Trumpas atsakymas: DI greičiausiai nepakeis mokytojų daugumoje realių klasių, nes mokymas tiek pat priklauso nuo santykių, sprendimų priėmimo ir klasės valdymo, kiek ir nuo turinio aiškinimo. DI perims pasikartojančias užduotis, tokias kaip medžiagos rengimas ir mažai rizikingi pratimai, jei bus naudojamas skaidriai ir kartu su žmogaus atliekama patikra.
Svarbiausios išvados:
Vaidmenys : Tikėkitės „mokytojo + dirbtinio intelekto“ komandų, o ne individualaus mokytojo pavadavimo.
Užduočių pamaina : naudokite dirbtinį intelektą juodraščiams, diferenciacijai, testams ir administratoriaus palaikymui.
Žmogiškoji esmė : Tegul mokytojai vadovauja pasitikėjimo, saugumo, improvizacijos ir vertybių sprendimų srityse.
Apsauginės ribos : Reikalaukite privatumo, mokymo programos pagrindimo, šališkumo kontrolės ir lengvos korekcijos.
Darbo rizika : personalo skaičius gali sumažėti, kai išlaidų mažinimas yra palankus „pakankamai geram“ automatizavimui.
Straipsniai, kuriuos galbūt norėsite perskaityti po šio:
🔗 Dirbtinio intelekto įrankiai mokymo planavimui: mokymosi kūrimo permąstymas
Ištirkite išmanesnius būdus, kaip kurti įtraukiantį, modernų mokymosi procesą.
🔗 10 geriausių nemokamų dirbtinio intelekto įrankių švietimui
Atraskite nemokamus dirbtinio intelekto įrankius, kurie padės pagerinti mokymą, planavimą ir produktyvumą.
🔗 Dirbtinio intelekto įrankiai specialiojo ugdymo mokytojams: prieinamumo gerinimas
Padėkite įvairiems besimokantiesiems, naudodami prieinamus įrankius įtraukioms klasėms.
🔗 Geriausi dirbtinio intelekto įrankiai mokytojams: 7 geriausi pasirinkimai
Raskite patikimus dirbtinio intelekto įrankius, kurie supaprastina mokymo užduotis ir taupo laiką.
Kodėl visi nuolat klausia: „Ar mokytojus pakeis dirbtinis intelektas?“ 🤔
Šis klausimas nuolat kyla, nes dirbtinis intelektas atlieka tris dalykus, kurie iš tolo atrodo kaip „mokymas“:
-
Sąvokų aiškinimas pagal poreikį (taip pat įvairiais stiliais) JAV Švietimo departamentas (OET) – Dirbtinis intelektas ir mokymo bei mokymosi ateitis
-
Nuolatinis praktinių klausimų generavimas Švietimo departamentas (DfE) – generatyvinio dirbtinio intelekto naudojimo švietime atvejai (vartotojų tyrimai)
-
Greitas, kartais net naudingas grįžtamasis ryšys. OECD skaitmeninio švietimo perspektyvos 2026 m.
Taigi žmonės atlieka greitus mintinai atliktus skaičiavimus, tokius kaip:
„Paaiškinimai + praktika + atsiliepimai = mokytojas“.
Tačiau šioje lygtyje trūksta svarbiausių dalių, dalių, kurios netelpa į produkto demonstraciją.
Be to, būkime atviri – mokyklų sistemos patiria spaudimą. Biudžetai. Klasių dydžiai. Perdegimas. Jei kas nors pažada, kad „DI tai išspręs“, sprendimus priimantys asmenys gali suabejoti 😬 OECD TALIS 2024
Vis dėlto... priartinus vaizdą, supranti, kad mokymo darbas yra ne tik informacijos perdavimas. Tai žmonių valdymas. Mažyčių žmonių, didelių žmonių, nerimastingų žmonių, nepaklusnių žmonių, išsiblaškiusių žmonių – viso to painios visumos.
Ką dirbtinis intelektas jau gerai veikia švietime ✅📚
Dirbtinis intelektas (DI) gali būti stiprus sąjungininkas klasėse, kai jis naudojamas kaip įrankis, o ne kaip pakaitalas. Remiantis tuo, ką mačiau realiose klasėse ir atlikdamas savo bandymus (ir daugybe mokytojų nusiskundimų privačiuose pokalbiuose), DI dažniausiai geriausiai veikia šiose srityse: JAV Švietimo departamentas (OET) – DI ir mokymo bei mokymosi ateitis; Švietimo departamentas ( DfE) – generatyvinio DI naudojimo atvejai švietime (vartotojų tyrimai).
