Искусственный интеллект в сопровождении обучения
О том, как искусственный интеллект меняет сопровождение студентов в обучении, рассуждает и рассказывает Ксения Барковская – преподаватель программы «Системы сопровождения и поддержки в обучении», операционный директор в Karpov Courses, ex-руководитель команд сопровождения студентов и карьерного центра.
Когда мы говорим про искусственный интеллект в образовании, чаще всего и привычнее всего нам думать о нем в контексте проектирования обучения.
ИИ очень сильно помогает методистам и авторам: в создании контента, разработке программ, мозговом штурме, генерации идей, создании визуалов. К этому мы уже привыкли. Методисты и авторы действительно активно используют искусственный интеллект как рабочий инструмент, который ускоряет и усиливает процесс разработки образовательного продукта.
Но если говорить не про проектирование, а именно про сопровождение обучения, здесь тоже есть несколько больших направлений, где ИИ уже начинает играть важную роль.
ИИ очень сильно помогает методистам и авторам: в создании контента, разработке программ, мозговом штурме, генерации идей, создании визуалов. К этому мы уже привыкли. Методисты и авторы действительно активно используют искусственный интеллект как рабочий инструмент, который ускоряет и усиливает процесс разработки образовательного продукта.
Но если говорить не про проектирование, а именно про сопровождение обучения, здесь тоже есть несколько больших направлений, где ИИ уже начинает играть важную роль.
1. Проверка работ: от открытых ответов до проектных заданий
Первое направление — это большой блок, связанный с проверкой работ. Во многих курсах есть не только тестирование, но и человеческая проверка. Особенно там, где есть проектные работы, курсовые, открытые ответы, кейсы — то есть все, что важно оценить не просто по логике «правильно / неправильно», а с точки зрения мысли, структуры, аргументации, полноты ответа и так далее.
И в большинстве случаев, мне кажется, в 99% случаев, такая проверка до сих пор происходит через человека.
С одной стороны, это всегда было плюсом. Живая проверка в обучении ценилась именно потому, что у ученика есть возможность дотянуться до эксперта, получить не автоматическую отметку, а человеческую обратную связь.
Но с другой стороны, человеческий ресурс сейчас довольно дорогой. К тому же он всегда закладывает определенный лаг по времени: на проверку нужно время. Если у нас большой объем студентов или учеников, значит, нужно либо большое количество проверяющих, либо какое-то энное количество людей, которые будут это делать. Нужно убедиться в их экспертизе. Нужно учитывать, что их проверка может быть неоднородной, потому что есть человеческий фактор, разные люди, разные подходы, разная насмотренность.
И вот здесь компании начинают смотреть в сторону искусственного интеллекта.
Потому что есть запрос на сокращение расходов, на сокращение временного промежутка до получения результата, на возможность работать с большими объемами учеников без серьезного увеличения затрат. Экономика продуктов тоже требует внедрения ИИ в этом направлении, потому что здоровая экономика образовательного продукта часто невозможна без оптимизации сопровождения.
И в большинстве случаев, мне кажется, в 99% случаев, такая проверка до сих пор происходит через человека.
С одной стороны, это всегда было плюсом. Живая проверка в обучении ценилась именно потому, что у ученика есть возможность дотянуться до эксперта, получить не автоматическую отметку, а человеческую обратную связь.
Но с другой стороны, человеческий ресурс сейчас довольно дорогой. К тому же он всегда закладывает определенный лаг по времени: на проверку нужно время. Если у нас большой объем студентов или учеников, значит, нужно либо большое количество проверяющих, либо какое-то энное количество людей, которые будут это делать. Нужно убедиться в их экспертизе. Нужно учитывать, что их проверка может быть неоднородной, потому что есть человеческий фактор, разные люди, разные подходы, разная насмотренность.
И вот здесь компании начинают смотреть в сторону искусственного интеллекта.
