Logo Zephyrnet

Szanse i wady trenerów, asystentów i tutorów czytania wykorzystujących sztuczną inteligencję – EdSurge News

Data:

Rynek edtech jest nasycony różnymi narzędziami mającymi na celu poprawę umiejętności czytania i pisania dzieci, od czytników elektronicznych po aplikacje i biblioteki cyfrowe. W ciągu ostatnich kilku lat coraz więcej narzędzi wspomagających umiejętność czytania i pisania korzystało z generatywnej sztucznej inteligencji, aby przyspieszyć rozwój umiejętności czytania u dzieci lub pobudzić większe zainteresowanie czytaniem.

Ostatnio pojawił się nowy rodzaj narzędzia. Narzędzia te, zwane trenerami, asystentami lub tutorami czytania opartymi na sztucznej inteligencji, wykorzystują generatywną sztuczną inteligencję, aby zapewnić uczniom spersonalizowaną praktykę czytania, historie, opinie i wsparcie.

Niektóre z tych narzędzi skupiają się na konkretnym celu edukacyjnym, takim jak nauka akustyki, lub na obszarze tematycznym w opowiadaniu. Inne zawierają dane osobowe, takie jak imię dziecka, i oferują opcje wyboru ustawień i awatarów, zapewniając każdemu dziecku wyjątkową narrację.

Jako profesor czytania i rozwoju dzieci, specjalizujący się w cyfrowych narzędziach dla dzieci, badałem, co się sprawdza, a co nie, jeśli chodzi o uczenie dzieci czytania. Współpracując z kolegami przy badaniach za pośrednictwem WiKIT, międzynarodowej organizacji badawczej skupiającej się na dowodach z zakresu technologii edtech, dokonałem przeglądu wielu narzędzi wykorzystujących generatywną sztuczną inteligencję do nauczania dzieci czytania. Widziałem, że wiele z nich ma potencjał, aby wprowadzić przełomowe rozwiązania w nauce, na przykład oferując spersonalizowane ćwiczenia płynności lub informacje zwrotne dostosowane do każdego użytkownika. Istnieją jednak bardzo poważne obawy dotyczące wpływu tych narzędzi na doświadczenia literackie i umiejętność czytania i pisania dzieci.

Potencjalne możliwości i wady

W zależności od narzędzia ci trenerzy, asystenci i korepetytorzy czytania wykorzystujący sztuczną inteligencję zawierają różne elementy wspierające dzieci w umiejętności czytania i pisania. Niektóre typowe funkcje obejmują wykorzystanie technologii rozpoznawania mowy do słuchania, jak czyta dziecko, a następnie wykorzystanie sztucznej inteligencji do wybierania z banku interwencji lub informacji zwrotnych, wykorzystanie sztucznej inteligencji do generowania tekstów narracyjnych do przeczytania przez dzieci lub do tworzenia odrębnych podpowiedzi w oparciu o umiejętności dziecka. Podobnie jak wiele narzędzi edtech, często korzystają one z systemów nagród, na przykład umożliwiających uczniom zbieranie odznak lub nagród w miarę postępów. Każdy z tych elementów ma swój własny zestaw możliwości i wad.

Korzystanie z technologia rozpoznawania mowy słuchanie, jak czyta dziecko i wykorzystywanie sztucznej inteligencji do przekazywania informacji zwrotnych, może być pomocne, pod warunkiem że technologia opiera się na projektowaniu popartym badaniami naukowymi. Problematyczne jest to, że wiele narzędzi twierdzi, że są oparte na nauce, ale w rzeczywistości nie zostały opracowane przez uczących się naukowców i nie zostały przetestowane w rygorystycznych badaniach ewaluacyjnych. Narzędzia tego typu mają zazwyczaj na celu zaangażowanie i motywację dziecka do interakcji z opowieściami, ale nie zawsze prowadzą je do poprawy umiejętności czytania.

To samo dotyczy narracji generowanych przez sztuczną inteligencję, które zazwyczaj angażują dzieci, umożliwiając im dokonywanie wyborów, na przykład rodzaju postaci i scenerii, które wybiorą, a także personalizując doświadczenie, na przykład czyniąc bohatera postacią z imię i wiek dziecka. Jednak narracje generowane przez sztuczną inteligencję często nie pokrywają się z zaleceniami nauki dotyczącymi doświadczeń literackich dzieci. Na przykład narracje generowane przez sztuczną inteligencję często wykazują niespójności w elementach opowieści. Na jednej stronie główna bohaterka może pojawić się jako 5-letnia blondynka, ale na następnej stronie przemienia się w nastolatkę, bez wcześniejszego oznaczenia czasu w tekście. Niespójności w wydarzeniach fabularnych są również bardzo częste: w historii, którą niedawno stworzyłem za pomocą jednego z tych narzędzi, główna bohaterka, Natalia, której oczywiście nadałam imię po sobie, nagle weszła w interakcję z nową postacią, „psem Remiego”, bez żadnych wcześniejsza wzmianka o tym, jak Remi i pies wdali się w tę historię. Badania wskazują że takie zakłócenia narracji dezorientują młodych czytelników i utrudniają im empatię wobec bohaterów.

