Page 232 - Izobraževanje v dobi generativne umetne inteligence

Alenka Lipovec in Barbara Arcet

Einarsson idr. (2024) poročajo o mešanih rezultatih pri uporabi GUI za prila-
gajanje matematičnih problemov s področja verjetnosti in statistike različnim
študijskim področjem na fakultetni ravni, kot so biologija, ekonomija, pravo
in inženirstvo. Prilagoditve je ocenjevalo 23 strokovnjakov, ki ugotavljajo,
da je imelo približno tri četrtine preoblikovanih nalog dodano izobraževal-
no vrednost v primerjavi z osnovno nalogo. Po drugi strani pa so strokov-
njaki ugotovili tudi, da je le nekoliko več kot polovica prilagojenih nalog
predstavljala scenarij iz resničnega sveta. Dodatna anketa, izvedena med 44
študenti računalništva, je razkrila raznolik spekter preferenc med izvirnimi
in preoblikovanimi nalogami; študenti so sicer včasih bolje ocenili karierno-
-personalizirane matematične naloge, ki jih je ustvarila GUI, vendar so izrazili
zaskrbljenost glede dodajanja daljših kontekstualnih podrobnosti k nalogam
(Einarsson idr., 2024).
Nataliya Hristova Pavlova (2024) je preučevala uporabo obrnjenega dialoš-
kega učenja ob uporabi ChatGPT pri usposabljanju bodočih učiteljev mate-
matike in informatike. Sledila je načelom obrnjenega učenja in dialoškega
učenja. Obrnjeno dialoško učenje združuje prenos informacij iz učilnice v
predhodno delo učečih se, značilno za obrnjeno učenje (Abeysekera in Daw-
son, 2015), z aktivnim dialogom, ki je značilen za dialoški pristop (Hattie idr.,
2016). Raziskava je vključevala 21 študentov, bodočih učiteljev matematike,
informatike in informacijske tehnologije. Najprej so študentom predstavili
primere, kjer je sistem GUI naredil napake ali ponudil rešitve, ki so bile nejas-
ne. Sledila sta kritična analiza teh rešitev ter usmerjanje študentov k reformu-
laciji vprašanj, da bi pridobili pravilne in uporabniku prijazne odgovore. Na
koncu so študente spodbudili, da sami poiščejo podobne primere. Izkazalo
se je, da študentje težko ustvarijo primere, kjer GUI naredi napake, vendar
je delo s ChatGPT vseeno pripomoglo k razvoju njihovih sposobnosti refor-
mulacije vprašanj in kritičnega vrednotenja odgovorov. Rezultati so dodatno
pokazali razlike med študenti informatike in matematike. Vsi bodoči učite-
lji informatike so pred raziskavo namreč poznali to orodje, medtem ko ga je
poznal le en študent matematike.
Daher in Gierdien (2024) sta v kontekstu reševanja nalog s kvadratno enač-
bo poročala, da je imel ChatGPT-4 težave z reševanjem nalog, ki govorijo o
obstoju rešitve enačbe, je pa lepo vključeval logične povezovalce, kot sta
»torej« in »ker«, ter časovne označevalce, kot sta »zdaj« in »nato«. Zhang idr.
(2024) so se osredotočali na uporabo GUI, predhodno usposobljene na av-
tentičnih podatkih o matematičnih dialogih učencev. Preučevali so vpliv ve-
likosti podatkovnih nizov za fino prilagajanje in predhodno usposabljanje na
naloge obdelave naravnega jezika (angl. natural language processing – NLP)

232