انگیزه در همه جا در آموزش است. به ما گفته می شود که آن را پرورش دهیم ، آن را حفظ کنیم و آن را ارزیابی کنیم که گویی یادگیری بدون آن نمی تواند اتفاق بیفتد. معمول است که بشنوید که دانش آموزان باید از طریق آموزش ذهنیت یا جذابیت عاطفی ، از آنه...
انگیزه در همه جا در آموزش است. به ما گفته می شود که آن را پرورش دهیم ، آن را حفظ کنیم و آن را ارزیابی کنیم که گویی یادگیری بدون آن نمی تواند اتفاق بیفتد. معمول است که بشنوید که دانش آموزان باید از طریق آموزش ذهنیت یا جذابیت عاطفی ، از آنها پشتیبانی ، الهام یا اتصال مجدد به یادگیری بپردازند. اما این معما است: AI هیچ انگیزه ای ندارد ، و آنچه را که “می داند” خوب است نشان می دهد. چه چیزی می دهد؟
من می دانم که AI انسانی نیست. اما دقیقاً به همین دلیل است که مقایسه مفید است. ما از هوش مصنوعی نمی پرسیم که آیا می خواهد پاسخ دهد ما فقط در مورد کیفیت تولید آن قضاوت می کنیم.
همین مورد باید در کلاس اعمال شود. اگر می خواهیم یادگیری را بهبود بخشیم ، باید از این سؤال بپرسیم که آیا دانش آموزان انگیزه دارند و شروع به بررسی شرایطی می کنیم که رفتار آنها را پشتیبانی یا سرکوب می کند. آنچه مهم است آنچه دانش آموزان احساس می کنند یا قصد دارند ، این همان کاری است که آنها انجام می دهند.
وقتی می گوییم دانش آموز “با انگیزه” است ، ما معمولاً منظور ما این است که آنها به موقع ظاهر می شوند ، تکالیف را تغییر می دهند ، در کلاس شرکت می کنند ، حتی ممکن است فراتر از آنچه لازم بود. اما همه اینها رفتار است. و آنچه ما انگیزه می نامیم فقط یک برچسب مناسب است که ما بعد از مشاهده آن رفتار ، از آن استفاده می کنیم.
ما نمی دانیم در یک دانش آموز چه خبر است. ما فقط می بینیم که آنها چه می کنند. و با این حال ، به جای اینکه بپرسیم چه چیزی منجر به این اقدامات ، دستورالعمل های روشن ، وظایف مربوطه و بازخورد به موقع شده است ، فرض می کنیم که رفتار باید از درون باشد. این منطق را می چرخاند. این انگیزه را به عنوان علت یادگیری ، به جای a شرح از آنچه یادگیری به نظر می رسد وقتی محیط به خوبی ساختار یافته است.
رفتارگرایان مانند BF Skinner این موضوع را به وضوح دیدند. او انگیزه را به عنوان یک احساس یا طرز فکر تعریف نکرد. او آن را به عنوان احتمال رفتاری که در شرایط خاص محیطی رخ می دهد ، درک کرد. هنگامی که این شرایط از یادگیری در هنگام انجام وظایف پشتیبانی می کند ، بازخورد فوری است و تقویت کننده سازگار است ، دانش آموزان به روشی که ما تحسین می کنیم رفتار می کنند.
اگر به جای حدس و گمان با رفتار شروع کنیم ، حدس می زنیم. و ما شروع به طراحی می کنیم.
Chatgpt نمی خواهد شما را تحت تأثیر قرار دهد. اهمیتی نمی دهد که آیا شما راضی هستید. وقتی جواب درست می شود ، احساس اطمینان نمی کند و یا دلسرد می شود. و با این حال ، آن را مرور می کند ، توضیح می دهد ، مشکلات را حل می کند ، متون را تجزیه و تحلیل می کند و به سؤالات پیچیده پاسخ می دهد. ما این رفتار هوشمندانه را حتی اگر هیچ انگیزه ای در پشت آن وجود ندارد ، می نامیم.
و این نکته است.
Ai به گونه ای رفتار می کند که انگار یادگیری است ، نه به این دلیل که از نظر داخلی رانده می شود ، بلکه به این دلیل که آموزش دیده ، تقویت شده و تنظیم شده است تا به خوبی به انواع خاصی از ورودی پاسخ دهد. هوشیاری که ما تجربه می کنیم محصول اراده ، ریز و درشت یا تمایل نیست. این نتیجه شرایط ساختاری است که از خروجی مفید پشتیبانی می کند.
و ما آن را می پذیریم. هیچ کس نمی پرسد که چتگپ چه احساسی دارد وقتی که به خوبی پاسخ می دهد. ما در پاسخ به آنچه می دهیم ، آن را قضاوت می کنیم.
