Az MIT pilotprogramot indított az AI oktatásának szélesítésére

Egyhetes workshop felsőoktatási oktatóknak

Az MIT Schwarzman College of Computing nyáron indította el az AI Educators Pilot nevű programot, amelyre Greater Boston, South Carolina, West Virginia és Texas felsőoktatási intézményeiből érkeztek oktatók. A résztvevők egy héten át azt vizsgálták, hogyan lehet az AI és a gépi tanulás tananyagait különböző tudományterületeken és eltérő oktatási környezetekben alkalmazni.

A kezdeményezést az MIT C01/C51, Modeling with Machine Learning című kurzusa inspirálta. A tantárgy a Common Ground for computing and AI education keretében készült, és arra épít, hogy a hallgatók megértsék, majd saját szakterületük problémamegoldásában alkalmazzák az AI és a gépi tanulás alapfogalmait.

Dan Huttenlocher, az MIT Schwarzman College of Computing dékánja és az elektrotechnika és számítástudomány Panasonic professzora a közlemény szerint így fogalmazott: „A tágabb cél az AI-oktatás kiterjesztése több hallgatóra az oktatók képzésébe való befektetéssel.” Asu Ozdaglar, a kar oktatási ügyekért felelős dékánhelyettese és az EECS tanszék vezetője hozzátette: „Azt szeretnénk, hogy a hallgatók kritikus gondolkodókká váljanak az AI kapcsán, ne csak a technológia használói legyenek.”

A tananyagok mellett a módszertan is középpontba került

A program megvalósításához az MIT Schwarzman College of Computing több szereplője működött együtt, köztük vezetők, munkatársak és több mint fél tucat oktató. A közreműködők szakterületei a pénzügytől és a számítástudománytól a fenntarthatóságig terjedtek. A workshopban az alapvető technikai fogalmakat olyan példákkal és tananyagokkal kapcsolták össze, amelyek többféle tantermi helyzethez igazíthatók.

Saurabh Amin, az építőmérnöki terület Edmund K. Turner professzora és a pilot oktatói igazgatója szerint a kezdeményezés ritka léptékű együttműködés volt. Az MIT News idézete szerint: „Nem láttam még egészen ehhez hasonló erőfeszítést, ennyi elkötelezett oktató állított össze ilyen gazdag anyagokat, mindezt azért, hogy felkészítse azokat az oktatókat, akik a hallgatóikat szolgálják.” Amin az Operations Research Center társigazgatója is, amely az MIT Schwarzman College of Computing és az MIT Sloan School of Management közös egysége.

A Jake és Robin Reynolds támogatásával megvalósult pilot júliusban 19 résztvevőt hozott össze. Az oktatók az Allen University, a Babson College, a Brandeis University, a Marshall University, a University of Massachusetts at Lowell, a University of North Texas és a Wentworth Institute of Technology intézményeiből érkeztek.

Az MIT oktatóival együtt a résztvevők bemutatókon, videókon és gyakorlatokon keresztül ismerkedtek a Modeling with Machine Learning pedagógiai megközelítésével. A gyakorlati feladatok arra fókuszáltak, miként lehet a kurzus anyagait és módszereit saját tanórákra átültetni.

Az AI mint értelmezhető eszköz, nem zárt fekete doboz

Az MIT közleménye szerint Amin úgy látja, AI-témában sok jó minőségű anyag elérhető, a hiány gyakran a kontextusban van. A tanároknak és a hallgatóknak olyan alkalmakra van szükségük, ahol az AI-fogalmakat konkrét szakterületekhez, problémákhoz és gondolkodásmódokhoz kapcsolhatják.

Amin szerint az egyik legszűkösebb erőforrás az oktatói kapacitás. Az MIT Newsnak adott magyarázata szerint: „Az a ritka, hogy legyenek olyan oktatók, akik felkészültek arra, hogy az AI-t többként tanítsák, mint fogalmak és eszközök rögzített készletét, saját területükbe ágyazzák, segítsék a hallgatókat a megfontolt használatban, és érthetővé tegyék, hogy a hallgatók ne csak modelleket alkalmazzanak, hanem megtanulják megkérdőjelezni, alakítani és építeni is őket.”

Shen Shen, az EECS oktatója és a workshop egyik instruktora szintén ezt a szemléletet emelte ki. A forrás idézete szerint: „Hogyan biztosítjuk, hogy a gépi tanulás ne csak fekete doboz legyen, se a technológia valamiféle mágikus új darabja? Tekinthetünk rá eszközként, vagy új keretezésként, amely segít megoldani a problémát a saját konkrét területeden.”

A résztvevők között volt Wenjin Zhou, a UMass Lowell számítástudományi adjunktusa is. A közlemény szerint azért tartotta időszerűnek a programot, mert tanszékén AI- és adattudományi program indításán dolgoznak, és arra kereste a választ, hogyan tanítsák a következő számítástudós-generációt az AI területén, valamint hogyan építsék be az AI-t az oktatásba.

Mit jelenthet ez az oktatóknak és a hallgatóknak

A hét végén a résztvevők azt tekintették át, mely workshopanyagokat és tanítási megközelítéseket szeretnék saját tudományterületükön és kurzusaikban alkalmazni. Visszajelzéseik az MIT szerint a pilot későbbi változatait is formálják, és hozzájárulhatnak egy szélesebb oktatói hálózat létrehozásához, amely az AI-oktatás kiterjesztésén dolgozik különböző tanulási környezetekben.

Weijie Pang, a Wentworth Institute of Technology számítástudományi adjunktusa a program után különösen a közösségépítést emelte ki. Az MIT News idézete szerint: „Ez igazán értékes lehetőség arra, hogy más szakokról és területekről érkező oktatókkal kommunikáljunk. Láthatom, mit csinálnak más egyetemek, és mit tanulhatunk egymástól.”

Dylan Cashman, a Brandeis University számítástudományi adjunktusa szerint hasznos felismerés, hogy különböző egyetemek és tudományterületek oktatói hasonló kérdésekkel küzdenek arról, miként szolgálhatják a legjobban hallgatóikat a technológia változása közben. A forrás idézete alapján a cél az, hogy a hallgatókat felkészítsék a sikerre azzal, hogy előrelátóbban gondolkodnak az AI használatáról.

A pilot így nem kész tantervi csomagként jelenik meg, hanem olyan oktatói együttműködésként, amelyben a gépi tanulási alapok, a szakterületi példák és a kritikus gondolkodás egyszerre kapnak szerepet. A hallgatók szempontjából a MIT által leírt irány azt jelenti, hogy az AI tanítása nem áll meg az eszközök használatánál, hanem a technológia megértését és felelős alkalmazását is célozza.