Skip to main content
European School Education Platform
Expert article

Umetna inteligenca v izobraževanju: izzivi in priložnosti

Umetna inteligenca je med drugim zaradi napredka na področju strojnega učenja, obdelave naravnega jezika in dostopnosti do velikih količin podatkov postala del velike tehnološke revolucije našega časa. Čeprav se orodja in tehnologije umetne inteligence razvijajo predvsem za uporabo v podjetjih in industriji, pa so nekatere rešitve umetne inteligence hitro našle pot do učilnic.
children using virtual reality headset
Adobe Stock/Katarzyna Bialasiewicz Photographee.eu

Številni učitelji že uporabljajo različna orodja umetne inteligence, ki jim pomagajo izboljšati poučevanje in učenje, poleg tega pa učence pripravijo na svet, ki ga oblikuje tovrstna nova tehnologija. Na seznamu orodij in tehnologij umetne inteligence za uporabo v učnem načrtu, ki so ga pripravili udeleženci tedna programiranja o osnovah umetne inteligence za uporabo v šolah EU Code Week AI Basics for Schools MOOC, lahko najdete številna preizkušena orodja umetne inteligence, ki jih lahko uporabite v učilnici.

 

Aplikacije umetne inteligence, kot so aplikacije za učenje jezikov, prevajalniki, pomočniki za matematiko, orodja za avtomatično transkripcijo in podnaslavljanje ali digitalni pomočniki, ki ponujajo prilagojene učne izkušnje, se v veliki meri že uporabljajo za pospeševanje posamezniku prilagojenega učenja. Umetna inteligenca je pokazala tudi velik potencial pri podpiranju učencev s posebnimi potrebami. Rešitve, ki temeljijo na umetni inteligenci, bi lahko korenito spremenile prakse ocenjevanja, saj bi znanje učencev poglobljeno ocenile in pravočasno zagotovile usmerjene povratne informacije. Učna analitika učiteljem omogoča, da jo učinkovito uporabijo in tako pridobijo boljši vpogled v to, kako se njihovi učenci učijo, s kakšnimi težavami se soočajo, kako motivirani so, kako se počutijo in kako se odzivajo na učne situacije. Tako lahko izberejo ustrezne metode poučevanja in spremenijo učni proces.

 

Kljub temu lahko slaba zasnova, nepravilna uporaba in negativne posledice sistemov umetne inteligence povzročijo nepopravljivo škodo, zlasti mladim. Poglejmo dva primera, ki sta povezana z dezinformacijami in pristranskostjo algoritmov.

 

Hiter napredek umetne inteligence je pospešil izdelavo sintetičnih medijev, ki jih poznamo tudi pod izrazom »globoki ponaredki« (angl. deepfakes). Globoki ponaredki so algoritmično izdelani, manipulirani in spremenjeni zvočni posnetki, videoposnetki, slike in besedila, ki so namenjeni zavajanju ljudi ali spreminjanju izvornega pomena. Morda je videti, da je ta tehnologija napredna in kot taka nedosegljiva učencem, vendar temu še zdaleč ni tako. Uporabniki družbenega omrežja TikTok lahko z brezplačnimi aplikacijami hitro in enostavno zamenjajo obraze na videoposnetkih in fotografijah ter tako širijo lažne medije in škodujejo svojim vrstnikom. Močno verjamem, da sta ozaveščanje o lažnih medijih in izobraževanje o kritičnem analiziranju vsebin, ki jih učenci ustvarjajo in uporabljajo, danes pomembnejša kot kdaj koli prej. Lahko si ogledate spletno mesto zanimivega projekta z naslovom Which face is real (Kateri obraz je pravi?), ki spodbuja ozaveščanje o globokih ponaredkih in kako jih prepoznati z enim samim pogledom.

 

Pristranskost algoritmov je po mojem mnenju eden najpomembnejših etičnih pomislekov, ki jih je sprožila umetna inteligenca. Nanaša se na napake, ki vodijo do nepravičnih rezultatov, kot je diskriminacija zaradi spola, rase, etnične pripadnosti ali socio-ekonomskega ozadja. Nanjo vplivajo kakovost in reprezentativnost podatkov, namerne ali nenamerne pristranskosti oseb, ki razvijajo sisteme umetne inteligence, in načini, kako so sistemi umetne inteligence razviti in uporabljeni. Primer pristranskosti na podlagi spola je denimo domnevanje prevajalnika, da so zdravniki in piloti moškega spola, medicinske sestre in stevardese pa ženskega spola. Še en primer je namerno vključevanje rasističnega ali seksističnega jezika v klepetalne bote, ki zato komunicirajo na nespoštljiv, nesramen in žaljiv način.

 

Še vedno ni jasno, kaj se dogaja v »črni skrinjici« umetne inteligence in zakaj »nevidni« algoritmi sprejemajo nekatere odločitve, ki lahko izjemno slabo vplivajo na mlade, njihovo izobraževanje in posledično tudi na njihove življenjske priložnosti v prihodnosti. Postopek odločanja umetne inteligence mora biti pregleden in razumljiv, zagotoviti pa je treba nepristransko in pravično odločanje za vse učence. Kritičen pristop k razumevanju delovanja umetne inteligence ima zelo pomembno vlogo pri ozaveščanju o pristranskosti algoritmov ter povečevanju odgovornosti umetne inteligence glede odgovornosti, preglednosti in pravičnosti.

 

 

Arjana Blazic je vodja usposabljanja za učitelje in načrtovalka učnih sistemov. Je soavtorica hrvaškega nacionalnega učnega načrta za poučevanje angleškega jezika in za uporabo IKT kot medpredmetne teme. Kot zunanja strokovnjakinja sodeluje pri tednu programiranja EU Code Week, kjer razvija izobraževalne vire in možnosti usposabljanja za učitelje.

 

Additional information

  • Education type:
    School Education
  • Target audience:
    Government staff / policy maker
    Head Teacher / Principal
    ICT Coordinator
    Parent / Guardian
    Student Teacher
    Teacher
  • Target audience ISCED:
    Primary education (ISCED 1)
    Lower secondary education (ISCED 2)
    Upper secondary education (ISCED 3)

Key competences