Ewa Ziejewska, Katarzyna Polak
Ten tekst miał powstać rok temu. Dobrze, że nie powstał. Rok temu pisałybyśmy o tym, co naszym zdaniem powinno działać. Dziś piszemy o tym, co rzeczywiście wydarzyło się w klasach.
Jesteśmy autorkami przedmiotu „Strategie komunikacyjne z AI” (SKAI), który od dwóch lat realizujemy w Liceum i Technikum Programistycznym INFOTECH w Białymstoku. Wszystko zaczęło się od rozmowy z Adamem Kamińskim, prezesem fundacji prowadzącej szkołę, i pytania: czego właściwie szkoła powinna dziś uczyć młodych ludzi w świecie generatywnej AI? Odpowiedzi nie szukałyśmy długo na papierze. Zaczęłyśmy budować program, testować go z uczniami i zmieniać tam, gdzie praktyka pokazywała, że trzeba zrobić coś inaczej.
SKAI nie jest kołem zainteresowań, pojedynczym warsztatem ani „tygodniem z AI”. To przedmiot znajdujący się w planie lekcji, z własnym programem, zadaniami, projektami i oceną klasyfikacyjną. Dlatego nie chcemy przewidywać, jak AI może kiedyś zmienić szkołę. Możemy opowiedzieć, co już zmieniła w naszych klasach.
Przestałyśmy uczyć narzędzi. Zaczęłyśmy uczyć decyzji
W pierwszym roku dużo uwagi poświęcałyśmy aplikacjom i ich możliwościom. To wydawało się naturalne. Szybko okazało się jednak, że narzędzia są najmniej trwałym elementem programu. Zmieniają się modele, funkcje, interfejsy i sposoby dostępu. To, czego uczymy we wrześniu, w maju może wyglądać zupełnie inaczej.
Dlatego dziś znacznie ważniejsze od pytania: „Jak obsłużyć to narzędzie?” jest dla nas pytanie: „Jak myśleć podczas korzystania z tego narzędzia?” Uczeń powinien wiedzieć, czego potrzebuje, zanim otworzy model. Powinien umieć sformułować problem, ocenić odpowiedź, zauważyć jej ograniczenia, poprawić rezultat i zdecydować, czy AI w tym zadaniu w ogóle jest potrzebna. Umieć sformułować problem, ocenić odpowiedź, zauważyć jej ograniczenia, poprawić rezultat i zdecydować, czy AI w tym zadaniu w ogóle jest potrzebna. To przesunięcie zmieniło właściwie cały sposób, w jaki dziś prowadzimy SKAI. Jeżeli uczeń ma ćwiczyć samodzielne formułowanie argumentów, a pierwszym poleceniem jest wygenerowanie argumentów przez model, oddaliśmy technologii dokładnie tę czynność, której chciałyśmy nauczyć. Świadome korzystanie z AI oznacza więc również umiejętność powiedzenia: „Nie. Tę część muszę zrobić sam”.
Trzy prompty mówią nam więcej niż jeden
Promptowania nadal uczymy, ale zupełnie inaczej niż dwa lata temu. Nie interesuje nas „prompt idealny” ani zestaw magicznych formuł do zapamiętania. W wielu zadaniach uczeń pokazuje nam co najmniej trzy kolejne wersje promptu. Pierwsza ujawnia, jak początkowo zrozumiał problem. Potem otrzymuje odpowiedź modelu i musi ją ocenić:
- czego zabrakło?
- co model źle zrozumiał?
- co trzeba doprecyzować?
- dlaczego rezultat jest słaby?
- po czym właściwie poznamy, że kolejna odpowiedź będzie lepsza?
Dopiero wtedy powstaje drugi prompt, później trzeci. Dzięki temu widzimy nie tylko, czy uczeń potrafi „rozmawiać z AI”. Widzimy, czy potrafi diagnozować problem, tworzyć kryteria jakości, wyciągać wnioski i poprawiać własne działanie. To jedna z praktyk, które po dwóch latach bez wahania przeniosłybyśmy także na inne przedmioty.
Fake news najpierw tworzymy, potem rozbieramy na części
Podczas zajęć dotyczących dezinformacji nie zaczynamy od prezentacji z listą zagrożeń. Uczniowie wykorzystują generatywną AI do stworzenia wiarygodnie brzmiącej fałszywej informacji. I dopiero wtedy zaczyna się właściwa lekcja. Analizujemy, co sprawiło, że tekst brzmi przekonująco: emocjonalny nagłówek, pozornie konkretne dane, powoływanie się na ekspertów, język pewności, mieszanie informacji prawdziwych z fałszywymi. Różnica jest zasadnicza. Uczeń nie tylko słyszy od nauczyciela, że dezinformacja może wyglądać profesjonalnie. Sam właśnie zobaczył, jak łatwo ją wyprodukować. To doświadczenie zostaje znacznie dłużej niż kolejna lista „pięciu sposobów na rozpoznawanie fake newsów”. AI ma dla nas największą wartość wtedy, gdy nie podaje uczniowi gotowej odpowiedzi, lecz pozwala mu zajrzeć do środka mechanizmu.
W sketchnotce najmniej interesuje nas obrazek
Podobnie pracujemy z generowaniem sketchnotek do lektur. Uczeń nie może po prostu wpisać tytułu utworu i poprosić generatora o obraz. Najpierw musi zdecydować: co jest naprawdę ważne? Które wydarzenia wybrać? Jakie motywy organizują utwór? Które relacje między bohaterami trzeba pokazać? Jak przedstawić symbol? Co można pominąć, a czego absolutnie nie?
