Дайджесты ШЭМ

Искусственный интеллект (ИИ) ворвался в образование стремительно в формате большой языковой модели ChatGPT, породив массу жарких дискуссий и изменив привычный дискурс о будущем образования и его возможных трансформациях. Участники обсуждений обычно выражают тревоги и страхи, связанные с появлением ИИ в классе: ИИ бросает вызов существующим образовательным правилам и стандартам, институциональным ограничениям и этическим традициям; ИИ угрожает потери рабочих мест административному персоналу и педагогам; сильная зависимость от ИИ в классе может привести к сокращению человеческого взаимодействия, что препятствует развитию социальных навыков, эмоционального интеллекта и эмпатии. Так или иначе эти дискуссии базируются на допущениях, связанных с вопросом о статусе ИИ как «заместителе» педагога, средстве обучения подобном вычислительной машине и/или огромной базе данных, доступ к которой должен быть институционально регламентированным (Bewersdorff et al., 2023). В этой работе мы сконцентрируемся на двух интерпретациях роли ИИ в обучении, которые базируются на двух посылках.

Первая интерпретация восходит к представлениям о том, что генеративный ИИ – это самообучающаяся система, которая использует алгоритмы для производства нового контента. ИИ развивается с помощью моделей, которые, в свою очередь, «обучаются» через комбинации данных. Таким образом, ИИ становится источником большого числа текстов на основе статистических комбинаций данных, превосходя аналогичные способности человеческого сознания. И в этом смысле ИИ превращается в носителя некоего знания, сконцентрированного в одной самообучающейся машине, а задача обучающегося состоит в том, чтобы научиться получать это знание, взаимодействуя с ИИ. Это представление о возможностях ИИ позволяет педагогам и исследователям в области образования говорить об ИИ как средстве обучения. Академический дискурс при таком допущении обнаруживает, например, такие словосочетания в научных текстах о роли ИИ в образовании, как «обучение искусственному интеллекту», «использовать технологии ИИ», «тип мышления, свойственный ИИ». Под обучением искусственному интеллекту понимается процесс обучения тому, как понимать и использовать технологии ИИ. Эта область исследований включает в себя обучение студентов базовым принципам ИИ, например, тому, как программировать системы ИИ, как проектировать и разрабатывать приложения ИИ. Так, исследователи предлагают обратить внимание на обучение основам применения ИИ в начальной и средней школе. Одна из таких инициатив называется ИИ для школы (AI4K-12), которая предлагает «5 больших идей в ИИ: Восприятие, Представление и Аргументация, Обучение, Естественное взаимодействие и Влияние на общество». Каждая из пяти идей в дальнейшем декомпозируется в группы технических понятий и навыков. Идеи выстроены в логическом порядке от более узких областей, требующих навыков низкого порядка (например, Восприятие), до более широких навыков высокого порядка (например, Влияние на общество) (Burgsteiner et al., 2016, Ng et al., 2021, Rizvi et al., 2023). Также, например, с помощью ИИ предлагается изучать особый тип «мышления», который свойственен ИИ. Студентам предлагается самим создавать алгоритмы для понимания того, как использовать знания для решения проблем (Vashayil et al., 2019).

Все вышеперечисленные примеры описывают разные варианты того, как педагог осуществляет обучающее воздействие с помощью ИИ. При всем разнообразии вариантов использования ИИ в обучении напрашивается одна общая метафора для описания взаимодействия педагогов и студентов с ИИ. Такая модель взаимодействия подобна монологической парадигме, где педагог и/или студенты обращаются к ИИ как самообучающейся машине с вводными данными (input), ожидая получить некие выводные данные (output). Такие монологические модели характеризуются регулярностью, поэтому их, как считают авторы, можно обнаруживать и с их помощью исследовать реальность и менять ее (Wegerif, 2008).

Монологический подход к выстраиванию отношений между человеком и ИИ — это дань традиции, существующей в европейской системе образования многие столетия, а именно, стремление находить универсальные законы и структуры, лежащие в основе явлений, а идеальной целью становится создание логически связной модели всего, независимо от существующих точек зрения на эту проблему (Wegerif, 2008).

