Tekoäly on poikkeuksellisen hyvä tekemään vaikeista aiheista helpon tuntuisia. Pyydä yksinkertaisempaa selitystä, ja se poistaa jargonin. Pyydä esimerkkiä, ja se antaa sellaisen. Esitä jatkokysymys, ja vastaus tulee ennen kuin epävarmuus ehtii tuntua epämukavalta.
Kokemus on hyödyllinen, mutta sen voi sekoittaa oppimiseen.
Kun selitys on näkyvissä, jokainen askel tuntuu tutulta. Lauseet liittyvät toisiinsa. Voit nyökätä mukana. Seuraavana päivänä, keskustelu suljettuna, et pysty rakentamaan ideaa uudelleen etkä käyttämään sitä uudessa ongelmassa.
Ongelma ei välttämättä ole selityksen virheellisyys. Selityksen seuraaminen ja asian ymmärtäminen ovat eri asioita.
Ihmisen oppimista koskeva tutkimus on generatiivista tekoälyä vanhempaa, mutta sama ero pätee tähänkin. Laajassa oppimistekniikoiden katsauksessa harjoitustestit ja ajallisesti hajautettu harjoittelu arvioitiin tehokkaiksi, kun taas tavalliset vähäistä vaivaa vaativat tavat, kuten uudelleen lukeminen, toimivat selvästi epävarmemmin (Dunlosky ja kollegat, 2013). Klassisessa kokeessa aineiston palauttaminen muistista paransi myöhempää muistamista enemmän kuin aineiston opiskeleminen uudelleen (Roediger ja Karpicke, 2006).
Tekoäly tekee uudelleen lukemisesta vuorovaikutteisen tuntuista. Se ei silti automaattisesti muutu muistista palauttamisen harjoitteluksi.
Osaamisen illuusio
Osaamisen illuusio tarkoittaa eroa seuraavien välillä:
- koettu ymmärrys — ”tämä käy järkeen, kun luen sitä”; ja
- käyttökelpoinen ymmärrys — ”osaan palauttaa tämän mieleeni, selittää sen ja soveltaa sitä ilman, että vastaus on edessäni”.
Sujuva kieli kasvattaa eroa, koska sitä on helppo käsitellä. Kun malli tarjoaa rakenteen, sanaston, esimerkit ja johtopäätöksen, sinun ei tarvitse rakentaa päättelyketjusta suurta osaa itse.
Tämä ei tarkoita, että tekoäly olisi huono oppimiseen. Nature Human Behaviour -lehden vuoden 2024 näkökulma kuvaa aitoja mahdollisuuksia henkilökohtaiseen tukeen, monipuolisiin materiaaleihin, ajankohtaiseen palautteeseen ja uusiin arvioinnin muotoihin, mutta varoittaa myös, että oppiminen ja metakognitio tarvitsevat tiukkaa arviointia (Yan ja kollegat, 2024).
Käytännön sääntö on yksinkertaisempi:
Käytä tekoälyä harjoituksen luomiseen. Älä anna sen tehdä harjoitusta puolestasi.
Testi 1: tyhjä sivu
Tekoälyn selityksen jälkeen sulje keskustelu ja kirjoita, mitä muistat.
Älä kopioi ilmauksia. Älä avaa vastausta uudelleen, kun epäröit. Anna itsellesi kolme minuuttia ja rakenna uudelleen:
- keskeinen idea;
- mekanismi — miksi se toimii;
- yksi esimerkki; ja
- yksi rajoitus tai poikkeus.
Vertaa sitten versiotasi lähdemateriaaliin tai tekoälyn vastaukseen.
Tämä testi paljastaa puutteita, joita tuttuus peittää. Saatat muistaa johtopäätöksen mutta et mekanismia. Saatat muistaa esimerkin mutta et pysty ilmaisemaan yleistä sääntöä. Saatat toistaa itsevarmaa sanamuotoa mutta ohittaa tärkeän ehdon.
Käytä tekoälyä vasta yrityksen jälkeen:
Tässä on selitykseni muistista.
[liitä selityksesi]
Vertaa sitä alla olevaan lähteeseen. Tunnista:
1. mitä selitin oikein,
2. mitä jätin pois,
3. mitä sanoin liian yleisesti, ja
4. yksi kysymys, joka testaa heikointa kohtaa.
[liitä lähde tai varmistetut muistiinpanosi]
Lähteellä on väliä. Ilman sitä malli arvioi yhtä generoitua selitystä toista generoitua selitystä vastaan.
Testi 2: selitä asia omin sanoin
Selitä idea niin kuin auttaisit tiettyä henkilöä.
”Selitä yksinkertaisesti” ei riitä. Valitse yleisö ja tarkoitus:
- kollega, jonka pitää tehdä päätös;
- asiakas, jonka pitää ymmärtää jokin kompromissi;
- aloittelija, joka kokeilee menettelyä;
- tai skeptinen esimies, joka haluaa tietää, miksi sillä on väliä.
Hyödyllisessä omin sanoin annetussa selityksessä on neljä osaa:
- Väite: mitä henkilön pitäisi ymmärtää?
- Perustelu: miksi se on totta?
- Esimerkki: miltä se näyttää käytännössä?
- Raja: milloin selitys lakkaa olemasta luotettava?
Pyydä mallia haastamaan selityksesi, ei kirjoittamaan sitä uudelleen:
Toimi tämän selityksen tarkoitetun lukijan roolissa.
Esitä kolme kysymystä, joihin selitykseni ei vastaa.
