Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
Questo articolo di prospettiva introduce il framework "Learning Energy", un modello multidimensionale che integra cinque teorie psicologiche per spiegare come l'intelligenza artificiale generativa possa esaurire o energizzare gli studenti dell'istruzione superiore attraverso la valutazione delle risorse, offrendo così un approccio completo per comprendere e sostenere il benessere accademico negli ambienti mediati dall'IA.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nell'università moderna, l'atto dell'apprendimento ha silenziosamente cambiato la sua consistenza. Per decenni, l'istruzione si è basata sulla comprensione di come gli studenti rimangano motivati, di come si impegnino con il materiale difficile e di come mantengano il proprio benessere mentale. Questi sono concetti familiari: la motivazione è la ragione per cui uno studente inizia un compito, l'impegno è lo sforzo che vi dedica e il benessere è la sensazione di funzionare in modo sano. Eppure, una nuova forza è entrata in aula, una forza che non si limita a stare su uno scaffale ma partecipa attivamente al processo di pensiero. L'intelligenza artificiale generativa, la tecnologia in grado di scrivere saggi, spiegare idee complesse e offrire feedback istantanei, si è spostata dalla periferia al centro della vita accademica quotidiana. Essa offre velocità e chiarezza, ma porta con sé anche un paradosso. Uno studente potrebbe completare un compito più velocemente pensando meno, oppure potrebbe usare lo stesso strumento per approfondire la propria comprensione e verificare le proprie idee. La domanda che l'educazione e la ricerca devono affrontare non è più solo se questa tecnologia funzioni, ma come essa cambi il combustibile interno che sostiene un apprendente.
Una nuova prospettiva dell'Università di Phuong Dong propone un modo per misurare questo combustibile interno, chiamandolo "Energia di Apprendimento". Questo concetto non è un singolo sentimento come l'eccitazione o la stanchezza, ma una risorsa dinamica che permette a una persona di iniziare, sostenere e regolare il proprio apprendimento. L'autore, Van Huong Nguyen, suggerisce che questa energia sia rinnovabile e socialmente condivisa. Non è qualcosa che uno studente porta da solo nella propria testa; è generata e drenata dal modo in cui interagisce con la tecnologia, i propri compagni, i propri insegnanti e le regole della propria istituzione. Il documento sostiene che non possiamo comprendere l'impatto dell'intelligenza artificiale guardando solo al voto finale o alla velocità del lavoro. Invece, dobbiamo osservare se la tecnologia aiuta uno studente a pensare con chiarezza, a sentirsi abbastanza sicuro da correre rischi, a perseverare nelle difficoltà, a connettersi con gli altri e a rimanere il vero autore del proprio lavoro.
La ricerca inizia osservando che le idee esistenti sull'apprendimento sono troppo frammentate per spiegare ciò che sta accadendo ora. Abbiamo teorie sulla motivazione, su come le persone gestiscono le proprie risorse e su come le connessioni sociali ci aiutino ad agire, ma sono spesso studiate in isolamento. Il documento intreccia questi fili separati in un unico quadro coerente. Suggerisce che l'energia di apprendimento abbia cinque dimensioni distinte ma connesse. La prima è l'energia cognitiva, la chiarezza mentale necessaria per elaborare le informazioni. La seconda è l'energia emotiva, il senso di sicurezza e fiducia che permette a uno studente di gestire l'incertezza. La terza è l'energia motivazionale, la forza che spinge uno studente a continuare il lavoro quando un compito diventa difficile. La quarta è l'energia socio-relazionale, la prontezza di apprendere che deriva dal sentirsi connessi con compagni e insegnanti. Infine, c'è l'energia agenziale, la capacità di rimanere il decisore e l'autore responsabile del lavoro.
