Studijų procese vis dažniau naudojamas dirbtinis intelektas aiškinti sąvokoms, idėjų generavimui ar medžiagos santraukoms rengti Nepriklausomo Jungtinės Karalystės (JK) aukštojo mokslo tyrimų instituto HEPI duomenimis. Ekspertai teigia, kad DI naudojamas ir tarp abiturientų. 

„Tele2“ klientų duomenų analizės ir įžvalgų vadovė Inga Rudinskaitė teigia, kad DI įrankiai iš esmės keičia jaunų žmonių santykį su informacijos paieška ir vartojimu.

„Pastebima, kad moksleiviai vis dažniau naudoja DI konkretiems klausimams, idėjų generavimui ar informacijos apibendrinimui, o tai leidžia greičiau suvokti esmę ir efektyviau planuoti laiką“, – ryškiausias skaitmeninio elgesio tendencijas tarp moksleivių komentuoja ji.

Riba tarp pagalbos ir problemos

Vilniaus kolegijos (VIKO) Dėstymo meistriškumo centro vadovo Andrejaus Račkovskio teigimu, DI poveikis priklauso nuo besimokančiojo kritiško, etiško ir atsakingo požiūrio. Anot jo, geresnių rezultatų galima pasiekti tada, kai DI naudojamas kaip asmeninis korepetitorius, papildantis įprastą mokymosi procesą, tačiau perteklinis pasikliovimas šiomis priemonėmis gali silpninti savarankišką mąstymą.

„Per didelis pasikliovimas generatyviniu DI gali silpninti mąstymą ir trukdyti giluminiam mokymuisi, tačiau tinkamai naudojamos šios priemonės gali padėti lavinti gebėjimą ieškoti informacijos, struktūruoti duomenis, taisyti kalbos klaidas ar tobulinti tekstų stilių“, – DI naudojimo principus komentuoja A. Račkovskis.

Anot jo, problemos prasideda tada, kai sugeneruotas turinys nėra kritiškai įvertinamas ir patikrinamas.

„Kai besimokantieji tampa pernelyg priklausomi nuo šių įrankių, atsiranda rimtų pažintinių praradimų, silpsta gebėjimas suvokti savo mąstymą, susidaro vadinamoji kompetencijos iliuzija, kai manoma, jog tema puikiai suprasta, nors patys neįdėjo pakankamai pastangų jai perprasti“, – aiškina jis.

Pasak ekspertų, viena didžiausių rizikų – DI „haliucinacijos“, kai pateikiami klaidingi faktai, neegzistuojantys šaltiniai arba pernelyg supaprastinamos sudėtingos temos. Todėl svarbią informaciją būtina papildomai tikrinti patikimuose šaltiniuose.

Kaip išnaudoti DI ruošiantis egzaminams

Kalbėdama apie efektyvų DI panaudojimą ruošiantis egzaminams, I. Rudinskaitė teigia, jog reikėtų jį naudoti kaip priemonę mąstymui treniruoti, o ne kaip įrankį, kuris atliktų visą darbą už moksleivį.

„Rekomenduotume laikytis kelių esminių principų: ugdyti kritinį dialogą su DI, naudoti jį kaip grįžtamojo ryšio įrankį ir visada tikrinti kritiškai svarbią informaciją. Užuot priėmus pirmą gautą atsakymą kaip absoliučią tiesą, reikėtų jį kritiškai įvertinti – patikrinti, ar tokie šaltiniai egzistuoja ir ar jie yra patikimi. Taip pat galima paprašyti DI įvertinti savo darbą, nes jis gali veikti kaip objektyvus veidrodis, padedantis pamatyti savo spragas“, – rekomendacijas pateikia ji.

Rekomendacijoms antrina ir A. Račkovskis, teigdamas, jog didžiausią naudą iš DI galima gauti jį paverčiant asmeniniu mokytoju, skatinančiu aktyvų žinių įsisavinimą.

„Pakeiskite bendravimo su DI strategiją ir nenaudokite jo kaip greitų atsakymų kūrėjo. Ruošiantis egzaminams tikslinga prašyti DI kurti bandomąsias užduotis, padėti nustatyti silpnąsias argumentų vietas arba paprastais pavyzdžiais paaiškinti sudėtingą formulę, kartu išlaikant kritinį vertinimą ir žmogiškąją priežiūrą“, – patarimais dalijasi Vilniaus kolegijos Dėstymo meistriškumo centro vadovas.

