LLM in Pomoč pri učenju
Učeči se in učitelj morata vedeti, kakšno je učenčevo trenutno znanje, katere cilje želi učenec doseči in kateri načini učenja mu najbolj ustrezajo. To še posebej velja pri poučevanju učencev in dijakov s posebnimi potrebami, tudi kadar si želimo pomagati z velikimi jezikovnimi modeli.
Primer lepe in očitne umetnointeligenčne grafike, ki je primerna za podajanje snovi.
Veliki jezikovni modeli so postali del poučevanja; marsikateri pedagog se je že (vede ali nevede) srečal z izdelkom, pri katerem je učencu pomagal Claude, Chat-GPT, Gemini ali kateri od drugih »umetnointeligenčnih pomočnikov«. Tudi mnogi učitelji so te pomočnike že posvojili; v ponudbi izobraževanj za pedagoge najdemo celo vrsto atraktivnih vsebin, ki se osredotočajo predvsem na postopke, kako priti do najboljših rezultatov, torej so neke vrste navodila za uporabo. Na tem mestu ne želimo odkrivati tople vode in pisati o kakovosti pozivov (promptov), iteracijah in nadgradnjah, vlogah in tonih zapisanega besedila, dolžinah in formatih, primerih, preverjanju dejstev in omejitvah ter o tem, kateri jezikovni model je primeren za katere naloge. Osredotočili se bomo na to, kaj je sploh izvedljivo, kaj bi si še želeli in v katere pasti se lahko ujamejo pedagogi ter učenci in dijaki pri uporabi velikih jezikovnih modelov. Članek temelji na izkušnjah učitelja v preteklem šolskem letu in uporabi brezplačnih različic orodij Claude (Haiku 4.5), Chat-GPT (GPT-4o, GPT-5), Gemini (3.1 Pro in 3.6 Flash) ter v manjši meri tudi slovenskega jezikovnega modela GaMS.
Meje mojega jezika so meje mojega sveta
Poučevanje učencev in dijakov s posebnimi potrebami je (če zelo poenostavimo) v veliki meri povezano s prilagojenim podajanjem znanja. Gradiva morajo biti prilagojena učenčevim potrebam, zmožnostim in učnim ciljem, umetna inteligenca (UI) pa lahko učitelju skrajša čas priprave njihovega osnutka. Po drugi strani mora učitelj gradivo, ki ga ni napisal sam, precej bolj skrbno prebrati in pregledati, saj se pri uporabi jezikovnih modelov pojavljajo halucinacije – od precej očitnih do takih, ki jih opazimo šele pri drugem ali tretjem pregledu (napačni viri, napačni diagrami poteka, napačne formule, računi ipd.). Tovrstnih napak po naših izkušnjah ni malo; nekatere lahko omejimo s tem, da zahtevamo uporabo lastnih virov informacij, a tudi to ne prepreči vseh napak. Pogosto smo v dilemi: naj gradivo napišemo sami ali čas, prihranjen s pripravo osnutka z jezikovnim modelom, namenimo njegovemu preverjanju? Le v past, da gradiva zaradi časovne stiske sploh ne preverimo, se ne smemo ujeti.
Po naših izkušnjah so jezikovni modeli zelo dobri pri pisanju pisnih navodil; z nekaj vaje nam lahko pripravijo natančna, sistematično razdelana ter starosti in posebnim potrebam prilagojena navodila, razlago ali vaje. Sestavljanje nalog je poglavje zase; kljub zelo nazornim navodilom in primerom so bile naloge pri naših preizkusih večinoma omejene na vprašanja odprtega tipa, naloge izbirnega tipa z bodisi zelo podobnimi bodisi očitno napačnimi ponujenimi odgovori ter naloge tipa »poveži stolpca med seboj«. Pri naših preizkusih so se naloge in vprašanja pri različnih modelih pogosto ponavljali (spremenila se je le kakšna podrobnost), pestrost vprašanj pa se je kljub dodatnim zahtevam in tematskim področjem le malo povečala. Prav zato se nam zdi smiselno kombinirati in preverjati odgovore različnih modelov.
Kako bi to uporabili pri konkretni nalogi? Nalogo za izračun povprečja lahko za učenca, ki težje sledi večdelnim navodilom, razdelimo na korake: preberi podatke, izračunaj vsoto, preštej vrednosti in vsoto deli z njihovim številom. Za učenca, ki potrebuje jezikovno preprostejša navodila, lahko zahtevamo krajše povedi in razlago izrazov, učni cilj pa ohranimo enak. Pri slikovni razlagi zanke lahko model prosimo za osnutek preprostega diagrama z besednim opisom, nato pa preverimo, ali učenec iz njega razbere zaporedje korakov. To so izhodišča za prilagajanje, ne enotni recepti za vse učence s posebnimi potrebami.
Precej bolj se zatakne pri naslednjem koraku, ko bi si želeli ustvarjanja diagramov, miselnih vzorcev ali slikovnega gradiva (četudi samo pri iskanju že obstoječega gradiva, da o generiranju slikovnega materiala niti ne govorimo). Pri naših preizkusih so bile generirane skice pogosto pomanjkljive ter so vsebovale slovnične in tipkarske napake. Tudi pri pisnih navodilih teh napak ne moremo izključiti; pri skicah pa moramo posebej preveriti še vsebinsko pravilnost, primernost in nazornost. Izdelave samodejno generirane videorazlage se ponavadi niti ne lotevamo, saj je za področje računalništva in informatike veliko videogradiv že dostopnih na spletu. Čeprav nam jih modeli lahko predlagajo, je primernost videa in slikovnega gradiva najbolj odvisna od posebnih potreb vsakega posameznika. Nekateri potrebujejo navodila korak po koraku (ta je zaradi sprememb orodij najtežje ohranjati aktualna), drugi želijo hiter povzetek, spet tretji bi radi podrobno razumeli, kaj delajo. V praksi je zato smiselno predlagati več različnih videoposnetkov, ki pa jih je treba najprej podrobno pregledati.