Не отрицая эвристической пользы от знания логических законов и структур, лежащих в основе явлений, часть исследователей тем не менее поддерживают и продвигают другую интерпретацию роли ИИ в обучении. Их посылка заключается в том, что такое взаимодействие происходит на диалогической основе, где значение существует не как статичная структура, обозначающая реальность, а динамический конструкт, возникающий между собеседниками. В отличии от монологической парадигмы, в которой участники взаимодействия реагируют на то, что делают другие, в диалогической модели участники «сонастраиваются» с остальными участниками, другими словами, принимают во внимание то, как, по их мнению, другие будут реагировать на них (Wegerif, 2008). Отличительной особенностью таких моделей считается не регулярность, а их цикличность. В каких отношениях друг к другу находятся ИИ, студент и/или педагог в такой модели? Участниками диалога становятся обучающиеся и/или педагог, они характеризуются внутренней неопределенностью. Так, внутренняя неопределенность участников диалога может быть условно сформулирована следующим образом: как образовательные институты должны реагировать на технологические интервенции, нужно ли повышать цифровую грамотность преподавателей и студентов, и если да, то как обеспечить синтез технологий с уже сложившимися образовательными практиками и институциональными традициями. Исследователи рассматривают таких участников как адаптивные системы, которые стремятся сбалансировать свою внутреннюю неопределенность с внешней по отношению к ним средой (например, появление ИИ), которая также обладает своей неопределенностью и сложностью. Технология, в частности, ИИ существует во внешней среде и приводит к усилению неопределенности, к которой, в частности, студенты и преподаватели, а также учебные заведения адаптируются через диалог. Обучение происходит внутри диалоговой адаптации, не фокусируясь на технологии как таковой, а на неопределенности, которую технология порождает. В отличие от первой интерпретации, во втором случае технология не то, чему нужно обучать, а катализатор, существующий в окружающей среде, с помощью которого обучающиеся и/или педагоги осуществляют более глубокую смысловую координацию ожиданий и дискуссию для снижения внутренней неопределенности (Johnson et al., 2022). Такая модель доказывает, что средством обучения становится не ИИ, а все участники диалогового пространства, студенты и педагоги. Так, на основе такой интерпретации ИИ построены модули курса «Глобальная научная коммуникация», который реализуется в Школе экономики и менеджмента Дальневосточного федерального университета. Элементы курса были представлены студентам Пекинского педагогического университета на Фестивале цифрового образования в г. Чжухай в июне 2023 года. Будущим педагогам предложено подумать вместе над предметами живой и неживой природы, которые лежат перед ними (ветки деревьев, пластиковые предметы, шишки, кора дерева, китайский музыкальный инструмент). Преподаватель предлагает студентам выбрать те предметы, которые им представляются интересными, обсудить в команде вопрос, что общего между выбранными предметами, а затем изобразить «общее» в виде рисунка. Презентация командной работы выводит студентов на разговор о паттернах, которые обнаруживаются у всех предметах, в том числе и звуках, издаваемых музыкальным инструментом. Дальше преподаватель демонстрирует схему работы ИИ и опять предлагает студентам поговорить о том, что общего между предметами окружающей среды и ИИ. У студентов возникает вопрос, насколько ИИ искусственный или же он имеет биологическое происхождение. Роль преподавателя в процессе совместного «думания» представляется несколько необычной. Вместо того, чтобы давать студентам идеи и ответы на вопросы, преподаватель предлагает разного рода активности, обращается к диаграмме, на которой представлена работа ИИ, а также демонстрирует книги, в которых можно найти идеи для ответа на свои вопросы после занятия. К данному моменту у студентов уже сформировано общее диалогическое пространство, в котором они пытаются понять феномен, и через описание собственного опыта увидеть его по-новому. Вопрос об искусственной природе ИИ тому подтверждение. Витгенштейн называл такой опыт «ясным представлением», другими словами, способом, которым мы смотрим на мир (Вегериф, 2008).