Älä vielä paranna selitystä.
Älä oleta, että väitteeni ovat oikein.
Jos kysymykset paljastavat aukkoja, joihin et osaa vastata, palaa materiaaliin. Älä pyydä mallia täyttämään jokaista aukkoa heti; tunnista ensin, mitä voit varmistaa itse.
Testi 3: sovella asiaa uuteen tilanteeseen
Vahvin yksinkertainen testi on se, voitko käyttää ideaa siellä, missä sitä ei havainnollistettu.
Oletetaan, että selitys osoitti, miten kehoteinjektio voi ohjata asiakastukiagenttia haitallisesti. Heikko testi pyytää toistamaan määritelmän. Soveltava kysymys kysyy, miten sama mekanismi voisi vaikuttaa sisäiseen asiakirja-avustajaan.
Oletetaan, että opit taulukkolaskentakaavan yhdestä ratkaistusta esimerkistä. Siirtokysymys muuttaa sarakkeiden asettelua, lisää puuttuvia tietoja tai kysyy, mikä oletus rikkoisi kaavan.
Luo soveltavia kysymyksiä ilman vastauksia:
Luo kolme uutta tehtävää, jotka vaativat saman taustalla olevan idean kuin tämä esimerkki.
Vaihda pintatason yksityiskohdat ja lisää vaikeutta asteittain.
Älä anna ratkaisuja ennen kuin lähetän yritykseni.
Ratkaise ne sitten ilman apua. Kun pyydät palautetta, vaadi mallia tarkistamaan päättelysi askel askeleelta luotettavaa lähdettä tai vastausavainta vasten.
Käytännön oppimissykli
Käytä tätä kuuden askeleen silmukkaa missä tahansa aiheessa, jossa ymmärryksellä on väliä:
| Askel | Sinun työsi | Tekoälyn työ |
|---|---|---|
| 1. Määrittele | Kerro, mitä sinun pitää pystyä tekemään | Auta rajaamaan liian suurta tavoitetta |
| 2. Opiskele | Lue ensisijainen materiaali | Selkeytä sanastoa ja rakennetta |
| 3. Palauta | Rakenna muistista | Pysy hiljaa |
| 4. Tarkista | Vertaa luotettavaan lähteeseen | Osoita aukkoja käyttäen tuota lähdettä |
| 5. Sovella | Ratkaise uusi ongelma | Luo vaihtelevia harjoituksia ilman vastauksia |
| 6. Palaa | Palaa viiveen jälkeen | Aikatauluta tai luo seuraava kertaussetti |
Olennaiset askeleet ovat ne, joissa malli tekee vähemmän.
Varoitusmerkit siitä, että tekoäly tekee oppimisen
Pysähdy, kun huomaat jotain näistä:
- Pyydät toistuvasti yksinkertaisempaa versiota mutta et koskaan sulje vastausta ja rakenna sitä uudelleen.
- Muistiinpanosi ovat mallin tuottamia hiottuja tiivistelmiä eivätkä päätöksiä siitä, millä on väliä.
- Tunnistat oikean vastauksen mutta et pysty tuottamaan sitä.
- Pyydät ratkaisua heti luettuasi tehtävän.
- Jokainen harjoituskysymys muistuttaa ratkaistua esimerkkiä.
- Malli arvioi vastauksesi ilman lähdettä, arviointikriteereitä tai vastausavainta.
- Lopetat istunnon, jossa on monta sivua keskustelua eikä yhtään itse luomaasi tuotosta.
Korjaus ei yleensä ole parempi kehote. Se on lyhyt jakso ilman mallia.
Missä tekoäly todella auttaa
Tekoäly on arvokas, kun se poistaa työtä oppimisen ympäriltä eikä oppimisen kognitiivista työtä:
- lähdemateriaalin muuntaminen kysymyksiksi;
- esimerkkien ja tehtävämuotojen vaihteleminen;
- skeptisen lukijan simulointi;
- nopea palaute annetun arviointikriteeristön mukaan;
- sanaston tunnistaminen ennen vaikean lähteen lukemista;
- kertausaikataulun järjestäminen;
- tai auttaminen löytämään kohta, jossa selityksesi poikkeaa lähteestä.
Se on vähemmän hyödyllinen, kun se:
- kirjoittaa vastauksen, jonka sinun piti tuottaa;
- tiivistää materiaalia, jota et koskaan lukenut;
- korvaa jokaisen hämmennyksen hetken uudella selityksellä;
- tai arvioi totuutta ilman pääsyä luotettavaan näyttöön.
Laajempaan oppimistyönkulkuun jatka 30 päivän tekoälyoppimissuunnitelmalla ja käytännön tavoilla oppia nopeammin tekoälyllä.
Käytännön raja
Mikään työkalu ei voi varmistaa ymmärrystä hyvän keskustelun tunteesta.
Malli ei näe, mitä muistat huomenna. Se ei tiedä, pystyisitkö ratkaisemaan uuden ongelman ikkunan sulkeuduttua. Se voi tuottaa vakuuttavan arvion ja silti tehdä arviosta liian helpon.
Tarvitset havaittavaa näyttöä: asian palauttamista mieleen ilman vastausta, omalla rakenteellasi laaditun selityksen ja oikean ratkaisun erilaiseen ongelmaan.
Kun tekoälyn selitys tuntuu seuraavan kerran ihanan selkeältä, käsittele sitä tunnetta oppimisen alkuna — ei todisteena siitä, että oppiminen tapahtui.
