我的其中一則粗略筆記由一個簡單問題開始:今天的學生是否比以往更常在安全泡泡中學習?這個說法並不完美,但問題值得思考。當代教育更重視身心健康、共融、可及性和支援,這是進步。
問題出現在支援悄悄變成過度保護,而每一種困難都被視為應該移除的東西。生成式人工智能令問題更迫切,因為它可以在有效掙扎正在發生的那一刻,把掙扎移走。
不是所有困難都有益
有些教育困難只是浪費:混亂指示、不可及教材、不清晰評估準則和敵意課堂文化不會建立韌性,只會製造可避免障礙。
但有些困難是有效的。學生需要與不確定共處、測試想法、犯錯、修正,並解釋為何較好的答案更好。這對健康專業教育尤其重要,因為畢業生將在混亂、具身和不完整的情境中作決定。
人工智能改變了甚麼
人工智能現在可以進入學習本應發生的那一刻。不知如何開始的學生可以要求結構;未深入閱讀的學生可以要求摘要;尚未能連結症狀、解剖和臨床推理的學生可以要求一個看似合理的計劃。
答案可以看起來很有能力,但輸出的能力不等於學習者的能力。
更安全的泡泡不等於更好的教育
好的學習環境應安全得足以讓學生冒知識上的風險。學生應能提出基本問題、嘗試困難任務、在低風險環境中失敗,並在不受羞辱的情況下接受回饋。這種安全不是軟弱,而是挑戰能發揮作用的條件。
危險的是另一種安全:學生被保護到不用面對困難、後果和為自己推理辯護的需要。
圍繞有效掙扎設計人工智能
答案不是全面禁止人工智能,而是決定哪裏的掙扎應該保持可見。
- 學生先嘗試個案、問題或初稿,然後才諮詢人工智能。
- 人工智能輸出用作批判材料,而不是標準答案。
- 學生解釋自己接受、拒絕和修改了甚麼。
- 部分評估要求口頭辯護、實作展示或即時推理。
- 反思不只集中在提示語,而是集中在背後的決定。
教育者的角色
教育者的角色不是令學習不必要地困難,而是保留正確種類的挑戰。人工智能應幫助學生持續投入困難工作,而不是悄悄移除做這些工作的需要。
目標不是回到更嚴苛的教育,而是更好地區分應被移除的障礙,以及能幫助學生成為有能力的專業人員的掙扎。