Overflatelæring, dybdelæring og kunstig intelligens
Torsdag 7. mars 2024 er det fagkritisk dag ved Sosiologisk Institutt, UiB. Flere av oss skal bidra med innlegg om kunstig intelligens og læring denne dagen. Under en fagkritisk dag hvor også lektorstudenter deltar, er det viktig å diskutere fallgruvene ved bruk av ChatGPT i undervisningen, og hvordan digital kompetanse kan motvirke disse. Men det er også verdt å se på hva de mer avanserte språkmodellene GPT-4 og Gemini Advanced kan bidra med for å unngå slike fallgruver. Kan vi "trene" og kondisjonere disse språkmodellene til å bli mindre konsensusorienterte og mer konfronterende kritiske når elever og studenters ledetekster (in context prompting) er preget av forhåndsantagelser, er vage, fordomsfulle, ukritiske, stereotypiske, eller lignende?
![UiB: Rune Johan Krumsvik](https://www.uib.no/sites/w3.uib.no/files/styles/content_main/public/media/comkappe_1.png?itok=WrPiZstS×tamp=1709374140)
Main content
En måte å gjøre dette på er å utvikle en "chatbot i chatboten", noe som både GPT-4 og Gemini Advanced har lagt til rette for. Dette kan snevre inn fokuset mot det domenespesifikke og den primære målgruppen for chatboten. Ved at slike chatboter også er trent på supplerende domenespesifikke kilder, kontekstuelle "rubrics", og har scripts med et mer agonistisk, konfronterende kritisk vesen1, kan dette trigge til mer dyptgående refleksjon hos elever og studenter.
I boken min (Krumsvik, 2023) relaterer jeg slike prosesser til diskusjonene rundt overflate- og dybdelæring (og høyere ordens tenkning). Marton og Säljö (1976a, b) avdekket at studenters læringsorientering betød mye for hvilken type læringsutbytte de fikk av disse to. I deres studie ble surface level-processing knyttet til studenter som bare pugget detaljert kunnskap for å stå til eksamen (med spørsmål av typen «Hva er validitet?»). Den andre gruppen la vekt på deep level-processing ved å gå mer i dybden og sette teksten inn i en spesiell kontekst (ut fra spørsmål som «Hvordan vurderer du validiteten i denne studien?»). Det viste seg at fl ere av studentene i den siste gruppen hadde en indre motivasjon for å lære og forstå fagstoffet, ut over det å stå på eksamen. Benjamin Blooms (1956) taksonomi skisserer denne progresjonen fra overflate- til dypere læring gjennom et kontinuum av kognitive ferdigheter fra lavere til høyere nivå (Anderson, et al., 2001; Hattie, 2012).
I NoU 2014:7 (KD, 2014), Elevenes læring i fremtidens skole, som var opptakten til Fagfornyelsen (LK-20, Utdanningsdirektoratet, 2020), nevnes dybdelæring hele 58 ganger og er grundig drøftet – også inn mot skoleprestasjoner. Overflatelæring er mer faktabasert informasjon eller overfladisk kunnskap som ofte er en forutsetning for dypere læring. Dybdelæring (eller dypere læring) er mer kognitivt krevende og involverer ting som å utvide ideer, oppdage mønstre, anvende kunnskap og ferdigheter på tvers av fag, i nye sammenhenger eller på kreative måter, og å være kritisk til argumenter og bevis. Ofte er læreren den viktigste aktøren for å ivareta en pedagogikk og didaktikk som fremmer dybdelæring gjennom bruk av både tradisjonell undervisning, ulike typer undervisningsdesign, læremidler og hjemmearbeid, o.l.
I boken min spør jeg hvorvidt GPT-4 også kan legge til rette for mer kritisk refleksjon hos elever og studenter i retning av dybdelæring (Krumsvik, 2023). Som følge av dette utviklet jeg en "kappe-chatbot" (chatbot i chatboten) basert på GPT-4 for doktorgradskandidater. Den kan være til hjelp som en "kritisk venn" og sparringpartner i akademisk skriving av "kappen" i en doktorgradsavhandling.
