AI จะทำลายคอร์สสำหรับผู้เริ่มต้นหรือไม่? ผู้เชี่ยวชาญควรสอนอะไรแทน!

ทุกสัปดาห์มีบูตแคมป์แห่งใหม่ปิดตัวลง ทุกเดือนมีเครื่องมือ AI ที่สร้าง JavaScript ได้ดีกว่านักพัฒนาระดับจูเนียร์ที่ไม่เก่งที่สุดเสียอีก คำถามนี้ถูกถามซ้ำแล้วซ้ำเล่าทั้งในฟอรัมและการประชุมคณาจารย์: ปัญญาประดิษฐ์จะทำให้คอร์สสำหรับผู้เริ่มต้นไม่จำเป็นหรือไม่?

ความกังวลนี้มีเหตุผล เพราะ ChatGPT สามารถอธิบายลูป สร้าง HTML และดีบัก Python ได้ภายในไม่กี่วินาที แล้วทำไมคุณต้องใช้เวลา 3 สัปดาห์เรียนคอร์สที่มีโครงสร้าง ในเมื่อคุณมี "ผู้ช่วย" คอยช่วยเขียนโปรแกรมได้?

อย่างไรก็ตาม AI จะทำให้คอร์สสำหรับผู้เริ่มต้นที่ออกแบบมาไม่ดีหมดความจำเป็น โดยเฉพาะคอร์สที่ปฏิบัติต่อมนุษย์ราวกับเป็นคอมพิวเตอร์ที่ทำงานช้า สิ่งที่กำลังเปลี่ยนไปคือสิ่งที่ผู้เริ่มต้นต้องการจริง ๆ และทักษะที่พวกเขาได้รับการสอน ผู้เชี่ยวชาญที่ปรับตัวเข้ากับภูมิทัศน์ที่เปลี่ยนแปลงอยู่เสมอได้ จะมอบชุดทักษะที่มีคุณค่าและเกี่ยวข้องมากกว่าที่เคยมีมาก่อน 

สิ่งที่ AI ทำได้ดีจริง ๆ

การออกแบบคอร์สสำหรับผู้เริ่มต้นใหม่ควรเริ่มจากการประเมินอย่างตรงไปตรงมาว่า AI ในปัจจุบันเก่งด้านใด โมเดล AI ปัจจุบัน (ChatGPT, Claude, Copilot เป็นต้น) มีความโดดเด่นใน 3 ด้านสำคัญที่ช่วยผู้เรียนได้: 

อธิบายแนวคิดได้หลายรูปแบบ 

ตัวอย่างเช่น ให้ AI อธิบาย “for loop” ราวกับว่าคุณอายุสิบขวบ ให้คำจำกัดความเชิงเทคนิค และเชื่อมโยงกับร้านกาแฟ AI จะไม่เหนื่อยกับการพิมพ์อธิบายในหลายรูปแบบ และจะปรับรูปแบบภาษาที่ใช้ตามคำสั่งของคุณ 

สร้างโจทย์และแบบฝึกหัดได้ไม่จำกัด 

หากคุณต้องการโจทย์ 10 ข้อที่แตกต่างกันเพื่อฝึกจัดการสตริง AI ก็สร้างให้คุณได้ หากต้องการให้เรียงตามระดับความยากที่เพิ่มขึ้น AI ก็สร้างให้ได้ AI ช่วยขจัดปัญหาการขาดแคลนสื่อสำหรับฝึกฝน ผู้เริ่มต้นไม่จำเป็นต้องรอตำราเรียนที่เต็มไปด้วยแบบฝึกหัดอีกต่อไป 

ให้ฟีดแบ็กทันทีแก่ผู้เริ่มต้นโดยไม่มีความเสี่ยงสูง 

หากผู้เริ่มต้นเขียนโค้ดที่มีข้อผิดพลาด AI สามารถระบุข้อผิดพลาด อธิบายว่าเหตุใดจึงเป็นข้อผิดพลาด และบอกวิธีแก้โค้ดนั้นได้โดยไม่ตัดสิน ทำให้คุณไม่ต้องกลัวว่าจะดูไม่เก่งต่อหน้าครูหรือเพื่อนร่วมชั้นอีกต่อไป 

อย่างไรก็ตาม AI ตอบได้เฉพาะตามสิ่งที่คุณถาม (ไม่ใช่ตามสิ่งที่คุณต้องการ) AI ไม่มีหน่วยความจำระยะยาวสำหรับระบุข้อผิดพลาดในการเรียนรู้ของคุณตลอดระยะเวลาหลายสัปดาห์

ปัญหาของคอร์สสำหรับผู้เริ่มต้นในปัจจุบันคืออะไร?