1) Personalizavimas dideliu mastu
-
Sukuria kelis to paties teksto skaitymo lygius
-
Perfrazuoja paaiškinimus paprasčiau
-
Sukuria alternatyvius pavyzdžius, kai nespustelėjama OECD skaitmeninio švietimo perspektyva 2026 m.
2) Greitas turinio kūrimas
-
Pamokų plano juodraščiai
-
Išėjimo bilietai
-
Rubrikos
-
Diskusijų užduotys
-
Greiti testai (kai kurie geri, kai kurie... šiek tiek prakeikti 😂) OECD TALIS 2024
3) Mažos rizikos praktika ir kartojimas
Dirbtinis intelektas puikiai moka gręžti:
-
Žodyno praktika
-
Pagrindinė matematikos praktika
-
Kalbų mokymosi pokalbiai
-
Faktų apžvalga apie EBPO skaitmeninio švietimo perspektyvas 2026 m.
4) Administratoriaus pagalba
Ši dalis nepakankamai įvertinta:
-
Apibendrinančios pastabos
-
Tėvų el. laiškų rengimas (prašome, su žmogaus redagavimu)
-
Išteklių tvarkymas
-
Diferencijavimo idėjų generavimas Švietimo centras (JK) – Dirbtinis intelektas mokyklose
Jei kada nors matėte, kaip mokytojas bando suplanuoti penkis tos pačios veiklos variantus penkiems skirtingiems poreikiams... taip. Dirbtinis intelektas gali būti gelbėjimosi ratas.
Ką mokytojai daro, ko dirbtiniam intelektui sunku pasiekti 🧠❤️
Štai čia „pakeitimo“ naratyvas pradeda svyruoti.
1) Emocinis kalibravimas
Mokytojas pastebi:
-
vaikas, kuris staiga tyli
-
studentas maskuoja sumišimą juokeliais
-
subtilus grupės energijos pokytis
-
įtampa, reiškianti bręstantį konfliktą
Dirbtinis intelektas „nepastebi“ taip, kaip žmogus. Jis reaguoja tik į tai, kas jam duodama. Jei mokinys neįrašo „Man siaubinga diena“, dirbtinis intelektas neužuos kvapo klasėje. Tai daro mokytojai.
2) Pasitikėjimas ir saugumas
Mokiniai prisiima akademinę riziką, kai jaučiasi saugūs. Mokytojas tą saugumą kuria:
-
nuoseklumas
-
ribos
-
sąžiningumas
-
šiluma
-
tikra atskaitomybė
Pokalbių robotas gali būti mandagus. Jis gali būti padrąsinantis. Bet jis nekuria bendruomenės. Jis nestovi koridoriuje po sunkios pamokos ir neklausia: „Ei, ar tau viskas gerai?“ 😕
3) Gyva improvizacija
Mokymas yra improvizacija su planu.
Esate pamokos viduryje ir:
-
klasė to nesupranta
-
vienas studentas viską sujaukia
-
veikla žlunga
-
kažkas netikėto tampa pamokoma akimirka
Mokytojai keičia kryptį. Jie skaito aplinką. Jie keičia strategijas. Dirbtinis intelektas, žinoma, gali siūlyti variantus, bet jis nevaldo aplinkos.
4) Vertybės, etika ir sprendimų priėmimas
Mokyklos yra ne tik „turinio pateikimo kanalai“. Jos yra socialinė aplinka, kurioje deramasi:
-
sąžiningumas
-
taisyklės
-
pasekmės
-
rūpestis
-
tapatybė
-
konfliktų sprendimas
Tam reikia sprendimo. Žmogiško sprendimo. Kartais netobulo, kartais įkvėpto, dažnai ir vieno, ir kito tą pačią valandą.
Kas daro dirbtinio intelekto mokymo asistentą gerą versiją? 🧰✨
Jei ketiname naudoti dirbtinį intelektą mokyklose (o mes tai darome, nesvarbu, ar žmonės tai pripažįsta, ar ne), turėtume reikalauti geros jo versijos. Ne gudrybės. Ne stebėjimo mašinos, parašytos draugišku šriftu. UNESCO gairės dėl dirbtinio intelekto švietimo srityje.
