu blíže. Tentokrát se seznámíme s téměř shodným pohledem dvou amerických výzkumnic – Michelle Kassorly z Georgia State University [1] a Megan Workmon Larsen z Arizona State University [2].

1. Vytvořit
Žáci hojně využívají nástroje AI k vytváření výstupů, nejlépe na základě vlastních podnětů nebo získaných od okolí. Tato fáze se vyznačuje vysokou mírou asistence AI v tvůrčím procesu, což často vede k tomu, že se žáci do tvorby méně zapojují.
Příklad: Žák použije prompt: „Napiš mi esej o Jimově postavě v Huckleberrym Finnovi.“ Poté odevzdá výstup generovaný AI s minimálním čtením nebo úpravami.
Reflexivní otázky:

• Co bylo mým cílem a jakým způsobem použitý nástroj podpořil, nebo omezil mé úsilí?

• Jak by se tento výstup mohl vyvíjet nebo jak by se dal použít k řešení jiného problému?

• Jaké neočekávané poznatky proces tvorby přinesl?

2. Vyhodnotit
Žáci využívají AI k rychlému vytváření úsudků nebo názorů. Tento proces se často opírá o kritéria poskytovaná AI, kterým žáci nemusí plně rozumět. I když může být zapojení žáků vyšší než na předchozí úrovni (Vytvořit), výsledek bývá AI významně ovlivněn. Pozor, AI není neutrální a je důležité si to uvědomovat.
Příklad: Když žák použije umělou inteligenci k vytvoření eseje, může být požádán, aby ji zhodnotil nebo poskytl zpětnou vazbu k výstupům spolužáků. Žák použije AI k rychlému posouzení eseje s využitím nativních hodnoticích kritérií AI, která si sám nevytvořil a nemusí jim plně rozumět. Hodnocení nevychází z jeho vlastního hlubokého porozumění tématu.
Reflexivní otázky:

• Které aspekty výsledku splnily má očekávání a které ne?

• Kde jsou silné a slabé stránky výsledku?

• Jak se tento výstup shoduje s původním cílem, nebo se od něj odchyluje?

• Jaké etické aspekty se objevily a jak ovlivňují mé vnímání výsledku?

3. Analyzovat
Pomocí AI mohou žáci též analyzovat např. dříve získané hodnocení generované AI. Získají tak rychlou zpětnou vazbu. Pořád se však jedná jen o povrchní analýzu informací bez hlubokého, osobního pochopení podstaty nebo kritérií. Získané informace jsou často výsledkem zapojení AI. I když žák může hrát aktivnější roli, analýza často probíhá bez hlubokého pochopení samotného tématu.
Příklad: Žák ke své eseji obdrží zpětnou vazbu od AI. Namísto toho, aby se pustil do důkladnější, samostatné analýzy svého psaní, může AI požádat o bližší vysvětlení jejího významu nebo o kategorizaci typů zjištěných chyb. I když žák s analýzou interaguje, jeho pochopení toho, proč se jedná o chyby, může být stále povrchní.
Reflexivní otázky:

• Jaké trendy nebo vzorce se objevují v datech a co odhalují?

• Jak se má zjištění liší od jiných výstupů a kontextů?

• Co v procesu generování ovlivňuje výsledek?

• Jaké předpovědi mohu na základě získaných poznatků učinit a jak by mohly ovlivnit budoucí rozhodování?

4. Aplikovat
Na základě poznatků získaných analýzou musí žáci na této úrovni vyvinout vlastní iniciativu tím, že se snaží využít nové informace k provedení změn v původním AI generovaném výstupu nebo k realizaci nějaké související aktivity. I když se stále mohou s AI poradit, samotná aplikace dříve získané analýzy vyžaduje jejich vlastní vstup. I tato činnost však může probíhat bez úplného pochopení základních principů nebo potenciálních dopadů.
Příklad: Po analýze zpětné vazby od AI, která poukázala např. na oblasti se slabou argumentací, se žák může samostatně pokusit tyto části své práce revidovat a čerpat z obecných návrhů od umělé inteligence, aniž by ji přímo žádal o přepracování. Tato úroveň vykazuje větší iniciativu ze strany žáků, i když jejich chápání pozadí argumentace ještě nemusí být plně rozvinuto.
Reflexivní otázky:

• Jak se to, co jsem se nyní naučil, projeví v mém životě a okolí?