В момент, когда у студентов накопилось много вопросов, преподаватель предлагает обратиться к программе, созданной на основе чата GPT. Интерфейс программы разработан таким образом, чтобы студенты могли уточнять свой запрос путем выбора той или иной категории Любознательность, Энергия, Гомеостаз, Креативность, Музыка и тд., а также путем выбора автора той или иной теории Джона Тордея, Антонио Дамасио, Карла Фристона, объясняющей феномен. Студент делает запрос, например, «Объясни, что значит быть человеком с точки зрения коммуникации/любознательности/гомеостаза и т.д. Вместо слова Человек можно написать Клетка, и тогда запрос выглядит следующим образом «Что значит быть клеткой с точки зрения любознательности/коммуникации/гомеостаза и т.д. Можно уточнить эти запросы, выбрав теорию, через которую программа объяснит феномен «Напиши ответ с точки зрения эволюционного биолога Джона Тордея». В ходе диалога студенты и преподаватели занимаются тем, что регулируют неопределенность с помощью цикличного обращения с запросами к чату GPT. Как видим, педагог не ставит задачу снизить или снять неопределенность с помощью готовых ответов на вопросы студентов или обучения студентов тому, как «правильно» использовать ИИ в поиске решений или ответов на свои вопросы.

Таким образом, возвращаясь к началу дискуссии о роли педагога и ИИ в образовательном процессе, мы можем сказать, что несмотря на появление ИИ в классе, роль педагога не меняется. Именно педагог, студенты и другие участники образовательного процесса выступают «средством» обучения, где ИИ не только не сокращает человеческое взаимодействие, а наоборот, усиливает его. Только выстраивая диалогическое пространство, возможна адаптация внутренней неопределенности к внешней среде.

Список литературы

1. Burgsteiner, H., Kandlhofer, M., & Steinbauer, G. (2016). IRobot: Teaching the Basics of Artificial Intelligence in High Schools. Proceedings of the AAAI Conference on Artificial Intelligence, 30(1). https://doi.org/10.1609/aaai.v30i1.9864

2. Bewersdorff, A., Zhai, X., Roberts, J., & Nerdel, C. (2023). Myths, mis- and preconceptions of artificial intelligence: A review of the literature. Computers and Education: Artificial Intelligence, 4. https://doi.org/10.1016/j.caeai.2023.100143

3. Johnson, M. W., Suvorova, E. A., & Karelina, A. A. (2022). Digitalization and Uncertainty in the University: Coherence and Collegiality Through a Metacurriculum. Postdigital Science and Education, 4(3). https://doi.org/10.1007/s42438-022-00324-1

4. Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2. https://doi.org/10.1016/j.caeai.2021.100041

5. Rizvi, S., Waite, J., & Sentance, S. (2023). Artificial Intelligence teaching and learning in K-12 from 2019 to 2022: A systematic literature review. Computers and Education: Artificial Intelligence, 4. https://doi.org/10.1016/j.caeai.2023.100145

6. Vazhayil, A., Shetty, R., Bhavani, R. R., & Akshay, N. (2019). Focusing on Teacher Education to Introduce AI in Schools: Perspectives and Illustrative Findings. Proceedings - IEEE 10th International Conference on Technology for Education, T4E 2019. https://doi.org/10.1109/T4E.2019.00021

7. Wegerif, R. (2008). Reason and Dialogue in Education. In The Transformation of Learning (pp. 273–286). Cambridge University Press. https://doi.org/10.1017/CBO9780511499937.017

Весной 2023 года в академическом сообществе разгорелся скандал. Студент одного из московских вузов честно признался, что написал дипломную работу в области менеджмента с помощью популярной языковой модели ChatGPT. Академический мир разделился на два лагеря. Одни говорили, что такую работу нельзя допускать к защите, так как в ней обнаруживается преднамеренный плагиат (студент позаимствовал идеи генеративной системы и не сделал ссылки на нее), другие же, наоборот, считали, что стоит признать за студентом авторство, так как студент сам делал запросы ИИ и создал свой собственный алгоритм запросов, творчески подойдя к решению вопроса. С этого момента на повестке стоит вопрос, что мы понимаем под оценкой в век технологического усложнения, как будет выглядеть процедура оценивания с появлением ИИ, особенно в случаях оценивания творческих работ таких как, эссе, курсовых и дипломных работ.