Gera dirbtinio intelekto mokymo asistento versija turėtų būti:
-
Skaidrus : turėtų būti parodyta , kaip gautas atsakymas ar rekomendacija, o ne tiesiog išspjauti vieną. NIST dirbtinio intelekto rizikos valdymo sistema.
-
Valdoma : Mokytojams reikia perjungimo mechanizmų. Sudėtingumas, tonas, skaitymo lygis, kalbos palaikymas, pritaikymas. Tikra kontrolė.
-
Remiantis mokymo programa : jis turi atitikti standartus ir mokymosi tikslus, o ne nuklysti į atsitiktines smulkmenas. JK vyriausybė – dirbtinio intelekto turinio bankas mokytojams.
-
Saugu pagal dizainą : privatumo apsauga, minimalus duomenų rinkimas, jokio keisto profiliavimo. JK vyriausybė – „GenAI“ ir duomenų apsauga mokyklose
-
Atsakingumas : jis turėtų mažinti žalą, o ne tyliai stiprinti stereotipus ar bausti tam tikrus studentus „mažais lūkesčiais“. UNESCO (GenAI gairės, PDF) NIST generatyvinio dirbtinio intelekto profilis
-
Mokytojas – svarbiausia : tai turėtų tarnauti mokytojo sumanymui, o ne jį pakeisti.
Ir štai mano šiek tiek pikantiška nuomonė – gerą dirbtinio intelekto asistentą turėtų būti lengva pataisyti. Jei jis užsispyręs, gynybiškai elgiasi arba užtikrintai klysta, jis nėra paruoštas darbui klasėje. 🙃 OECD skaitmeninio švietimo perspektyvos 2026 m.
Tikroji ateitis yra „mokytojas + DI“, o ne „mokytojas prieš DI“ 🤝🤖
Čia ir turėtų vykti pokalbis.
Realiausias modelis atrodo taip:
-
Mokytojai rūpinasi santykiais, kultūra, konsultavimu, atskaitomybe ir prasmės suvokimu
-
Dirbtinis intelektas tvarko juodraščius, variantus, praktiką, greitą grįžtamąjį ryšį ir administracinę apkrovą. JAV Švietimo departamentas (OET) – Dirbtinis intelektas ir mokymo bei mokymosi ateitis.
Kitaip tariant, DI tampa:
-
asistentas
-
pasiruošimo draugas
-
diferenciacijos variklis
-
praktikos generatorius DfE – generatyvinio dirbtinio intelekto naudojimo atvejai švietime (vartotojų tyrimai)
Ir mokytojas tampa dar labiau:
-
treneris
-
kuratorius
-
bendruomenės kūrėjas
-
etikos apsaugos priemonės UNESCO gairės dėl GenAI švietime
Yra posakis, kuris nuolat pasitvirtina: dirbtinis intelektas nepakeis mokytojų, bet mokytojai, kurie naudoja dirbtinį intelektą, pakeis tuos, kurie jo nenaudoja.
Na, tai šiek tiek perdėta... bet tik šiek tiek 😬
Kur dirbtinis intelektas iš tikrųjų galėtų sumažinti mokytojų vaidmenis (nepatogiausia dalis) ⚠️
Gerai, taigi… Ar mokytojus pakeis dirbtinis intelektas? Kai kuriais atvejais vaidmenys gali susitraukti, ypač kai sistemos daugiausia dėmesio skiria kainai, o ne kokybei. OECD skaitmeninio švietimo perspektyvos 2026 m.
Čia yra labiausiai pažeidžiamos zonos:
1) Standartizuotas mokymas ir pasiruošimas testams
Jei tikslas yra „pakelti nuspėjamų vertinimų balus“, dirbtinio intelekto mokymas gali būti pigesnis ir lengviau pritaikomas. Kai kurios institucijos to ir sieks. EBPO skaitmeninio švietimo perspektyvos 2026 m.
2) Masyvūs internetiniai kursai
Didelėse internetinėse programose dirbtinis intelektas gali tvarkyti:
-
diskusijų moderavimas
-
DUK stiliaus palaikymas
-
automatinis atsiliepimas apie dažniausiai pasitaikančias klaidas JAV Švietimo departamentas (OET) - Dirbtinis intelektas ir mokymo bei mokymosi ateitis
Tai gali sumažinti vienam studentui reikalingų žmonių instruktorių skaičių.