DI nepadeda, o tik nuvilia? Gali būti, kad darote vieną klaidą
Efektyvus bendravimas su dirbtiniu intelektu tampa nauju įgūdžiu, nors daugelis dar dažniausiai nusivilia dirbtinio intelekto pateikiamais atsakymais. 

Kuo aiškesnė užduotis – tuo geresnis rezultatas

Vienas paprasčiausių ir kartu efektyviausių būdų pagerinti atsakymo kokybę – pačioje užklausos pradžioje nurodyti, koks specialistas turėtų „kalbėti“.

„Jeigu užklausą pradėsite fraze „Tu esi patyręs rinkodaros specialistas“ arba „Atsakyk kaip mokytojas, aiškinantis temą dešimtmečiui“, DI atsakymo tonas, žodynas ir gylis pasikeis iš esmės. Tai labai paprasta technika, tačiau ji vienu sakiniu pateikia daugybę konteksto, kurio kitaip reikėtų ilgai aprašinėti“, – sako I. Rudinskaitė.

Pasak I. Rudinskaitės, tam dažnai naudojamas vadinamasis G.I.O. (angl. goal, input, output) principas. Kitaip tariant, žmogus turėtų kuo aiškiau įvardyti, koks yra užduoties tikslas, kokia informacija turi būti naudojama ir kokio rezultato tikimasi.

„DI reikėtų vertinti kaip naują kolegą, kuris dar neturi viso konteksto. Jeigu užduotis pateikiama aiškiai, rezultatas dažniausiai būna daug tikslesnis ir naudingesnis“, – sako ekspertė.

Viena dažniausių klaidų – pernelyg abstrakčios užklausos

Pasak ekspertės, žmonės dažnai pateikia pernelyg plačias ar abstrakčias užklausas, todėl DI pradeda spėlioti.

„Jeigu žmogus prašo padaryti prezentaciją arba apibendrinti tam tikrą temą, dirbtiniam intelektui lieka daug vietos interpretacijai. Tokiais atvejais atsakymai gali būti pernelyg bendriniai arba neatitikti realaus poreikio“, – teigia ji.

Jos teigimu, kartais paaiškinti, ko norite, žodžiais yra sunkiau nei tiesiog parodyti. Tai ypač dažnai gali nutikti kalbant apie stilių, toną ar formatą – sąvokas, kurias žmonės dažnai jaučia intuityviai, bet sunkiai geba apibūdinti.

„Vietoj to, kad bandytumėte aprašyti, koks turi būti laiško tonas, pateikite vieną ar du jau parašytus pavyzdžius ir paprašykite parašyti panašų. Ši technika dažnai duoda geresnius rezultatus nei pati išsamiausia instrukcija, nes DI tiesiogiai mato, ko jūs siekiate“, – aiškina I. Rudinskaitė.

Kodėl DI neturėtų spėlioti?

Pasak I. Rudinskaitės, dirbant su DI naudinga taikyti ir vadinamąją „escape clause“ praktiką – suteikti sistemai galimybę pripažinti, kad jai trūksta informacijos, užuot bandžius spėlioti.

„Žmonės tikisi, kad DI visada pateiks atsakymą, tačiau kartais naudingiau, kai jis pasako, jog konteksto nepakanka – tai padeda išvengti netikslių atsakymų. Užklausose galima pridėti tokias frazes kaip „jeigu trūksta informacijos – užduok papildomų klausimų“ arba „jeigu nežinai atsakymo – taip ir parašyk“, – aiškina I. Rudinskaitė.

Sudėtingesnėms užduotims – skaičiavimams, logikos uždaviniams ar sprendimų pasvėrimui – ji pataria paprašyti DI ne tik pateikti galutinį atsakymą, bet ir paaiškinti sprendimo logiką.

„Frazės „pirmiausia paaiškink savo logiką, tada pateik atsakymą“ arba „pagalvok žingsnis po žingsnio“ leidžia DI atlikti užduotį nuosekliau. Tai sumažina klaidų skaičių ir kartu suteikia galimybę žmogui pamatyti, kuriame žingsnyje atsirado netikslumas, jeigu jis atsirado“, – sako I. Rudinskaitė.