Потому что есть запрос на сокращение расходов, на сокращение временного промежутка до получения результата, на возможность работать с большими объемами учеников без серьезного увеличения затрат. Экономика продуктов тоже требует внедрения ИИ в этом направлении, потому что здоровая экономика образовательного продукта часто невозможна без оптимизации сопровождения.
ИИ в проверке может быть реализован по-разному.
Это могут быть сложные системы, а могут быть и не очень сложные инструменты на базе того же ChatGPT. Например, когда в систему загружается определенный промт — такое мини-обучение системы, — и она уже может распознавать текст, анализировать ответ и давать обратную связь.
Причем этим не всегда должны заниматься инженеры машинного обучения. Часто это могут быть просто специалисты, которые хорошо работают с искусственным интеллектом и умеют писать качественные промты.
Допустим, ученик сдает работу с открытым ответом. Это может быть небольшой кейс: «Напиши, пожалуйста, как бы ты решил эту ситуацию». И дальше искусственный интеллект на основе загруженной информации, базы знаний, других кейсов и авторских вариантов решения может оценить, насколько то, что предлагает студент или ученик, окей или не окей.
При этом современные системы уже не обязательно дают только вердикт «правильно» или «неправильно». Они могут давать нормальную развернутую обратную связь. Например: «Вот это классно, а вот здесь ты не указал важный момент, об этом стоит подумать». То есть ИИ может работать не только как проверяющий, но и как инструмент формирующей обратной связи.
Причем этим не всегда должны заниматься инженеры машинного обучения. Часто это могут быть просто специалисты, которые хорошо работают с искусственным интеллектом и умеют писать качественные промты.
Допустим, ученик сдает работу с открытым ответом. Это может быть небольшой кейс: «Напиши, пожалуйста, как бы ты решил эту ситуацию». И дальше искусственный интеллект на основе загруженной информации, базы знаний, других кейсов и авторских вариантов решения может оценить, насколько то, что предлагает студент или ученик, окей или не окей.
При этом современные системы уже не обязательно дают только вердикт «правильно» или «неправильно». Они могут давать нормальную развернутую обратную связь. Например: «Вот это классно, а вот здесь ты не указал важный момент, об этом стоит подумать». То есть ИИ может работать не только как проверяющий, но и как инструмент формирующей обратной связи.
Первое направление — это большой блок, связанный с проверкой работ. Во многих курсах есть не только тестирование, но и человеческая проверка. Особенно там, где есть проектные работы, курсовые, открытые ответы, кейсы — то есть все, что важно оценить не просто по логике «правильно / неправильно», а с точки зрения мысли, структуры, аргументации, полноты ответа и так далее.
И в большинстве случаев, мне кажется, в 99% случаев, такая проверка до сих пор происходит через человека.
С одной стороны, это всегда было плюсом. Живая проверка в обучении ценилась именно потому, что у ученика есть возможность дотянуться до эксперта, получить не автоматическую отметку, а человеческую обратную связь.
Но с другой стороны, человеческий ресурс сейчас довольно дорогой. К тому же он всегда закладывает определенный лаг по времени: на проверку нужно время. Если у нас большой объем студентов или учеников, значит, нужно либо большое количество проверяющих, либо какое-то энное количество людей, которые будут это делать. Нужно убедиться в их экспертизе. Нужно учитывать, что их проверка может быть неоднородной, потому что есть человеческий фактор, разные люди, разные подходы, разная насмотренность.
И вот здесь компании начинают смотреть в сторону искусственного интеллекта.
Потому что есть запрос на сокращение расходов, на сокращение временного промежутка до получения результата, на возможность работать с большими объемами учеников без серьезного увеличения затрат. Экономика продуктов тоже требует внедрения ИИ в этом направлении, потому что здоровая экономика образовательного продукта часто невозможна без оптимизации сопровождения.
И в большинстве случаев, мне кажется, в 99% случаев, такая проверка до сих пор происходит через человека.
