Així es pot treure partit a la intel·ligència artificial per buscar materials d’aprenentatge
En el seu dia a dia, els docents s’enfronten al repte diari de trobar materials educatius actualitzats, rigorosos i fiables per a les seves classes. La intel·ligència artificial (IA) ha sorgit com una eina que els pot ajudar en aquest procés, però la seva eficàcia depèn de com interactuem amb ella. En lloc de buscar informació de manera convencional, els educadors han d’aprendre a “preguntar” a la IA de forma més estratègica i precisa, per obtenir uns millors resultats. És el que es coneix com a “sintaxi d’IA”, concepte que fa referència a la manera com interactuem amb les eines d’IA per obtenir respostes més útils i específiques.
En eines com ChatGPT, GPT-4 o Gemini, els professors han d’adaptar la manera de formular preguntes. En lloc de simplement escriure paraules clau i rebre milions de resultats, l’ús de l’IA permet un plantejament més conversacional, on els docents han de pensar en com estructurar les seves preguntes per obtenir respostes precises, ben organitzades i de qualitat.
Preguntes més precises
La clau per aprofitar al màxim les eines d’IA està preguntar de forma precisa. A través d’una metodologia estructurada, els educadors poden formular preguntes de forma més eficient i obtenir resultats molt més útils per a les seves lliçons. Un enfocament efectiu, com el Mètode Acer, pot resultar molt útil per a aquest procés. Aquest mètode, expliquen des de la companyia, es basa en quatre pilars: Actors i Audiència, Context, Expandir i Refinar i Iterar.
El primer pas és identificar els actors i l‘audiència. En aquest cas, el docent és l’actor principal, però també tenir en compte a qui va dirigida la informació. Depenent de si es tracta d’estudiants de primària, secundària o fins i tot col·legues docents, el nivell de complexitat i l’enfocament de la pregunta canviaran. Per exemple, si un docent de secundària busca material sobre la Revolució Industrial, la pregunta que formuli serà diferent a la que faria servir per demanar informació sobre el mateix tema per a estudiants universitaris. El to, la profunditat i el llenguatge s’ han d’ adaptar al grup objectiu.
Un cop tenim clara l’audiència, el següent pas és proporcionar el context. En aquesta fase, cal detalla el tema de la recerca. Si el docent està buscant materials sobre la Revolució Industrial, ha d’ especificar si està interessat en un aspecte general del període o en detalls més concrets, com les invencions clau, els avenços tecnològics o els impactes socials. A més, pot ser útil indicar quins aspectes han de ser exclosos de la recerca, la qual cosa ajuda la IA a centrar les seves respostes. Per exemple, si la lliçó se centrarà només en la revolució a Anglaterra, seria adequat esmentar-ho, evitant així resultats que abordin la Revolució Industrial en altres països.
El següent pas en el procés és expandir. Aquí, el docent ha de proporcionar detalls addicionals sobre el que necessita per a la seva lliçó. Això inclou especificar com desitja que es lliuri la informació: Si vol un resum, una llista de punts clau o una explicació més detallada sobre un tema en particular. També es poden demanar recursos addicionals, com enllaços a vídeos educatius, articles complementaris o exemples visuals que enriqueixin el contingut. Com més detallada sigui la sol·licitud, més útil serà la resposta proporcionada per la IA.
L’últim pilar és refinar i iterar. Després de rebre una resposta inicial de la IA, és important que el docent avaluï la informació i valori si compleix amb les seves necessitats. Si la resposta no és prou detallada o no aborda algun aspecte important, es pot modificar la pregunta, fent ajustos per obtenir una resposta més precisa. Aquest procés de refinament i repetició és fonamental per millorar la qualitat de la informació. A diferència de les recerques tradicionals en què els usuaris solen acceptar la primera pàgina de resultats, en la interacció amb IA, es tracta d’ un procés continu d’ ajust per obtenir la resposta més precisa possible.
El Mètode Acer a la pràctica
Amb un mètode tradicional de recerca, si un docent busca informació per als seus estudiants de secundària sobre la Revolució Industrial, podria escriure una cosa simple com: “Informació per a estudiants de secundària sobre la Revolució Industrial”. No obstant això, aquest tipus de recerca genera milions de resultats sense criteri.
En aplicar la sintaxi d’IA amb el Mètode Acer, el docent pot fer una sol·licitud molt més estructurada: “Sóc docent de secundària i estic preparant quatre lliçons sobre la Revolució Industrial. Necessito que m’ajudis a desglossar els temes en seccions, cobrint dates clau, avenços tecnològics i figures importants. També m’agradaria que incloguéssis enllaços a vídeos educatius que ajudin els estudiants a entendre millor aquests temes. Estic preparant una presentació a PowerPoint, així que, per favor, organitza la informació de manera clara i detallada, incloent-hi tots els elements que consideris rellevants”. Aquest tipus de sol·licitud és molt més precís i detallat, la qual cosa permet a la IA generar una resposta més enfocada i útil, adaptada a les necessitats del docent.
És important tenir en compte que, després d’obtenir una resposta, el docent ha de revisar la informació, demanar més detalls sobre àrees específiques i fer els ajustaments que siguin necessaris.
Descobreix més sobre Acer For Education aquí
