Cześć,
Widzimy się pierwszy raz w tym roku. Nie mamy w planach większych zmian, ale od dziś coś jednak będzie inaczej. Ciekawe czy to dostrzeżecie.
W tym numerze:
Zaczynamy!
Istnieje przekonanie, że uczymy się lepiej na błędach i to właśnie porażki wzmacniają nas i pozwalają sprawniej się rozwinąć. Co na to nauka? Cóż, może po prostu lepiej zapamiętujemy porażki, niż sukcesy, ale wnioski z badań są proste: porażka jest złą nauczycielką.
Sęk w tym, że porażka oznacza wiele błędów i błędy te same w sobie mają wartość (choć nie zawsze). Thomas Edison przetestował setki, jeśli nie tysiące rozwiązań zanim znalazł odpowiedni materiał, który stał się żarnikiem przyszłej żarówki. Szukał czegoś, co pod wpływem prądu elektrycznego rozświetli się w osłonie próżni lub gazu szlachetnego na tyle mocno, aby dać dużo światła, ale jednocześnie nie spłonie. Ani od razu, ani - powiedzmy - po tygodniu. Zaprzeczałoby to bowiem sensowi inwestowania w coś takiego, jak żarówka. Sam Edison zapytany o tę masę porażek miał ponoć powiedzieć:
Innymi słowy: błędy prowadziły go do wyciągania wniosków, których owocem był sukces i fakt, że słusznie lub nie, jego nazwisko zostało na stałe już przypisane do jednego z najważniejszych wynalazków XX wieku. W przypadkach, w których błędy mają wartość, po porażce szybko następuje sukces, a nie długotrwała walka. Mimo optymizmu Edisona, jego sukces byłby natychmiastowy, gdyby od razu sięgnął po wolfram. To sukces nauczyłby go więcej i szybciej, niż setki czy tysiące porażek.
To, że sukces jest lepszym nauczycielem wiemy z… matematyki, a konkretnie z teorii informacji Claude Shannona. Shannon był geniuszem i próba wyjaśnienia przeze mnie choćby pokrótce tego, co przedstawiał w swoich pracach nie ma najmniejszego sensu. Musiałbym tu wklejać wzory matematyczne, których sam nie rozumiem. Z tym Edisonem jednak uchyliłem trochę rąbka tajemnicy. Jeśli spróbujemy otworzyć zamek szyfrowy złożony z tysiąca kombinacji, to na początku mamy szansę 1/1000. Porażka nauczy nas zatem, że dana jedna kombinacja z tysiąca jest zła. Zidentyfikowaliśmy w ten sposób 0,1% złych wyborów. Znamy już jeden zły, ale wiemy też, że jeden musi być dobry. 999 opcje są w dalszym ciągu tajemnicą. Można powiedzieć, że przez porażkę uzyskaliśmy 0,1% wiedzy, która prowadzi nas do sukcesu. No, niewiele, sami przyznacie. Jednak jeśli trafilibyśmy dobrze, to od razu odkrywamy wszystkie karty, zdobywamy całą wiedzę niezbędną do wykonania zadania. To oczywiście nieco skrajny przykład, bo cóż, nie jest łatwo tak strzelić w sam środek tarczy, ale pokazuje on jak to wszystko działa.
Badania pokazują co prawda pozytywny wpływ naszych błędów na efektywność uczenia się, ale pod warunkiem, że błędy te zostaną szybko skorygowane. Stąd ogromne znaczenie ma szybka informacja zwrotna lub skorygowanie błędu. Porażka wpływa też nienajlepiej na motywację, ponieważ nikt nie lubi cały czas przegrywać. Sukces jest natomiast motywujący, choć wiele osób twierdzi, że motywują ich właśnie drobne porażki. Łatwo jednak wtedy pomylić motywację z uporem i ambicją. Wytrwałość jest ważna, ale sukces koniec końców ją wzmacnia.
