Forløb lavet med ChatGPT
Vi har i dette projekt eksperimenteret med at anvende AI i udviklingen af undervisningsforløb og -aktiviteter. Vores ønsker her at videregive vores erfaringer. Det er et øjebliksbillede, idet AI konstant udvikler sig, og der er desuden nødvendigvis en grad af tilfældighed over resultaterne, da anvendelsen af sprogmodeller netop indebærer en grad af tilfældighed.
Vores erfaring med ChatGPT 4 og processen
Vi har anvendt ChatGPT 4 i så stor udstrækning, vi har fundet det hjælpsomt.
Det er blevet muligt at uploade relevante dokumenter som vejledningerne og bekendtgørelserne fra uvm.dk til udvalgte fag i chatten. Det har vi valgt at gøre, så de også er styrende i processen. Udviklingen er foregået gennem en længere samtale med ChatGPT. Vi har stillet en række opgaver og blandt svarene har vi udvalgt de dele, vi har fundet bedst og mest relevant at arbejde videre med. Derefter har vi stillet nye opgaver og udvalgt de bedste forslag og tekster. (se evt. prompthistorikken for Matas-omnitalent-spillet: https://chat.openai.com/share/e/1a55fd01-0a37-45cd-87c1-74bbfa8e4877 )
På et tidspunkt i processen har vi fundet det nødvendigt at trække resultatet ud af ChatGPT og videreudvikle med udgangspunkt i vores egne didaktiske erfaringer med målgruppen.
Faser i arbejdet
Det er vores erfaring, at vi ikke kan udvikle et didaktisk forløb med støtte i ChatGPT i én lang lineær proces. Det bør i stedet være en iterativ proces.
Der er en række processer eller faser i udviklingen af forløb, hvor vi oplever, at ChatGPT kan bidrage væsentligt:
- Ideudvikling med udgangspunkt i læringsmål, i årsplan, et materiale, aktuelle behov etc. (få suppleret egen vifte af ideer og dermed få et bredere grundlag)
- Udarbejde elevrettede opgaver (også her leverer ChatGPT et udvalg af muligheder)
- Udbygge indhold, detaljere, formidle (skarpt formulerede prompts øger kvaliteten)
- Dokumentation (fx at forløbet adresserer de ønskede bekendtgørelsesmål)
- Opstille elevrettede læringsmål (indholdsmæssigt knyttet præcist an til forløbet og sprogligt tilpassede)
- Til slut analysere det færdige forløb og få bud på didaktiske styrker og svagheder
- Få ChatGPT til at opsummere historikken
Processen vil ofte være som en tragt, hvor ideer foldes ud, læringsmål udvælges, forløb fastlægges og udvælges. Efterfølgende udbygges indhold, opgaver formuleres, struktur fastlægges etc. Endelig kan delprodukter betyde, at tidligere faser må gentages i en iterativ proces for at opnå sammenhæng og kvalitet.
Styrker og udfordringer
I vores arbejde har vi oplevet, at ChatGPT har en række styrker – bl.a. at den
- er meget hurtig til at producere
- producerer mange anvendelige ideer
- kan overskue store datamængder og kan kombinere (fx vejledningerne fra fagene)
- er effektiv til at dokumentere, hvor i vejledninger og bekendtgørelser der er belæg for forløbenes læringsmål
- er god til at analysere allerede udviklede forløb
- er effektiv til at producere elevrettede opgavetekster
- mere tålmodig end den mest tålmodige kollega
Desuden har vi registreret en række umiddelbare udfordringer. Vi er i vores arbejde med ChatGPT stødt på, at den
- giver meget generelle svar og skal promptes yderligere for at blive mere konkret.
(Vi har dog gode erfaringer med at uploade eksempler på materialer fra nettet, eksemplariske eksempler eller bede om elevrettede opgavebeskrivelser. Det giver mere konkrete resultater) - ikke i alle tilfælde anvender det materiale, vi har uploadet, men i stedet vælger at vægte oplysninger fra andre steder på nettet (når man beder om kilder, afsløres det). Man kan med fordel guide den ved igen at henvise til det relevante dokument.
- ikke er i stand til at give kvalificerede bud på, hvor lang tid forskellige læringsaktiviteter tager i praksis med eleverne. (her er der behov for at en underviser bidrager med erfaringer med undervisning af målgrupperne)
- skriver i et avanceret sprog, der ikke umiddelbart kan forstås af alle eleverne, og løbende skal promptes yderligere for at tilpasse sproget.
Kvalitetssikring og videreudvikling
Det er absolut nødvendigt, at ideer, fagligt indhold, aktiviteter og forløb bliver fagligt og didaktisk kvalitetssikret af kompetente fagpersoner.
Derudover styrkes kvalitet og processen ved, at en fagperson løbende gennem chatten og udviklingsforløbet med AI foretager validering af ideer, udvælger og kraftigt styrer processen mod egnede materialer og forløb.
Afprøvning og yderligere kvalitetssikring
De to forløb, udviklet med AI, som vi præsenterer her på sitet, er ikke afprøvet. Det vil selvsagt bidrage markant til udviklingen af et kvalitetsprodukt, når spillet og forløbet er blevet afprøvet, evalueret og efterfølgende justeret.
Tilpasning og ejerskab
Det er vigtigt at tilpasse forløb – særligt forløb udviklet med AI – til ens målgruppe. Som underviser vil man altid – i det omfang tiden overhovedet tillader det – tilpasse materialer og forløb til ens aktuelle hold. Der er muligvis behov for yderligere differentiering, for nødvendig stilladsering etc. etc. Det øger kvaliteten, underviserens faglige overblik og måske også engagement.
Vi håber, ovenstående har inspireret og guidet, så du har et godt udgangspunkt for dit eget arbejde med at anvende AI til udvikling og kvalitetssikring af undervisningsforløb.