교육자로서 우리는 고등 교육에 대한 학생 참여를 높이는 것을 생각할 때 학생들이 학습 경험에 적극적으로 참여하도록 하는 것을 종종 상상합니다. 그러나 의미 있는 참여는 훨씬 더 깊은 의미를 갖습니다. 나는 학생들이 활동을 완료하는 이유를 이해하고, 실수로부터 배울 수 있는 기회를 갖고, 교실에서 개발 중인 기술을 주변 세계와 연결할 때 더 많은 투자를 한다는 것을 발견했습니다.
내 작업을 통해 화학 교육 및 디지털 코스 설계를 통해 저는 맞춤형 온라인 학습, 능동적 학습 활동, 인공 지능이 어떻게 함께 작동하여 보다 자극적이고 목적이 있는 학습 경험을 만들 수 있는지 탐구했습니다. 내 목표는 단순히 학생들이 과제를 완료하도록 돕는 것이 아닙니다. 비판적 사고, 명확한 의사소통, 문제 해결, 정보 분석, 현명한 의사 결정을 연습할 수 있도록 돕는 것입니다. 다음과 같은 Cengage 학습 플랫폼의 지원을 통해 웹할당및 AI 학습 도구를 통해 학생들은 학습 과정에 더 깊이 참여하고 직장에서 성공하는 데 필요한 기술을 구축할 수 있습니다.
WebAssign을 통해 학생 참여도 향상
WebAssign의 가장 큰 장점 중 하나는 유연성입니다. 다른 교수진이 WebAssign 과정을 구축하도록 돕는 일을 하면서 저는 이 학습 플랫폼이 학습 결과, 과정 순서, 교육 접근 방식 및 학생 요구 사항을 중심으로 어떻게 형성될 수 있는지 확인했습니다. 장 끝 부분에 나오는 질문의 표준 모음에만 의존하기보다는 과정 전반에 걸쳐 보다 의도적인 경로를 설계할 수 있습니다.
조직
과제는 주제별로 구성하고 특정 학습 결과에 맞춰 정렬할 수 있습니다. 강좌의 깊이와 강조점에 맞는 질문을 선택하고, 자신만의 콘텐츠를 통합하고, 비디오, 튜토리얼, 시각화 또는 기타 리소스를 추가할 수 있습니다. 또한 숙달 요구 사항, 과제 전제 조건, 문제 풀 및 대상 교정을 사용하여 콘텐츠를 통해 학생의 진행 상황을 안내할 수 있습니다.
맞춤화
모든 학생이 동일한 수준의 학업 준비 또는 자신감을 갖고 화학 과정에 입학하는 것은 아니기 때문에 이러한 수준의 맞춤화는 특히 중요합니다. 신중하게 설계된 과정은 학생들이 더 복잡한 응용 프로그램으로 이동하기 전에 기본 기술을 식별하고 강화하는 데 도움이 될 수 있습니다. 또한 학생들이 한 번의 실패한 시도가 자신의 능력을 정의한다는 느낌을 주지 않고 연습할 수 있는 반복적인 기회를 제공합니다.
연결
이러한 종류의 코스 설계의 목표는 온라인 연습, 교실 수업, 능동적 학습 및 평가가 서로 강화되는 연결된 학습 경험을 만드는 것입니다. 온라인 과제는 학생들이 수업에 보다 적극적으로 참여하는 데 필요한 지식과 자신감을 키우는 데 도움이 되어야 하며, 교실 문제 해결은 향후 과제, 퀴즈 및 시험에 사용하는 추론을 강화해야 합니다. 이러한 요소가 의도적으로 정렬되면 학생들은 각 코스 구성 요소가 더 큰 학습 프로세스 내에서 명확한 목적을 어떻게 수행하는지 확인할 수 있습니다.
