ความรอบรู้ด้าน AI ทั่วโลก: ระบบการศึกษากำลังเตรียมนักเรียนอย่างไรสำหรับอนาคตที่ขับเคลื่อนด้วย AI

สำรวจว่าสหรัฐอาหรับเอมิเรตส์ ยุโรป จีน สิงคโปร์ เกาหลีใต้ และสหรัฐอเมริกามีแนวทางในการพัฒนาความรู้และทักษะด้าน AI (AI Literacy) อย่างไร และ Mexty สามารถช่วยโรงเรียนเปลี่ยนหลักการเหล่านี้ให้เป็นประสบการณ์การเรียนรู้ที่มีโครงสร้าง มีปฏิสัมพันธ์ และสามารถวัดผลได้อย่างไร
ความรอบรู้ด้าน
AI ทั่วโลก: ระบบการศึกษากำลังเตรียมนักเรียนอย่างไรสำหรับอนาคตที่ขับเคลื่อนด้วย
AI
ปัญญาประดิษฐ์กำลังกลายเป็นส่วนหนึ่งของการเรียนรู้
การทำงาน การสื่อสาร และการตัดสินใจในชีวิตประจำวัน
สำหรับระบบการศึกษา
สิ่งนี้ก่อให้เกิดความท้าทายที่ไกลเกินกว่าการสอนให้นักเรียนใช้ ChatGPT
หรือเขียนพรอมต์ให้ดีขึ้น
ความรอบรู้ด้าน
AI (AI Literacy) หมายถึงการเข้าใจมากขึ้นเรื่อย ๆ ว่าระบบ AI ทำงานอย่างไร
ข้อมูลมีอิทธิพลต่อผลลัพธ์อย่างไร เหตุใดโมเดลจึงอาจผิดพลาดหรือมีอคติ
ควรตรวจสอบข้อมูลอย่างไร เมื่อใดจึงเชื่อถือ AI ได้
และเมื่อใดที่การตัดสินใจของมนุษย์ต้องยังคงเป็นสิ่งสำคัญ
ทั่วโลก
ประเทศต่าง ๆ กำลังเริ่มตอบคำถามพื้นฐานเดียวกัน:
นักเรียนควรเข้าใจอะไรเกี่ยวกับ
AI ก่อนออกจากโรงเรียน?
คำตอบของแต่ละประเทศแตกต่างกัน
ระบบการศึกษาบางแห่งกำลังสร้างหลักสูตร
AI Literacy โดยเฉพาะ ขณะที่บางแห่งบูรณาการ AI เข้ากับความเป็นพลเมืองดิจิทัล
วิทยาการคอมพิวเตอร์ หรือวิชาที่มีอยู่
บางระบบเน้นความพร้อมของครูและการใช้อย่างมีจริยธรรม
ส่วนบางระบบให้ความสำคัญมากกว่ากับการทดลอง การเรียนรู้แบบโครงงาน
หรือการศึกษาที่มี AI สนับสนุน
อย่างไรก็ตาม
ท่ามกลางแนวทางที่แตกต่างเหล่านี้ กำลังเกิดทิศทางร่วมกัน
AI Literacy
กำลังกลายเป็นความสามารถพื้นฐานสำหรับนักเรียนที่เติบโตขึ้นในโลกที่ขับเคลื่อนด้วย
AI
สหรัฐอาหรับเอมิเรตส์:
สร้าง AI Literacy ให้เป็นขีดความสามารถระดับชาติ
สหรัฐอาหรับเอมิเรตส์เป็นหนึ่งในประเทศที่ใช้แนวทางที่มีโครงสร้างอย่างชัดเจนเป็นพิเศษ
AI Literacy
กำลังได้รับการพัฒนาผ่านกรอบระดับชาติ โครงการระดับเอมิเรต การพัฒนาครู
การประเมินผล และประสบการณ์เชิงปฏิบัติของนักเรียน
ในอาบูดาบี
โครงการของ ADEK ครอบคลุมตั้งแต่ KG ถึง Grade 12 ในโรงเรียนเอกชนมากกว่า 170 แห่ง
นักเรียนค่อย ๆ พัฒนาจากกิจกรรมด้านตรรกะและการคิดเชิงวิพากษ์ที่เหมาะสมกับวัย
ไปสู่การโต้ตอบกับระบบ AI การประเมินผลลัพธ์ การออกแบบโซลูชันที่ขับเคลื่อนด้วย AI
