Создание учебных материалов с помощью ИИ: пошаговое руководство

Содержание:

• Основные характеристики фреймворка GAIDE
• Подготовка
• Создание первоначального варианта образовательного материала
• Улучшение контента на глобальном уровне
• Уточнение содержания на детальном уровне
• Интеграция накопленных знаний в единую систему
• Ключевые аспекты применения нейросетей при создании образовательного материала

Процесс интеграции генеративного искусственного интеллекта в создание учебных материалов и целых образовательных программ постепенно набирает популярность. В то же время новые научные исследования о преимуществах и потенциальных угрозах применения нейронных сетей в педагогическом дизайне представляют неоднозначный взгляд на ситуацию. В одних и тех же сферах применения ИИ может оказаться как полезным помощником, так и привести к ухудшению результатов.

Как эффективно применять искусственный интеллект в образовательных разработках, минимизируя риски и максимизируя выгоды? В области педагогического дизайна часто обращаются к фреймворкам — структурированным схемам действий. Исследователи из Соединенных Штатов Итан Дики и Андрес Бехарано создали уникальный фреймворк GAIDE, который предлагает тщательно продуманный подход к созданию учебных материалов с использованием различных нейросетевых технологий.

Основные характеристики фреймворка GAIDE

GAIDE представляет собой сокращение от английской фразы Generative AI for Instructional Development and Education, что в переводе означает «Генеративный ИИ для разработки учебных процессов и образования». Исследователи выбрали это название для своего алгоритма, который предназначен для создания учебных материалов и включает в себя этапы подготовки, генерации контента и последующей доработки.

Фреймворк основан на итеративной методологии: пользователь получает контент, созданный искусственным интеллектом, затем оценивает его с критической точки зрения и вносит корректировки для нейросети. Этот процесс продолжается до тех пор, пока итоговый результат не станет его устраивать. В качестве инструмента искусственного интеллекта предлагается воспользоваться доступным чат-ботом. Дики и Бехарано провели тестирование GAIDE на платформах ChatGPT 3.5 и 4.0, а также Bard, LLaMA и Copilot в Microsoft Bing. Исследователи пришли к выводу, что ChatGPT 4.0 демонстрирует наибольшую последовательность в предоставлении высококачественного контента.

В центре данного фреймворка лежат принципы проектирования обучения, ориентированные на результаты, а также идеи конструктивистской теории. Согласно этой теории, учащиеся не просто получают знания в уже готовом виде, а активно формируют их, взаимодействуя с окружающей учебной средой. В связи с этим GAIDE предоставляет адаптивную структуру, которая способствует изменению учебных материалов в зависимости от различных контекстов и потребностей разнообразных групп студентов.

Разработчики фреймворка, работая в вузах, создавали его с учетом особенностей университетского обучения и использовали для подготовки учебных материалов по информационным технологиям. Тем не менее, они утверждают, что GAIDE был задуман как универсальный инструмент, который может быть использован вне зависимости от уровня образования и предметной области.

В следующем разделе мы рассмотрим шаги, которые необходимо пройти при создании учебного материала в рамках фреймворка GAIDE.

Подготовка

Начальный этап осуществляется без привлечения нейросетевых технологий. Этот процесс имеет большое значение для того, чтобы дальнейшая разработка учебных материалов была действительно эффективной и не стала пустой тратой времени.

Авторы GAIDE советуют в первую очередь четко определить цель, которая будет служить ориентиром при создании контента и поможет педдизайнеру оставаться на верном пути.

Дики и Бехарано отмечают, что цель может быть сформулирована в общем ключе, как, например, «Создать значимый, интересный и актуальный учебный материал для студентов, обучающихся по направлению „Компьютерные науки и технологии“». Однако необходимо установить связь между общей целью и конкретными, измеримыми результатами. Например, утверждение «студенты изучат сортировку в программировании» не совсем удачно, в то время как фраза «студенты смогут применять базовые алгоритмы сортировки» является более подходящей.

Промпт обычно начинается с изложения учебного контекста и характеристик обучающихся. Основное правило заключается в том, чтобы предоставить ИИ ту информацию, которая была бы необходима специалисту, занимающемуся разработкой учебного материала для новой аудитории. В описание контекста обычно включаются:

• указать, какую функцию должна выполнять нейросеть (например, «Ты — преподаватель информатики в высшем учебном заведении»);
• тема обучения;
• начальные сведения, которыми располагает целевая аудитория;
• Демографические особенности целевой группы в университете обычно сводятся к информации о курсе, на котором обучаются студенты.

Поскольку в качестве фреймворка был выбран результато-ориентированный подход к разработке учебных программ, учебные цели, то есть ожидаемые результаты обучения, становятся ключевыми в GAIDE. Создание этих целей может быть осуществлено с помощью нейросети.