Pasak ekspertės, ši technika ypač naudinga tada, kai DI atsakymą reikia patikrinti arba pagrįsti. Kai matoma sprendimo logika, klaidą atpažinti tampa daug paprasčiau.

DI tampa kasdieniu darbo įrankiu

Pasak I. Rudinskaitės, gebėjimas aiškiai komunikuoti su dirbtiniu intelektu pamažu tampa svarbiu darbo įgūdžiu daugelyje sričių.

„Tele2“ taip pat aktyviai investuoja į darbuotojų DI kompetencijas bei vidinius sprendimus. Bendrovė darbuotojams yra sukūrusi vidinį dirbtinio intelekto asistentą „Tele2 Genie“, kuris naudojamas kasdienėms užduotims, informacijos apdorojimui ir produktyvumui didinti.

Pasak jos, svarbiausia suprasti, kad geras rezultatas dažniausiai pasiekiamas ne pateikus pirmą užklausą, o nuolat patikslinant.

„Net profesionalai retai gauna idealų atsakymą iš pirmo karto. Darbas su DI labiau primena pokalbį, o ne vienkartinį užsakymą. Pakoreguoti, sutrumpinti, pakeisti toną, paprašyti kitokios struktūros – visa tai yra normali ir efektyvi darbo praktika“, – sako I. Rudinskaitė.

Pasak ekspertės, žmonės, kurie įpratę dirbti su DI interaktyviai, paprastai pasiekia daug geresnių rezultatų nei tie, kurie tikisi tobulo atsakymo iš pirmos užklausos ir nusivylę pereina prie kito įrankio.

Konferencijoje „Google I/O 2026“ pristatyta nauja funkcija, kurios metu DI gebės apsipirkti už žmones.

„Šiandien mūsų veiksmai skaitmeninėje erdvėje yra išsibarstę per daugybę skirtingų platformų. Pavyzdžiui, norint užsisakyti bilietą į koncertą, tenka pereiti bent kelis etapus: susirašyti su draugais, pagooglinti renginio informaciją, užbaigti užsakymą bilietų platformoje ir pasitikrinti el. paštą. Kad ir kokią paprastą užduotį šiandien norėtume atlikti, tai vis dar yra kelių žingsnių procesas. Šiuos procesus apjungti, supaprastinti ir išspręsti kaip tik ir ėmėsi „Google“, – sako „Telia“ vyriausiasis juriskonsultas, DI teisės ekspertas prof. Paulius Pakutinskas.

Visas internetas – viename krepšelyje

Šią situaciją iš esmės keičia naujos kartos modeliai, veikiantys kaip bendras sluoksnis tarp vartotojo ir jo naudojamų paslaugų. Viena ryškiausių naujovių – apsipirkimas naudojant agentinį dirbtinį intelektą. „Google“ šią funkciją integruoja tiesiai į paiešką ir „Gemini“ aplinką: vartotojui užteks pateikti užklausą tekstu ar balsu, o sistema pati ieškos, lygins ir atrinks produktus iš skirtingų elektroninių parduotuvių. Ji vienu metu tikrins viską – nuo prekių likučių ir kainų iki pristatymo sąlygų – ir pateiks galutinius rezultatus vienoje vietoje.

„Nebereikės atidarinėti dešimčių skirtukų ar atskirai jungtis prie kiekvienos parduotuvės. Pavyzdžiui, jei ieškote konkretaus sportinių batelių modelio, sistema stebės šio modelio kainą visame internete. Kai suma pasieks jūsų nustatytą ribą, DI apie tai praneš ir iškart pasiūlys įsigyti. Naudojant „Google Pay“ ar „Google Wallet“ duomenis, pirkimą bus galima užbaigti net neišeinant iš „Google“ aplinkos“, – aiškina prof. P. Pakutinskas.

Jungtinėse Valstijose universalaus krepšelio (angl. Universal Cart) ir apsipirkimo agentų funkcijos startuoja jau šią vasarą. Europoje pasirodymo data dar nepaskelbta – tam įtakos greičiausiai turi griežtesni ES Skaitmeninių rinkų akto reikalavimai, reglamentuojantys platformų vaidmenį tarp vartotojų ir paslaugų teikėjų.