Czerpanie z badań jest cenne zarówno dla efektywnej treści, jak i formatu tekstów narracyjnych. Obecnie większość historii generowanych przez sztuczną inteligencję przypomina raczej ilustrowane e-booki niż cyfrowe książki obrazkowe. Zazwyczaj w ilustrowanych e-bookach znaki są rysowane jedynie w celu odzwierciedlenia informacji zawartych w tekście. Jeśli tekst brzmi: „Natalia ma na sobie żółtą koszulę i stoi uśmiechnięta w ogrodzie”, postać zostanie narysowana tak, aby pasowała dokładnie do tego opisu. Dla kontrastu, w wysokiej jakości książki obrazkowe dla dziecizarówno obrazy, jak i teksty przyczyniają się do głębi narracji, poszerzając horyzonty dzieci, zmuszając je do refleksji i angażowania się w abstrakcyjne myślenie. Rodzaj doświadczenia literackiego, jaki autorki takie jak Jacqueline Woodson osiągnęły w swojej książce „Brown Girl Dreaming”, w której poezja maluje obraz w umysłach czytelników, podnosząc doświadczenie czytania do rangi sztuki.

Ponadto w wysokiej jakości cyfrowych książkach dla dzieci lektorzy nie tylko recytują tekst pisany, ale wzbogacają historię dodatkowymi emocjami i dramatyzmem. Dzięki uzupełniającym się, wzajemnie wzbogacającym rolom obrazów, tekstów i lektorów w opowieściach, mogą stać się dzieci nie tylko są lepszymi czytelnikami, ale mogą również rozwinąć lepsze umiejętności pisania i kompetencje medialne.

Chociaż jakość estetyczna historii generowanych przez sztuczną inteligencję może z czasem ulec poprawie, obawiam się, w jaki sposób kontakt z takimi historiami może kształtować standardy jakości opowieści dla dzieci. Multimodalna zdolność dzieci do nadawania znaczenia historii zmniejsza się, gdy odbierane są te wskaźniki jakości. Pomimo twierdzeń producentów cyfrowych narzędzi do tworzenia historii, mających na celu demokratyzację dostępu do tworzenia historii, źle zaprojektowane książki cyfrowe mogą w sposób niezamierzony powiększyć przepaść między narracjami tworzonymi cyfrowo a narracjami tworzonymi przez profesjonalnych autorów. Takie rozbieżności wprowadzają ostrzejszy podział pod względem tego, co krytycy literaccy uważają za literaturę wysokiej jakości godną udostępniania dzieciom, w przeciwieństwie do szybkich lektur generowanych na żądanie przez narzędzia sztucznej inteligencji. Te drugie mogą bawić, te pierwsze służą edukacji.

Obawy dotyczące trenerów, asystentów i nauczycieli czytania wykorzystujących sztuczną inteligencję dotyczą zarówno nauki czytania i czytaj, aby się uczyć, zwłaszcza jeśli chodzi o podpowiedzi generowane przez sztuczną inteligencję. Wielu producentów książek cyfrowych już się zintegrowało podpowiedzi do rozmów w czasie rzeczywistym które mogą poprawić zrozumienie u dzieci i jak stwierdzono, wspierają rozwój umiejętności czytania i pisania. Nowe podpowiedzi generowane przez sztuczną inteligencję mogą również pomóc dzieciom, ale nie w takim stopniu, jak czytanie z wykwalifikowaną osobą dorosłą, np. nauczycielem, rodzicem lub korepetytorem – i nie należy ich wykorzystywać do zastępowania tego doświadczenia. Ogólnie rzecz biorąc, chociaż narzędzia te mają potencjał, mogą również zaostrzyć problem istniejącą przepaść cyfrową, szczególnie w przypadku dzieci, które nie mają dostępu do technologii lub wykwalifikowanej osoby dorosłej, która mogłaby z nimi pracować nad skutecznym jej wykorzystaniem.