При формировании промпта специалисты советуют применять специализированные термины. Это позволяет, с одной стороны, точно и однозначно передать свой запрос модели, а с другой стороны, стимулирует нейросеть «думать» в духе профессионального разработчика образовательных программ, что, в свою очередь, улучшает качество результатов.

Учитывая результаты предыдущих этапов подготовки, промпт может выглядеть следующим образом:

1. Проанализировать структуру бинарного дерева поиска, выявляя ключевые компоненты и их функции в контексте организации данных.

2. Сравнить и сопоставить алгоритмы, используемые для вставки, удаления и поиска элементов в бинарном дереве поиска, оценивая их временные характеристики.

3. Применить полученные знания для разработки и реализации алгоритмов работы с бинарным деревом поиска на выбранном языке программирования.

4. Оценить эффективность различных способов обхода бинарного дерева поиска и продемонстрировать их применение на практике.

5. Создать собственный пример бинарного дерева поиска, включая его визуализацию, и объяснить процесс выполнения операций в этом дереве.

Начальная генерация может не соответствовать высоким стандартам качества, и это предусмотрено в рамках GAIDE. Специалисты рекомендуют запрашивать у модели большее число вариантов, чем необходимо, а в последующем промпте указывать на те предложения, которые оказались удачными или неудачными, чтобы нейросеть могла улучшить результаты.

К примеру, нейросеть выдала список учебных целей, однако не все из них соответствуют вашим ожиданиям, и вы хотите сделать акцент на практическом использовании полученных знаний. В такой ситуации можно использовать следующий промпт: «Мне подходят формулировки 2, 3 и 7, но цель 2 следует переработать так, чтобы она находилась на более высоком уровне в пирамиде Блума. Также измените цель 3, чтобы акцент был сделан на применении знаний, а не на их понимании».

Если вы планируете самостоятельно внести изменения в результаты работы нейросети, Дики и Бехарано советуют зафиксировать в том же чате, что именно вы изменили и каким образом, даже если на данный момент вам не требуется обратная связь от искусственного интеллекта. Такой подход позволит модели лучше учитывать ваши предпочтения в будущем.

Читайте также:

Преимущества и недостатки ChatGPT при создании онлайн-курса.

Создание первоначального варианта образовательного материала

После того как будут уточнены формулировки учебных целей, можно переходить к созданию учебных материалов для курса.

В рамках структуры GAIDE учебные материалы классифицируются на две основные группы: лекционные материалы и студенческие задания, которые охватывают широкий спектр элементов, таких как вопросы, упражнения, задачи, кейсы для анализа и многое другое. Для каждой из этих групп разработаны авторские алгоритмы, направленные на создание контента и его последующую доработку.

Черновой вариант лекционного материала представляет собой предварительный план лекции, который можно будет изменить на последующих этапах. Пример запроса может звучать следующим образом: «Создай план лекции продолжительностью 50 минут на тему „Бинарное дерево поиска“, принимая во внимание следующие учебные цели: …».

Черновик заданий представляет собой предварительный список вариантов, из которого педагог может выбрать наиболее подходящие. Как было упомянуто ранее, рекомендуется запрашивать у нейросети более обширный перечень, чтобы иметь возможность выбора. Пример запроса: «Предложи 20 вариантов заданий по теме „Бинарное дерево поиска“, учитывая следующие учебные цели: …».

Улучшение контента на глобальном уровне

После того как нейросеть создаст черновики материалов, необходимо провести их критическую оценку и перейти к доработке на высоком уровне. На этом этапе важно оценить контент в целом, обращая внимание на ключевые разделы. Необходимо выяснить, насколько первоначальный вариант соответствует общей цели курса, а также конкретным учебным задачам, уровню обучающихся и контексту. Если некоторые элементы в целом соответствуют правильному направлению, но вызывают вопросы по качеству проработки, на этом этапе не стоит акцентировать на этом внимание, поскольку детализация будет рассмотрена на следующем этапе.

При внесении изменений в программу лекции важно учесть несколько ключевых моментов:

• Какая продолжительность лекции вам была бы предпочтительна?
• Подготовка лекции подразумевает выполнение дополнительных задач для преподавателя, включая создание оценочных и вспомогательных материалов?
• Запланированы ли какие-либо образовательные мероприятия как до начала лекции, так и по её завершении?
• Какие подтемы являются наиболее значимыми для рассмотрения?
• Необходимо ли в лекционном курсе предусматривать такие элементы, как тестирование или работа в группах?

Если какие-либо элементы из данного списка имеют значительное значение для разработки занятия, то необходимо внести соответствующие рекомендации в промпт для его улучшения.