С одной стороны, это всегда было плюсом. Живая проверка в обучении ценилась именно потому, что у ученика есть возможность дотянуться до эксперта, получить не автоматическую отметку, а человеческую обратную связь.
Но с другой стороны, человеческий ресурс сейчас довольно дорогой. К тому же он всегда закладывает определенный лаг по времени: на проверку нужно время. Если у нас большой объем студентов или учеников, значит, нужно либо большое количество проверяющих, либо какое-то энное количество людей, которые будут это делать. Нужно убедиться в их экспертизе. Нужно учитывать, что их проверка может быть неоднородной, потому что есть человеческий фактор, разные люди, разные подходы, разная насмотренность.
И вот здесь компании начинают смотреть в сторону искусственного интеллекта.
Потому что есть запрос на сокращение расходов, на сокращение временного промежутка до получения результата, на возможность работать с большими объемами учеников без серьезного увеличения затрат. Экономика продуктов тоже требует внедрения ИИ в этом направлении, потому что здоровая экономика образовательного продукта часто невозможна без оптимизации сопровождения.
Отдельная история – проверка полноценных проектов.
Здесь, как правило, ИИ пока все-таки работает под присмотром человека. Я знаю конфигурации, когда сначала большая проектная работа прогоняется через искусственный интеллект, ИИ формирует аналитическую справку или записку для эксперта, а дальше человеку уже проще проверять. Он не читает работу «с нуля», а сразу видит важные моменты, зоны риска, сильные и слабые стороны.
Есть и другой сценарий: проверяющие, ревьюеры, наставники – роли могут называться по-разному – сами загружают работу в ИИ, дают определенный промт и смотрят на важные штуки, которые помогут им быстрее разобраться в работе.
Но здесь есть несколько важных условий.
Есть и другой сценарий: проверяющие, ревьюеры, наставники – роли могут называться по-разному – сами загружают работу в ИИ, дают определенный промт и смотрят на важные штуки, которые помогут им быстрее разобраться в работе.
Но здесь есть несколько важных условий.
нужно правильно спроектировать
саму систему проверки
нужно очень четко транслировать
ученикам, что в проверке участвует искусственный интеллект. Это важно не прятать
нужно правильно интерпретировать
то, что ИИ выдает, проверять его ответы, постоянно улучшать промты и саму логику работы. Иначе это может приводить к конфликтным ситуациям: искусственный интеллект что-то странное написал, ученик получил неадекватную обратную связь, и дальше возникает еще большее количество вопросов.
И еще: искусственный интеллект не может полностью заменить экспертную позицию. Компании все равно придется через экспертов натаскивать систему, давать ей насмотренность, настраивать ее под конкретный курс, конкретные критерии, конкретный tone of voice.
Очень важно, чтобы и сама обратная связь, и то, каким языком она дается, попадали в общий атом курса, который проходит человек. Потому что если весь курс выстроен в одном тоне, а обратная связь вдруг звучит как сухой машинный отчет, это будет сильно выбиваться из опыта обучения.
И, конечно, нужно учитывать, что не все ученики рады тому, что их проверяет искусственный интеллект. Здесь важно объяснять ценность: да, в проверке участвует ИИ, зато это дает скорость; да, мы используем автоматизацию, но эксперты все равно следят за качеством; да, это помогает быстрее получать обратную связь, а не ждать несколько дней.
В общем, этот момент нужно сглаживать и правильно объяснять, потому что в обучении сейчас все еще довольно много скепсиса по отношению к полноценному использованию искусственного интеллекта.
Очень важно, чтобы и сама обратная связь, и то, каким языком она дается, попадали в общий атом курса, который проходит человек. Потому что если весь курс выстроен в одном тоне, а обратная связь вдруг звучит как сухой машинный отчет, это будет сильно выбиваться из опыта обучения.
И, конечно, нужно учитывать, что не все ученики рады тому, что их проверяет искусственный интеллект. Здесь важно объяснять ценность: да, в проверке участвует ИИ, зато это дает скорость; да, мы используем автоматизацию, но эксперты все равно следят за качеством; да, это помогает быстрее получать обратную связь, а не ждать несколько дней.