และการพิจารณาการใช้ AI อย่างรับผิดชอบ
นอกจากนี้ยังรวมถึงการพัฒนาวิชาชีพครูและการประเมินผล
ดูไบกำลังดำเนินแนวทางเสริม
ซึ่ง AI Literacy เชื่อมโยงกับหลายส่วนของหลักสูตรมากขึ้น
แทนที่จะจำกัดอยู่เพียงวิชาคอมพิวเตอร์
ดังนั้น
แนวทางโดยรวมของสหรัฐอาหรับเอมิเรตส์จึงผสานหลายมิติเข้าด้วยกัน:
หลักสูตร →
ความสามารถของครู → ธรรมาภิบาล → การประเมินผล → ประสบการณ์ AI เชิงปฏิบัติ
สิ่งนี้สำคัญ
เพราะการเข้าถึงเครื่องมือ AI เพียงอย่างเดียวไม่ได้ทำให้เกิด AI Literacy
นักเรียนอาจใช้
AI ได้อย่างมีประสิทธิภาพโดยไม่เข้าใจว่าคำตอบถูกสร้างขึ้นอย่างไร
ข้อมูลนั้นน่าเชื่อถือหรือไม่ หรือเมื่อใดควรตั้งคำถามต่อผลลัพธ์
แนวทางของสหรัฐอาหรับเอมิเรตส์มุ่งลดช่องว่างนี้มากขึ้นเรื่อย
ๆ
ยุโรป:
กำหนดว่านักเรียนที่มีความรอบรู้ด้าน AI ควรรู้อะไร
ยุโรปกำลังก้าวไปสู่มุมมองของ
AI Literacy ที่เน้นสมรรถนะอย่างชัดเจน
กรอบของ
OECD และคณะกรรมาธิการยุโรปที่อธิบายในบทความต้นทาง กำหนด AI Literacy
ว่าเป็นการผสมผสานระหว่างความรู้ ทักษะ และทัศนคติ ซึ่งช่วยให้ผู้เรียนเข้าใจระบบ
AI ประเมินผลลัพธ์อย่างมีวิจารณญาณ และใช้ AI อย่างมีจริยธรรมและสร้างสรรค์
นี่คือการเปลี่ยนแปลงที่สำคัญ
AI Literacy
ไม่ได้หมายถึงเพียงแนวคิดทางเทคนิค เช่น อัลกอริทึมหรือแมชชีนเลิร์นนิงอีกต่อไป
นักเรียนจำเป็นต้องเรียนรู้มากขึ้นว่า:
·
มีปฏิสัมพันธ์กับ AI;
·
สร้างสรรค์ด้วย AI;
·
ประเมินข้อมูลที่ AI สร้างขึ้นอย่างมีวิจารณญาณ;
·
ตระหนักถึงความเสี่ยง;
·
เข้าใจอคติ;
·
ปกป้องข้อมูล;
·
ใช้ AI อย่างรับผิดชอบ;
·
เข้าใจผลกระทบต่อสังคมในวงกว้าง
โมเดลที่เน้นสมรรถนะนี้ยังเปลี่ยนวิธีที่โรงเรียนควรคิดเกี่ยวกับการประเมินผล
การรู้เพียงความหมายของคำว่า
hallucination ยังไม่เพียงพอ
ในที่สุด
ผู้เรียนควรสามารถระบุ hallucination ตรวจสอบมัน
และตัดสินใจได้ว่าต้องมีหลักฐานใดก่อนที่จะเชื่อถือคำตอบ
จีน: แนะนำ
AI อย่างเป็นลำดับตามช่วงวัย
จีนแสดงให้เห็นหลักการสำคัญอีกประการหนึ่ง:
AI Literacy ควรพัฒนาอย่างต่อเนื่องเป็นลำดับ
แทนที่จะเริ่มต้นอย่างฉับพลันในระดับมัธยมศึกษา
โมเดลที่อธิบายในบทความต้นทางครอบคลุมหลายช่วงของการศึกษา
ผู้เรียนอายุน้อยเริ่มจากเรื่องราวและกิจกรรมง่าย
ๆ
นักเรียนประถมช่วงปลายค่อย
ๆ ก้าวไปสู่การแก้ปัญหา
นักเรียนมัธยมต้นเริ่มสำรวจแนวคิดทางเทคนิค
นักเรียนมัธยมปลายก้าวไปสู่การประยุกต์ใช้
AI แบบสหวิทยาการและพัฒนาการที่ซับซ้อนยิ่งขึ้น
ลำดับการพัฒนาสามารถสรุปได้ว่า:
ค้นพบ →