Il quadro teorico spiega che l'intelligenza artificiale può o costruire questa energia o drenarla, a seconda di come viene utilizzata e di come lo studente la percepisce. Quando uno studente usa la tecnologia per chiarire un'idea confusa, ottenere un esempio rapido o ripassare un concetto difficile senza timore del giudizio, lo strumento agisce come un generatore. Abbassa la barriera per iniziare un compito e può far sentire lo studente più capace. Tuttavia, lo stesso strumento può diventare un drenaggio se porta a un'eccessiva dipendenza. Se uno studente si limita a copiare l'output senza riflettere, o se la tecnologia sostituisce la necessità di verificare i fatti, lo sforzo mentale richiesto per imparare svanisce, e con esso, il senso di proprietà. Il documento nota che questo può portare a uno stato di "isolamento efficiente", in cui uno studente produce lavoro rapidamente ma si sente disconnesso dai propri compagni e incerto sulle proprie capacità.
Per dare senso a questi diversi esiti, l'autore delinea quattro possibili profili di come gli studenti vivono questo ambiente. Un gruppo, privo sia di un forte supporto umano che di un uso efficace della tecnologia, può sentirsi esausto e ansioso. Un altro gruppo, fortemente supportato da insegnanti e compagni ma con minore affidamento sulla tecnologia, può mostrare resilienza. Un terzo gruppo, utilizzando alti livelli di intelligenza artificiale ma mancando di connessione umana, può trovarsi in uno stato di isolamento efficiente, dove la velocità avviene al costo di un apprendimento profondo e del senso di appartenenza sociale. Il profilo ideale, descritto come "co-agenzia energizzata", si verifica quando un'intelligenza artificiale di alta qualità si combina con un forte supporto umano. In questo scenario, la tecnologia aiuta a generare idee, ma lo studente, guidato da insegnanti e compagni, verifica, critica e perfeziona tali idee. Il risultato è un processo di apprendimento in cui lo studente si sente chiaro, sicuro, connesso e pienamente in controllo.
Il documento sottolinea che questa energia non è un tratto fisso ma un ciclo che sale e scende. Uno studente potrebbe iniziare un compito con un'alta energia, usando la tecnologia per partire rapidamente. Man mano che il lavoro procede, se le richieste di verifica e di pensiero critico crescono senza supporto, quell'energia può esaurirsi. Tuttavia, se lo studente si ferma a riflettere, discute il lavoro con un compagno o riceve una guida chiara da un insegnante, l'energia può essere rigenerata. Il quadro teorico suggerisce che l'apprendimento sostenibile dipende da questa capacità di recupero. Non basta semplicemente avere accesso a strumenti potenti; l'ambiente educativo deve fornire le condizioni affinché lo studente recuperi le proprie risorse mentali ed emotive. Ciò include politiche chiare che riducano l'ansia rispetto alle regole, metodi di valutazione che valorizzino il processo di pensiero rispetto al prodotto finale e una cultura in cui gli studenti siano incoraggiati a mettere in discussione e verificare ciò che la tecnologia dice loro.
L'autore propone che questo nuovo modo di guardare all'apprendimento offra una soluzione alla confusione che circonda l'intelligenza artificiale nell'istruzione. Esso sposta la conversazione oltre le semplici domande sul fatto che la tecnologia sia buona o cattiva. Invece, chiede se il modo specifico in cui uno studente usa lo strumento lo aiuti a pensare, sentire e agire come un apprendente responsabile. La ricerca suggerisce che quando l'intelligenza artificiale supporta il bisogno di autonomia, competenza e connessione dello studente, essa alimenta il suo apprendimento. Quando sostituisce le sue scelte o lo isola, la drena. Il documento non sostiene di aver risolto il problema di come insegnare con l'intelligenza artificiale, ma fornisce un vocabolario e una mappa per comprendere i costi e i benefici nascosti della tecnologia. Invita gli educatori a progettare esperienze di apprendimento che non producano solo risultati più veloci, ma che preservino e rinnovino la capacità umana di apprendere, pensare e fiorire in un mondo sempre più plasmato dalle macchine.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.