Porażek nie da się jednak uniknąć. Co więcej, są sytuacje, gdy dają nam one dużo wiedzy. Samoloty są dziś bezpieczne w dużej mierze dzięki temu, że wielu pilotów czy inżynierów popełniło błąd w swoich fachu, niejednokrotnie doprowadzając do śmierci dziesiątek czy setek ludzi. Dzięki temu kolejni piloci i inżynierowie nie są tak narażeni na popełnianie starych błędów. Nie wystarczy jednak sama wiedza na temat tego, co poszło nie tak. Potrzeba nam jeszcze wiedzy jak od tej pory robić dobrze. Potrzeba nam sukcesu.
Więcej na ten temat znajdziecie w artykule Scotta H. Younga “Failure is a Lousy Teacher” tutaj: https://www.scotthyoung.com/blog/2022/09/06/failure-lousy-teacher/
Zachęcam też do zapisania się do newslettera Scotta - otrzymacie na wejściu dostęp do kilku ciekawych ebooków jego autorstwa:
To odkrycie zawdzięczam Małgorzacie Kwiatkowskiej
Mapa opublikowana na łamach Off Beat wygląda tak:
Mamy tutaj cztery obszary czasowe licząc od środka koła:
Na samym kole zaś rozłożone są obszary tematyczne L&D:
Oryginalną mapę możecie pobrać stąd: https://www.offbeat.works/l-d-trends-map
Może jestem już stary, ale z pewną nostalgią oglądam ostatnio materiały Wytwórni Filmów Oświatowych z Łodzi. Są to stare rzeczy, głównie z lat 60. i 70., więc co najmniej o jedno pokolenie za stare w stosunku do rzeczywistości, w której ja się wychowywałem, ale znajduję tam czasem ciekawe rzeczy, również z naszej branży.
Mamy tutaj majstra i robotnika, a także dział szkoleń. Oglądając wyobraźcie sobie, że to nie fabryka, a typowa korporacja. Że zamiast toczyć wyroby metalowe dla przemysłu, przerzuca się słupki w arkuszach dla biznesu. Czy naprawdę tak wiele się zmieniło?
Widzimy tutaj typowy problem zwiększenia wydajności pracy przez szkolenia. Obecnie raczej śruba jest już dokręcona i trudno jest eliminować aż tak kardynalne zaniedbania, jakie widzimy na filmie - przynajmniej takie mamy wrażenie. No, ale w są obszary w wielu przedsiębiorstwach, które naprawdę wymagają pracy u podstaw, na przykład zarządzanie wiedzą w organizacji. Tutaj często zaczynamy od wykarczowania chaosu, a później od zera. Nie ma się więc co śmiać z robotników i majstrów sprzed sześćdziesięciu lat, że w widoczny i czasem absurdalny sposób niedomagali. U nas w wielu obszarach wcale nie jest lepiej, a przecież dzieli nas od nich nie tylko czas, ale i ogrom pracy psychologów i pedagogów.
Ano właśnie, w pokazanych na filmie modelach szkolenia pracowników prawie można wyczuć Cykl Kolba, choć to teoretycznie niemożliwe, ponieważ Kolb opublikował swój model bodajże w roku 1984, a film jest z 1961 r. Z tym, że Kolb nie tworzył w próżni i widzimy tutaj wpływy choćby Kurta Lewina. Mamy teorię pola, mamy lewinowski model zarządzania zmianą czy zjawisko dynamiki grupy. Dziś wielu trenerów o uczestnikach swoich warsztatów mówi “grupa szkoleniowa” (“grupa była roszczeniowa, trudno się z nią pracowało”, “świetna grupa, bardzo elastyczna, choć czasem zbyt zgodna”). Dziś wręcz trudno uwierzyć, że przed Lewinem wielu psychologów odrzucało znaczenie grupy jako osobnego bytu. Jak widać film edukacyjny z 1061 roku może być całkiem świeży i na czasie.
Trafiłem niedawno na ciekawy artykuł “Do Learners Really Know Best? Urban Legends in Education” autorstwa Paula Kirschner (Open Universiteit Nederland) i Jeroena J. G. Van Merrienboerna (Maastricht University).