เข้าใจ → ประยุกต์ใช้ → ออกแบบ
บทเรียนในภาพรวมมีความสำคัญ
เด็กอายุหกขวบไม่จำเป็นต้องเข้าใจโมเดลภาษาขนาดใหญ่
แต่พวกเขาสามารถเริ่มเข้าใจได้ว่าเครื่องจักรทำตามคำสั่ง
ต่อมา
พวกเขาสามารถสำรวจรูปแบบ
จากนั้นจึงเรียนรู้เรื่องข้อมูล
จากนั้นเรียนรู้ว่า
AI เรียนรู้อย่างไร
จากนั้นเรียนรู้ว่าควรตั้งคำถามต่อผลลัพธ์อย่างไร
และท้ายที่สุด
นักเรียนที่โตขึ้นสามารถศึกษาเรื่องการออกแบบ ความรับผิดชอบ และธรรมาภิบาล
ดังนั้น AI
Literacy จึงได้ผลดีที่สุดเมื่อเป็นเส้นทางการเรียนรู้อย่างต่อเนื่อง
ไม่ใช่หลักสูตรแบบครั้งเดียว
สิงคโปร์:
เชื่อมโยง AI Literacy กับความเป็นพลเมืองดิจิทัล
แนวทางของสิงคโปร์เน้นความเชื่อมโยงที่สำคัญมากขึ้นอีกประการหนึ่ง:
AI Literacy และความเป็นพลเมืองดิจิทัลมีความสัมพันธ์กันอย่างใกล้ชิด
นักเรียนไม่ได้พบกับ
AI ผ่านแชตบอตเท่านั้น
พวกเขามีประสบการณ์กับ
AI อยู่แล้วผ่าน:
·
ระบบแนะนำ;
·
เสิร์ชเอนจิน;
·
แพลตฟอร์มโซเชียล;
·
บริการเฉพาะบุคคล;
·
ระบบตัดสินใจอัตโนมัติ
ด้วยเหตุนี้
AI Literacy จึงเกี่ยวข้องกับความสามารถในการตัดสินคุณภาพของข้อมูลด้วย
นักเรียนจำเป็นต้องถามว่า:
ข้อมูลนี้มาจากไหน?
เชื่อถือได้หรือไม่?
มีอะไรที่อาจขาดหายไป?
ข้อมูลนี้อาจทำให้เข้าใจผิดหรือไม่?
บทความต้นทางอธิบายการบูรณาการนี้ร่วมกับความรู้ดิจิทัลในวงกว้าง
สุขภาวะทางไซเบอร์ และการใช้เทคโนโลยีอย่างรับผิดชอบ
แนวทางนี้มีความเกี่ยวข้องอย่างยิ่งในยุค
Generative AI
เพราะภาษาที่ลื่นไหลสามารถสร้างความรู้สึกว่าคำตอบนั้นมีอำนาจและน่าเชื่อถือได้ง่าย
นักเรียนจำเป็นต้องเรียนรู้ว่า:
คำตอบที่ฟังดูน่าเชื่อ
ไม่ได้หมายความว่าเป็นคำตอบที่ผ่านการตรวจสอบแล้ว
เกาหลีใต้:
เรียนรู้เกี่ยวกับ AI และเรียนรู้ด้วย AI
เกาหลีใต้นำอีกมิติหนึ่งเข้ามาสู่การอภิปราย
แนวทางนี้แสดงให้เห็นความแตกต่างระหว่าง:
การเรียนรู้เกี่ยวกับ AI และการเรียนรู้ด้วย AI
ระบบการเรียนรู้ที่ใช้
AI สามารถสนับสนุนการปรับให้เหมาะกับแต่ละบุคคล การให้ข้อเสนอแนะ
และความก้าวหน้าของนักเรียน
แต่การใช้ระบบเหล่านั้นไม่ได้หมายความโดยอัตโนมัติว่านักเรียนเข้าใจว่า
AI ทำงานอย่างไร หรือเมื่อใดควรตั้งคำถามต่อคำแนะนำของระบบ
บทความต้นทางเน้นความแตกต่างนี้ในบริบทของการเรียนรู้ดิจิทัลที่ใช้
AI และการเตรียมความพร้อมของครู
สิ่งนี้ก่อให้เกิดหลักการออกแบบที่สำคัญสำหรับโรงเรียน
AI
ไม่ควรเพียงทำให้การเรียนรู้เร็วขึ้น
นักเรียนยังต้องมีโอกาสหยุดคิดและถามว่า:
เหตุใดระบบจึงแนะนำสิ่งนี้?