Мы намеренно оставляем в стороне вопрос авторского права, который активно обсуждается на законодательном уровне, так как это не относится к области экспертизы педагогического сообщества. Недавний случай с дипломной работой и чатом GPT вскрывает ряд дискуссионных вопросов, где главным становится следующий: с появлением генеративных систем остаются ли эссе и дипломная работа основными формами оценивания для педагогов.

До недавнего времени эссе и/или дипломная работа считались важными формами контроля в университете, которые позволяли судить о том, как студент учится, есть ли у него мотивация учиться, рефлексировать по поводу собственных знаний и навыков, а также, насколько значимыми лично для студента являются те знание и умения, которые студент приобретает в процессе учебы (Winter, 2003). Традиционно система оценивания строилась на так называемом принципе «конструктивной согласованности». Содержание любого курса формировалось вокруг ясных образовательных целей (часто имеющих дисциплинарную природу), далее выбирались приемы и методы, с помощью которых можно достичь желаемых целей, а затем определялись формы контроля и процедуры оценивания, чтобы понять, достиг ли студент целей, которые определил педагог (Biggs, 1999). Обычно соответствие студенческих результатов поставленным целям определялось через систему критериев. Описанную систему оценивания можно назвать линейной. Она привычна для студентов, его родителей, менеджеров учебных заведений и педагогов. По большому счету, именно оценка становится основной деятельностью, которой занимаются университеты и школы в такой концепции. Это та функция, которую общество закрепило за образовательными институтами. Так, в университете студенты посещают курсы, оставляя после завершения учебы официально задокументированные оценки своей работы, из которых формируется не только индивидуальная оценка студента по курсу, но и его квалификация как специалиста. Оценка подсказывает студенту то, на что он может претендовать при выборе своей карьерной траектории, а также позволяет другим заинтересованным лицам (например, потенциальным работодателям) принимать информированное решение в отношении этого студента. Такая система напоминает отношения обмена «преподавание-учеба», при которой происходит конвертация обучения в квалификацию (Winter, 2003). Выстраивая такого рода отношения, образовательные институты достаточно стабильно и предсказуемо существуют и функционируют до того момента, пока в общественную жизнь (а образование ее часть) не приходят технологии, которые увеличивают неопределенность окружающего мира и вызывают непредсказуемые социальные эффекты. Учебные заведения начинают испытывать сложности при выборе и координации своих действий для снижения риска неуправляемых и хаотических последствий. Они начинают задаваться вопросом, каково значение технологии в учебной деятельности студента (Johnson et al., 2022): технология служит расширением существующих возможностей (например, набора учебных инструментов) (McLuhan, 2012), дополнением к уже существующим (Illich, 2001) или «пересобирает» всю систему в целом (Heidegger, 1978). Пример студенческой дипломной работы, написанной с помощью чата GPT, является ярким тому подтверждением. Студент московского вуза задается вопросом, какой вариант технологии выбрать, чтобы эффективней организовать свою работу. Реакция университета выглядит так: какие варианты выбираем мы, чтобы поддерживать слаженность и жизнеспособность внутри нашего учебного заведения. В этом вопросе выражен весь институциональный страх перед хаосом, который порождается личным выбором технологии учащимся, которая представляется ему наиболее эффективной. Очевидная и даже ожидаемая институциональная реакция – лишить студентов и педагогов всякого выбора в вопросе использования технологий (Johnson et al., 2022) или же отказать студенту в присвоении квалификации, ссылаясь на то, что студент некорректно или нелигитимно использовал технологию при написании дипломной работы. Игнорирование сложности окружающего мира (которая в образовании возникает из дисциплинарной дифференциации и через технологические практики переформатируется в трансдисциплинарный уровень), к которому должны адаптироваться студенты, педагоги и менеджеры из области образования лишь усугубляют ситуацию с тем, как оценивать творческие работы, в производстве которых участвовали генеративные системы типа ChatGPT.