내 강좌에서 학생들은 정기적으로 독립적으로 문제를 해결하고, 자신의 추론을 급우와 비교하고, 해결책을 설명하고, 일반적인 오류에 대한 적절한 토론에 참여합니다. 나는 그들에게 특정 문제 해결 전략을 선택한 이유를 설명하도록 요청할 수도 있고, 답변의 유효 숫자 수를 옹호하거나, 오류가 발생한 위치를 식별하거나, 실패한 솔루션을 어떻게 수정할 것인지 설명하도록 요청할 수도 있습니다.
WebAssign은 지시된 연습, 즉각적인 피드백, 학생들이 어려워하는 개념을 다시 살펴볼 수 있는 추가 기회를 제공함으로써 이 학습 프로세스를 확장할 수 있습니다. 숙제를 답이 제출되면 끝나는 작업으로 간주하는 대신 학생들이 자신의 추론을 검토하고 수정하고 다른 버전을 시도하도록 장려하는 과제를 디자인할 수 있습니다.
이러한 경험은 화학 지식을 쌓고 진로 준비에 필수적인 기술, 즉 의사소통, 협업, 분석적 사고, 세부 사항에 대한 관심, 지속성, 적응성, 피드백에 건설적으로 대응하는 능력을 강화합니다.
AI에 대한 학생 참여 증가
인공지능 학생들이 이러한 기술을 개발하도록 도울 수 있는 또 다른 기회를 소개합니다. Cengage의 GenAI 기반 학생 보조일부 WebAssign 과정에서 사용할 수 있는 은 학습 경험에 포함된 학습 도구입니다. 이는 학생들에게 강좌에 맞춰진 실시간 지원을 제공하도록 설계되었습니다. 단순히 답을 공개하는 것이 아니라 지능형 언어 모델과 독점적인 Cengage 콘텐츠를 활용하여 학생들이 단계별 지침, 학습 전략 및 보충 리소스를 사용하여 문제를 해결할 수 있도록 돕습니다.
이 구별이 중요합니다. 교육에서 AI의 가장 생산적인 역할은 학생의 사고를 대체하는 것이 아니라 이를 지원하는 것입니다. 학생들이 막히면 관련 개념에 대한 프롬프트나 단서가 필요하거나 다음 단계를 식별하는 데 도움이 필요한 경우가 많습니다. Student Assistant는 학생 자신의 추론을 강조하면서 필요할 때 도움을 제공합니다.
예를 들어, 학생들은 화학 계산을 완료하기 위해 AI 도구를 요청하는 대신 어떤 개념이 적용되는지 식별하고, 어떤 정보가 관련되어 있는지 결정하거나, 시도한 솔루션이 실패한 이유를 이해하는 데 도움을 요청할 수 있습니다. 학생은 추론을 수행하고, 단위를 확인하고, 결과를 평가하고, 답이 과학적으로 타당한지 여부를 결정할 책임이 있습니다.
AI 지원 개인교습은 학습에 더 쉽게 접근할 수 있도록 돕는 잠재력도 있습니다. 학생들은 밤에 공부하거나, 직장이나 가족 책임을 관리하거나, 교사나 조교(TA)가 즉시 자리에 없을 때 자료를 검토하는 데 어려움을 겪을 수 있습니다. 내장된 도우미는 강사-학생 관계를 대체할 수 없습니다. 그러나 학생들이 추가 지원을 구할 준비가 될 때까지 발전하는 데 도움이 되는 추가 지침을 제공합니다.
교육 분야의 책임 있는 AI
이러한 유형의 상호 작용은 학생들에게 책임감 있게 AI를 사용하는 방법을 가르칠 수 있는 기회도 제공합니다. 학생들은 유용한 AI 응답이라도 자동으로 수락되기보다는 평가되어야 한다는 점을 이해해야 합니다. 설명이 강좌 개념과 일치하는지, 단위와 계산이 올바른지, 가정이 누락되었는지, 추론이 다른 사람이 따를 수 있을 만큼 명확한지 질문해야 합니다.
