Skip to main content
European School Education Platform
Practice article

Využívání umělé inteligence při učení a výuce: první kroky a zpětná vazba

Umělé inteligence (UI) se ve stále větší míře využívá v mnoha odvětvích, včetně vzdělávání. Její algoritmy, jejichž základem je analýza generovaných a shromážděných dat, přitom mohou, ale nemusí být speciálně pro vzdělávání vyvinuty.
boy touching virtual screen
Image: Adobe Stock /lev dolgachov

Umělé inteligenci ve vzdělávání či jejímu využití v něm se věnuje řada projektů programu Erasmus+. Níže nabízíme několik příkladů, které vám umožní lépe porozumět tomu, jaké problémy jsou s tímto tématem spojeny.

 

1. UI podporuje vedení učitelů

 

Adaptivní vzdělávací systémy využívají algoritmy UI k personalizaci a diferenciaci toho, jak žáci při učení postupují. Jsou integrovány do zdrojů, s nimiž pracuje vzdělávací program, a vyžadují, aby byl na začátku proveden sběr dat a rozřazovací test. Na základě analýzy shromážděných dat lze rozřazení do skupin (shluků/klastrů) navrhnout pomocí algoritmů, jako je například algoritmus k-nejbližších sousedů. UI navrhne učitelům na základě podobností v chování skupinu s podobnými potřebami – po vzoru asistenta Adaptiv’Math ve Francii. Učitelé se podle cílů, které sledují (řešení konkrétního problému v homogenní skupině, vedení ke spolupráci, vzájemné pomoci atd.), rozhodují, zda vytvoří homogenní, nebo heterogenní skupiny. Software dokáže různé možné skupiny analyzovat a měnit i v návaznosti na nové aktivity. Učitelé mohou skupiny upravovat při zadávání cvičení jednotlivým žákům a pomáhat jim tak k tomu, aby si látku lépe zapamatovali a aby se u nich zvýšila retence učiva. Musí přitom ale zohledňovat dynamiku jednotlivých lidí i vztahů mezi nimi, která se do ukazatelů, s nimiž UI pracuje, nepromítá.

 

Nizozemští učitelé motivovali žáky k přípravě na vyučování pomocí virtuálního učebního prostředí, jehož příkladem je platforma zaměřená na společné anotace Perusall. „Systém Perusall využívá umělé inteligence jako prostředku, který přispívá ke změně chování. Umělá inteligence pro žáky vybírá komentáře a podněty, a poskytuje jim tak inteligentní zpětnou vazbu“ (zpráva SURF). V tomto případě se UI naučí kvalitativně interpretovat data žáků, a může díky tomu přispět k jejich většímu zapojení. Samozřejmě má tato technologie svá omezení a výsledky mohou být různě zkresleny, a to například tím, do jaké míry mají učitelé jasno v tom, co očekávají, a jaké informace žákům poskytnou. Skutečnost, že k takovémuto zkreslení může dojít, „představuje impuls k novým diskusím o roli, jíž by učitelé měli hrát při zapojování a hodnocení žáků pomocí umělé inteligence, jež má teoreticky fungovat jako objektivní první čtenář“ a upozorňuje nás na potřebu aplikovaného výzkumu v této oblasti.

 

2. UI pomáhá žákům a učitelům s porozuměním psanému textu

 

Výuka čtení (dekódování, plynulost, porozumění) je pro všechny členské státy EU klíčovým tématem. V rámci řady projektů zaměřených na výzkum a vývoj byla navržena softwarová řešení k podpoře čtenářské gramotnosti, která často využívala zpracovávání přirozeného jazyka umělou inteligencí. Několik takovýchto nástrojů zaměřených na žáky ve věku 6–8 let, například GraphoLearn (který vznikl ve Finsku), Graphonemo, Kalulu, Kaligo a Lalilo, obdrželo podporu francouzského ministerstva školství. Tyto nástroje, které již ve fázi návrhu vznikají pod vedením učitelů, pedagogů a kognitivních vědců, rozšiřují pedagogické možnosti. Je ovšem ještě třeba ve větším měřítku vyhodnotit, jaké jsou jejich výsledky. Umožňují také rozpoznat, zda má žák při čtení potíže související s některou z poruch „dys“, a to aniž by bylo nutně třeba uchýlit se k technice sledování pohybu očí, jíž se využívá v průkopnickém švédském projektu Lexplore. Jejich použití ovšem vyžaduje, aby se dbalo na to, jak se data (zejména hlasové záznamy) – s nimiž pracují – shromažďují, zpracovávají a uchovávají, aby bylo zajištěno, že jsou využívána eticky a v souladu s platnými předpisy.

 

3. UI pomáhá žákům učit se s učiteli i samostatně

 

Existují také aplikace využívající umělé inteligence, s nimiž lze pracovat ve škole i doma, a to s pomocí učitele, nebo i samostatně.

 

Jejich základem je rozpoznávání obrázků, zvuků nebo textů a lze je uplatnit v rámci učení se prostřednictvím řešení problémů, což je přístup, který je součástí vzdělávacích programů. Příkladem takovéto aplikace je třeba KIKS AI, která se využívá v rámci výuky STEM ve Flandrech v Belgii. Totéž se týká francouzského projektu Vittascience, který se zaměřuje na přírodní vědy.

 

Žáci mohou také využívat aplikace, v nichž pracují samostatně. Nejrozšířenější a nejpřekládanější jsou v současnosti aplikace zaměřené na výuku matematiky a jazyků. Uživatelsky přívětivá je chorvatská aplikace Photomath, která žákům nepřekládá hotové výsledky, ale spíše postup, jak se k nim dobrat. Podněcuje učitele i instituce k tomu, aby učebních cílů dosahovali inovativním způsobem.

 

Závěr

 

V počáteční fázi využití vzdělávacích zdrojů založených na umělé inteligenci, v níž se v tuto chvíli nacházíme, je důležité pochopit, na jakých principech fungují a jak je lze uplatnit, tak abychom si uvědomili jejich význam v různých specifických situacích. V tomto směru nám mohou Etické pokyny pro pedagogy k využívání umělé inteligence a dat ve výuce a učení pomoci předjímat změny, v tom, jak vyučujeme a jak se učíme, které nás možná čekají.

 

Additional information

  • Evidence:
    N/A
  • Funding source:
    Erasmus+
  • Intervention level:
    N/A
  • Intervention intensity:
    N/A
  • Participating countries:
    Belgium
    France
    Netherlands
  • Target audience ISCED:
    Primary education (ISCED 1)
    Lower secondary education (ISCED 2)
    Upper secondary education (ISCED 3)