В общем, этот момент нужно сглаживать и правильно объяснять, потому что в обучении сейчас все еще довольно много скепсиса по отношению к полноценному использованию искусственного интеллекта.
источник:
2. Ответы на вопросы во время обучения
Второе направление – это взаимодействие во время обучения: по материалам, организационным вопросам, содержательным вопросам и так далее.
Что я имею в виду?
Это системы, которые позволяют ученику задать вопрос, организационный или контентный, и получить ответ достаточно быстро. Раньше, если курс был с сопровождением, у студента была возможность дотянуться до эксперта, организатора, техподдержки, наставника или преподавателя. Чаще всего это были обычные люди, которые просто работали свою работу.
Сейчас мы видим тенденцию, когда эту функцию тоже начинают заменять или усиливать искусственным интеллектом: чат-ботами, AI-ассистентами, инструментами, которые позволяют быстро находить ответы, особенно на часто задаваемые вопросы. Это могут быть боты техподдержки, которые тянут ответы из базы знаний для студентов и учеников. И чаще всего этого достаточно, чтобы закрыть какую-то быструю, особенно организационную потребность. Потому что мы понимаем: наверное, 80% вопросов, которые задают ученики во время обучения, повторяются. Оригинальности не так много. И глубоких вопросов, честно говоря, тоже не так много. Где-то что-то непонятно, и часто непонятно одно и то же.
Что я имею в виду?
Это системы, которые позволяют ученику задать вопрос, организационный или контентный, и получить ответ достаточно быстро. Раньше, если курс был с сопровождением, у студента была возможность дотянуться до эксперта, организатора, техподдержки, наставника или преподавателя. Чаще всего это были обычные люди, которые просто работали свою работу.
Сейчас мы видим тенденцию, когда эту функцию тоже начинают заменять или усиливать искусственным интеллектом: чат-ботами, AI-ассистентами, инструментами, которые позволяют быстро находить ответы, особенно на часто задаваемые вопросы. Это могут быть боты техподдержки, которые тянут ответы из базы знаний для студентов и учеников. И чаще всего этого достаточно, чтобы закрыть какую-то быструю, особенно организационную потребность. Потому что мы понимаем: наверное, 80% вопросов, которые задают ученики во время обучения, повторяются. Оригинальности не так много. И глубоких вопросов, честно говоря, тоже не так много. Где-то что-то непонятно, и часто непонятно одно и то же.
Поэтому обучить систему на ретроспективных данных, а потом постоянно дообучать ее на новых вопросах учеников – это вполне реалистичная задача.
Особенно если под капотом этой системы искусственный интеллект, который отвечает не просто из воздуха, а из базы знаний и по настроенным промтам.
В такие системы можно загрузить не только промт на содержание ответа, но и промт на то, как именно этот ответ должен быть дан. Например, у нас есть бот, который отвечает на контентные вопросы. И у нас есть три группы людей.
Первая группа — нулевики, которые вообще ничего не понимают, для них это первый опыт. Вторая группа — люди с опытом. И третья группа — топовые эксперты, которые пришли что-то изучить. У этого бота есть доступ ко всей базе знаний, и он понимает, человек из какой группы ему пишет. Соответственно, он может подстраивать свое поведение и свои ответы под целевую аудиторию.
Если ему пишет нулевик и задает вопрос, бот не будет становиться в наставническую позицию и пытаться наводить его на ответ. Он даст прямой ответ, подскажет, даст ссылку, где прочитать подробнее. То есть это будет супер прямое обучение, экспертный ответ.
А если ему пишет очень сильный человек с опытом, особенно с глубоким вопросом, бот может пойти в роль наставника. Он может сначала позадавать менторские вопросы: «А как ты думаешь?», «А думал ли ты вот об этом?», «А что будет, если посмотреть на ситуацию с этой стороны?».