이러한 질문은 AI의 사용을 비판적 사고의 연습으로 전환시킵니다. 학생들은 단순히 정보를 받는 것이 아니라 정보의 품질을 평가하고 사용 방법을 결정합니다.
목적 있는 학습을 통해 미래에 대비하는 학생들의 참여 유도
학생들은 직장에 들어갈 것입니다 AI 지원 시스템은 연구, 커뮤니케이션, 데이터 분석, 의사 결정 및 문제 해결의 일부가 될 가능성이 높습니다. 그 가치는 도구의 출력을 복사하여 나오는 것이 아닙니다. 이는 생산적인 질문을 하는 방법, 불완전하거나 신뢰할 수 없는 정보를 인식하는 방법, 징계 전문 지식을 적용하는 방법, 책임감 있는 판단을 내리는 방법을 아는 데서 비롯됩니다.
이것이 바로 대인관계를 기본으로 만드는 것입니다. 강사로서 귀하는 기술이 재현할 수 없는 개별 학생에 대한 상황, 격려, 책임 및 이해를 제공합니다. 따라서 가장 강력한 접근 방식은 인간의 교육이나 AI 지원이 아닙니다. 이는 기술이 귀하가 만드는 학습 환경을 지원하는 사려 깊은 조합입니다.
나는 학생들이 자신의 이해를 강화하는 방법에 대해 어느 정도 주인의식을 가질 때 참여가 증가한다고 믿습니다. 내 코스에서 학습 활동은 학생들이 자료에 참여하고 학업 지원을 찾는 방법에 대해 구조화된 선택을 제공하는 등급 구성 요소입니다. 학생들은 노트를 검토하거나 수정하고, 개인교습이나 지원 세션(기본적으로 근무 시간)에 참석하고, 추가 연습 문제를 풀고, WebAssign에서 작업하거나, 팬데믹 기간 동안 제가 만든 사전 녹화된 강의 비디오 중 하나를 시청할 수 있습니다. 이러한 비디오는 귀중한 리소스로 남아 있으므로 유용한 교육 자료를 사용하지 않고 방치하지 않고 사용할 수 있도록 합니다. 학습 활동 학점을 획득할 수 있는 여러 가지 방법을 제공함으로써 학생들에게 개별 학습 요구 사항에 가장 적합한 지원 형태를 선택할 수 있는 유연성을 제공하면서 명확한 기대치를 유지할 수 있습니다. 이는 고등 교육, 직장 및 평생 학습에 필수적인 두 가지 기술인 자기 인식과 도움 추구를 장려합니다.
목적이 있는 과제는 학생들이 이해의 격차를 인식하고, 도전적인 기술을 연습하고, 피드백을 통해 배우고, 다시 시도할 수 있는 자신감을 키우는 데 도움이 될 수 있습니다. 의도적으로 통합된 Student Assistant는 학생의 사고 책임을 제거하지 않고도 지도를 제공할 수 있습니다. 그런 다음 교실 활동은 학생들에게 자신의 추론을 설명하고, 다른 사람과 협력하고, 자신의 지식을 새로운 상황에서 사용할 수 있는 기회를 제공할 수 있습니다.
이러한 부분이 함께 작동하면 학생들은 자신을 화학 과제를 완료하는 학습자 이상의 존재로 여기기 시작합니다. 그들은 스스로를 문제를 해결하고, 명확하게 의사소통하고, 정보를 평가하고, 기술을 적절하게 사용하고, 초기 접근 방식이 효과가 없을 때 적응할 수 있는 발전하는 전문가로 여기기 시작합니다.
이는 학생들이 다음 시험뿐만 아니라 교실 밖에서 직면하게 될 어려움에 대비할 수 있는 일종의 참여입니다.
Cuyamaca College의 화학 교수이자 Cengage 교수 파트너인 Theresa Carlson이 작성했습니다.
WebAssign이 STEM 과정에서 효과적이고 매력적인 학습 경험을 만드는 데 어떻게 도움이 되는지 궁금하십니까?