Autorzy przyjrzeli się krytycznie trzem wszechobecnym w edukacji miejskim legendom na temat natury uczniów, uczenia się i nauczania. Oczywiście w obszarze badań edukacyjnych i psychologicznych. Te trzy legendy można postrzegać jako wariacje na temat jednego głównego tematu, a mianowicie, że to uczeń wie najlepiej i że to on powinien być siłą kontrolującą własną naukę. Pierwsza legenda dotyczy uczniów jako cyfrowych tubylców, którzy z natury wiedzą, jak uczyć się z nowych mediów, i dla których „stare” media i metody stosowane w nauczaniu się już się nie sprawdzają. Druga legenda to rozpowszechnione przekonanie, że uczący się mają określone style uczenia się i że edukacja powinna być zindywidualizowana w takim stopniu, aby była dopasowana do preferowanego przez uczącego się stylu. Ostatnia legenda głosi, że uczniów należy postrzegać jako samouków, którym należy zapewnić maksymalną kontrolę nad tym, czego się uczą i nad trajektorią samego procesu. Autorzy kończą możliwym powodem, dla którego te legendy przyjęły się, są tak wszechobecne i tak trudne do wykorzenienia.
Już z tego wstępu jasno wynika, że autorzy mają raczej krytyczny stosunek do tych legend. Pewne zjawiska bowiem uznajemy za rzeczywiste poprzez racjonalizację tego, co widzimy. W 2001 roku Marc Prensky ukuł termin digital natives (“cyfrowi tubylcy”) odnoszący się do grupy młodych ludzi, którzy przez całe życie byli zanurzeni w technologii. Prensky nadał im odrębne i unikalne cechy, które odróżniają ich od poprzednich pokoleń i w ten sposób poniekąd zbudował mit ich zaawansowanych umiejętności technicznych i preferencji uczenia się, na które tradycyjna edukacja nie jest przygotowana. Sęk w tym, że była to luźna obserwacja amerykańskiego badacza mediów i projektanta gier komputerowych, a nie wynik jakichkolwiek badań. Aby wszystko ładnie wyglądało cyfrowi tubylcy zostali porównani z cyfrowymi imigrantami, czyli pokoleniem ludzi, którzy dopiero musieli nauczyć się technologii. Jest to więc konfrontacja uczniów (cyfrowi tubylcy) z nauczycielami (cyfrowi imigranci) i pozornej niemożliwości pogodzenia ze sobą tych dwóch światów.
W każdym micie jest ziarno prawdy i to co napisał Prensky w 2001 roku wydaje się nadal aktualne pod dwudziestu latach. Sęk w tym, że wiele badań od tego czasu pokazało, że cyfrowi tubylcy wcale nie mają aż tak ogromnych kompetencji technologicznych. Jasne, używanie technologii przychodzi im sprawniej, szybciej opanowują nowe trendy i łatwiej adaptują narzędzia. Sprawne posługiwanie się TikTokiem czy przeniesienie komunikacji prawie wyłącznie do świata online nie daje im jednak przewagi.
Dwie dekady temu badacze uważali, że “różne rodzaje doświadczeń prowadzą do różnych struktur mózgu” (dr Bruce D. Perry). Tym samym uczniowie wychowani w internecie będą nastawieni na nieliniowy sposób uczenia się i samodzielne pogłębianie tematów. Że ich sposób działania będzie nieco przypominał hipertekst, a oni sami będą “skakać” między zasobami ukrytymi za poszczególnymi linkami. Tak się jednak nie stało, przynajmniej nie na taką skalę, która oddzieliłaby tubylców-uczniów od imigrantów-nauczycieli.
Nie jest to żaden dowód w sprawie, a jedynie obserwacja moja i części moich kolegów, ale digital natives mają tendencję do uczenia się w stylu motyla: “Być może jesteśmy świadkami pokolenia, w którym uczniowie przy komputerze zachowują się jak motyle fruwające po informacjach na ekranie, dotykając lub nie dotykając fragmentów tych informacji bez planu” - piszą Kirschner i Van Merrienboer. Takie trzepotanie skrzydłami jest odmienne od taktyki wielu digital immigrants. Moje obserwacje prowadzone podczas pracy z przedstawicielami pokolenia 50+ pokazują, że po opanowaniu podstaw technologii i strachu przed nią (że jak kliknę, to coś zepsuję), lepiej radzą sobie oni z tak innowacyjnym narzędziem, jak wyszukiwarka internetowa. Mają więcej cierpliwości w wyszukiwaniu i analizowaniu wyników, a także potrafią lepiej pytać i ewentualnie reformułować zapytanie. Potrafią sprawniej dogadać się z Panem Google.
