D’aquí pocs dies començarà el curs acadèmic a la UdG i tornaré a impartir l’assignatura de Cinètica Química al tercer curs dels estudis de Biotecnologia. I ho faré en anglès.
Fa un parell d’anys hi ha introduït la innovació de fer servir Python per analitzar les diferents cinètiques i els diferents mecanismes, a més de resoldre problemes numèrics. Potser ha arribat el moment, també d’introduir-hi alguns elements d’intel·ligència artificial en la docència.
Avui he vist que s’ha publicat al LSE Impact Blog l’article How to design teaching and learning through an AI-centred course. Una de les frases destacades és un pèl grandiloqüent:
By liberating educators from monotonous tasks, AI could enable educators to re-channel their energy towards nurturing the most precious resource – students.
Tal com es va dir a la recent jornada d’AI en docència organitzada per la UdG i a la qual vaig assistir, el qu es tracta és de fer servir les eines de l’IA per millorar la docènica i l’experiència d’aprenentatge, que en el cas de ciències és força menys planera que en el cas de ciències socials.
Des del meu punt de vista, seria interessant fer a aquesta assigantura alguns exemples pràctics de ChatGPT, BingChat, Bard, … perquè els estudiants veiessin la utilitat i possibilitats reals de la IA en la ciència i com és útil que aprenguin a fer-la servir i a comprendre les seves limitacions.
Tal com diu l’article,
Concurrently, human tasks should be redesigned around (1) providing contextual understanding (prompt engineering), (2) editing the AI output, (3) facilitating creativity and innovation to achieve impact, and (3) deploying interpersonal skills leading to collaboration, synergy, and serendipity. We think this can be distilled into five rubrics for AI oriented education:
- Orientation: This emphasises fostering a growth mindset and empathy within learners to motivate and foster a user driven approach in co-creation with AI tools.
- Engagement: Here, we focus on encouraging experimentation, collaboration, co-creation, and effective communication for the role of editor and co-creator with AI as a co-pilot/adjunct.
- Knowledge and Skills development: This pertains to the learners’ ability to recall and understand core concepts, and ability to apply methods/tools in for example cases and exercises.
- AI Integration and Ethical Use: This prepares students for thoughtful, ethical, and appropriate use of AI. It includes the ability to correctly prompt, assess, validate and provide evidence of the ethical input and output of AI tools, where appropriate. This purposeful integration of AI improves quality of student outcomes in several areas.
- Facilitation and Real-World Application: In this stage students learn how to facilitate implementation of AI tools and other concepts in an authentic, real-world application, reflect, and design learning strategies to get better. Students work in groups on real world ventures or projects, depending on the specific academic field. Assessment is for helping develop learners’ strategies for implementing knowledge and AI tools in real-world situations, encouraging self-reflection.
En definitiva, es tracta de veure la IA com una oportunitat i no pas com una amenaça.
Miraré de fer algunes proves aquest curs a l’assignatura de cinètica química, per valorar la implantació de més funcions en cursos posteriors.