3) Administracinė aplinka
Jei mokytojai yra perkrauti popieriais, dirbtinis intelektas gali sumažinti pagalbinių vaidmenų personalo poreikį (arba bent jau juos perkelti). OECD TALIS 2024
Tačiau net ir čia rizika ne ta, kad dirbtinis intelektas „moko geriau“. Rizika ta, kad organizacijos nuspręs, jog „pakankamai gerai“ yra priimtina. Ir taip, tai niūru.
Palyginimo lentelė: geriausios dirbtinio intelekto parinktys klasėse 📊🙂
Žemiau pateikiama praktinė dažniausiai mokyklų naudojamų dirbtinio intelekto metodų palyginimo lentelė. Jokių reginių, tik nauda.
| Įrankis (apytiksliai) | Auditorija | Kaina | Kodėl tai veikia |
|---|---|---|---|
| Pokalbiais pagrįstas studijų draugas | Studentai | Nemokama – mokama | Puikiai tinka greitiems paaiškinimams, pasitikėjimo savimi didinimui, bet gali sukelti haliucinacijas... todėl priežiūra svarbi. NIST generatyvinio dirbtinio intelekto profilio pobūdis (DI haliucinacijų klasifikacija). |
| Pamokų plano rengimo asistentas | Mokytojai | Mokama (dažnai) | Sutaupo valandas planavimui ir diferenciacijai; vis tiek reikia mokytojo sprendimo, žinoma, OECD TALIS 2024 |
| Automatinė viktorina + darbalapių kūrimo priemonė | Mokytojai | Laisvas | Greitas praktikos generavimas, kartais pasikartojantis; pabarstykite žmogaus skonį ant viršaus |
| Rašymo atsiliepimų treneris | Studentai | Mokama | Naudinga struktūrai ir aiškumui, bet gali per daug redaguoti ir suploninti mokinio balsą (gana liūdna) |
| Kalbos palaikymas + vertimo pagalbininkas | Daugiakalbiai besimokantieji | Nemokama – mokama | Turinys tampa greitai pasiekiamas, geresnis dalyvavimas, rečiau išjungiamos funkcijos, kai „nesuprantu“ |
| Įvertinimo triažo asistentas | Mokytojai | Mokama | Pažymi šablonus, siūlo komentarus; geriausia naudoti kaip juodraštį, o ne kaip galutinį vertinimą... neperduokite sąžiningumo kitiems 😬 EBPO skaitmeninio švietimo perspektyvos 2026 m. |
| Adaptyvios praktikos platforma | Studentai | Mokama (mokyklos licencijos) | Gerai reguliuoja sunkumą; per daug naudojamas gali atrodyti kaip žiurkėno ratas |
| Klasės pritaikymo neįgaliesiems pagalbininkas | Studentai su poreikiais | Laisvas | Teksto įgarsinimas, supaprastinimas, formato pakeitimai – tyliai galinga, bet ne žavinga |
Atkreipkite dėmesį, kad nė vienoje iš šių sistemų nesakoma „Visiškai pakeisti mokytoją“. Tai dažniausiai palaikymo sistemos. Taip, stalas šiek tiek nelygus, bet toks pat ir realus gyvenimas.
Didžiausia rizika, su kuria niekas nenori susidurti 😬🔒
Jei mokyklos nerūpestingai taiko dirbtinį intelektą, kyla realūs pavojai. Ne mokslinės fantastikos pavojai – nuobodūs, biurokratiniai pavojai. Būtent tokie pavojai ir nutinka. UNESCO (GenAI gairės, PDF)
1) Privatumas ir netinkamas duomenų naudojimas
Mokiniai yra nepilnamečiai. Jų duomenys yra svarbūs. Mokykloms reikia griežtos politikos dėl:
-
kokie duomenys renkami
-
kur jis saugomas
-
kiek laiko jis laikomas
-
kas gali prieiti prie jos JK vyriausybė – GenAI ir duomenų apsauga mokyklose ICO – DI ir duomenų apsauga
2) Pernelyg didelis pasitikėjimas savimi ir išmoktas bejėgiškumas
Jei studentas klausia dirbtinio intelekto apie kiekvieną atsakymą, jis nustoja kurti:
-
ištvermė
-
problemų sprendimo ryžtas
-
produktyvi kova EBPO skaitmeninio švietimo perspektyva 2026 m.
