Περνάμε στην Υπολογιστική σκέψη 2.0. Ενημερώστε όσους νομίζετε ότι μιλάμε την ίδια γλώσσα στην τεχνολογία και το STEM.
Η Τεχνητή Νοημοσύνη ως Εργαλείο Μηχανικής – Πώς το AI-Augmented STEM Αλλάζει το Παιχνίδι.
Είμαστε από τους πρώτους στην Ελλάδα που γράψαμε άρθρο για την υπολογιστική σκέψη το 2017 και εξηγήσαμε με τα δεδομένα εκείνης της εποχής, πριν δέκα περίπου χρόνια, τι σημαίνει ο όρος αυτός.
Τα στατιστικά πίσω από αυτό το ιστολόγιο δείχνουν ότι έχουν πραγματοποιηθεί 45.650 αναγνώσεις του άρθρου μας αυτού. Που βρίσκεται στη διεύθυνση:
http://sv1ahh1.blogspot.com/2018/04/computational-thinkingct.html
πολλοί από εσάς το έχετε διαβάσει στο παρελθόν.
Τώρα παρουσιάζουμε την Υπολογιστική σκέψη 2.0 που ακόμη δεν έχει γίνει λόγος στη χώρα μας.
Αντί λοιπόν για τον απλό προγραμματισμό
(coding), η νέα τάση είναι η "Τεχνητή
Νοημοσύνη ως Εργαλείο Μηχανικής".
Τι είναι: Μαθητές που δεν
γράφουν απλώς κώδικα, αλλά εκπαιδεύουν δικά τους μοντέλα μηχανικής μάθησης (Machine
Learning) για να ελέγχουν τις STEM κατασκευές τους (π.χ. ένα ρομπότ που
αναγνωρίζει τη φωνή του ιδιοκτήτη του ή ξεχωρίζει τα σκουπίδια προς ανακύκλωση
μέσω κάμερας).
Εισαγωγή:
Από τον Προγραμματισμό στη Μηχανική Μάθηση
Η πρώτη γενιά "Υπολογιστικής
Σκέψης" (1.0) επικεντρώθηκε στη διδασκαλία του πώς να γράφουμε κώδικα
(π.χ. Scratch, Python) για να δίνουμε εντολές. Το Computational Thinking 2.0
πηγαίνει ένα βήμα παραπέρα: διδάσκει στους μαθητές πώς να χρησιμοποιούν την Τεχνητή Νοημοσύνη (AI) και τη Μηχανική
Μάθηση (Machine Learning) ως εργαλεία για να λύνουν πιο σύνθετα προβλήματα.
Η διαφορά: Αντί να γράψουμε
χιλιάδες γραμμές κώδικα για να αναγνωρίζει ένα ρομπότ αντικείμενα, το
"εκπαιδεύουμε" με χιλιάδες εικόνες, όπως ακριβώς μαθαίνει ένα παιδί.
2.
Γιατί το "AI-Augmented STEM" Είναι το Νέο "Standard";
Πραγματικός Κόσμος: Η
AI δεν είναι πλέον θεωρία. Είναι παντού, από τα αυτόνομα οχήματα μέχρι τη
διάγνωση ασθενειών. Οι μαθητές πρέπει να καταλάβουν πώς λειτουργεί "κάτω
από το καπό", όχι απλά να τη χρησιμοποιούν.
Λύση Σύνθετων Προβλημάτων: Η
AI επιτρέπει στους μαθητές να αντιμετωπίσουν προβλήματα που είναι πολύ δύσκολο
να λυθούν με κλασικό προγραμματισμό (π.χ. πρόβλεψη της κατανάλωσης ενέργειας,
αναγνώριση συναισθημάτων).
Ευκολία Πρόσβασης:
Νέα, εύχρηστα εργαλεία "χωρίς κώδικα" (no-code/low-code AI)
επιτρέπουν ακόμα και σε παιδιά δημοτικού να δημιουργήσουν τα δικά τους μοντέλα
AI.