• Jak mohu využít tyto poznatky k mému fungování v reálném světě?

• Jaké úpravy nebo inovace budou během aplikace těchto poznatků nutné?

5. Pochopit
Po aplikaci nových informací žáci prokazují větší samostatnost tím, že aktivně zkoumají souvislosti a vysvětlují význam zjištění. Toto porozumění může vyplynout z reflexe získaných výsledků, i když tyto byly původně generovány AI. Důraz je zde kladen na rostoucí kognitivní zapojení studenta do výukových aktivit.
Příklad: Poté, co se žák pokusí o revizi své eseje na základě zpětné vazby od AI, měl by se zamyslet nad tím, proč určité změny zlepšily srozumitelnost nebo argumentaci, což vede k hlubšímu pochopení problematiky. Žák nyní vnímá souvislosti a projevuje větší samostatnost.
Reflexivní otázky:

• Jak se v průběhu času změnilo mé pochopení dané problematiky?

• Jak mohu popsat postup, aby byl použitelný i pro nové výzvy?

6. Pamatovat
Pochopení problematiky vede k internalizaci a uchování informací v paměti žáka. Tento proces je z velké části lidskou kognitivní funkcí s minimálním přímým vlivem AI. Získané znalosti umožňují žákovi si je později vybavit a potenciálně je použít jako základ pro budoucí, hlubší analýzu nebo učení.
Příklad: Poté, co žák pochopil principy argumentace prostřednictvím aplikace zpětné vazby AI a reflexe jejích revizí, si nyní může tyto principy vybavit při řešení nových úkolů, aniž by potřeboval okamžitou pomoc umělé inteligence. Je navíc schopen mnohem účelněji využívat AI.
Reflexivní otázka:

• Jaké poznatky, pojmy, kroky nebo metody si potřebuji uchovat pro budoucí použití?

Plně aplikovat převrácenou Bloomovu taxonomii v praxi (účelně využívat AI) lze pouze tehdy, mají-li učitelé i žáci dostatečné digitální kompetence (dnes se často mluví i o samostatné AI kompetenci). To znamená vidět za přátelská rozhraní AI nástrojů a klást si složité otázky: Kdo z toho má prospěch? Kdo je vyloučen? Jaké předsudky se skrývají v datech? Co dělat, když odhalí nepříjemnou pravdu nebo chybný fakt?

Je chybou lpět na konkrétních nástrojích. To je jako se snažit plout po rozbouřeném moři pouze s jedním veslem. Je třeba se umět přizpůsobit, změnit směr a najít nové cesty vpřed, když se nástroje mění, což je docela normální. Neustále je třeba přehodnocovat svůj přístup a hledat cestu vpřed.

Vzdělávání využívající AI vzkvétá ze zvědavosti. Žáci potřebují svobodu experimentovat, testovat, selhávat a zkoušet znovu. V mnoha případech dokonce mizí role instruktora a žáka – transformuje se do procesu společného zkoumání. Důraz se přesouvá od dosahování dokonalých výsledků ke hledání možností, odhalování postupů a učení se prostřednictvím iterací.

Zvědavost je motor pro kladení obtížných otázek: Proč se model choval tímto způsobem? Co formovalo tento výstup? Jak ho lze dále posunout? Když žáci začnou cokoli zpochybňovat, přecházejí od pasivního zapojení k aktivní inovaci.

Převrácená Bloomova taxonomie popisuje proces budování znalostí s využitím AI, který se zaměřuje na kritické dovednosti integrující tvorbu, reflexi, iteraci a adaptaci. Žáci si s každým cyklem zdokonalují své schopnosti a přenášejí to, co objeví, do nových řešení a kreativních možností.