Мы исходим из посылки, что при постоянно усложняющейся окружающей действительности только нелинейный характер процедуры оценивания сможет адекватно реагировать на усиливающуюся неопределенность мира. Нелинейность оценки заключается в том, что учебные цели по поводу мотивации, уровня рефлексии и значимости приобретаемых знаний и умений должны формулироваться или корректироваться в процессе обучения, а не перед тем, как педагог встретился со студентом. Педагог оценивает путь студента от дисциплинарного к трансдисциплинарному интересу. При таком подходе педагог не оценивает, а изучает отношение обучающегося к различным темам дисциплинарного и трансдисциплинарного характера, например, каким образом эти темы вызывают отклик у студентов, и как различные темы и реакция на них соотносятся друг с другом (Johnson et al., 2022).

В курсе «Глобальная научная коммуникация», который реализуется в Школе экономики и менеджмента Дальневосточного федерального университета, был разработан неконвенциональный подход к процедуре оценивания. Для этого нужно было, во-первых, собрать большой объем данных о предпочтениях, опыте, фоновых знаний и умениях студентов через их отношение к предлагаемым темам. Во-вторых, предложить способ интеграции тем из разных дисциплинарных областей и опыта, полученного в рамках курса.

Для решения первой задачи мы применяли метод сравнительного суждения (СС) (Pollitt, 2012). Этот метод основан на принципе парных сравнений, который не предполагает прямой оценки знаний или умений студентов, а учитывает косвенное оценивание с вынесением экспертных сравнительных суждений о качестве студенческой работы. Процедура оценивания выглядит так: педагоги или другие эксперты сравнивают работы двух студентов (эксперты принимают только валидные решения). Они должны решить, какая работа лучше. Из большого объема сравнений появляется шкала оценивания, которая показывает относительное качество конкретной студенческой работы. Это позволяет достигать высокого уровня надежности оценки, более высокого, чем дают традиционные процедуры проверки работ, основанные на принципе соответствия заданным оценочным критериям (Pollitt, 2012). Мы считаем, что метод СС дает надежные результаты в оценивании творческих работ, таких как комплексные портфолио, отчеты и разного рода письменные работы. Однако в нашем случае мы не использовали метод экспертного сравнения. Наоборот, процедуру проводили сами студенты, обучающиеся на курсе. Студентам предлагалось выбрать два текста по желанию и написать, какой текст им показался интереснее и почему (Johnson et al., 2022). Мы сгруппировали тексты по восьми категориям. Каждый текст имел заголовок, небольшой текст и вопросы на размышление, например, «Можем ли мы прожить без интернета или смартфона?», «Считаете ли вы, что технологический прогресс создает больше поводов для беспокойства?». Сложные проблемы обсуждались в текстах о глобальном потеплении («Считаете ли вы, что экологические проблемы – это результат неправильных решений?». Часть текстов относились к области экспертизы студентов, например, к менеджменту («Что отличает пчелиный улей от бизнеса?»). Студенты самостоятельно выбирали пару текстов из любой из восьми категорий, которые демонстрировали диапазон тем от специфических до более широких (например, по феноменологии).

Такую систему оценивания можно назвать адаптивной, когда студенты в ситуации парного сравнения стараются сбалансировать свою внутреннюю неопределенность с внешней средой. В результате, с помощью метода СС нам удалось получить ответы на интересующий нас вопрос: насколько значимыми лично для студента являются те знание и умения, которые студент приобретает в процессе учебы. Об этом нам говорит иерархия тем и уровень «сопряжения» предложенных тем и отклика со стороны студентов на эти темы. Результаты показали, что студенты отдавали предпочтение трансдисциплинарным темам (технологии и креативность), а более специфичные темы (данные и бизнес) пользовались меньшей популярностью (Johnson et al., 2022). Помимо тематических предпочтений мы смотрели на то, насколько коммуникативная модель самого текста соотносится с внутренним диалогом студента по одной или другой из предложенных тем. Результат показал, что ожидания студентов от того, как строится высказывание в рамках междисциплинарных тем и их собственные высказывания на эти темы демонстрируют наивысшую «сопряженность» (Johnson et al., 2022).