3.
Πώς Εφαρμόζεται το Computational Thinking 2.0 στο STEM από τους μαθητές μας:
Συλλογή Δεδομένων (Data Collection):
Συλλέγουν δεδομένα (εικόνες, ήχους, τιμές αισθητήρων). Για παράδειγμα, τραβούν
φωτογραφίες από διάφορα είδη σκουπιδιών.
Εκπαίδευση Μοντέλου (Training the Model):
Χρησιμοποιούν μια πλατφόρμα (π.χ. Google Teachable Machine) για να
"διδάξουν" στον υπολογιστή ποιο αντικείμενο αντιστοιχεί σε ποια
κατηγορία (π.χ. "πλαστικό", "χαρτί").
Έλεγχος και Βελτίωση (Testing &
Refinement): Δοκιμάζουν το μοντέλο με νέες εικόνες και το
διορθώνουν αν κάνει λάθη.
Ενσωμάτωση (Integration):
Συνδέουν το εκπαιδευμένο μοντέλο AI με την STEM κατασκευή τους (π.χ. ένα
ρομπότ-διαλογέα).
4.
Παραδείγματα Δραστηριοτήτων για την Τάξη
Ο Ρομποτικός Διαλογέας Σκουπιδιών: Οι
μαθητές εκπαιδεύουν ένα μοντέλο AI να αναγνωρίζει πλαστικά, χαρτιά και μέταλλα
μέσω κάμερας. Το μοντέλο στέλνει εντολή σε έναν ρομποτικό βραχίονα
(Arduino/Raspberry Pi) να ρίξει το κάθε αντικείμενο στον σωστό κάδο.
Η "Έξυπνη" Πόρτα: Ένα
σύστημα ασφαλείας που χρησιμοποιεί αναγνώριση προσώπου (Face Recognition AI)
για να ανοίγει την πόρτα (μέσω servo motor) μόνο σε εξουσιοδοτημένα άτομα.
Ο "Μάντης" του Καιρού: Οι
μαθητές συλλέγουν ιστορικά δεδομένα καιρού και χρησιμοποιούν ένα μοντέλο AI για
να προβλέψουν αν θα βρέξει τις επόμενες ώρες, εμφανίζοντας την πρόβλεψη σε μια
οθόνη.
5.
Επίλογος: Το STEM Γίνεται Πιο "Έξυπνο"
Το Computational Thinking 2.0 δεν αντικαθιστά
τον κλασικό προγραμματισμό, αλλά τον ενισχύει. Η εισαγωγή της AI στο STEM στην
Ελλάδα θα δώσει στους μαθητές τα απαραίτητα εφόδια για να γίνουν οι δημιουργοί,
και όχι απλώς οι χρήστες, των τεχνολογιών του αύριο.
Σαφώς και πρόθεση μας δεν είναι να απογοητεύσουμε
όσους διαβάζουν αυτά που γράφουμε. Δεν πιστεύουμε ότι ποτέ θα εφαρμοστούν στη
χώρα μας με όλους αυτούς που χαράζουν την εκπαιδευτική πολιτική.
Πριν 11 χρόνια που ξεκινήσαμε τη λειτουργία αυτού του blog δεν περιμέναμε ποτέ ότι θα ήταν ένας προπομπός εξαιρετικά σύγχρονων μεθοδολογιών διδασκαλίας που δεν θα υπήρχε περίπτωση να έρθουν στην Ελλάδα.
Πολύδωρος Σταυρόπουλος,
Μηχανολόγος Εκπαιδευτικός, MSc STEM in Education (Παιδαγωγικό
Τμήμα ΑΣΠΑΙΤΕ), Επιθεωρητής Ασφάλειας, Υγείας και Ποιοτικού Ελέγχου,
Συγγραφέας, Πρέσβης STEM Scientix.