Óratervezés és feladatkészítés AI-val

Az üres laptól a kiindulóponthoz

Egy új kurzus vagy egy új téma előkészítésének legnehezebb pillanata gyakran a legelső. Az üres dokumentum, amiről el kell dönteni, hol kezdődjön az óra, milyen sorrendben épüljenek a fogalmak, hány percet érjen egy-egy rész. A generatív AI ezt a kezdeti súrlódást csökkenti. Ha megadod a témát, a hallgatók szintjét és a rendelkezésre álló időt, kaphatsz egy vázlatot, ami már tartalmaz egy lehetséges felépítést. Ez a vázlat szinte soha nem tökéletes, de nem is annak kell lennie. A dolga annyi, hogy legyen mihez nyúlni, legyen mit átrendezni, kiegészíteni vagy kihúzni.

Érdemes tudatosan kérni. Ha csak annyit írsz, hogy tervezz egy órát a fenntartható fejlődésről, általános eredményt kapsz. Ha viszont megadod, hogy másodéves közgazdász hallgatóknak szól, kilencven perces, és a fő cél, hogy megértsék a fogalom három ellentmondását, sokkal használhatóbb kimenetet kapsz. Minél pontosabb a kérés a célban, a közönségben és a keretekben, annál kevesebb munka marad utána. Segít az is, ha nem egyben kéred a teljes órát, hanem lépésenként haladsz. Először a vázat, aztán egy adott szakasz kibontását, majd hozzá egy gyakorlatot. Így minden lépésnél látod, jó irányba tart-e, és korrigálhatsz, mielőtt a rendszer egy egész órát épít fel egy félreértett feltevésre. Ez a fokozatos építkezés lassabbnak tűnik, valójában gyorsabb, mert kevesebb utólagos átírással jár.

Változatok, amiket egyedül nehéz kitalálni

A generatív AI egyik legerősebb tulajdonsága, hogy fáradság nélkül ad több változatot ugyanarra. Egy feladatból kérhetsz könnyebb és nehezebb verziót, kérhetsz olyat, amely csoportmunkára épül, és olyat, amely egyéni. Egy fogalmat elmagyaráztathatsz egy hétköznapi hasonlaton keresztül, majd egy szakmai megközelítésben, hogy a hallgatók kétféle fogódzót kapjanak. Ez a variálás egyedül lassú és fárasztó. Éjfél után, a sokadik feladat kitalálásakor éppen az a kreatív energia fogy el, amiből egy friss példa születne. Itt az AI olyan, mint egy kollega, aki mindig rá tud dobni még három ötletet.

A példák és az esettanulmányok külön figyelmet érdemelnek. Egy jó, a hallgatókhoz közel álló eset sokat számít a megértésben. Az AI gyorsan gyárt eseteket, de ezeknél kettős ellenőrzés kell. Egyrészt szakmailag helytálló-e, másrészt ha valós céget, adatot vagy eseményt említ, azt külön ellenőrizni kell, mert a rendszer könnyen kitalál valószerűen hangzó, de nem létező részleteket.

A tanári réteg, amit a gép nem tud pótolni

Bármilyen jó nyersanyagot ad az AI, egy dolgot nem tud. Nem ismeri a te csoportodat. Nem tudja, hogy tavaly pont ezen a ponton akadt el a fél évfolyam, hogy melyik példa vált be és melyik hullott le a témáról, hogy mennyi az a tempó, amit ez a csoport bír. Ez a helyi tudás az, ami a vázlatból élő órát csinál. Az oktató szerepe nem szűnik meg, hanem áthelyeződik. Kevesebb időt tölt a nulláról építéssel, és többet a finomhangolással, a döntéssel arról, mi marad és mi kerül ki.

Van a folyamatnak egy minőségi haszna is. Amikor az AI három megközelítést tesz eléd, óhatatlanul dönteni kell, és a döntés végiggondolást igényel. Miért ez a jobb példa ennek a csoportnak. Ez a mérlegelés önmagában javítja az órát, mert kimondottá teszi azt, ami korábban ösztönös maradt.

Gyakori buktatók, amelyekre figyelj

Az óratervezésnél néhány visszatérő hiba rontja a végeredményt, ha nem figyelünk rájuk. Az első a túlzott ráhagyatkozás. Ha az AI vázlatát szinte változatlanul átveszed, az óra általánossá és személytelenné válik, mert éppen az a réteg hiányzik belőle, amit a csoport ismerete adna. A második a sablonos példa. A generatív AI hajlamos a legáltalánosabb, legkézenfekvőbb példákat hozni, amelyeket a hallgatók már sokszor hallottak, és amelyek nem kötik meg a figyelmet. Érdemes külön kérni, hogy a saját szakterületedhez, a helyi kontextushoz vagy egy friss kérdéshez igazítsa a példát, és ha ez sem elég, magadnak kell hozzátenni a jó esetet.

A harmadik buktató a ténybeli hiba az esetekben. Ha az AI valós céget, adatot, dátumot vagy eseményt említ egy esettanulmányban, azt kötelező ellenőrizni, mert a rendszer valószerű, mégis pontatlan részleteket ad. Egy órán elhangzó téves adat nehezen javítható vissza, mert a hallgatók már megjegyezték. A negyedik a saját hangod elvesztése. Egy tanár stílusa, humora, hangsúlyai részei annak, ahogy az anyag átjön. Ha mindent a gép fogalmaz, ez a személyes réteg eltűnik. A megoldás nem az, hogy lemondasz a segítségről, hanem hogy a nyersanyagot a saját nyelvedre írod át. Ha ezekre a pontokra figyelsz, a generatív AI gyorsít, de az óra a tiéd marad, felismerhető és a csoportodra szabott.

Egy egyszerű munkamenet

A gyakorlatban jól működik egy visszatérő ritmus. Először röviden leírod a célt, a közönséget és a kereteket. Másodszor kérsz egy vázlatot vagy néhány feladatváltozatot. Harmadszor nem fogadod el egyben, hanem kéred, hogy egy adott részt bontson tovább, adjon rá példát, vagy fogalmazza át egyszerűbben. Negyedszer kiemeled, ami jó, kihúzod, ami nem, és a saját kezeddel csiszolod véglegesre. Ez a néhány kör pár perc alatt lefut, és a végén nem az AI órája lesz, hanem a tiéd, csak gyorsabban jutottál el hozzá. A felelősség az elejétől a végéig a tiéd marad, a szakmai helyesség, a hivatkozott adatok és a hallgatókhoz igazítás mind a te ellenőrzésed alatt áll.