Mašinsko učenje i veštačka inteligencija kao pionirski iskorak u domaćim školskim institucijama

Težnja da školovanje na bilo kojoj instituciji u okviru LINK Educational Alliance bude efikasna i upotrebljiva u budućnosti je konstantna. A najnoviji iskorak napravljen je kroz dogoročni plan da se mašinsko učenje i veštačka inteligenciju integrišu kao novi standard u ovim ustanovama. Taj standard je već dominantan u svetu – nameće se kao nov način razmišljanja, ali i neophodnost. Svet će ići sve više kao tome da ML i AI budu u širokoj upotrebi kada je reč o praktično svemu što se dodiruje sa tehnologijom, a naročito kada je reč o procesima obrazovanja koji se mogu neuporedivo bolje organizovati, oplemeniti i učiniti efikasnijim.

Mašinsko učenje uče zasnovano je na algoritmu koji se dopunjuje i uči

Mašinsko učenje je grana veštačke inteligencije koja uključuje metode ili algoritme za automatsko stvaranje modela od podataka. Ne možemo reći da mašina piše kodove, ali možemo reći da mašina gradi/generiše algoritam na datim podacima. Na taj način, mašini je omogućeno da uči.

Za razliku od sistema koji zadatak izvršava prateći izričita pravila, sistem mašinskog učenja uči iz iskustva i primera. Za razliku od sistema koji se zasnovan na strogim pravilima koji će svaki put izvršavati zadatak na isti način, sistem za mašinsko učenje će se poboljšati kako se u algoritam unosi veći broj podataka.

Uspešni primeri primene mašinskog učenja i upliv u domen obrazovanja

Svakodnevno se pojavljuju nove vesti o uspešnim primenama mašinskog učenja. Ono je doživelo veliku afirmaciju kroz igra kao što su šah ili kineska igra Go, budući da su ovi softveri pobedili svetske šampione. Automatsko prevođenje sa jezika je u velikoj meri uspešno. Zatim, dobar primer su samovozeći automobili – gde je pre nekoliko godina sofver za mašinsko učenje pomagao pri parkiranju dok se danas može govoriti o gotovo punoj kontroli vozila u urbanim sredinama. Automatska analiza sentimenata na društvenim mrežama ima relativno dobru stopu uspeha, a sistemi za identifikaciju lica takođe dobro funkcionišu.

Mašinsko učenje u obrazovanju je oblik personalizovanog učenja koji se može koristiti za pružanje individualnog obrazovnog iskustva svakom učeniku. Ovde se studenti vode prema sopstvenom učenju, mogu slediti tempo koji žele i sami donositi odluke o tome šta da uče.

Jedan od glavnih benefita u obrazovanje je povećanje efikasnosti. Mašinsko učenje ima mogućnost bolje organizacije i upravljanja sadržajem i kurikulumom. Pomaže da se analizira koji je rad najprikladniji za nastavnika, a šta za učenika, olakšava rad nastavnicima i učenicima i to ih čini zadovoljnim i ugodnijim za obrazovanje.

Konkretno, softver za adaptivno učenje analizira učenikov učinak u realnom vremenu i modifikuje nastavne metode i nastavni plan i program na osnovu tih podataka. Pomaže u personalizovanom angažmanu i pokušava se prilagoditi pojedincu. Softver, takođe, može predlagati puteve učenja kojima bi student trebalo da krene. Tako studenti dobijaju sugestije iz materijala i drugih metodologija učenja iz softvera. Pored toga, ima i potencijal da učitelje učini efikasnijim izvršavanjem zadataka kao što su upravljanje učionicom, raspoređivanje itd. Stoga se prosvetni radnici mogu usredsrediti na zadatke koje AI ne može postići i koji zahtevaju ljudski dodir.

Zbog svojih karakteristika, možemo reći da ML povećava uključenost studenata u obrazovni proces i njihovu ljubav prema učešću i učenju.