Učiteljeva razlaga je pri poučevanju otrok in dijakov s posebnimi potrebami nepogrešljiv del učnega procesa, saj se učitelj, ki svoje dijake dobro pozna, pri razlagi lahko oziroma mora prilagoditi učencu oziroma dijaku. Gradiva, pripravljena z velikimi jezikovnimi modeli, so dopolnilo k razlagi, saj učencu omogočajo, da se k vsebini vrača in jo utrjuje tudi doma. Razumevanje problematike je pri računalništvu in informatiki treba dopolniti s praktičnimi nalogami, s katerimi pridobivamo izkušnje – naj gre za programiranje, servisiranje, poizvedbe SQL, NoSQL ali izdelavo kablov.
Repetitio est mater studiorum (Ponavljanje je mati učenja)
Če je proces učenja pot od obstoječega znanja k želenemu z metodami in oblikami dela, ki najbolje ustrezajo posamezniku s posebnimi potrebami, moramo učitelja v tem procesu razumeti kot učenčev kažipot. Obseg spremljanja, razlage, domačih nalog in povratnih informacij prilagajajmo učenčevim potrebam in stopnji samostojnosti, ne le njegovi starosti. Učencem in dijakom pokažimo tudi različne poti do cilja. Učenje se ne konča v šoli; učenci in dijaki naj imajo na voljo dovolj ustrezno prilagojenega gradiva v zvezkih, učbenikih ali spletni učilnici, da lahko po svojih zmožnostih delajo tudi doma. Cilj je čim večja samostojnost učenca; pomoč staršev naj podpira njegovo delo, ne pa ga nadomešča.
Če se osredotočimo samo na poučevanje programiranja, potem brez ponavljanja in reševanja velikega števila na videz podobnih nalog žal ne gre. Le redkim je dano, da so jim ta znanja tako rekoč položena v zibelko in da se lahko že zelo zgodaj ukvarjajo z optimizacijo kode, izbiro ustreznega programskega jezika glede na zahtevano nalogo ter uporabo hitrih podatkovnih struktur. Preostali se morajo tega priučiti z vztrajnostjo in odločnostjo, pri čemer jim lahko veliki jezikovni modeli pomagajo z razlagami.
Dostopnost že izdelanih rešitev povečuje skušnjavo, da bi učenci preskočili samostojno reševanje. Tudi spodaj podpisani je velikokrat prejel rešitve nalog, ki jih je ustvarila »umetna inteligenca«. Poznavanje učenca nam lahko pomaga opaziti odstopanja od njegovega običajnega dela, vendar zahtevnost rešitve in izbira imen spremenljivk, kot sta i in j, sama po sebi ne dokazujeta uporabe UI. Bolje je, da učenec pojasni delovanje kode, utemelji izbiro postopka in rešitev samostojno prilagodi. Zgovoren je primer dijaka, ki namesto zahtevane rekurzivne rešitve odda iterativno in njeno ustreznost utemeljuje s tem, da mu je »UI« tako rekla. Delujoča koda še ne pomeni, da rešitev izpolnjuje zahteve naloge. Uporabe velikih jezikovnih modelov se je, tako kot uporabe vsakega orodja, treba priučiti. Pri pedagoškem delu je zato smiselno veliko pozornosti nameniti njihovi premišljeni rabi za učenje ter razvijanje novih storitev in izdelkov.
Ne naredi namesto mene, ampak me popravljaj, izboljšuj, svetuj
Izhodišče za rabo velikih jezikovnih modelov, ob predpostavki, da smo že nekaj znanja nabrali, naj bo to, da je nadaljnje učenje pravzaprav popravljanje lastnih napak. Namesto da bi jezikovnim modelom prepustili pisanje celotnega algoritma, jim raje posredujmo lastno rešitev, povejmo, kaj želimo doseči, in zahtevajmo razlago, kje in zakaj je šlo narobe. Ko pridemo do delujoče rešitve, lahko svojo rešitev primerjamo z rešitvijo jezikovnega modela, ki naj bo optimizirana za najmanjšo porabo pomnilnika. Učence in dijake spodbujajmo, da naloge, ki jim jih podamo, samostojno popravljajo in izboljšujejo, tudi ob pomoči jezikovnih modelov. Postavljajmo jih v vlogo računalnika: naj ne pišejo le kode, temveč naj po korakih razložijo njeno izvajanje in napovejo rezultat. Svojo razlago lahko primerjajo z odgovorom jezikovnega modela, vendar naj ga obravnavajo kot izhodišče za razmislek, ne kot dokaz pravilnosti. Rezultat naj preverijo z izvajanjem kode in s testnimi primeri, tudi z robnimi.
Ko so osnove utrjene, čim prej preidimo od reševanja posameznih nalog k izdelavi zaključenega projekta v okviru samostojnega ali skupinskega dela, torej delujočega programa z uporabniškim vmesnikom. Začnimo s preprostimi projekti, ki jih lahko zaključimo v nekaj urah, saj imajo veliko motivacijsko moč in spodbujajo vztrajnost. Učenje je lahko tudi zabavno opravilo, če izberemo nekaj, kar nas zanima (na primer programiranje preproste igre), in si znamo z velikimi jezikovnimi modeli olajšati tisto, česar še ne znamo ali smo naredili narobe. Od te točke dalje se začne specializacija, učitelja pa bo prej ali slej nadomestil mentor, vodja ali šef oddelka. Šola se v nekem trenutku mora zaključiti, učimo pa se bolj ali manj intenzivno vse življenje.