ข้อมูลใดมีอิทธิพลต่อคำแนะนำนี้?
ฉันควรยอมรับคำแนะนำนี้หรือไม่?
เมื่อใดที่ครูควรยังคงเป็นผู้รับผิดชอบการตัดสินใจขั้นสุดท้าย?
การเรียนรู้ด้วย
AI และการเรียนรู้ที่จะประเมิน AI จำเป็นต้องพัฒนาไปพร้อมกัน
สหรัฐอเมริกา:
การทดลองผ่านโรงเรียนและเขตการศึกษา
สหรัฐอเมริกาใช้โมเดลที่กระจายอำนาจมากกว่า
แทนที่จะใช้หลักสูตร
AI Literacy ระดับชาติหลักสูตรเดียวสำหรับ K–12 โรงเรียน เขตการศึกษา มหาวิทยาลัย
องค์กรไม่แสวงหากำไร และผู้ให้บริการเทคโนโลยีกำลังทดลองแนวทางที่แตกต่างกัน
บทความต้นทางกล่าวถึงโครงการต่าง
ๆ รวมถึง MIT RAISE และ Common Sense Education ซึ่งเชื่อมโยงแนวคิด AI
กับการเรียนรู้แบบก้าวหน้า ความเป็นพลเมืองดิจิทัล
และการใช้เทคโนโลยีอย่างรับผิดชอบ
การทดลองเหล่านี้ให้บทเรียนที่มีประโยชน์อีกประการหนึ่ง:
AI Literacy
ไม่สามารถเรียนรู้ได้จากคำอธิบายเพียงอย่างเดียว
นักเรียนต้องมีปฏิสัมพันธ์กับระบบ
AI
พวกเขาต้องเปรียบเทียบผลลัพธ์
พวกเขาต้องค้นพบว่าโมเดลต่าง
ๆ อาจให้คำตอบไม่ตรงกัน
พวกเขาต้องเห็นว่าบริบทเปลี่ยนคำตอบได้อย่างไร
พวกเขาต้องตรวจสอบข้อผิดพลาด
และพวกเขาต้องฝึกตัดสินใจว่าคำตอบนั้นควรเชื่อถือหรือไม่
แนวทางที่แตกต่าง
หลักการร่วมกัน
โมเดลในแต่ละประเทศแตกต่างกัน
แต่หลักการหลายประการกำลังเริ่มมาบรรจบกัน
AI Literacy
ครอบคลุมมากขึ้นเรื่อย ๆ ถึง:
·
การเข้าใจข้อมูลและอัลกอริทึม;
·
การใช้ Generative AI;
·
การระบุ hallucination;
·
การตรวจจับอคติ;
·
การปกป้องความเป็นส่วนตัว;
·
การตรวจสอบข้อมูล;
·
การเข้าใจผลกระทบด้านจริยธรรม;
·
การคงไว้ซึ่งการตัดสินใจของมนุษย์;
·
การพิจารณาผลกระทบต่อสังคม
นอกจากนี้ยังมีการเปลี่ยนแปลงอย่างชัดเจนจากการสอนแบบรับสาร
ไม่ควรเพียงบอกนักเรียนว่า
AI สามารถผิดพลาดได้
พวกเขาควรเรียนรู้ที่จะระบุและตรวจสอบข้อผิดพลาดเหล่านั้น
ไม่ควรเพียงบอกนักเรียนว่าพรอมต์มีผลต่อคำตอบ
พวกเขาควรทดลองด้วยบริบทที่แตกต่างกันและเปรียบเทียบผลลัพธ์
พวกเขาไม่ควรเพียงใช้
AI
พวกเขาควรเรียนรู้ที่จะตั้งคำถามกับมัน
ลำดับการพัฒนามีแนวโน้มเป็นดังนี้:
เข้าใจ AI →
ใช้ AI → ตั้งคำถามกับ AI → ประเมิน AI → สร้างสรรค์ด้วย AI → กำกับดูแล AI
อย่างรับผิดชอบ
สิ่งนี้หมายถึงอะไรสำหรับโรงเรียน
สำหรับโรงเรียน