Kappe-chatboten er mer domenespesifikk ved at den er trent på supplerende og kontekstuelt forankrede kilder. Den er ikke så konsensusorientert som ChatGPT, men konfigurert med mer konfronterende kritiske scripts. Den fokuserer også på den norske konteksten for slike avhandlinger innen pedagogikk og utdanningsvitenskap.
Kappe-chatboten tar også høyde for kunnskapsgrunnlaget rundt formativ vurdering (Hattie & Timperley, 2007). Her finner man at generelle læringsmål ikke er tilstrekkelig, og bør suppleres og "pakkes ut" med ulike lag av "rubrics" (Wollenschläger et al. 2016). Dette gjør den enda mer domenespesifikk og øker transparensen rundt hvordan kappen kan utformes. Utvikling av slike "rubrics" er basert på kunnskapsgrunnlaget rundt akademisk skriving og institusjonelle retningslinjer for kappen.
La oss ta et enkelt eksempel for å se hva "kappe-chatboten" besvarer en slik oppfordring til å adressere implisitte forhåndsantagelser om kappen.
Could you provide an example of how you would critically confront implicit assumptions within in context prompting about the synopsis?
Writing the Synopsis Companion
«Certainly, let's address a common implicit assumption regarding the writing of a PhD synopsis, especially within the context of Norwegian article-based doctoral theses.
Implicit Assumption: "The main challenge in writing a synopsis is purely academic, focusing on the integration of articles into a cohesive narrative."
Confronting the Assumption:
While it is true that synthesizing articles into a unified narrative presents a significant academic challenge, this perspective may overlook several critical dimensions that are equally important for the successful completion of a synopsis.
To critically confront implicit assumptions within the context of discussing a PhD synopsis, it's important to encourage reflective thinking and awareness of the underlying beliefs that shape research inquiries. Here's how you might approach it:
When discussing the structure and content of a PhD synopsis, particularly within the realm of Norwegian article-based doctoral theses, it's crucial to not only adhere to the academic standards and guidelines but also to engage deeply with the implicit assumptions that underpin the research process. These assumptions might relate to the nature of knowledge, the role of methodology, and the impact of the research within and beyond the academic community.
1. Nature of Knowledge: Implicit in the discussion of a synopsis is the assumption about the nature of knowledge it aims to contribute. Is knowledge viewed as something that can be definitively discovered and reported, or is it considered to be constructed and interpreted? Challenging this assumption involves reflecting on whether your research adopts a positivist stance, assuming an objective reality, or a constructivist stance, recognizing knowledge as subjective and context-dependent. This reflection will influence how you position your research within the broader academic discourse.
2. Role of Methodology: There's often an underlying assumption about the centrality and appropriateness of certain methodologies over others in conducting research. By critically reflecting on this, you might question whether your chosen methodology truly captures the complexity of the research problem or if it inadvertently narrows down the scope of inquiry. This involves a deeper engagement with the reasons behind methodological choices and their implications for the knowledge produced.
3. Impact Beyond Academia: The synopsis tends to focus on academic contributions, which might implicitly assume that the ultimate value of research lies in its scholarly impact. However, reflecting critically on this assumption involves considering the broader societal, practical, or policy implications of your research. How does your research address or neglect these wider impacts? Engaging with this question encourages a more holistic view of the research's purpose and significance.
4. Ethical Considerations: Often, ethical considerations in a synopsis are treated as a procedural necessity rather than a fundamental aspect of the research design. By critically confronting this assumption, you might explore how ethical considerations influence every stage of the research process, from the formulation of research questions to the dissemination of findings. This involves a deeper consideration of the moral responsibilities of researchers towards their subjects and society.
5. Theoretical Frameworks: The choice of theoretical frameworks often comes with implicit assumptions about the validity and universality of certain theories. Critically confronting this involves questioning how these frameworks shape the interpretation of data and the construction of knowledge. It also involves considering alternative or marginalized theories that might offer different insights into the research problem.