В качестве второй формы контроля было предложено создание «лоскутного одеяла». Это модификация портфолио, достаточно популярного формата в последнее время. «Лоскутное одеяло» представляет собой не просто коллекцию текстов, а паттерн, который обладает внутренней связностью. С одной стороны, «лоскутное одеяло» интегрирует различные и зачастую противоречивые преимущества эссе, как единой структуры, и портфолио, как результата рефлексии студента (Winter, 2003). Студенты самостоятельно выбирали размер и паттерн для своего «лоскутного одеяла». Выбирая «лоскутное одеяло» как форму итогового контроля, мы хотели выяснить, как студенты проходят обучение на курсе. Мы исходили из допущения, что обучение -–это процесс, который развивается постепенно, поэтому студентам требуется время, чтобы «переварить» и интериоризировать свое обучение (Piaget, 1950, Winter, 2003). Кроме того, таким форматом мы стремились поддержать «автономность» в реакциях студентов на предложенные оценочные процедуры, вызвать в студентах ответственность и сопричастность. Для нас было чрезвычайно важно, чтобы получившееся «лоскутное одеяло» было уникальным, основанным на собственном опыте, и демонстрировало результаты рефлексивной работы, способы выражения собственного понимания связей между темами (Johnson et al., 2022, Winter, 2003). «Сшивая» кусочки собственного «лоскутного одеяла», студенты импровизировали, создавая новые паттерны из материалов, которые до этого были частями других структур. Леви-Стросс называл такие структуры бриколажем, а людей, которые их создают бриколерами, то есть людьми, которые находятся в диалоге с различными инструментами и материалами, в результате расширяя диапазон ответов на вопрос, чтоб понять, что каждый из них обозначает (Levi‑Strauss, 1966, Winter, 2003). Такой формат лучше всего отражает человеческий дискурс и лежит в фундаменте самой природы обучения (Derrida, 1976, Winter, 2003).

Возвращаясь к дискуссии о том, как сегодня оценивать творческие работы студентов, мы можем заявить, что привлечение возможностей больших языковых моделей к созданию творческих работ считаем допустимым. Студенты импровизируют с инструментами, конструируя собственный путь обучения и формулируя понимание посредством целенаправленного социального взаимодействия (Vygotsky, 1962). Так как знание представляет собой незаконченный, открытый к дискуссии и неопределенный конструкт, через «лоскутное одеяло» студент демонстрирует не знание, а собственное понимание и оценку, критическую рефлексию того, как студент на данном этапе обучения видит собственное состояние знания в отношении к обсуждаемым темам, их важность и взаимосвязи между элементами знания (Warnock, 1976).

Что касается традиционного формата письменных работ (дипломных работ, эссе, курсовых работ), то, видимо, пришло время пересмотреть их роль (переформатировать или, в крайнем варианте, отказаться от них). Современные технологии вынуждают нас это сделать, так как традиционные «творческие» работы представляют собой «инженерные системы» с предустановленными структурами и закрытыми системами понятий, процедур и компонентов (Levi-Strauss, 1966), с готовыми стандартными наборами, с правилами игры, которые с трудом понимают студенты и еще сложней следуют их инструкциям. При таком понимании сути письменных работ знание становится привилегией института и вступает в конфликт с собственным знанием и опытом студента, что нарушает фундаментальный принцип производства нового знания и противоречит самой природе обучения.

Список литературы

1.     Biggs, J. (1999) Teaching for Quality Learning at University, Buckingham, Open University Press.

2.     Derrida, J. (1976) Of Grammatology, Baltimore, Johns Hopkins University Press.

3.     Heidegger, M. (1978). Question concerning technology and other essays. Trans. W. Lovitt. Joanna Cotler Books.

4.     Johnson, M. W., Suvorova, E. A., & Karelina, A. A. (2022). Digitalization and Uncertainty in the University: Coherence and Collegiality Through a Metacurriculum. Postdigital Science and Education, 4(3). https://doi.org/10.1007/s42438-022-00324-1

5.     Illich, I. (2001). Tools for Conviviality. London: Marion Boyars.

6.     Levi­Strauss, C. (1966) 'The science of the concrete', in The Savage Mind, London, Weidenfeld.

7.     McLuhan, M. (2012). Understanding Media. 2nd Ed. London: Routledge.

8.     Piaget, J (1950) The Psychology of Intelligence, London, Routledge and Kegan Paul.

9.      Pollitt, A. (2012). The method of Adaptive Comparative Judgement. Assessment in Education Principles Policy and Practice, 19(3), 281–300. https://doi.org/10.1080/0969594x.2012.665354.