ความท้าทายไม่ใช่เพียงการเลือกเครื่องมือ AI
แต่คือการสร้างสภาพแวดล้อมทางการศึกษาที่สอดคล้องและเป็นระบบรอบ
AI
สิ่งนี้ต้องอาศัยการเชื่อมโยง:
หลักสูตร →
ครู → กิจกรรมการเรียนรู้ → การทดลอง AI → ความรู้ที่เชื่อถือได้ → การประเมินผล →
ธรรมาภิบาล
หากไม่มีโครงสร้างดังกล่าว
การศึกษาเรื่อง AI อาจกระจัดกระจายได้อย่างรวดเร็ว
ปีหนึ่งนักเรียนอาจเข้าร่วมกิจกรรมหุ่นยนต์
ปีถัดไปพวกเขาใช้
ChatGPT
ต่อมาพวกเขาเข้าร่วมเวิร์กช็อปการเขียนพรอมต์
แต่ละกิจกรรมอาจมีประโยชน์
แต่เมื่อรวมกันแล้วไม่ได้หมายความว่าจะกลายเป็นหลักสูตร AI Literacy ที่แท้จริง
แนวทางที่มีโครงสร้างจำเป็นต้องมีการพัฒนาอย่างเป็นลำดับ
จากหลักการระดับโลกสู่การนำไปใช้ในห้องเรียนด้วย
Mexty
นี่คือจุดที่
Mexty
สามารถทำหน้าที่เป็นชั้นโครงสร้างสำหรับการนำไปใช้จริง
Mexty
ได้รับการออกแบบให้เป็นโครงสร้างพื้นฐานการเรียนรู้ที่ปลอดภัยและเป็น AI-Native
ซึ่งช่วยให้โรงเรียนจัด AI Literacy
เป็นประสบการณ์การเรียนรู้ที่พัฒนาอย่างต่อเนื่อง
แทนที่จะเป็นชุดทรัพยากรที่แยกจากกัน
โรงเรียนสามารถเชื่อมโยง:
เส้นทางการเรียนรู้
→ หลักสูตร → กิจกรรมเชิงโต้ตอบ → AI Literacy Labs → ความรู้ที่เชื่อถือได้ →
การประเมินผล → Analytics
บทบาทของ Mexty ไม่ใช่การแทนที่กรอบระดับชาติ ครู หรือผู้พัฒนาหลักสูตร
แต่คือการจัดหาโครงสร้างพื้นฐานที่ทำให้
AI Literacy สามารถปรับให้เหมาะสม ถ่ายทอด สัมผัสประสบการณ์ และประเมินผลได้
บทความต้นทางอธิบายบทบาทนี้ว่าเป็นการช่วยโรงเรียนจัดโครงสร้างเส้นทางการเรียนรู้
สร้างเนื้อหาเชิงโต้ตอบ จัดการการประเมิน และสร้างสภาพแวดล้อมที่ควบคุมได้สำหรับการทดลอง
AI เชิงปฏิบัติ
เริ่มต้นด้วยเส้นทางการเรียนรู้ที่มีโครงสร้าง
โรงเรียนไม่ควรต้องเริ่มต้นจากหน้าว่าง
สำหรับโรงเรียนในสหรัฐอาหรับเอมิเรตส์
Mexty มีเส้นทางการเรียนรู้ AI Literacy
สำเร็จรูปตั้งแต่ KG ถึง Grade 12
ในแต่ละระดับชั้นสามารถมีองค์ประกอบเหล่านี้พร้อมอยู่แล้ว:
·
หลักสูตร;
·
กิจกรรมเชิงโต้ตอบที่เกี่ยวข้อง;
·
การทดลองใน AI Literacy Lab;
·
การประเมินผล;
·
โครงงาน
จากนั้นครูสามารถปรับโครงสร้างที่มีอยู่ให้เหมาะสม
ตัวอย่างเช่น
โรงเรียนสามารถเปิดเส้นทางการเรียนรู้ AI Literacy สำหรับ Grade 7 แล้ว:
