Όταν η Τεχνητή Νοημοσύνη κάνει τις ερωτήσεις, οι άνθρωποι ωφελούνται (και να γιατί)

Όταν η τεχνητή νοημοσύνη αναλαμβάνει να κάνει τις ερωτήσεις, οι άνθρωποι μπορούν πραγματικά να ωφεληθούν. Νέα έρευνα αναδεικνύει τις δυνατότητες των ερωτήσεων εξάσκησης που παράγονται από συστήματα τεχνητής νοημοσύνης και τις επιπτώσεις τους στη μαθησιακή διαδικασία.

Η προσπάθεια απάντησης ερωτήσεων πριν από τη μελέτη ενισχύει τη μνήμη και τη μάθηση. Το φαινόμενο είναι γνωστό ως pre-questioning effect. Πρόσφατα, νέα δεδομένα δείχνουν ότι οι ερωτήσεις που δημιουργεί η τεχνητή νοημοσύνη μπορούν να προσφέρουν εξίσου ισχυρά αποτελέσματα με τις ερωτήσεις που συντάσσει ένας άνθρωπος. Τα σύγχρονα γλωσσικά μοντέλα δημιουργούν υλικό με αντίστοιχο βάθος και δυσκολία, γεγονός που τα καθιστά πλέον αξιόπιστα εργαλεία στην εκπαιδευτική εξάσκηση.

Η τεχνητή νοημοσύνη μπορεί πλέον να βλέπει, να ακούει, να μιλά, να γεύεται και να δρα

Η Meta θα χρησιμοποιεί τις συνομιλίες σου με την τεχνητή νοημοσύνη για να συλλέγει δεδομένα

Όταν η Τεχνητή Νοημοσύνη κάνει πως νοιάζεται: Ο «πατέρας» της AI μόλις ανακάλυψε το μητρικό ένστικτο

Πόσο εύκολο είναι να αναγνωρίσεις μια συνομιλία που έχει δημιουργηθεί από τεχνητή νοημοσύνη;

Το να κάνεις μια ερώτηση συνήθως σημαίνει πως αναζητάς πληροφορία ή ελέγχεις τις γνώσεις σου, όπως συμβαίνει σε ένα τεστ. Η έρευνα όμως δείχνει ότι οι ερωτήσεις λειτουργούν και ως εργαλείο μάθησης. Μπορούν να ενεργοποιήσουν την ανάκληση σημαντικών πληροφοριών, να ενισχύσουν την προσοχή και να βοηθήσουν κάποιον να κατανοήσει βαθύτερα ένα θέμα.

Η τεχνική pre-questioning στηρίζεται στο να επιχειρεί κάποιος να μαντέψει τις απαντήσεις σε ερωτήσεις για ένα θέμα που δεν γνωρίζει ακόμη, και ύστερα να μάθει τις σωστές απαντήσεις μέσα από το μάθημα ή την ανάγνωση. Έρευνες δείχνουν ότι η μέθοδος αυτή βελτιώνει σημαντικά την προσοχή και τη μνημονική συγκράτηση κατά τη διάρκεια της μελέτης.

Παρότι η τεχνική είναι αποτελεσματική, απαιτεί κατάλληλες ερωτήσεις. Οι εκπαιδευτικοί συχνά δεν έχουν χρόνο να δημιουργήσουν υλικό, ενώ για τους μαθητές η παραγωγή ερωτήσεων για ένα άγνωστο αντικείμενο είναι δύσκολη. Ακόμη και τα διαθέσιμα βιβλία ή ιστοσελίδες δεν προσφέρουν πάντα τις συγκεκριμένες ερωτήσεις που χρειάζεται κάποιος.

Σε μελέτη που δημοσιεύτηκε στο Journal of Applied Research in Memory and Cognition, οι ερευνητές δοκίμασαν κατά πόσο η γενετική τεχνητή νοημοσύνη μπορεί να καλύψει αυτό το κενό. Υπέθεσαν πως τα μεγάλα γλωσσικά μοντέλα, χάρη στην ικανότητά τους να αναλύουν και να παράγουν κείμενο, είναι πλέον σε θέση να δημιουργούν κατάλληλες και αποδοτικές ερωτήσεις εξάσκησης.

Αρχικά δόθηκε στο ChatGPT ένα εκτενές κείμενο για τη λειτουργία και τους τύπους των φρένων. Με απλές αλλά και πιο σύνθετες οδηγίες, ζητήθηκε από το μοντέλο να δημιουργήσει ερωτήσεις εξάσκησης. Οι ερωτήσεις που παρήχθησαν ήταν συνεκτικές, ακριβείς και στοχευμένες, όπως «Τι διακρίνει τα υδραυλικά φρένα από τα μηχανικά;» ή «Πώς διαφέρουν τα υδραυλικά από τα φρένα αέρος στον τρόπο άσκησης πίεσης;».

Στη συνέχεια οι συμμετέχοντες μαντεύουν τις απαντήσεις πριν διαβάσουν το κείμενο και ακολουθεί τεστ κατανόησης. Όσοι δούλεψαν με ερωτήσεις που είχε δημιουργήσει η τεχνητή νοημοσύνη είχαν υψηλότερες επιδόσεις από όσους διάβασαν απλώς μια περίληψη ή προχώρησαν απευθείας στην ανάγνωση.

Η σύγκριση ανθρωπογενών και AI-generated ερωτήσεων δεν έδειξε διαφορές στην αποτελεσματικότητα. Οι συμμετέχοντες δεν μπορούσαν να ξεχωρίσουν αν μια ερώτηση είχε γραφτεί από άνθρωπο ή από υπολογιστή. Ακόμη και οι ερωτήσεις που δημιουργήθηκαν με απλές οδηγίες αποδείχθηκαν εξίσου αποτελεσματικές με εκείνες που προέκυψαν από πιο λεπτομερή καθοδήγηση.

Τα ευρήματα δείχνουν ότι η τεχνητή νοημοσύνη μπορεί να εξαλείψει το εμπόδιο της έλλειψης κατάλληλων ερωτήσεων εξάσκησης. Μπορεί να παράγει άμεσα και σε απεριόριστο βαθμό υλικό που στοχεύει οποιαδήποτε μαθησιακή ενότητα. Έτσι, εκπαιδευτικοί και μαθητές μπορούν να αφιερώσουν λιγότερο χρόνο στη δημιουργία ερωτήσεων και περισσότερο στη χρήση τους για ενίσχυση της μάθησης.