В мире образовательных технологий слово «персонализация» стало модным термином, которым часто описывают программы, меняющие уровень сложности в зависимости от того, правильно или неправильно ученик отвечает на вопросы. Однако, по мнению доктора Николы Ходковски, ведущего исследователя в области математического образования, такой подход в корне ошибочен. Чтобы по-настоящему развить математическое мышление, ИИ должен выйти за рамки простой проверки ошибок и начать понимать, как именно рассуждают ученики.
Урок из школьного класса: переход от «показал и объяснил» к пониманию
Необходимость такого сдвига продиктована практическим опытом преподавания. За восемь лет работы учителем математики в начальной школе доктор Ходковски осознала, что традиционные методы — такие как дополнительные упражнения или использование наглядных пособий — часто были лишь «поверхностными мерами». Они боролись с симптомами трудностей, а не с их первопричиной.
Прорыв произошел, когда она перестала пытаться просто «передать» свои математические знания ученикам и вместо этого начала выстраивать модель второго порядка (SOM) их процесса рассуждения.
Сила понимания мыслительных процессов
Вместо того чтобы просто фиксировать неверный ответ, доктор Ходковски начала искать логику, стоящую за ошибкой. Она научилась различать различные когнитивные этапы, такие как:
— Счет по единицам: когда ученик считает каждую отдельную единицу («1»), чтобы решить задачу.
— Счет составными единицами: когда ученик понимает группы (например, считает двойками, пятерками или десятками).
Выявляя, какие именно «единицы» использует ученик, она могла разрабатывать специальные задания, чтобы восполнить пробел между текущим уровнем понимания и следующим этапом сложности.
Результат: Этот педагогический сдвиг привел к резкому скачку успеваемости. В её классе процент учеников, достигших уровней «Профи» или «Продвинутый», подскочил с 58% до 85% всего за один год, что значительно опередило темпы роста в её школе и округе.
Пробелы в современных технологиях ИИ
Несмотря на успех этого человекоцентричного подхода, современные образовательные инструменты на базе ИИ пока не справляются с задачей. Большинство существующих платформ работают по модели «первого порядка»: они находят ошибку и затем предлагают решение по принципу «показал и объяснил» — по сути, просто проводят ученика через правильные шаги.
Это не работает, потому что математика — это не просто процесс передачи информации. Изучение новой концепции требует концептуальной трансформации, при которой ученик должен связать новые идеи со своими существующими ментальными структурами. Если ИИ не может понять, почему ученик застрял, он не сможет способствовать этой трансформации.
Дорожная карта будущего EdTech
Чтобы перейти от простого оценивания к подлинному математическому обучению, доктор Ходковски утверждает, что разработчики ИИ должны сделать приоритетом адаптивную педагогику. Она выделяет три важнейших столпа для следующего поколения инструментов ИИ:
- Выявление скрытых рассуждений: Алгоритмы не должны просто помечать неверный ответ; они должны различать различные ментальные операции (например, определять, испытывает ли ученик трудности с разрядами чисел или с базовым сложением).
- Направление концептуальной трансформации: Вместо того чтобы давать подсказки, ведущие к быстрому ответу, ИИ должен создавать задачи, которые намеренно бросают вызов текущему способу мышления ученика, подталкивая его к мышлению более высокого порядка.
- Поддержка учителя: ИИ должен выступать в роли «партнера для рефлексии» для педагогов, предоставляя им полезные данные о когнитивном состоянии ученика, чтобы они могли эффективнее планировать уроки.
Заключение
Будущее математического образования заключается в переходе от поверхностной персонализации. Чтобы ИИ стал преобразующей силой, он должен перестать работать как цифровой ключ к ответам и начать действовать как учитель, способный понимать все нюансы человеческого мышления.