Tam tikra kova yra būtina. Ne kančia, o kova. Yra skirtumas.
3) Paslėptas šališkumas ir netolygūs rezultatai
Dirbtinis intelektas gali:
-
neteisingai perskaitytas dialektas arba daugiakalbis rašymas
-
bausti netradicinį mąstymą
-
sustiprinti „lauktus“ modelius NIST generatyvinio dirbtinio intelekto profilis UNESCO (GenAI gairės, PDF)
Tai gali tyliai įsprausti mokinius į siauresnius rėmus. O tai yra priešingai tam, ką turėtų daryti švietimas.
4) Mokytojų įgūdžių lavinimas
Jei mokytojai verčiami vadovautis dirbtinio intelekto sugeneruotais scenarijais, jie gali prarasti profesinę autonomiją. Tai ne technologijų problema. Tai galios klausimas. OECD TALIS 2024
Kaip mokytojai gali pasiruošti ateičiai (netapdami robotais) 🧑🏫🛠️
Štai ta dalis, kurią norėčiau, kad daugiau žmonių pasakytų garsiai: mokytojams nereikia tapti „DI ekspertais“. Jie turi tapti DI išmanančiais lyderiais . JAV Švietimo departamentas (OET) – DI ir mokymo bei mokymosi ateitis.
Praktiniai pratimai, kurie padeda:
-
Išmokite pagrindinius raginimų žodžius : nieko įmantraus, tik tiek, kad gautumėte tinkamus naudoti rezultatus.
-
Naudokite dirbtinį intelektą juodraščiams, o ne sprendimams : jūs liekate sprendimų priėmėju.
-
Sukurkite tvirtas vertinimo kriterijus : aiškūs lūkesčiai užtikrina saugesnį grįžtamąjį ryšį su dirbtiniu intelektu.
-
Mokykite dirbtinio intelekto raštingumo : mokiniai turi išmokti, kada juo nepasitikėti. UNESCO gairės dėl dirbtinio intelekto švietimo srityje
-
Remkitės tuo, ką žmonės daro geriausiai : santykiais, motyvacija, prasmės kūrimu.
Be to, juokinga prasme humoras tampa supergalia. Mokytojas gali pasakyti: „Šis robotas pasitiki savimi, bet mažylis su žymekliu toks pat.“ Vaikai supranta 😂
Į ką turėtų atkreipti dėmesį tėvai ir mokiniai 👀📱
Jei esate tėvas ar mokinys, naudojantis dirbtinį intelektą švietime, atkreipkite dėmesį į šias žalias vėliavėles:
Žalios vėliavos ✅
-
Mokytojai paaiškina, kaip naudojamas dirbtinis intelektas
-
Studentai mokomi verifikavimo ir kritinio mąstymo
-
Dirbtinio intelekto naudojimas padeda siekti mokymosi tikslų, o ne spartesniuose etapuose
-
Privatumo ribos aiškios. Švietimo centras (JK) – dirbtinis intelektas mokyklose.
Raudonos vėliavos 🚩
-
Dirbtinis intelektas visiškai pakeičia grįžtamąjį ryšį
-
Studentai yra nuolat verčiami dirbti automatizuotai
-
Nėra žmonių patikrų dėl sąžiningumo
-
Sistema DI traktuoja kaip „neutralią tiesą“ JK vyriausybė – „GenAI“ ir duomenų apsauga mokyklose
Sveika klasė naudoja dirbtinį intelektą kaip skaičiuotuvą: galingą įrankį, o ne smegenų pakaitalą.
Baigiamosios pastabos 🧠✨
Taigi, ar mokytojus pakeis dirbtinis intelektas? Ne taip, kaip žmonės bijo, ne daugumoje tikrų klasių. Mokymas yra pernelyg socialus, pernelyg emocingas, pernelyg nenuspėjamas. Dirbtinis intelektas gali paaiškinti, pratinti ir braižyti, žinoma. Tačiau jis negali sukurti mokymosi kultūros ar išlaikyti bendruomenės, kai viskas susipainioja – o mokymasis susipainioja. EBPO skaitmeninio švietimo perspektyvos 2026 m.