Užduotys, nereikalaujančios atskirų žingsnių

Pagrindinis šių naujovių tikslas – sumažinti poreikį šokinėti tarp skirtingų programų. Pavyzdžiui, naujasis „Gemini Spark“ agentas galės savarankiškai sutvarkyti el. paštą, pasiūlyti atsisakyti nenaudojamų prenumeratų, suderinti kalendorius ar surinkti informaciją iš skirtingų šaltinių į vieną planą.

Ateityje jums užteks tik pasakyti, ko norite, o DI pats viską suplanuos ir padarys naudodamas skirtingas programėles. Kad viskas būtų saugu, veiks speciali apsaugos sistema (AP2 protokolas). Ji tiksliai nustatys, ką išmanusis asistentas galės pirkti, kiek pinigų išleisti ir kada privalės sustoti bei paprašyti jūsų leidimo.

„Greitai mes tiesiog pasakysime, ko norime, o DI pats suplanuos, sujungs skirtingas programas ir užbaigs darbą iki galo. Tačiau kuo daugiau užduočių atiduodame technologijoms, tuo aiškiau turime nubrėžti ribas: kada sistema gali veikti savarankiškai, o kada privalo sustoti ir atsiklausti žmogaus. Agentai ir panašūs autonominiai ar iš dalies autonominiai sprendimai bei jų vieta mūsų gyvenime yra sąlyginai naujas reiškinys, todėl neturėtume dėl to pamesti galvos. Šie sprendimai atrodo labai patrauklūs, tačiau kelia rimtų rizikų. Šiuo atveju patys leidžiate DI pasiekti savo duomenis, kartais net labai jautrius, tačiau svarbiausia – leidžiate jam priimti sprendimus, todėl turite įsivertinti, ar tikrai gebėsite tai valdyti ir kaip elgsitės kilus nesklandumams. Pavyzdžiui, jei DI nupirks ne tą bilietą ar prekę arba jei tuo pasinaudos piktavaliai“, – sako prof. P. Pakutinskas.

DI be ekrano

DI vis dažniau išlips iš mūsų telefonų ekranų ir persikels į kasdien nešiojamus daiktus. Konferencijoje pristatyti išmanieji garso akiniai rodo, kad bendrauti su sistema bus galima tiesiog kalbant. Akiniai reaguos į jūsų balsą bei aplinką ir reikiamą informaciją realiu laiku sušnibždės tiesiai į ausį.

„Mes pagaliau atitraukiame akis nuo ekranų. Laikui bėgant DI nebereikės naudotis viename daikte, pvz.: telefone – jis tiesiog natūraliai lydės žmogų įvairiose formose, jaus aplinką ir prabils, kai prireiks pagalbos. Ar eate pasiruošę tokiam pasauliui?“, – apibendrina prof. P. Pakutinskas.

Dirbtinis intelektas daugeliui jau tapo kasdienio darbo pagalbos įrankis. Tačiau dar susiduriama su situacijomis, kai dirbtinis intelektas pateikia, vadinamas, „haliucinacijas“. Ekspertai teigia, kad tai dažniausiai nutinka dėl labai paprastų priežasčių.

Užtikrintas atsakymas dar nereiškia tiesos

Pasak „Tele2“ klientų duomenų analizės ir įžvalgų vadovės Ingos Rudinskaitės, viena didžiausių klaidų – manyti, kad dirbtinis intelektas veikia kaip paieškos sistema ar faktų duomenų bazė.

„Daugelis DI įrankių atsakymus generuoja ne ieškodami vienos teisingos informacijos, o pagal tikimybę prognozuodami, koks sakinys ar žodis turėtų sekti toliau. Dėl to atsakymai dažnai skamba labai užtikrintai net tada, kai informacija nėra tiksli. Be to, modernūs modeliai papildomai treniruojami pateikti atsakymą net tada, kai tiksliausia reakcija būtų „nežinau“, todėl jų tonas dažnai atrodo itin užtikrintas – įrankis tiesiog „apmokytas“ vengti dvejojimo“, – sako I. Rudinskaitė.