Авторы утверждают, что существует два подхода к доработке плана. Первый вариант подразумевает итеративный процесс, при котором каждое изменение вносится по одному. Второй способ заключается в том, чтобы сразу перечислить все необходимые коррективы, которые следует внести в нейросеть. К примеру, можно сказать: «Переработай план так, чтобы лекция заняла 45 минут, и добавь возможность для группового обсуждения». В результате получится надежная основа для дальнейшего углубленного анализа и детализации.

Основная цель доработки заданий на высоком уровне заключается в создании списка различных и практически полезных решений. При составлении обратной связи для нейросети следует принимать во внимание следующие аспекты:

• Виды заданий могут включать в себя такие форматы, как уравнения и задачи для решения, анализ конкретных случаев, вопросы с открытым ответом, а также вопросы с вариантами ответов и другие подобные форматы.
• Степень овладения знаниями и умениями оценивается с использованием таксономии Блума или другой подобной модели, которая была выбрана для этой цели.
• Учебный акцент обозначает выделение определенных умений в рамках широкой темы урока.
• Тематика подразумевает оригинальное оформление заданий.

Инструкции для нейросети зависят от того, какие именно варианты вы получили на этапе предварительного проекта и почему они вас не устраивают. К примеру, если только некоторые из предложенных заданий соответствуют вашим учебным целям, стоит выделить их в запросе как подходящие и попросить нейросеть предложить аналогичные варианты. В тех случаях, когда нейросеть начинает повторяться или отклоняться от заданных критериев, разработчики фреймворка рекомендуют создать собственный пример и использовать его в качестве образца для дальнейшей работы.

Авторы отмечают, что при создании комплекта заданий границы между макро- и микроуровнями доработки становятся нечеткими. Когда ваше внимание переместится с общего совершенствования набора на улучшение определенных выбранных вариантов, это будет свидетельствовать о переходе к следующему этапу.

Читайте также:

Создание онлайн-курсов с использованием нейросетей: практические примеры.

Уточнение содержания на детальном уровне

Как только вы убедитесь, что структура вашего материала удовлетворяет требованиям и соответствует учебным целям, следует перейти к более тщательной проработке отдельных элементов — таких как подразделы, подтемы, конкретные вопросы и задания. На этом этапе вы можете использовать максимально подробные промпты, включая указания на определённые слова или фразы и просьбы к нейросети перефразировать конкретные части текста.

Тем не менее, при создании множества вариантов нейросеть может столкнуться с определенными трудностями — утратой концентрации и запутанностью в контексте.

Дики и Бехарано используют термин «потеря фокуса» для обозначения ситуации, когда нейросеть начинает всё хуже выполнять заданные команды, как будто утрачивает связь как с содержанием предыдущих запросов, так и со своими собственными ответами. В таких случаях рекомендуется инициировать новый сеанс общения с нейросетью, открыв другой чат. В этом новом сеансе необходимо заново изложить контекст, определить целевую аудиторию, перечислить учебные цели и указать текущую стадию разработки. Например, можно добавить ранее созданный план лекции, чтобы затем сосредоточиться на проработке отдельных его частей.

Путаница в контексте возникает, когда нейросеть использует одни и те же параметры для создания различных элементов. К примеру, вы отметили, что в первом задании следует сосредоточиться на понимании и запоминании информации. Однако существует риск, что нейросеть применит этот принцип также к заданиям 2 и 3, где акцент может быть поставлен на что-то иное, например, на практическое освоение навыка. По этой причине разработчики фреймворка советуют уточнять в промптах, какой именно раздел вы редактируете и на какую образовательную цель ориентирован данный текст или задание.

Авторы GAIDE различают разнообразные методы доработки материалов в зависимости от типа контента на микроуровне.

Нейросеть может создать ключевые идеи или полные тексты по каждой из тем, предусмотренных в плане занятия. Важно проанализировать, насколько полученные материалы соответствуют учебным целям, могут ли они заинтересовать студентов, а также проверить их на наличие фактических ошибок. В процессе работы, оставляя комментарии в промптах на каждом этапе, вы сможете в конечном итоге получить качественные тексты для предстоящей лекции.

После внесения правок в определенные части можно обратиться к нейросети с просьбой объединить их в единый сценарий. Кроме того, при соответствующих запросах искусственный интеллект сможет помочь в создании презентации для лекции, предложит подходящие схемы и иллюстрации, а также подскажет форматы взаимодействия для студентов, которые сделают их обучение более насыщенным.

Читайте также:

Восемь способов, как учителя и методисты могут задействовать нейросеть Perplexity.