Jedan od segmenata koji se odnose na mašinsko učenje i njegovu primenu u obrazovanju je i prediktivna analitika. Ona se svodi se na poznavanje načina razmišljanja i potreba učenika. Pomaže u donošenju zaključaka o stvarima koje bi se mogle dogoditi u budućnosti. Klasnim testovima i polugodišnjim rezultatima moglo bi se razumeti koji će studenti dobro nastupiti na ispitu i koji će studenti teško proći. Ovo pomaže fakultetu i roditeljima da budu upozoreni i preduzmu odgovarajuće mere. Kroz ovo se studentu može pomoći na bolji način i može raditi na svojim slabim predmetima.

Najzad, jedno od najkorisnijih benefita koje ML ima odnosi se na personalizovano učenje.

Možda je ovo najbolje što mašinsko učenje pruža. Kroz ovaj obrazovni model, studenti mogu sami da vode svoje učenje. Program baziran na ML je prilagodljiv je i vodi računa o svim individualnim zahtevima. Studenti mogu odrediti svoj tempo, donositi odluke o tome šta će naučiti i kako naučiti. Oni mogu da biraju predmete koji ih zanimaju, nastavnika od kojeg žele da uče i koji nastavni plan, standarde i obrazac žele da slede.

Sistem koji funkcioniše na bazi veštačke inteligencije učiniće obrazovni proces efikasnijim na više nivoa

Veštačka inteligencija menja način na koji pronalazimo informacije, komuniciramo, i način na koji se obrazujemo. Google prilagođava rezultate korisnicima na osnovu lokacije, Amazon daje preporuke na osnovu prethodnih kupovina, Siri se prilagođava vašim potrebama i naredbama, a gotovo svi veb oglasi usmereni su na korisnička interesovanja i sklonosti kupovini.

Ove vrste inteligentnih sistema igraju veliku ulogu u našoj interakciji sa informacijama u našem ličnom i profesionalnom životu, a mogle bi samo da promene način na koji pronalazimo i koristimo informacije u školama i akademskoj zajednici. Tokom poslednjih nekoliko decenija, sistemi zasnovani na AI već su drastično promenili način na koji komuniciramo sa informacijama i sa novom, integrisanom tehnologijom, studenti u budućnosti mogu imati znatno drugačija iskustva u istraživanju i traženju činjenica od današnjih učenika.

To bi moglo da promeni ulogu nastavnika, a učenje učiniti manje zastrašujućim.

Učitelji će uvek imati ulogu u obrazovanju, ali ta uloga može se promeniti zbog nove tehnologije u obliku inteligentnih računarskih sistema. AI može da preuzme zadatke poput ocenjivanja, može da pomogne učenicima da poboljšaju učenje, pa čak može da bude i zamena za podučavanje u stvarnom svetu. AI sistemi mogu biti programirani da pružaju stručnost, služeći kao mesto za studente da postavljaju pitanja i pronalaze informacije, ili čak mogu potencijalno da zauzmu mesto nastavnika za vrlo osnovne materijale kursa. U većini slučajeva, AI će ulogu nastavnika preusmeriti na ulogu facilitatora.

Nastavnici će dopunjavati časove bazirane na veštačkoj inteligenciji, pomažući učenicima kroz praktična iskustva i smernice. A taj proces će ičekivano biti personalizovan i u skladu sa realnim potrebama učenika – koji će učiti u atmosferi bez stresa. Po svemu sudeći, takve prakse će najpre prihvaćene u školama koje su implementirale e-learning sisteme, ili su prihvatile modele e-učionice.

AI i ML će, kroz pionirski projekat koji je pokrenuo LINKgroup, očekivano doneti benefit ne samo obrazovnim institucijama čiji je osnivač, već i celokupnom domaćem obrazovanju. Služeći kao svojevrsni uzorni model promene obrazovanja u duhu 21. veka.