پس چرا همین کار را با دانشجویان انجام نمی دهیم؟
اگر ما از درمان انگیزه به عنوان سوخت پنهان خودداری کنیم و شروع به درمان آن به عنوان یک الگوی قابل مشاهده کنیم ، این سؤال تغییر می کند: نه “چگونه می توانم به دانش آموزان خود انگیزه دهم؟” اما “چه شرایطی باعث می شود رفتارهایی که من می خواهم بیشتر شود؟”
اینجاست که تدریس به طراحی تبدیل می شود. اگر می خواهیم رفتار سازگار و ماهرانه ای داشته باشیم ، باید شرایطی را که امکان پذیر است ، طراحی کنیم ، نه یک ویژگی نامرئی را که ما آن را انگیزه می نامیم ، تعقیب کنیم.
هنگامی که دانش آموزان یک پیش نویس خشن را تجدید نظر می کنند ، به این دلیل نیست که آنها ذاتاً به تجدید نظر می رسند ، غالباً به این دلیل که بازخورد عملی بود ، سهام مشخص بود ، یا آخرین بار شاهد پیشرفت بودند. هنگامی که آنها با یک مشکل ریاضی فراتر از حد حداقل درگیر می شوند ، ممکن است به این دلیل باشد که مشکل به چیزی واقعی متصل می شود ، یا به این دلیل که موفقیت قبلی پایداری را تقویت کرده است.
انگیزه ضروری می خواند
در هر حالت ، آنچه به نظر می رسد انگیزه است ، صرفاً رفتاری است که توسط محیط پشتیبانی می شود.
ما اغلب به دلیل عدم انگیزه رفتارهای از دست رفته را اشتباه می کنیم. اما ممکن است یک دانش آموز خاموش گیج شود ، مطمئن نیست که آیا ورودی آنها اهمیت دارد یا منتظر نشانه ای است که می توان آن را امتحان کرد. به جای حدس زدن در مورد حالت های داخلی ، باید بپرسیم: آیا این کار روشن است؟ آیا بازخورد به موقع است؟ آیا تلاش های معنی دار تقویت می شود؟
تماس با دانش آموز “بی تحرک” ممکن است توصیفی به نظر برسد ، اما به سرعت تحقیق را خاموش می کند. این توجه را از محیط به شخصیت دانش آموز تغییر می دهد. پس از برچسب زدن ، ما از تنظیم خود متوقف می شویم و دانش آموز از پاسخگویی متوقف می شود. این برچسب به خودی خود تحقق می یابد ، نه به این دلیل که دقیق بود ، بلکه به این دلیل که هیچ چیز تغییر نکرده است.
خطر درمان انگیزه به عنوان یک صفت این است که شکست را به یک نقص شخصی تبدیل می کند. اگر دانشجویی مبارزه کند یا از آن جدا شود ، در حالی که نادیده گرفتن محیطی که رفتار آنها را شکل می دهد ، می توان کمبود رانندگی را مقصر دانست.
ما زمان زیادی را صرف می کنیم و می پرسید که آیا دانش آموزان انگیزه دارند یا خیر. اما شاید این سوال اشتباه باشد. انگیزه چیزی نیست که ما تشخیص می دهیم ، این چیزی است که ما پروژه می کنیم ، بعد از اینکه دیدیم دانشجویی به طریقی که دوست داریم رفتار کند. دانشجویی که حضور پیدا می کند ، مشارکت می کند و همچنان ادامه دارد ، به عنوان انگیزه ستایش می شود. اما این رفتارها از هیچ جا پدیدار نمی شوند. آنها شکل گرفته اند.
هوش مصنوعی این امر را قابل مشاهده می کند. این رفتار هوشمندانه نیست نه به این دلیل که احساس می شود رانده می شود ، بلکه به این دلیل است که برای پاسخ دادن به روش های خاص آموزش دیده است. نتایج به نظر می رسد هوشمندانه ، نه به دلیل آنچه سیستم است بلکه به دلیل آنچه سیستم برای انجام آن شکل گرفته است. ما باید همان منطق را برای دانشجویان اعمال کنیم.
به جای تلاش برای یافتن انگیزه ، باید شرایطی را ایجاد کنیم که رفتار مؤثر باشد. این بدان معناست که مطالب واضح ، بازخورد مفید و فرصت هایی برای امتحان مجدد. این به معنای درمان رفتار به عنوان نتیجه طراحی است ، نه بازتاب شخصیت.
بنابراین بیایید تعجب کنیم که چه کسی انگیزه دارد و شروع به پرسیدن می کند که چه چیزی باعث می شود رفتار هوشمندانه امکان پذیر باشد. رفتار واقعی است. انگیزه فقط داستانی است که ما بعد از واقعیت می گوییم.