By confronting these implicit assumptions, we can appreciate the multifaceted challenges and opportunities in writing a PhD synopsis, recognizing it as a complex academic endeavor that extends beyond the mere integration of articles into a cohesive narrative. This approach encourages doctoral candidates to engage deeply with their research process, reflect on their academic journey, and articulate their contributions to their field and society at large» (OpenAI, 2024).
Går man så videre og mer konkret til verks ved å ha lengre dialoger rundt forhåndsantagelser i akademisk skriving av kappen, vil man se at chatboten gradvis borrer dypere inn i epistemologiske, metodologiske, etiske og analytiske problemstillinger.
De samme prinsippene gjelder for interaksjoner og dialoger mellom bachelor- og masterstudenter og en "chatbot i chatboten" innen andre fagfelt. Men som nevnt, forutsetter dette:
- Tilstrekkelig digital kompetanse hos brukeren
- At chatboten er "trent" og kontekstuelt forankret i det aktuelle fagområdet (domenespesifikk)
- At chatboten er konfigurert med konfronterende kritiske scripts
- Bruk av "rubrics"
- Bruk av "chain of thought prompting"
Dette kan bidra til å unngå noen av de velkjente kunnskapsmessige fallgruver når elever og studenters ledetekster er preget av forhåndsantagelser, fordommer, ukritisk tenkning, vaghet og stereotypier. I stedet kan det lede kunnskapsutviklingen i retning av et dybdelæringsperspektiv og hvor GPT-4 er en av flere sparringpartnere og en kritisk venn sammen med lærere, medstudenter, lærebøker, o.l.
Referanser
Anderson, L.W. (Ed.), Krathwohl, D.R. (Ed.), Airasian, P.W., Cruikshank, K.A., Mayer, R.E., Pintrich, P.R., Raths, J., & Wittrock, M.C. (2001). A taxonomy for learning, teaching, and assessing: A revision of Bloom’s Taxonomy of Educational Objectives (Complete edition). New York: Longman.
Bloom, B.S. (1956). Taxonomy of Educational Objectives, Handbook: The Cognitive Domain. David McKay, New York.
Hattie, J. & Timperley, H. (2007). The power of feedback. Review of Educational Research, 77(1), 81–112. https://doi.org/10.3102/003465430298487
Hattie, J. (2012). Visible Learning for Teachers: Maximizing Impact on Learning. Routledge
Krumsvik, R. J. (2023). Digital kompetanse i KI-samfunnet. Et glimt på hvordan kunstig intelligens preger livene våre. Cappelen Damm Akademisk.
Kunnskapsdepartementet (KD) (2014). NOU 2014:7. Elevenes læring i fremtidens skole. Et kunnskapsgrunnlag. Kunnskapsdepartementet.
Kvale, S. (1997). Det kvalitative forskningsintervju. Ad Notam Gyldendal.
Marton, F. & Säljö, R. (1976a). On qualitative differences in learning. I. Outcome and process. British Journal of Educational Psychology, 46(4), 4–11.
Marton, F. & Säljö, R. (1976b). On qualitative differences in learning. II. Outcome as a function of the learner’s conception of the task. British Journal of Educational Psychology, 46(2), 115–127.
OpenAI (2023). Writing the synopsis companion. By Rune Johan Krumsvik. https://chat.openai.com/g/g-T6wJuA5tr-writing-the-synopsis-companion/c/04b21dc3-9562-454b-9ced-85dc0c365406
Wollenschläger, M., Hattie, J., Machts, N., Möller, J. & Harms, U. (2016). What makes rubrics effective in teacher-feedback? Transparency of learning goals is not enough. Contemporary Educational Psychology, 44–4
Utdanningsdirektoratet (2020). Læreplaner – Kunnskapsløftet 2020 (Fagfornyelsen). Utdanningsdirektoratet.
1. Inspirert av Steinar Kvales (1997) agonistiske (konfronterende) intervju.