Pozostają nam jeszcze dwie legendy do obalenia, ale po to zapraszam Was do mojego najnowszego artykułu na EPALE. W momencie publikacji tego newslettera powinien już być dostępny pod tym linkiem: https://epale.ec.europa.eu/pl/blog/czy-uczacy-sie-naprawde-wiedza-najlepiej
Źródło:
Kirschner, Paul & Van Merrienboer, Jeroen J. G.. (2013). Do Learners Really Know Best? Urban Legends in Education. Educational Psychologist. 48. 169-183. 10.1080/00461520.2013.804395.
Na koniec dodam jeszcze, że śledzę uważnie wszystkie trendy związane z ChatGTP, ale celowo o tym nie piszę więcej. Nie chcę powielać tego, co możecie przeczytać w setce innych mediów, ale dziś pozwolę sobie na wstęp, który może w kolejnych tygodniach wspólnie rozbudujemy.
Wiemy doskonale jakie możliwości daje nam generatywna sztuczna inteligencja w zakresie tworzenia treści. Zaczęliśmy rok temu z generowaniem grafiki, ale to tekst - wydawałoby się, że coś prostszego - okazał się prawdziwym akceleratorem sukcesu firmy Open AI. To w sumie oczywiste. Grafika, choć imponująca, mogła w sobie ukryć znacznie więcej błędów czy elementów wtórnych. Tekst, aby miał praktyczne znaczenie, musi wyglądać na oryginalny i nie budzić podejrzeń.
I wtedy się zaczęło. Przynajmniej w anglojęzycznej części świata edukacji. Uczniowie zaczęli oddawać prace domowe napisane przez sztuczną inteligencję, a nauczyciele mieli wielki problem z wykryciem tego fałszerstwa. Czasem mogli coś podejrzewać, ale nie zawsze dało się to łatwo zweryfikować. Świat podzielił się na tych, którzy chcą bronić szkoły przed ChatGTP i na tych, którzy chcą to i podobne narzędzia wykorzystać.
Argumenty tych pierwszych opierają się głównie o obawy przed oszustwem ze strony uczniów i ogólną dewaluacją procesu twórczego. Pojawiają się różne sposoby radzenia sobie z sytuacją np. konieczność uzupełniania esejów składanych jako prace pisemne o rozmowę z nauczycielem, co pozwala łatwo sprawdzić czy uczeń sam napisał tekst. Inne pomysły: przyjmowanie prac opartych i bibliografię z własnej szkolnej czy uniwersyteckiej biblioteki, mając świadomość, że AI tworzy głównie ucząc się z otwartych zasobów i nie ma szerokiego dostępu tam, gdzie trzeba się logować. W opracowaniu są też różnego rodzaju systemy mające na celu wykrywanie działania sztucznej inteligencji, a nawet plany zmiany prawa mające nakazać oznaczania takich treści specjalnymi meta oznaczeniami (co prawda nie wiem jakby to miało działać, ale jednak).
Drudzy mówią: AI to teraźniejszość i przyszłość. Nie uciekniemy przed tym i zamiast walczyć lepiej zaadaptować jej możliwości dla potrzeb nauczycieli. Przecież dzieci, które teraz chodzą do szkoły prawdopodobnie będą w przyszłości pracowały w otoczeniu sztucznej inteligencji. Kto wiem, może dany pracownik będzie jedyną istotą ludzką w swoim dziale? Jakie to ma teraz znaczenie czy potrafi sam napisać esej i humorze obyczajowym z komediach Szekspira? CEO firmy ChatGTP, Sam Altman, powiedział niedawno:
“Generative text is something we all need to adapt to. We adapted to calculators and changed what we tested for in maths class, I imagine. This is a more extreme version of that, no doubt, but also the benefits of it are more extreme, as well.”
Skupmy się więc na pomocy dla edukatorów i wytyczeniu odpowiednich ścieżek dla nich, a nie na negowaniu rzeczywistości.