10.  Warnock, M. (1976) Imagination, London, Faber.

11.  Winter, R. (2003). Contexualising the patchwork text: Addressing problems of coursework as  assessment in higher educationESSMENT IN HIGHER EDUCATION. Innovations in Education and Teaching International, 40(2). https://doi.org/10.1080/1470329031000088978

12.  Vygotsky, L (1962) Thought and Language, New York, Wiley.

Несомненно, потенциал ИИ открывает интригующие возможности для образования. Большинство экспертов согласны с тем, что академическая наука должна продолжать переходить от однонаправленной передачи знаний к активному развитию компетенций, опыта, социальных способностей и технологической гибкости, используя все возможности технологий (см. Transformative Technologies: How Analytics, AI, ChatGPT, and the Metaverse Are Revolutionizing Higher Education).

Подчеркивается необходимость того, что называется трансформационным обучением (Boyd & Myers, 1988) – модель, которая позволяет сместить акцент с «инструментального» обучения, то есть, обучения студентов навыкам в специализированных областях, на образование, которое преобразует студентов в сторону целостной системы координат, обеспечивая приоритет смыслообразования над обработкой информации. Такого рода трансформации зачастую невозможны в рамках чрезмерной специализации университетской дисциплинарной системы и, следовательно, требуют междисциплинарного подхода (Landesfester et al., 2019).

Идея междисциплинарности может быть и одним из стимулов к снижению неопределенности (Barnet, 2022; Landesfester et al., 2019), как ответ на усложняющийся современный мир, который требует умения ставить сложные вопросы и коллегиально решать сложные задачи. И здесь мы подходим к важности диалогического подхода к обучению как связующего элемента в столь сложном образовательном ландшафте.

Возрастающее значение диалога в образовании обусловлено его способностью стимулировать трансформационное обучение, критическое мышление и социальное развитие учащихся. Диалог создает динамичную платформу, позволяющую учащимся взаимодействовать с предметом, сообучающимися и преподавателями, в результате чего появляется учебная среда, располагающая к сотрудничеству и обмену знаниями (Mercer et al., 2020). Открытые беседы и дискуссии позволяют студентам изучать различные точки зрения, полемизировать и коллективно накапливать знания. Такое активное взаимодействие не только улучшает понимание студентами предмета, но и развивает их способность мыслить самостоятельно (Bohm, 2004). Именно при диалогическом подходе становится возможным обучение студентов не только через преподавателя, но и друг от друга (Deslauriers et al., 2019): как во время групповых обсуждений, так и в ходе групповой работы над проектами, взаимной проверке заданий и т.п. В контексте трансформационного обучения, понятие диалога выходит за пределы разговорной речи и обмена мнениями и представляет собой процесс, основанный на всём спектре человеческого опыта, от наших ценностей до проявления эмоций. При этом, перемещение учащихся в пространство диалога и определяется как основная цель образования (Wegeriff, 2007).