Dopiero potem zaczyna się praca z AI. I tutaj pojawia się niezwykle ciekawy moment diagnostyczny. Uczeń, który nie rozumie lektury, nie potrafi dobrze ocenić również pracy AI. Nie zauważa błędnego symbolu. Nie wie, której postaci brakuje. Nie potrafi wskazać, co powinno zostać zaakcentowane. AI nie usuwa więc potrzeby wiedzy.
Przy dobrze zaprojektowanym zadaniu bardzo szybko pokazuje, czy uczeń tę wiedzę rzeczywiście ma.
Przestał nam wystarczać produkt końcowy
To jedna z najważniejszych lekcji tych dwóch lat. Ładna prezentacja, poprawny tekst czy efektowna grafika nie są jeszcze dowodem rozumienia. Dlatego coraz częściej patrzymy również na ślady procesu: kolejne prompty, poprawki, odrzucone wersje, wykryte błędy i komentarze do decyzji. Chcemy zobaczyć nie tylko efekt, ale także drogę, którą uczeń do niego doszedł.
Zmieniło to także sposób, w jaki rozmawiamy o AI. Coraz mniej interesuje nas pytanie: „Czy użyłeś AI?”. Znacznie więcej mówią odpowiedzi na pytania: Jak jej użyłeś? Co sprawdziłeś? Co poprawiłeś? Co zrobiłeś sam?
Podobnie tworzymy w INFOTECH szkolne zasady korzystania z AI. Nie zaczęłyśmy od zakazów. Pytamy uczniów, nauczycieli i rodziców o ich doświadczenia i na tej podstawie wypracowujemy wspólne reguły. Zanim szkoła zdecyduje, jak uczniowie powinni korzystać z AI, powinna najpierw wiedzieć, jak rzeczywiście z niej korzystają i jakie mają w związku z nią potrzeby i obawy.
Nauczyciel nie musi wygrać technologicznego wyścigu z uczniem
W każdej klasie mamy ogromne zróżnicowanie. Jednemu uczniowi trzeba pokazać podstawy. Drugi przychodzi z narzędziem, którego nauczyciel jeszcze nie zdążył sprawdzić. I to jest w porządku. Po dwóch latach jesteśmy przekonane, że rolą nauczyciela nie jest znać każdą aplikację wcześniej niż jego uczniowie. Tego wyścigu i tak nie wygramy. Nauczyciel ma natomiast wiedzieć: po co zadaje dane zadanie, czego uczeń ma się dzięki niemu nauczyć, jakie są kryteria jakości, gdzie technologia wspiera proces poznawczy, a gdzie zaczyna go zastępować. Uczeń może znać więcej funkcji programu. Nauczyciel powinien lepiej rozumieć cel, dla którego technologia pojawia się w zadaniu. To rozróżnienie bardzo porządkuje pracę z AI.
Gdybyśmy zaczynały SKAI dzisiaj…
Gdybyśmy zaczynały SKAI dzisiaj, nie zaczęłybyśmy od listy aplikacji. Zaczęłybyśmy od czterech pytań: Co uczeń powinien dzięki AI robić lepiej? Której części pracy nie powinien oddawać modelowi? Jak pokaże, że zweryfikował rezultat? Kiedy świadomie zdecyduje: „Tego nie oddaję AI”? Nazwy modeli będą się zmieniały. Te pytania zostaną.
Setki lekcji później
SKAI mógł się rozwijać, ponieważ INFOTECH dał nam coś, czego innowacja edukacyjna potrzebuje szczególnie: przestrzeń do sprawdzania pomysłów w praktyce i prawo do ich zmieniania, kiedy praktyka pokazuje, że nie działają tak, jak zakładałyśmy. Z czasem SKAI został także objęty honorowym patronatem Ministerstwa Cyfryzacji, ale najważniejszą weryfikacją programu pozostawała dla nas codzienna praca z uczniami.
Program zmieniał się wraz z kolejnymi klasami. Zmieniałyśmy zadania, zwiększałyśmy poziom trudności, rezygnowałyśmy z części rozwiązań i wprowadzałyśmy nowe.
Z czasem SKAI wyszedł także poza klasy. Kiedy zaprosiłyśmy rodziców naszych uczniów na lekcję, chętnych było tak wielu, że spotkanie trzeba było powtórzyć dla kolejnej grupy. To był dla nas ważny sygnał: rozmowa o AI przestała dotyczyć grupy pasjonatów technologii. Stała się częścią szkolnej codzienności.
Nie mamy odpowiedzi na wszystkie pytania związane z AI w edukacji. Mamy za to setki lekcji i doświadczenia setek uczniów z ponad 20 zespołów klasowych – także absolwentów dwóch kolejnych roczników Liceum i Technikum INFOTECH.
I jednego jesteśmy dziś pewne. AI w szkole nie trzeba ani demonizować, ani celebrować. Trzeba tak projektować pracę z nią, aby technologia nie odbierała uczniowi tego, po co przyszedł do szkoły: samodzielnego myślenia, sprawdzania, kwestionowania, podejmowania decyzji i wyciągania wniosków.
SKAI stał się więc dla nas nie tylko przedmiotem, ale również laboratorium, z którego doświadczeń korzystamy przy projektowaniu szkolnych zasad pracy z AI.
Szkoła może jeszcze przez jakiś czas zastanawiać się, czy wpuścić AI do klasy. Nasi uczniowie od dawna mają ją w kieszeni. My postanowiłyśmy nauczyć ich, co z tym zrobić.