Работая над вопросами и заданиями, есть возможность изменить их степень сложности и внедрить элементы повествования. Все зависит от вашей идеи: нейросеть может как оформить каждое задание в виде маленькой истории, так и создать единый нарратив, в котором, к примеру, персонаж будет исследовать тему вместе со студентами.

Для совершенствования формулировок имеет смысл предложить нейросети сыграть роль студента и выполнить соответствующее задание. По мнению авторов, это позволяет обнаружить недостатки в инструкциях, которые могут сбить с толку реальных учащихся. Данный метод особенно эффективен при доработке проблемных ситуаций и кейсов для анализа, а также при создании вопросов, ответ на которые предполагает свободную форму. Эти форматы, как правило, требуют самостоятельной работы со стороны студентов.

Помимо этого, результаты, предоставленные нейросетью, могут служить основой для создания оценочной рубрики, выступая в качестве примера корректного и полного выполнения задания, при условии, что искусственный интеллект справился с задачей на высоком уровне. Это также может помочь в формулировании критериев для оценки.

Интеграция накопленных знаний в единую систему

Фреймворк GAIDE внедряет сегментированный метод, при котором различные элементы учебных материалов разрабатываются и уточняются по отдельности, зачастую в разные сессии. Хотя существует возможность обратиться к нейросети с просьбой объединить эти наработки в единый сценарий занятия, нет уверенности в том, что итоговое качество будет удовлетворительным. Поэтому, как отмечают Дики и Бехарано, оптимальным решением будет создание отдельного документа, куда можно будет копировать удачные результаты генерации. В дальнейшем это позволит вручную собрать все материалы, организовать их должным образом и провести финальную доработку.

Авторы отмечают, что генеративный ИИ не только может разрабатывать отдельные учебные материалы, но и оказывать помощь в организации всего учебного курса. После того как вы определите учебные цели и создадите предварительную структуру курса, включая способы оценки, нейросеть способна предложить подробный план занятий, который будет включать распределение времени по темам.

Читайте также:

Четыре основных принципа эффективного промпта для педагогов, помогающие создавать учебные ресурсы.

Ключевые аспекты применения нейросетей при создании образовательного материала

Исследователи представили дополнительные выводы о взаимодействии с генеративными социальными сетями. Хотя они не имеют непосредственной связи с использованием фреймворка GAIDE, эти наблюдения могут быть полезны для всех, кто использует нейросети в своей деятельности:

• Искусственный интеллект можно сравнить с усердным учеником начальной школы. По мнению Дики и Бехарано, такая аналогия помогает лучше понять, как наиболее эффективно взаимодействовать с ИИ. Подобно детям в возрасте от 6 до 8 лет, нейросети успешно справляются с задачами, когда получают четкие указания. Однако, как и младшеклассник, ИИ не обладает достаточной инициативностью и способностью к самостоятельному решению проблем без явных указаний. Поэтому, если человек не будет внимательно следить за процессом, нейросеть может начать отклоняться от поставленных целей.
• Одним из значительных преимуществ искусственного интеллекта является его способность генерировать идеи. Авторы фреймворка утверждают, что вместо того, чтобы сразу устанавливать конкретные критерии для создания определённого контента, разумно применять нейросеть в процессе мозгового штурма. Идеи, полученные от ИИ, могут быть весьма разнообразными и креативными, что в конечном итоге способствует улучшению учебных материалов.
• Искусственный интеллект предоставляет возможность получать отзывы с различных перспектив. Дики и Бехарано рекомендуют не забывать о значении промптов, которые задают нейросети определённую роль, например, фразы «Представь себя студентом первого курса» или «Ты — студент первого курса». Такие подходы позволяют понять, каким образом контент будет воспринят учащимися с различным уровнем подготовки и опытом, что, в свою очередь, помогает адаптировать образовательный процесс для разных категорий студентов.
• Важно осознавать пределы возможностей нейросетей. Когда мы создаём образовательные материалы, может возникнуть стремление к идеалу — неоднократно запрашивая доработки, чтобы усовершенствовать полученный от ИИ контент. Тем не менее, подобные попытки не всегда приводят к ожидаемым результатам. Гораздо более эффективным подходом будет признать, что в некоторых сферах ИИ не столь силён, и использовать те ресурсы, которые он способен предоставить, с максимальной выгодой.

Читайте также:

• Пять ключевых умений педагогов-дизайнеров, которые начинают трансформироваться под воздействием нейросетевых технологий.
• Фреймворк IDEAS для онлайн-обучения: что это такое и как он функционирует?
• Пять распространённых ошибок при интеграции инструментов искусственного интеллекта в процесс обучения и развития персонала.
• Список нейросетей для создания изображений: как улучшить учебные пособия
• Список веб-ресурсов, позволяющих безвозмездно разработать инфографику для учебных презентаций.