·
แก้ไขเนื้อหาที่มีอยู่;
·
เพิ่มข้อความ รูปภาพ และวิดีโอของโรงเรียนเอง;
·
เพิ่มนโยบายของโรงเรียน;
·
เพิ่มตัวอย่างให้สมบูรณ์ยิ่งขึ้น;
·
ปรับระดับความยากของหลักสูตร;
·
เพิ่มทรัพยากรสำหรับครู;
·
ปรับกิจกรรมเชิงโต้ตอบ;
·
ปรับแต่งการประเมินขั้นสุดท้าย
โรงเรียนเริ่มต้นจากโครงสร้างที่พร้อมใช้
ขณะเดียวกันยังคงควบคุมด้านการสอนได้
สำรวจ AI Literacy
สำหรับโรงเรียนในสหรัฐอาหรับเอมิเรตส์ →
สำรวจเทมเพลต
KG–12 ที่แก้ไขได้ →
เปลี่ยนแนวคิด
AI ให้เป็นประสบการณ์เชิงโต้ตอบ
แนวคิด AI
หลายเรื่องเรียนรู้ได้ยากหากผู้เรียนเป็นเพียงผู้รับสาร
ตัวอย่างเช่น
การบอกนักเรียนว่าโมเดล AI อาจเกิด hallucination
แตกต่างอย่างมากจากการให้นักเรียนตรวจสอบคำตอบที่มีข้อความอ้างซึ่งไม่มีหลักฐานรองรับ
แพลตฟอร์มการเรียนรู้เชิงโต้ตอบของ
Mexty
ช่วยให้ครูเปลี่ยนแนวคิดให้เป็นกิจกรรมได้
นักเรียนอาจ:
·
จัดประเภทข้อมูลที่ AI สร้างขึ้น;
·
ระบุข้อความอ้างที่น่าสงสัย;
·
เปรียบเทียบผลลัพธ์สองแบบ;
·
ตัดสินใจในสถานการณ์ที่มีทางเลือกแตกแขนง;
·
ตรวจสอบรูปภาพ;
·
ประเมินระดับความมั่นใจของตน;
·
อธิบายเหตุผลของการตัดสินใจ
ตัวอย่าง:
นักเรียนจัดประเภทคำตอบแต่ละรายการที่
AI สร้างขึ้นว่า ดูน่าเชื่อถือ ต้องตรวจสอบเพิ่มเติม
หรือไม่ปลอดภัยที่จะใช้หากไม่มีมนุษย์ตรวจทาน
ขณะนี้นักเรียนต้องใช้วิจารณญาณ
แทนที่จะเพียงท่องจำคำจำกัดความ
Mexty ยังสามารถทำหน้าที่เป็นเครื่องมือสร้างบทเรียน AI สำหรับครู
ช่วยให้นักการศึกษาสร้างกิจกรรมเริ่มต้น แล้วตรวจทาน แก้ไข และปรับปรุงด้วยตนเอง
สำรวจกิจกรรมเชิงโต้ตอบ
→
ให้นักเรียนทดลองผ่าน
AI Literacy Lab
หนึ่งในประเด็นร่วมที่ชัดเจนที่สุดของแนวทาง
AI Literacy ทั่วโลกคือการทดลองเชิงปฏิบัติ
AI Literacy
Lab ของ Mexty
สนับสนุนสิ่งนี้โดยตรง
เปรียบเทียบโมเดลต่าง
ๆ
นักเรียนถามคำถามเดียวกันกับโมเดล
AI สองโมเดล
พวกเขาวิเคราะห์:
·
ความแตกต่าง;
·
หลักฐาน;
·
สมมติฐาน;
·
ข้อมูลที่ขาดหายไป;
·
ระดับความมั่นใจ;
·
อคติที่อาจเกิดขึ้น
เป้าหมายไม่ใช่การประกาศว่าโมเดลหนึ่งดีกว่าอีกโมเดลเสมอไป
แต่คือการแสดงให้เห็นว่าผลลัพธ์จาก
AI จำเป็นต้องได้รับการประเมิน
เปลี่ยนบริบท
ถามว่า:
โรงเรียนควรอนุญาตให้นักเรียนใช้ AI ทำการบ้านหรือไม่?