Практическим обоснованием приведенных выше тезисов является кейс Школы экономики и менеджмента, где группа преподавателей совместно разработала и проводила модуль по коммуникации, цифровизации и междисциплинарности в течение четырех лет. Так, учебный курс “Глобальная научная коммуникация” (ГНК) стал если не ответом, то попыткой ответа на глобальные изменения, которые коснулись сферы образования. Начавшийся как педагогический эксперимент, курс эволюционировал в сложный концепт с глубоким философским ядром, своей симбиотической методологией, в то же время, оставаясь диффузным, гибким и адаптивным. Основанный на идее диалога как подхода к образованию, курс использует междисциплинарный подход и подразумевает активное взаимодействие с технологиями. Дизайн курса как метасистемы (Beer, 1994) призван обеспечить движение участников образовательного процесса (преподавателей, студентов) от специфики дисциплин к меж- и трансдисциплинарности, что, в свою очередь, расширяет пространство для потенциального диалога по широкому кругу тем. В архитектуре курса учитывалось следующее:

• возможность свободно менять подход к преподаванию (преподаватели выступают в роли фасилитаторов, координирующих небольшие группы студентов в командной работе);
• гибкость в оценке (которая заключается в оценивании итогового результата в виде портфолио, собранного по типу «лоскутного одеяла» (Winter, 2003);
• гибкость в расписании, где курс сжат до модуля-интенсива, а не растянут на учебный семестр;
• свободное использование пространства (студенты делятся на небольшие группы в разных аудиториях).

Важно, что преподаватели курса – из разных областей знаний (экономика, менеджмент, туризм, психология, биология), и большинство из них ранее не работали вместе. Это, с одной стороны, поддерживало концепцию междисциплинарности, а с другой – повышало неопределенность, что в совокупности стимулировало создание учебной среды, способствующей сотрудничеству и экспериментированию. Навигацию в трансдисциплинарном пространстве обеспечивали механизмы межличностного взаимодействия преподавателей и студентов, что в итоге привело к изменению их самовосприятия и восприятия учебного процесса в целом.

Подход, используемый в курсе «Глобальная научная коммуникация» делает акцент на диалоге как адекватном ответе на возрастающую сложность технологической среды. Технологии (как цифровые, так и любые другие) выступают как средство создания неопределенности, что побуждает студентов и преподавателей к более глубокому диалогу и размышлениям (Johnson et al., 2022). Такой подход позволяет учащимся и преподавателям перейти от дисциплинарной специфики к трансдисциплинарным возможностям, предоставляемым технологиями, и способствует формированию целостной динамики межличностного взаимодействия.

Опыт показал, что внедрение подобного междисциплинарного курса, который демонстрирует неразрывную связь между технологиями и обучением, позволяет образовательным учреждениям адаптивно реагировать на сложность окружающей среды. Предложенная модель подчеркивает важность диалога, инноваций и гибкости в образовании и может использоваться при разработке и реализации учебных программ в соответствии с быстроменяющимся технологическим ландшафтом.

Список литературы

1.                 Barnett, R. (2022). Transdisciplinarity: A Suitably Ambiguous Idea for Higher Education. Postdigital Science and Education. https://doi.org/10.1007/s42438-022-00290-82.       

2.                 Beer, S. (1994). Brain of the firm. 2nd Ed. John Wiley & Sons.

3.                 Bohm, D. (2004). On Dialogue. Routledge.

4.                 Boyd, R. D., & Myers, J. G. (1988). Transformative education. International Journal of Lifelong Education, 7(4), 261–284. https://doi.org/10.1080/0260137880070403

5.                 Johnson, M. W., Suvorova, E. A., & Karelina, A. A. (2022). Digitalization and Uncertainty in the University: Coherence and Collegiality Through a Metacurriculum. Postdigital Science and Education, 4(3), 772–792. https://doi.org/10.1007/s42438-022-00324-1

6.                 Landfester, U., & Jörg Metelmann. (2018). Transformative Management Education. Routledge.

7.                 Mercer, N., Wegerif, R., & Major, L. (2020). The Routledge international handbook of research on dialogic education. Routledge.

8.                 Wegerif, R. (2007). Dialogic Education and Technology. Springer US. https://doi.org/10.1007/978-0-387-71142-3

9.                 Transformative Technologies: How Analytics, AI, ChatGPT, and the Metaverse Are Revolutionizing Higher Education (2023). A Collection of Popular Articles. Harvard Business Publishing Education.

10.             Winter, R. (2003). Contextualizing the Patchwork Text: addressing problems of coursework assessment in higher education. Innovations in Education and Teaching International, 40(2), 112–122. https://doi.org/10.1080/1470329031000088978