Dirbtinio intelekto naudojimo ugdymo aplinkoje problemos: pasekmės „DevOps“ specialistų rengimui

Anotacija

Šiame straipsnyje nagrinėjamas dirbtinio intelekto (DI) poveikis ugdymo procesui taikant „DevOps“ (programinės įrangos kūrimo ir eksploatavimo (operacijų) metodiką), ypač jo vaidmuo ugdant studentų kritinį mąstymą, skatinant savarankiškumą ir stiprinant jų gebėjimus spręsti sudėtingas technines problemas. Šiuolaikiniame ugdyme DI aktyviai naudojamas mokymosi procesams automatizuoti, turiniui personalizuoti ir kontekstui pritaikytoms rekomendacijoms rengti. Tačiau kyla klausimas, kokį DI naudojimas turi poveikį studentams, besispecializuojantiems „DevOps“ srityje, kur itin svarbu analitiniai įgūdžiai, gebėjimas priimti netradicinius sprendimus ir savarankiškumas.
Tyrime naudota mišri metodologija – mokslinės literatūros apžvalga, studentų apklausos ir eksperimentinis DI naudojančių ir nenaudojančių grupių mokymosi rezultatų palyginimas. Iš viso buvo apklausta 120 reguliariai su automatizuotomis sistemomis dirbančių inžinerijos studentų, o eksperimentinis testas buvo atliktas su dviem grupėmis – viena grupė užduotis atliko su DI pagalba, o kita be jos.
Tyrimas atskleidė, kad dirbtinis intelektas (DI) turi dvejopą poveikį mokymosi procesui. Viena vertus, DI gerokai padidina darbo efektyvumą, leidžia greičiau įsisavinti žinias ir automatizuoja rutinines užduotis. Tai ypač naudinga vidutinių ir žemų akademinių rezultatų pasiekusiems studentams, nes DI padeda jiems užpildyti žinių spragas. Kita vertus, dėl lengvos prieigos prie iškart sugeneruojamų sprendimų gerai besimokantys studentai gali prarasti motyvaciją savarankiškai atlikti analizes.
Eksperimento rezultatai parodė, kad dirbtinį intelektą naudojusi grupė užduotis atliko greičiau, tačiau 65 % dalyvių nesugebėjo paaiškinti, kaip jų sprendimai veikia. Tuo tarpu be dirbtinio intelekto dirbantys kontrolinės grupės studentai pasižymėjo aukštesniu savarankiško mąstymo lygiu ir gilesniu medžiagos supratimu – abu šie veiksniai yra kritiškai svarbūs veiksmingam „DevOps“ inžinierių rengimui. Ilgalaikiai rezultatai taip pat parodė, kad be DI mokęsi studentai geriau perprato žinias ir sugebėjo jas pritaikyti naujose situacijose, o tiems, kurie rėmėsi automatizuotais patarimais, dažniau reikėjo papildomų paaiškinimų.
Išvadose pabrėžiama, kad, norint veiksmingai naudoti DI „DevOps“ mokymuose, taikymą reikia adaptuoti. Užuot būtų tiesiog teikiami automatizuoti atsakymai, reikėtų taikyti kritinį mąstymą skatinančius mokymo metodus, pavyzdžiui, atviras projektines užduotis, situacines atvejų studijas ir grupių diskusijas. Be to, patartina įdiegti pagrįsto (angl. justifiable) DI naudojimo metodiką, pagal kurią, prieš gaudami DI sukurtas užuominas, studentai turėtų savarankiškai analizuoti problemas ir pateikti savo sprendimus.
Galima teigti, kad dirbtinis intelektas gali būti veiksminga priemonė rengiant „DevOps“ specialistus, jei jo naudojimas derinamas su savarankiškumą ir analitinį mąstymą skatinančiomis metodikomis. Ateities tyrimai turėtų būti sutelkti į ilgalaikį dirbtinio intelekto poveikį mokymosi procesui ir optimalių strategijų, skirtų jam integruoti į „DevOps“ praktikas, kūrimą.