Tikslesnė prognozė yra tokia:
-
Dirbtinis intelektas pakeis kai kurias užduotis, kurių mokytojai nekenčia
-
Dirbtinis intelektas sustiprins puikius mokytojus
-
Kai kurios sistemos vis tiek gali bandyti sumažinti išlaidas ir darbuotojų skaičių (deja)
-
Mokytojai, kurie supranta dirbtinį intelektą, turės daugiau įtakos, o ne mažiau UNESCO rekomendacijų dėl bendrojo dirbtinio intelekto švietimo srityje
Jei švietimas taps „tik dirbtinio intelekto“ pagrindu, tai nebus dėl to, kad dirbtinis intelektas geriau moko. Tai bus dėl to, kad kažkas nusprendė, jog „pakankamai gerai“ pigiau. Ir tai ne technologijos, o vertybės.
Ir taip… vertybėms vis dar reikia žmonių. 🙂🍎🤖
DUK
Ar mokytojus realiose klasėse pakeis dirbtinis intelektas?
Daugumoje realių klasių dirbtinis intelektas (DI) kur kas labiau linkęs pakeisti mokymo praktiką, nei visiškai pakeisti mokytojus. Jis gali paaiškinti sąvokas, generuoti praktiką ir greitai parengti atsiliepimus, tačiau negali valdyti klasės, pelnyti pasitikėjimo ar prisitaikyti prie mokinių emocinės realybės. Labiau tikėtina ateitis – „mokytojas + DI“, kai mokytojai vadovauja žmonių darbui, o DI palaiko pasikartojantį krūvį.
Kokias mokymo dalis dirbtinis intelektas gali realiai perimti?
Dirbtinis intelektas gali perimti dalį darbo krūvio, kuris užima daug laiko ir yra pasikartojantis: pamokų planų rengimą, išėjimo bilietų kūrimą, viktorinų generavimą ir mažai rizikingų praktikų siūlymą. Jis taip pat gali padėti administratoriams atlikti tokius darbus kaip santraukų rašymas ir tėvų el. laiškų rengimas (vėliau juos patikslina žmogus). Šie įrankiai geriausiai tinka kaip asistentai, o ne sprendimų priėmėjai, nes tikslumas ir nuovoka vis tiek lemia dienos eigą.
Ko negali padaryti dirbtinis intelektas, ko mokytojai daro kiekvieną dieną?
Mokytojai nuolat atlieka emocinį kalibravimą, užmezga santykius ir teikia vertinimus realiuoju laiku, kuriuos dirbtiniam intelektui sunku pasiekti. Mokytojas gali pajusti, kada mokinys atsitraukia, kada kyla konfliktas ar kada keičiasi klasės energija. Mokymas taip pat apima teisingumą, ribas, vertybes ir gyvą improvizaciją, kai pamokos nepavyksta ar įvyksta netikėtumų. Dirbtinis intelektas gali siūlyti variantus, bet negali valdyti klasės.
Ar dirbtinis intelektas sumažins mokytojų darbo vietų skaičių kai kuriose aplinkose?
Taip, tam tikrais atvejais pareigybės gali susitraukti, ypač kai išlaidų mažinimas yra svarbesnis už kokybę. Standartizuotas korepetavimas, pasiruošimas testams ir dideli internetiniai kursai yra labiau pažeidžiami, nes dirbtinis intelektas gali pigiai pritaikyti paaiškinimus, moderavimą ir DUK tipo pagalbą. Rizika kyla ne dėl to, kad dirbtinis intelektas taps „geresnis už mokytojus“, o dėl to, kad institucijos nuspręs, jog „pakankamai geras“ užteks. Tai labiau vertybinis sprendimas nei technologinis proveržis.
Kas daro gerą dirbtinio intelekto mokytojo asistentą mokykloms?
Geras dirbtinio intelekto mokytojo asistentas turėtų būti skaidrus, kontroliuojamas ir pagrįstas mokymo programa bei standartais, kad padėtų siekti mokymosi tikslų, o ne nukryptų į atsitiktinius niekučius. Jis turėtų būti saugus iš esmės, su stipria privatumo apsauga ir minimaliu duomenų rinkimu. Jis taip pat turėtų būti jautrus šališkumui ir lengvai ištaisomas, nes užsispyrę ar užtikrintai klaidingi rezultatai nėra paruošti mokymuisi klasėje. Svarbiausia, kad jis atitiktų mokytojo tikslus.