И таким образом через диалог можно внедрить еще одну методику обучения. Это уже не просто «бот ответил на вопрос», а отдельный инструмент развития мышления.
Такие системы сейчас активно разрабатываются, и они действительно могут очень интересно работать.
В такие системы можно загрузить не только промт на содержание ответа, но и промт на то, как именно этот ответ должен быть дан. Например, у нас есть бот, который отвечает на контентные вопросы. И у нас есть три группы людей.
Первая группа — нулевики, которые вообще ничего не понимают, для них это первый опыт. Вторая группа — люди с опытом. И третья группа — топовые эксперты, которые пришли что-то изучить. У этого бота есть доступ ко всей базе знаний, и он понимает, человек из какой группы ему пишет. Соответственно, он может подстраивать свое поведение и свои ответы под целевую аудиторию.
Если ему пишет нулевик и задает вопрос, бот не будет становиться в наставническую позицию и пытаться наводить его на ответ. Он даст прямой ответ, подскажет, даст ссылку, где прочитать подробнее. То есть это будет супер прямое обучение, экспертный ответ.
А если ему пишет очень сильный человек с опытом, особенно с глубоким вопросом, бот может пойти в роль наставника. Он может сначала позадавать менторские вопросы: «А как ты думаешь?», «А думал ли ты вот об этом?», «А что будет, если посмотреть на ситуацию с этой стороны?».
И таким образом через диалог можно внедрить еще одну методику обучения. Это уже не просто «бот ответил на вопрос», а отдельный инструмент развития мышления.
Такие системы сейчас активно разрабатываются, и они действительно могут очень интересно работать.
3. ИИ как скрытый инструмент для экспертов
Еще один важный сценарий: искусственный интеллект может быть не только видимым инструментом для ученика, но и тайным инструментом для тех, кто сопровождает обучение. Если на курсе все еще есть эксперты, наставники, менторы, тьюторы, преподаватели – кто угодно, – они тоже могут использовать ИИ, чтобы облегчить свою работу.
Например, где-то структурировать ответ, где-то переформулировать, где-то быстро собрать информацию из базы знаний, где-то проверить себя перед тем, как ответить ученику.
В моей практике, когда преподавателям, наставникам или экспертам давался доступ к использованию искусственного интеллекта, обученного на конкретной внутренней базе курса, это встречало очень позитивный отклик. Логика была простая: «Ребята, если вы получили вопрос, вы можете спокойно загрузить его в систему, посмотреть, что система ответит, и использовать это как помощь», и это экономило время. Здесь мы снова говорим о ресурсах. ИИ позволяет экономить время, снижать нагрузку на команду сопровождения и делать поддержку более устойчивой.
Плюс такая поддержка может быть доступна 24/7, а для многих учеников это очень важно.
Потому что когда человек садится учиться, у него заложено конкретное окно времени. И если у него есть возможность дотянуться до эксперта только раз в сутки, два раза в сутки или раз в пять часов, это не всегда помогает. Ему нужен ответ сейчас, потому что он именно сейчас выделил время на обучение. И в этом смысле околоавтоматизированные системы, конечно, в выигрыше.
Это преимущество тоже важно подсвечивать в обучении. Не просто говорить: «Теперь вам отвечает искусственный интеллект», а объяснять, что это дает скорость, доступность, возможность не останавливаться в процессе. Потому что, опять-таки, у людей может возникать реакция:
Например, где-то структурировать ответ, где-то переформулировать, где-то быстро собрать информацию из базы знаний, где-то проверить себя перед тем, как ответить ученику.
В моей практике, когда преподавателям, наставникам или экспертам давался доступ к использованию искусственного интеллекта, обученного на конкретной внутренней базе курса, это встречало очень позитивный отклик. Логика была простая: «Ребята, если вы получили вопрос, вы можете спокойно загрузить его в систему, посмотреть, что система ответит, и использовать это как помощь», и это экономило время. Здесь мы снова говорим о ресурсах. ИИ позволяет экономить время, снижать нагрузку на команду сопровождения и делать поддержку более устойчивой.