จากนั้น:
ตอบในมุมมองของครู
และ:
ตอบในมุมมองของนักเรียน
นักเรียนตรวจสอบว่ามุมมองที่แตกต่างกันเปลี่ยนคำตอบอย่างไร
ตรวจสอบ
hallucination
นักเรียนระบุข้อความอ้างที่ไม่มีหลักฐานรองรับ
และตัดสินใจว่าต้องมีหลักฐานใดจึงจะตรวจสอบได้
เปรียบเทียบ
AI แบบทั่วไปกับ AI ที่อ้างอิงแหล่งข้อมูล
นักเรียนเปรียบเทียบ:
ความรู้ทั่วไปของโมเดล กับความรู้ที่อ้างอิงแหล่งข้อมูลที่เชื่อถือได้
การทดลองเหล่านี้ช่วยให้นักเรียนได้สัมผัสโดยตรงกับประเด็นประเภทเดียวกับที่กรอบ
AI Literacy ทั่วโลกให้ความสำคัญมากขึ้น
สอนให้นักเรียนทำงานกับแหล่งข้อมูลที่เชื่อถือได้
การตรวจสอบข้อมูลกำลังกลายเป็นหนึ่งในสมรรถนะ
AI Literacy ที่สำคัญที่สุด
ฐานความรู้ของ
Mexty
ช่วยให้โรงเรียนเพิ่มเอกสารที่ได้รับอนุมัติ เช่น:
·
เอกสารหลักสูตร;
·
นโยบายของโรงเรียน;
·
แนวทางอย่างเป็นทางการ;
·
ทรัพยากรที่ครูสร้างขึ้น;
·
เอกสารอ้างอิงที่ผ่านการตรวจสอบ
จากนั้นครูสามารถใช้เอกสารเหล่านี้เป็นแหล่งข้อมูลที่เชื่อถือได้ในการออกแบบประสบการณ์การเรียนรู้
นักเรียนอาจได้รับคำตอบ
AI แบบทั่วไปก่อน
จากนั้นจึงสำรวจคำถามเดียวกันโดยใช้แหล่งข้อมูลที่โรงเรียนอนุมัติ
ภารกิจการเรียนรู้จึงกลายเป็น:
อะไรเปลี่ยนไป?
ข้อความอ้างใดมีหลักฐานรองรับจริง?
ควรเชื่อถือคำตอบใด
และเพราะเหตุใด?
สิ่งนี้เชื่อมโยง
AI Literacy โดยตรงกับการประเมินแหล่งข้อมูลและความเป็นพลเมืองดิจิทัล
สำรวจฐานความรู้และ
Source of Truth →
ประเมินมากกว่าความรู้
การเคลื่อนไหวระดับนานาชาติไปสู่
AI Literacy ที่เน้นสมรรถนะยังส่งผลต่อแนวทางการประเมินด้วย
นักเรียนไม่ควรรู้เพียงคำศัพท์
พวกเขาควรแสดงให้เห็นว่าสามารถใช้วิจารณญาณได้
การประเมินของ
Mexty สามารถผสมผสาน:
·
แบบทดสอบ;
·
การจดจำด้วยภาพ;
·
ฮอตสปอต;
·
การจัดหมวดหมู่;
·
สถานการณ์แบบแตกแขนง;
·
กิจกรรมเปรียบเทียบ;
·
คลังคำถาม;
·
การตรวจสอบระดับความมั่นใจ
ตัวอย่างเช่น
นักเรียนได้รับคำแนะนำที่ AI สร้างขึ้น
นักเรียนต้องตัดสินใจว่าจะยอมรับคำแนะนำ
ตรวจสอบเพิ่มเติม หรือส่งต่อให้มนุษย์ตรวจทาน
แล้วระบุว่าตนมั่นใจในการตัดสินใจนั้นเพียงใด
สิ่งนี้ให้หลักฐานที่ลึกซึ้งกว่าคำถามแบบปรนัยธรรมดา
สำรวจการประเมินของ
Mexty →
ความสามารถของครูยังคงเป็นสิ่งสำคัญ
ในโครงการระดับนานาชาติต่าง
ๆ การเตรียมความพร้อมของครูปรากฏซ้ำ ๆ ว่าเป็นปัจจัยสำคัญ
ครูไม่จำเป็นต้องกลายเป็นวิศวกร
AI
แต่พวกเขาต้องมีความเข้าใจเพียงพอที่จะช่วยนักเรียนสำรวจคำถาม
เช่น:
·
เหตุใด AI จึงเกิด hallucination ได้?