Anot ekspertės, dirbtinis intelektas labai gerai atpažįsta kalbos, sakinių ir informacijos pateikimo dėsningumus, todėl jo sugeneruoti atsakymai dažnai skamba itin įtikinamai. Vis dėlto tai dar nereiškia, kad DI iš tiesų supranta informaciją taip, kaip ją supranta žmogus, ar geba savarankiškai įvertinti, kas yra tikslu, o kas – klaidinga.

Didžiausia problema ta, kad tokios klaidos nebūtinai yra akivaizdžios. DI haliucinacijos dažnai pateikiamos labai sklandžiai – su tariamais šaltiniais, įtikinamai skambančiais skaičiais ar neegzistuojančiomis citatomis.

„Jeigu trūksta konteksto ar patikimų šaltinių, dirbtinis intelektas gali pradėti spėlioti. Taip atsiranda haliucinacijos – išgalvoti faktai ar neegzistuojantys šaltiniai, kurie žmogui gali pasirodyti patikimi“, – atkreipia dėmesį ekspertė.

Kaip atpažinti haliucinacijas?

Atpažinti netikslų dirbtinio intelekto sugeneruotą atsakymą ne visada paprasta, tačiau yra keli ženklai, į kuriuos verta atkreipti dėmesį. Įtarimų turėtų kelti atsakymai, kurie skamba labai užtikrintai, tačiau kartu išlieka gana abstraktūs.

Itin didelė klaidų rizika atsiranda tada, kai dirbtiniam intelektui pateikiama per mažai informacijos arba užduodami labai platūs, neaiškūs klausimai.

„Vienas geriausių būdų sumažinti klaidų riziką – neprašyti dirbtinio intelekto „visko iš karto“. Kuo aiškesnė užduotis ir kuo daugiau konteksto pateikiama, tuo mažesnė tikimybė gauti netikslų atsakymą. Labai padeda aiškiai suformuluota užduotis, papildomi dokumentai ar konkretūs šaltiniai, kuriais dirbtinis intelektas turėtų remtis“, – teigia ekspertė.

Kada verta pasitelkti papildomus įrankius?

I. Rudinskaitė sako, kad dirbant su aktualijomis ar greitai besikeičiančia informacija verta naudoti „web search“ funkciją, kuri leidžia dirbtiniam intelektui pasiekti naujausius interneto šaltinius ir remtis ne tik anksčiau turėtais duomenimis.

„Dirbtinio intelekto modeliai ne visada turi naujausią informaciją, todėl kalbant apie teisės aktus, kainas ar naujienas verta papildomai įjungti paiešką internete ir pasitikrinti šaltinius. Vis dėlto svarbu suprasti, kad pati „web search“ funkcija nėra absoliuti apsauga nuo netikslumų – dirbtinis intelektas gali remtis nepatikimais šaltiniais, neteisingai interpretuoti rastą informaciją ar sumaišyti skirtingus šaltinius tarpusavyje. Tai sumažina haliucinacijų riziką, tačiau jos visiškai nepanaikina“, – sako I. Rudinskaitė.

Ji priduria, kad patikimiau veikia principas, kai DIi pateikiame konkretų šaltinį – dokumentą, PDF ar tekstą – ir paprašome atsakyti remiantis tik juo. Praktikoje taip pat padeda aiškios instrukcijos, pavyzdžiui, verta nurodyti atsakyti „nežinau“, jei informacijos nepakanka. Taip pat rekomenduojama sudėtingas užduotis skaidyti į mažesnius žingsnius, nes tai leidžia greičiau pastebėti galimus netikslumus.

Siekdamos išvengti nepatikimos informacijos, vis daugiau organizacijų investuoja ne tik į pačius dirbtinio intelekto sprendimus, bet ir į darbuotojų gebėjimą jais naudotis atsakingai bei efektyviai.

„Tele2“ taip pat aktyviai investuoja į darbuotojų dirbtinio intelekto kompetencijas bei vidinius sprendimus. Bendrovė darbuotojams yra sukūrusi vidinį dirbtinio intelekto asistentą „Tele2 Genie“, kuris naudojamas kasdienėms užduotims, informacijos apdorojimui ir produktyvumui didinti.

Svarbiausia – kritinis mąstymas

Pasak ekspertės, dirbtinis intelektas gali būti puikus pagalbininkas, tačiau galutinę atsakomybę visada prisiima žmogus.