Плюс такая поддержка может быть доступна 24/7, а для многих учеников это очень важно.
Потому что когда человек садится учиться, у него заложено конкретное окно времени. И если у него есть возможность дотянуться до эксперта только раз в сутки, два раза в сутки или раз в пять часов, это не всегда помогает. Ему нужен ответ сейчас, потому что он именно сейчас выделил время на обучение. И в этом смысле околоавтоматизированные системы, конечно, в выигрыше.
Это преимущество тоже важно подсвечивать в обучении. Не просто говорить: «Теперь вам отвечает искусственный интеллект», а объяснять, что это дает скорость, доступность, возможность не останавливаться в процессе. Потому что, опять-таки, у людей может возникать реакция:
Я хочу учиться у живого человека, а вы мне тут предлагаете искусственный интеллект
И эту реакцию нужно учитывать.
источник:
4. Тренажеры и отработка навыков
Еще одно большое направление – это инструменты, связанные с отработками на основе искусственного интеллекта. Например, тренажеры. Это могут быть тренажеры хардовых скиллов, например кодинга, когда человек внутри системы пишет код, а искусственный интеллект его проверяет, дает обратную связь, подсказывает, где ошибка и что можно улучшить. Сейчас появилось много голосовых тренажеров, особенно для операционных подразделений, которые взаимодействуют с клиентами: продажников, консультантов, сотрудников поддержки и так далее. Это сценарии, где ты разговариваешь как будто бы с живым человеком: искусственный интеллект подстраивается под твои ответы, ведет диалог, а потом дает оценку. В корпоративном обучении это сейчас используется довольно часто.
Есть и видеоинструменты: например, анализ поведения на видео. Все эти фишки, где ты как будто проходишь собеседование вместе с искусственным интеллектом, а потом он дает тебе обратную связь, тоже уже существуют и активно используются в обучении.
И, честно говоря, грех было бы не воспользоваться такими инструментами. Они актуальны, потому что дают возможность отрабатывать навыки без подключения большого количества человеческого ресурса. Не нужно на каждую тренировку ставить живого эксперта, не нужно каждый раз организовывать отдельную практику вручную. Человек может тренироваться чаще, быстрее, дешевле и в более удобном формате.
Но здесь тоже важно не идеализировать. Безусловно, это несовершенные инструменты. Безусловно, их нужно дорабатывать. Безусловно, они где-то могут творить какую-то ерунду и косячить. Но это всегда на совести тех, кто эти инструменты внедряет.
Именно поэтому мы обязательно должны говорить и предупреждать учеников о том, что в том или ином инструменте используется искусственный интеллект. Чтобы если вдруг произошла какая-то накладка, они это понимали и могли вовремя дать обратную связь.
Есть и видеоинструменты: например, анализ поведения на видео. Все эти фишки, где ты как будто проходишь собеседование вместе с искусственным интеллектом, а потом он дает тебе обратную связь, тоже уже существуют и активно используются в обучении.
И, честно говоря, грех было бы не воспользоваться такими инструментами. Они актуальны, потому что дают возможность отрабатывать навыки без подключения большого количества человеческого ресурса. Не нужно на каждую тренировку ставить живого эксперта, не нужно каждый раз организовывать отдельную практику вручную. Человек может тренироваться чаще, быстрее, дешевле и в более удобном формате.
Но здесь тоже важно не идеализировать. Безусловно, это несовершенные инструменты. Безусловно, их нужно дорабатывать. Безусловно, они где-то могут творить какую-то ерунду и косячить. Но это всегда на совести тех, кто эти инструменты внедряет.
Именно поэтому мы обязательно должны говорить и предупреждать учеников о том, что в том или ином инструменте используется искусственный интеллект. Чтобы если вдруг произошла какая-то накладка, они это понимали и могли вовремя дать обратную связь.