Modeli instrukcijskog dizajna za primjenu alata i sustava umjetne inteligencije

3.2. Model sukcesivnih približavanja (Successive Approximation Model - SAM)

Ovaj model omogućuje učinkovitu integraciju alata umjetne inteligencije u različitim fazama dizajna učenja, čime se ubrzava prilagodba i povećava preciznost u stvaranju materijala. Umjetna inteligencija pritom pomaže u izradi prototipova, analizi testiranja i adaptivnom usavršavanju obrazovnih resursa.

Kako umjetna inteligencija podržava SAM model:

• Prototipiranje s umjetnom inteligencijom
  Pomoću UI alata mogu se brzo izrađivati skice, scenariji i obrazovni sadržaji koji se zatim testiraju s polaznicima.

• Analiza testiranja
  Umjetna inteligencija analizira podatke o ponašanju i angažmanu polaznika tijekom testiranja i automatski generira izvještaje o učinkovitosti sadržaja i aktivnosti.

• Adaptivno usavršavanje sadržaja
  Na temelju rezultata testiranja UI može predložiti izmjene u strukturi lekcije, pitanjima, primjerima ili vizualnim elementima kako bi se postigla veća jasnoća i učinkovitost učenja.

Primjer:  

Pri izradi e-tečaja o kritičkom mišljenju, tim instruktora koristi ChatGPT za brzo generiranje različitih verzija scenarija lekcija. Te se verzije zatim testiraju na maloj skupini studenata mikrotestovima. Umjetna inteligencija analizira rezultate, prepoznaje dijelove koji izazivaju najviše teškoća i predlaže konkretne izmjene. Na taj se način sadržaj postupno usavršava, a polaznici sudjeluju u stvaranju kvalitetnijeg i relevantnijeg obrazovnog materijala.

Prednosti i nedostaci primjene SAM modela uz umjetnu inteligenciju

Prednosti

• omogućuje brzo testiranje i poboljšavanje sadržaja prije konačne implementacije

• potiče uključivanje studenata u proces razvoja povratnim informacijama i mikrotestovima

• omogućuje podatkovno vođene odluke o prilagodbama i izmjenama

• smanjuje rizik od neuspjeha jer se problemi prepoznaju u ranoj fazi dizajna

• potiče suradnju između nastavnika, dizajnera i sustava umjetne inteligencije.

Nedostaci

• zahtijeva više vremena u početnim fazama zbog ponavljanih testiranja

• može stvoriti zasićenje podacima ako se analitika ne strukturira jasno

• pretjerana automatizacija može smanjiti kreativnost i pedagošku intuiciju dizajnera

• zahtijeva odgovorno tumačenje rezultata analiza umjetne inteligencije i ljudsku prosudbu pri odlukama o promjenama.

Refleksivno pitanje:

• Kako biste u svojoj praksi mogli koristiti iterativni pristup i alate umjetne inteligencije za testiranje i poboljšavanje nastavnih materijala prije njihove konačne primjene?

Detaljnije o SAM modelu i njegovoj upotrebi:

Successive Approximation Model (SAM)

SAM model in E-learning Development

SAM Model: An Agile Approach To Instructional Design