Jak postępują badania nad tymi narzędziami

Ponieważ narzędzia te są wciąż w fazie rozwoju, badacze mogą jedynie przewidywać, a nie określać ich skutki. Na podstawie badań akademickich na temat motywacji do czytania możemy przewidzieć pewne wyzwania. Na przykład, badania pokazują że motywatory zewnętrzne, takie jak odznaki, są albo ujemnie skorelowane, albo w nieistotnym stopniu powiązane z umiejętnością czytania. Z kolei wewnętrzna motywacja czytelnicza, wynikająca z ciekawości czytelników i aktywnego zaangażowania w proces czytania, jest umiarkowanie i dodatnio skorelowana z miarami kompetencji czytelniczych.

Wbrew tym ustaleniom wydaje się, że trenerzy czytania wykorzystujący sztuczną inteligencję traktują priorytetowo zachęcanie do motywacji zewnętrznej. Postępy dzieci i czas spędzony na platformach nagradzane są naklejkami, brawami i nagrodami do odblokowania. Sprawdzanie zrozumienia za pomocą quizów można łatwo ominąć metodą prób i błędów, w wyniku czego dzieci udają, że czytają i otrzymują nagrody za nieprawidłowe odpowiedzi. Co więcej, nie istnieje żadna zewnętrzna ocena, która pozwalałaby ocenić, czy umiejętności zostaną przeniesione do innych tekstów, osłabiając rozliczalność tych technologii.

Ostatnia metaanaliza interwencji zwiększających motywację do czytania ujawniło niewielki, ale godny uwagi wpływ strategii, które dostosowują teksty do różnych poziomów czytania lub uwzględniają powiązania ze światem rzeczywistym. Co ważne, ten krótkotrwały efekt jest bardziej zauważalny wśród czytelników zaawansowanych niż tych mających trudności. Jednak obecnie dostępnym na rynku trenerom czytania opartym na sztucznej inteligencji brakuje specyfiki skutecznych, ukierunkowanych podejść.

Obserwowanie tych trendów jest rozczarowujące. Narzędzia te mogą potencjalnie poprawić doświadczenia czytelnicze dzieci, jeśli zostaną zaprojektowane z uwzględnieniem wniosków pedagogów i badaczy, szczególnie w dziedzinie nauk ścisłych. Na przykład narzędzia te mogłyby zakłócić tradycyjne ideologie w tekstach literackich, gdyby zaangażowały nauczycieli w proces projektowania. Dzięki takiemu podejściu opartemu na współpracy mogliby również rozwijać umiejętności nauczycieli w zakresie sztucznej inteligencji. Z których mogliby czerpać twórcy produktów nauka badań naukowych budowanie narzędzi sprzyjających wyrażaniu siebie i kreatywności dzieci.

Niestety, uderzający jest brak współpracy pomiędzy społecznością firm edtech tworzących produkty technologiczne dla dzieci, edukatorami i badaczami posiadającymi wiedzę branżową. Nawet jeśli firmy nawiązują współpracę z badaczami, są to raczej sporadyczne porady dotyczące komunikacji niż ciągły dialog. Chociaż niektóre firmy testują swoje narzędzia z nauczycielami, częściej opracowuje się funkcje, które są popularne lub zgodne z pilnymi wymaganiami programu nauczania, a nie najnowsze i najlepsze osiągnięcia naukowe.

Kto najbardziej cierpi na technologiach niskiej jakości? Dzieci. Jak więc możemy zapewnić, że niezależność, wola i zdolność uczniów do dokonywania wolnych wyborów zostaną zachowane i wspierane w ich interakcjach z trenerami czytania wykorzystującymi sztuczną inteligencję?

Obecnie to kluczowe pytanie sprowadza się do obaw o prywatność danych i usprawnienie procedur gromadzenia zgód na dane. Jednak odpowiedź na to pytanie wiąże się również z określeniem, kto ostatecznie skorzysta z tych narzędzi. Jeśli zamierzonymi beneficjentami są dzieci, firmy tworzące te narzędzia muszą ponownie rozważyć swoje strategie projektowania i skalowania. Zamiast szybkiego skalowania i integracji z różnymi produktami do czytania pod wpływem trendów technologicznych i wymagań inwestorów dotyczących wzrostu, rozwój technologii edtech wymaga bardziej cierpliwego podejścia. Obejmuje to projektowanie partycypacyjne z udziałem różnorodnych grup dzieci oraz angażowanie nauczycieli i badaczy w iteracyjne cykle współtworzenia. Nie umniejszajmy potencjału tych technologii, wypuszczając pochopnie narzędzia, które nie są jeszcze na tyle dojrzałe, aby w pełni wspierać rozwój dzieci.

spot_img

Najnowsza inteligencja

spot_img