A kurzustervezés vezeti az AI-használatot.

A mérésekben tapasztalt AI-használatot működési mintaként kezeljük, és azt vizsgáljuk, mire irányul.

Ahol a használat működött, ott az oktató újragondolta, hogy mit tanítson és hogyan kérje számon, amikor a hallgató kezében ott van egy modell.

A számonkérés meghatározza, hogy mi legyen a kiszervezett munka. Egy statisztika-kurzuson a vizsga csak akkor volt teljesíthető, ha a hallgató értette is, amit kiszámolt. Az AI-t ezért a hallgatók magyarázatra használták, nem a megoldásra. A vizsga célja döntött erről.

A kurzus félév közben is alakítható. A grafika-kurzuson az oktató heti házi feladatokat adott, hogy a hallgatók folyamatosan dolgozzanak. Sejtette, hogy ezek a feladatok AI-val készülnek. A naplókból kiderült, hol akadnak el a hallgatók, mit kérdeznek, és mit ad az AI a megértés helyett. Ezután úgy állította be az asszisztenst, hogy előbb magyarázzon, aztán válaszoljon. Annak alapján változtatott, amit látott.

Egy hallgató helyett mindenki dolgozott. Az Adatbázisok kurzuson mindenkinek magának kell kidolgoznia a vizsgatételeket. A valóságban egy hallgató megírta azokat, és a többiek abból tanultak. Az oktató lehetővé tette, hogy a tételeket AI-val is ki lehessen dolgozni. A naplókból látszott, hogy többen dolgoztak, mint korábban, és megjelentek a visszakérdezések.

Elég volt lecserélni egy régóta célt tévesztő gyakorlatot.

Kérdések, amikre nem lehetnek kész válaszaink.

  • Hogyan tanítsunk egy tárgyat, ha az eredmény és a megértés elválik egymástól?
  • Mitől jelenik meg a valódi párbeszéd, amikor a kész válasz után a hallgató saját gondolata is bekerül, és a beszélgetés nem áll meg?