„Jeigu DI sugeneruotas tekstas bus naudojamas viešoje komunikacijoje, priimant verslo sprendimus ar dirbant su klientais, svarbiausius faktus būtina papildomai patikrinti. Dirbtinis intelektas gali padėti greičiau dirbti, tačiau svarbu nepamiršti, jog jis nėra neklystantis ekspertas“, – pabrėžia I. Rudinskaitė.

Dirbtinio intelekto tobulėjimas keičia ir mokymo kokybę. Vis daugiau studentų į pagalbą pasitelkia dirbtinio intelekto siūlomas funkcijas, kurios padeda ieškoti informacijos, spręsti užduotis. Tyrimų duomenimis DI gali padėti kelti studento motyvaciją ir įsitraukimą, kadangi jis suteikia lengvesnius paaiškinimus ir prieigą prie informacijos.

Vis dėlto, nors dirbtinis intelektas leidžia informaciją pasiekti greičiau nei bet kada anksčiau, kyla svarbus klausimas – ar greitas atsakymas visada reiškia kokybišką mokymąsi? Taip pat vėl grįžtame prie fundamentalaus klausimo: kaip iš tiesų formuojasi ilgalaikis supratimas ir kokį vaidmenį jame atlieka laikas?

Apie tai, kaip dirbtinio intelekto įrankiai veikia mokymosi procesą, plačiau pasakoja VILNIUS TECH Fundamentinių mokslų fakulteto (FMF) Informacinių technologijų katedros doc. dr. Irina Vinogradova-Zinkevič, turinti tarpdisciplininį išsilavinimą matematikos, informatikos ir edukologijos srityse.

Patogu – bet ar padeda mokytis?

Generatyvinis dirbtinis intelektas leidžia greitai gauti atsakymus, paaiškinimus ar net išspręstas užduotis. Tačiau tokia pagalba gali lemti vadinamąjį kognityvinį perkėlimą, kai dalis mąstymo procesų perkeliama išoriniams įrankiams.

„Kai studentas gauna paruoštą atsakymą, gali susidaryti įspūdis, kad medžiaga yra suprasta. Vis dėlto, žinių vertinimo metu dažnai paaiškėja, kad šis supratimas yra paviršutiniškas. Šis reiškinys siejamas su vadinamąja „mokymosi iliuzija“, kai informacija atrodo aiški ją skaitant ar matant paaiškinimą, tačiau be pagalbos studentas jos nebegali atkurti“, – pažymi doc. dr. I. Vinogradova-Zinkevič.

Paviršutiniškas mokymasis ar ilgalaikis žinių įsisavinimas?

Tyrimai rodo, kad neapgalvotas DI naudojimas gali skatinti paviršutinišką mokymąsi. Tokiu atveju informacija įsimenama trumpam, tačiau nėra susiejama į nuoseklią žinių sistemą.

Doc. dr. I. Vinogradova-Zinkevič per daugiau nei dvidešimt metų darbo VILNIUS TECH sukaupė ilgametę pedagoginę patirtį, apimančią dėstymą, dėstytojų kvalifikacijos tobulinimo kursų vedimą bei dalyvavimą edukaciniuose projektuose. Ši patirtis leido įgyti vertingų įžvalgų apie mokymosi procesų pokyčius. „Savo paskaitose, nuo praeitų mokslo metų rudens semestro pastebėjau ryškų studentų konceptualaus supratimo susilpnėjimą bei sunkų įgytų žinių perkėlimą naujosiose situacijose. Studentai, gebėję parengti kokybiškas laboratorinių darbų ataskaitas ir sklandžiai pristatyti jų rezultatus, po tam tikro laiko susidurdavo su sunkumais atkartodami įgytas žinias ar taikant jas analogiškose užduotyse“, – pastebi dėstytoja.

Būtent šie pastebėjimai paskatino giliau analizuoti dirbtinio intelekto poveikį mokymosi kokybei ir tapo pagrindu šių metų balandį pateiktai tarptautinio mokslinio projekto „AI-LEARN“ paraiškai. Prie šios iniciatyvos prisijungė mokslininkai iš Jyväskylä universiteto Suomijoje, Umeå universiteto Švedijoje ir Farerų salų universiteto, kurie savo akademinėje veikloje taip pat kelia klausimus, susijusius su atsakingu dirbtinio intelekto naudojimu mokymosi procese.