·
บริบทมีอิทธิพลต่อผลลัพธ์อย่างไร?
·
อะไรทำให้แหล่งข้อมูลน่าเชื่อถือ?
·
อคติเกิดขึ้นได้อย่างไร?
·
ข้อมูลใดไม่ควรถูกแชร์?
·
เมื่อใดนักเรียนควรใช้ AI?
·
เมื่อใดการตัดสินใจของมนุษย์ต้องยังคงเป็นสิ่งสำคัญ?
Mexty สามารถสนับสนุนเรื่องนี้ด้วยเส้นทางการเรียนรู้ AI Literacy
สำหรับครูโดยเฉพาะ และประสบการณ์เชิงปฏิบัติใน Lab
ครูสามารถทดลองกิจกรรมเดียวกับที่นักเรียนจะใช้ในภายหลัง
ทบทวนแนวทางการสอน และปรับให้เหมาะกับห้องเรียนของตน
สำรวจการฝึกอบรม AI
Literacy สำหรับครู →
สหรัฐอาหรับเอมิเรตส์สามารถผสานบทเรียนที่แข็งแกร่งที่สุดจากโมเดลต่าง
ๆ
การเปรียบเทียบระดับนานาชาติชี้ให้เห็นว่าไม่มีแนวทางเดียวที่เพียงพอ
การพัฒนาอย่างเป็นลำดับมีความสำคัญ
สมรรถนะมีความสำคัญ
ความเป็นพลเมืองดิจิทัลมีความสำคัญ
การทดลองเชิงปฏิบัติมีความสำคัญ
ความพร้อมของครูมีความสำคัญ
การประเมินผลมีความสำคัญ
ธรรมาภิบาลมีความสำคัญ
สหรัฐอาหรับเอมิเรตส์กำลังผสานองค์ประกอบเหล่านี้เข้าด้วยกันมากขึ้น
เปิดโอกาสให้โรงเรียนสร้าง AI Literacy ให้เป็นขีดความสามารถ K–12 ที่สอดคล้องกัน
แทนที่จะเป็นชุดโครงการเทคโนโลยีที่แยกส่วน
Mexty
สามารถช่วยโรงเรียนเปลี่ยนจากทิศทางเชิงกลยุทธ์ดังกล่าวไปสู่การนำไปใช้จริง
ผ่านโครงสร้างพื้นฐานการเรียนรู้ที่ปลอดภัยและเป็น
AI-Native โรงเรียนสามารถผสาน:
เส้นทางการเรียนรู้สำเร็จรูป
หลักสูตรที่แก้ไขได้
กิจกรรมการเรียนรู้เชิงโต้ตอบ
AI Literacy Labs
ความรู้ที่เชื่อถือได้
การประเมินผล
การฝึกอบรมครู
Analytics และหลักฐานการเรียนรู้ของผู้เรียน
เป้าหมายไม่ใช่การสร้างนักเรียนที่เพียงรู้วิธีใช้งานเครื่องมือ
AI ในปัจจุบัน
เครื่องมือเหล่านั้นจะเปลี่ยนแปลงไป
ความสามารถที่ยั่งยืนกว่าคือการรู้ว่า:
AI
ทำงานอย่างไร เมื่อใดควรใช้ เมื่อใดควรตั้งคำถาม วิธีตรวจสอบข้อมูล
วิธีสร้างสรรค์ด้วย AI อย่างรับผิดชอบ
และเมื่อใดที่การตัดสินใจของมนุษย์ต้องมาก่อน
สิ่งนี้กำลังกลายเป็นหนึ่งในความท้าทายด้านการศึกษาที่สำคัญที่สุดของอนาคตที่ขับเคลื่อนด้วย
AI
| หากคุณชอบบทความนี้ คุณจะต้องชอบบทความถัดไปของเราอย่างแน่นอน ความรู้ความเข้าใจด้าน AI สำหรับพนักงาน: เหตุใดการนำ AI มาใช้เพียงอย่างเดียวจึงไม่เพียงพอสำหรับการเปลี่ยนแปลงทางธุรกิจ |
