Harvard: Visoko obrazovanje mora da preusmeri fokus — od sprečavanja varanja ka učenju prosudbe u eri AI

Visoko obrazovanje se nalazi na raskrsnici dok univerziteti širom sveta pokušavaju da odrede kako da integrišu veštačku inteligenciju (AI) u nastavu. Dok pojedini profesori vraćaju papirne ispite i univerziteti donose restriktivne politike, Christopher Dede, viši istraživač sa Harvarda, upozorava da je fokus pogrešan: umesto da se bori protiv upotrebe AI, obrazovanje mora da nauči studente kako da rade sa njom i razvijaju sposobnost prosudbe.

Ko je Christopher Dede

Dede ima višedecenijsko iskustvo u kombinovanju tehnologije i obrazovanja. Proveo je 22 godine kao Timothy E. Wirth Professor of Learning Technologies na Harvardu i bio je predsednik programa Learning & Teaching na Harvard Graduate School of Education (2001–2004). Njegovo mišljenje nosi težinu dugogodišnjeg rada na polju učenja i tehnologije.

„Reckoning“ protiv „Judgment“

Dede ističe razliku između reckoning (izračunavanja, predviđanja) i judgment (prosudbe). Po uzoru na filozofa Briana Cantwell Smitha, on objašnjava da su računarski alati izuzetno jaki u procesu izračunavanja, dok ljudi ostaju superiorni u donošenju prosudbi. Umesto natjecanja sa AI, cilj obrazovanja treba da bude razvijanje ljudskih veština koje komplementiraju mašinsku analitiku.

As generative AI becomes more commonplace, higher education institutions are grappling with how to approach the subject with students.

Kako AI može unaprediti učenje

Dede upozorava da većina rasprava o AI u obrazovanju govori samo o tome kako "raditi bolje stvari" — automatizovati postojeće metode uz pomoć generativne AI. On poziva na promenu pitanja: ne kako da unapredimo nastavu istih sadržaja, već šta novo možemo omogućiti pomoću tehnologije. Među predlozima su aktivno učenje, kolaborativni projekti i simulacije koje razvijaju prosudbu kroz praksu.

Praktičan primer: kurs pregovaranja

Na kursu pregovaranja student može proći teoretski program i dobiti visoke ocene, a da ne pokaže stvarnu sposobnost pregovaranja u praksi. AI može simulirati uloge — stanodavca, trgovca polovnim automobilima ili nadređenog — i omogućiti vežbu ponovljenih situacija. Time se omogućava procena stvarnih performansi i razvoja prosudbe, a ne samo teorijskog znanja.

„Alati su odlični za deo koji se odnosi na izračunavanje, ali su loši u delu koji zahteva prosudbu,“

Granice i opasnosti oslanjanja na AI

Dede ukazuje da AI može analizirati ogromne količine podataka — npr. medicinske studije i kartone pacijenata — ali ne razume bol, moralne vrednosti ili suptilnu razliku između kvantiteta i kvaliteta života. Zato je važno naučiti studente da rezonuju i prepoznaju kada AI daje netačne ili "halucinantne" rezultate.

While some professors have focused on getting AI out of the classroom entirely, Harvard Senior Research Fellow Christopher Dede warns they are making a mistake.

Anegdota i implikacije za zapošljavanje

Jedna Dedeova koleginica dobila je 200 prijava za neplaćenu praksu, od kojih su mnoge izgledale identično — kandidati su koristili generativni AI za pisanje motivacionih pisama. Ovo pokazuje zašto studenti moraju da razviju veštine koje ih autentično izdvajaju od onoga što može generisati AI.

Zašto zabrane nisu rešenje

Prekidanje tehnološkog napretka vraćanjem na papirne testove ili potpune zabrane AI u učionici promašuje cilj. Umesto toga, profesori treba da preispitaju zašto podučavaju određeni sadržaj i kako taj sadržaj doprinosi razvoju prosudbe i razumevanja izračunavanja — da ono što AI radi ne bude percipirano kao magija.

Šta možemo očekivati

Dede nije uveren da će elitne institucije brzo promeniti pristup, ali veruje da će mnogi univerziteti morati da se prilagode da bi opstali. Iz tih promena može proizaći model obrazovanja koji jasno demonstrira da diplomci imaju prosudbu i razumevanje izračunavanja dovoljno da uspešno funkcionišu u modernom, često haotičnom svetu.

Zaključak: Fokus visokog obrazovanja treba da pređe sa kontrole i kažnjavanja na razvoj ljudske prosudbe kroz praktične, simulacione i kolaborativne metode u kojima AI ima ulogu trenera i evaluatora, ali ne i zamene ljudske prosudbe.