Kaip mokytojai turėtų naudoti dirbtinį intelektą neprarasdami profesinio savarankiškumo?
Praktiškas požiūris yra naudoti dirbtinį intelektą juodraščiams, variantams ir parengiamiesiems darbams, o ne galutiniams sprendimams. Mokytojai išlaiko autonomiją remdamiesi aiškiomis vertinimo kriterijais, tikrindami rezultatų tikslumą ir šališkumą bei laikydami pasiūlymus neprivalomais įvesties elementais. Pagrindiniai raginimai padeda, tačiau mokytojams nereikia tapti inžinieriais; jie turi išlikti profesionaliais sprendimų priėmėjais. Mokytojas išlieka sprendimų priėmėju, o ne robotas.
Kaip mokytojai gali pasirūpinti ateities perspektyvomis, plintant dirbtiniam intelektui?
Mokytojai gali pasirūpinti savo ateitimi tapdami dirbtinio intelekto išmanančiais lyderiais, o ne tik tikrais „DI ekspertais“. Tai reiškia išmokti paprastų raginimų, suprasti tokius apribojimus kaip haliucinacijos ir mokyti mokinius tikrinimo įpročių. Tai taip pat reiškia labiau gilintis į tai, ką žmonės daro geriausiai: santykius, motyvaciją, prasmės kūrimą ir etikos principus. Tinkamai naudojamas DI gali sumažinti perdegimą, susidorodamas su krūviu ir palikdamas mokytojams daugiau erdvės žmogiškajai esmei.
Į ką turėtų atkreipti dėmesį tėvai ir mokiniai, kai mokykloje naudojamas dirbtinis intelektas?
Žaliosios vėliavėlės rodo, kad mokytojai aiškina, kaip naudojamas DI, mokiniai mokosi kritinio mąstymo ir tikrinimo, o DI padeda siekti mokymosi tikslų, o ne taiko sparčiuosius kelius. Aiškios privatumo ribos ir žmogiškoji sąžiningumo kontrolė yra labai svarbios, ypač todėl, kad mokinių duomenys yra jautrūs. Paraudonosios vėliavėlės rodo, kad DI visiškai pakeičia grįžtamąjį ryšį, nuolat automatizuojama praktika arba DI rezultatai traktuojami kaip „neutrali tiesa“. Sveikos klasės DI naudoja kaip skaičiuotuvą: galingą, bet ne smegenų pakaitalą.
Nuorodos
-
UNESCO – Generatyvaus dirbtinio intelekto gairės švietime ir tyrimuose – unesco.org
-
UNESCO – Generatyvaus dirbtinio intelekto švietime ir tyrimuose gairės (PDF) – unesdoc.unesco.org
-
Ekonominio bendradarbiavimo ir plėtros organizacija (EBPO) – EBPO skaitmeninio švietimo perspektyvos 2026 m. – oecd.org
-
Ekonominio bendradarbiavimo ir plėtros organizacija (EBPO) – Mokymas šiandienos pasauliui: TALIS 2024 rezultatai – oecd.org
-
JAV Švietimo departamentas, Švietimo technologijų biuras – Dirbtinis intelektas ir mokymo bei mokymosi ateitis – ed.gov
-
JK Švietimo departamentas (DfE) – Generatyvaus dirbtinio intelekto naudojimo švietime atvejai: vartotojų tyrimai – publishing.service.gov.uk
-
JK vyriausybė – Mokytojai gaus patikimesnių dirbtinio intelekto technologijų, nes generatyviniai įrankiai mokosi iš naujo pamokų planų ir mokymo programų banko – gov.uk
-
JK vyriausybė – Generatyvusis dirbtinis intelektas (DI) ir duomenų apsauga mokyklose – gov.uk
-
Švietimo centras (JK vyriausybė) – Dirbtinis intelektas mokyklose: viskas, ką reikia žinoti – educationhub.blog.gov.uk
-
Nacionalinis standartų ir technologijų institutas (NIST) – Dirbtinio intelekto rizikos valdymo sistema 1.0 – nist.gov
-
Nacionalinis standartų ir technologijų institutas (NIST) – generatyvinio dirbtinio intelekto profilis – nist.gov
-
Informacijos komisaro biuras (ICO) – Dirbtinis intelektas ir duomenų apsauga – ico.org.uk
-
Gamta – Dirbtinio intelekto haliucinacijų klasifikacija – nature.com