Docentė taip pat atkreipia dėmesį, kad dalis studentų, derinančių studijas su darbu, susiduria su laiko trūkumu ir nuovargiu, todėl kontaktinių užsiėmimų metu mažėja jų dėmesio koncentracija ir įsitraukimas į diskusijas bei aptarimus. Dėl to studentai dažnai atideda mokymąsi vėlesniam laikui, pereina prie savarankiško darbo ir neretai pasitelkia dirbtinio intelekto įrankius, leidžiančius greičiau generuoti atsakymus, tačiau tai ne visuomet skatina gilesnį medžiagos apdorojimą.

Kodėl mokymuisi reikia laiko?

Žmogaus pažintiniai procesai yra apriboti darbo atminties pajėgumu. Skirtingai nei dirbtinio intelekto sistemos, kurios gali generuoti atsakymus akimirksniu, žmogaus mokymasis yra susijęs su laipsnišku žinių struktūrų formavimu ilgalaikėje atmintyje, paaiškina VILNIUS TECH mokslininkė.

„Būtent todėl svarbu, kaip organizuojamas mokymasis. Vadovaujantis vokiečių psichologo, eksperimentinių atminties tyrimų pradininko Hermann Ebbinghaus tyrimais, išskaidytas mokymasis (kai medžiaga kartojama su pertraukomis) yra efektyvesnis nei intensyvus kartojimas per trumpą laiką. Vėlesni tyrimai patvirtino, kad nors intensyvus mokymasis gali suteikti greitą rezultatą, ilgainiui tokios žinios išlieka silpniau. Kai per trumpą laiką tenka apdoroti didelį kiekį informacijos, gali atsirasti kognityvinė perkrova, apsunkinanti gilesnį supratimą ir žinių įsisavinimą“, – pastebi docentė.

Kaip stiprinti ilgalaikę atmintį studijų procese?

Ilgalaikį žinių įtvirtinimą lemia ne vien mokymuisi skirtas laikas – ne mažiau svarbus ir pats mokymosi būdas. Dėstytoja I. Vinogradova-Zinkevič pabrėžia, kad gilesniam supratimui svarbus aktyvus darbas su informacija – jos kartojimas, taikymas bei savarankiškas žinių atkūrimas.

„Efektyviam įsiminimui rekomenduojama medžiagą kartoti keliais intervalais (pvz., po 1 dienos, 3–4 dienų, savaitės ir vėliau), o pats kartojimo procesas turėtų apimti aktyvų žinių atkūrimą, o ne vien pasyvų peržiūrėjimą. Būtent dėl šios priežasties, paskaitų metu dėstytojai dažnai įtraukia klausimus iš ankstesnės medžiagos, siekdami skatinti ilgalaikį žinių įtvirtinimą“, – patikslina mokslininkė.

Taip pat, bandymas savarankiškai prisiminti informaciją (pvz., atsakinėjant į klausimus be pagalbos) stiprina atmintį labiau nei pakartotinis medžiagos peržiūrėjimas.

Gebėjimas paaiškinti sąvokas savais žodžiais skatina gilesnį temos supratimą ir padeda formuoti nuoseklias žinių struktūras. Net ir aiškindamas sąvokas dirbtiniam intelektui, atliekančiam konsultanto vaidmenį, žmogus gali geriau įsisavinti nagrinėjamą temą.

Kitas svarbus aspektas, pažymi dėstytoja, tai ne tik įsiminti atskiras formules ar faktus, bet ir suprasti jų tarpusavio ryšius bei bendrus principus. DI gali būti naudingas kaip pagalbinė priemonė, tačiau svarbu išlaikyti aktyvų mokymosi vaidmenį – ne tik gauti atsakymus, bet ir juos analizuoti, tikrinti bei interpretuoti.

„Vis dėlto visų mokymosi procesų kontroliuoti nėra įmanoma, todėl didėja paties studento vaidmuo priimant sprendimus, kaip ir kokiu mastu naudoti dirbtinio intelekto įrankius. Tokie sprendimai tiesiogiai susiję su mokymosi rezultatais, ypač ilgalaikės atminties ir konceptualaus supratimo formavimu“, – apibendrina VILNIUS TECH dėstytoja doc. dr. Irina Vinogradova-Zinkevič.