คอร์สจำนวนมากในปัจจุบันถูกสร้างขึ้นสำหรับโลกที่ไม่มี AI แต่โลกนั้นได้หายไปแล้ว ประเด็นคือคอร์สเหล่านี้ยังสอนสิ่งที่แทบไร้ค่า เพราะ AI ทำสิ่งเหล่านั้นได้ นี่คือปัญหาที่พบบ่อย 3 ข้อ:

เน้นการท่องจำไวยากรณ์มากเกินไป

นักเรียนต้องใช้เวลาหลายสัปดาห์ในการท่องจำการประกาศตัวแปร โครงสร้างลูป และนิยามฟังก์ชัน ขณะที่พวกเขากำลังท่องจำกฎเก่าแก่เหล่านี้ AI ก็จัดการไวยากรณ์ทั้งหมดได้ จนแทบไม่สำคัญอีกต่อไป อีกทั้งสำหรับผู้เริ่มต้นก็ไม่สำคัญว่า Java ใช้ "equals()" แทน "==" เพื่อเปรียบเทียบสตริง ผู้เริ่มต้นเพียงต้องรู้ว่าการเปรียบเทียบสตริงสองรายการนั้นซับซ้อน และ AI จะสร้างไวยากรณ์ที่ถูกต้องให้

โจทย์ที่แยกส่วนและคำตอบตัวอย่าง

แบบฝึกหัดส่วนใหญ่ที่นำเสนอเป็นคำตอบตัวอย่าง (เช่น การกลับลำดับสตริง หรือการคำนวณค่าเฉลี่ยของตัวเลข 3 ตัว) แบบฝึกหัดเหล่านี้มีไว้เพื่อช่วยให้นักเรียนฝึกกฎทีละข้อ แต่เมื่อเจอปัญหาจริงมักจะยุ่งเหยิงและไม่ชัดเจน AI แก้คำตอบตัวอย่างเหล่านี้ได้ภายในไม่ถึง 5 วินาที การใช้เวลาหลายชั่วโมงแก้ปัญหาง่าย ๆ 5 ข้อเช่นนี้ สอนให้นักเรียนทำงานเพียงอย่างเดียวและไม่มีอะไรมากกว่านั้น

ตารางเรียนแบบเป็นเส้นตรงและใช้รูปแบบเดียวกับทุกคน

นักเรียนทุกคนเริ่มในสัปดาห์ที่ 1 และจบในสัปดาห์ที่ 12 ผู้เรียนที่เรียนเร็วจะเบื่ออย่างรวดเร็ว ส่วนผู้เรียนที่เรียนช้าจะตามไม่ทันอย่างรวดเร็ว ขณะที่ AI สามารถมอบเส้นทางการเรียนรู้เฉพาะบุคคลตามความก้าวหน้าของนักเรียนแต่ละคนได้ ดังนั้นคอร์สที่มีหลักสูตรตายตัวจึงไม่อาจแข่งขันด้านประสิทธิภาพในการถ่ายทอดเนื้อหาได้

สิ่งที่ผู้เรียนได้จากชั้นเรียนเขียนโปรแกรมสำหรับผู้เริ่มต้น

ท้ายที่สุด นักเรียนเขียนโปรแกรมมือใหม่ออกจากชั้นเรียนพร้อม 2 สิ่ง: ความสามารถที่ไม่แข็งแรงในการเขียนโปรแกรมง่าย ๆ จากความจำ และไม่รู้เลยว่าต้องทำอย่างไรเมื่อเจอปัญหากับโปรแกรมง่าย ๆ เหล่านั้น โดยทั่วไปนักเรียนได้รับการสอนทักษะระดับล่างมากมายที่ปัญญาประดิษฐ์ (AI) ทำได้อยู่แล้ว

ปัญหายิ่งรุนแรงขึ้นเมื่อผู้เรียนเกิดความรู้สึกสำเร็จเกินจริง (มักเรียกว่า "ความมั่นใจปลอม") จากความรู้การเขียนโปรแกรมที่เพิ่งได้รับ ก่อนจะพบเมื่อเริ่มโครงการจริงครั้งแรกว่า ความรู้ของตนจำกัดอยู่แค่ไวยากรณ์ และพวกเขาไม่ได้รู้วิธีใช้ภาษาโปรแกรมนั้นจริง ๆ เลย

สิ่งที่ผู้เริ่มต้นขาดจริง ๆ คืออะไร?

ผู้เริ่มต้นยังไม่มีวิจารณญาณที่ดี พวกเขายังไม่เข้าใจดีพอว่าจะแยกปัญหาที่นิยามไม่ชัดเจนออกเป็นงานย่อยที่ชัดเจนได้อย่างไร และที่สำคัญที่สุด พวกเขายังขาดความเข้าใจโดยธรรมชาติว่าควรทดสอบและตรวจสอบเมื่อใดและอย่างไร ไม่มีทักษะใดในนี้ที่สอนได้ผ่านการฝึกไวยากรณ์

ผู้เชี่ยวชาญควรสอนอะไรแทน

แม้ปัญญาประดิษฐ์จะช่วยงานด้านไวยากรณ์ อัลกอริทึม และแบบฝึกหัดได้ แต่ครูที่มีประสบการณ์ยังช่วยนักเรียนได้ในอีกหลายด้าน อย่างไรก็ตาม สิ่งนี้ยังต้องให้ครูละทิ้งวิธีการจัดโครงสร้างคอร์สที่เราใช้กันมานาน โดยเฉพาะอย่างยิ่ง มีทักษะหลัก 5 ด้านที่ผู้สอนมากประสบการณ์ควรมุ่งเน้น เพื่อช่วยให้นักเรียนทำงานร่วมกับเทคโนโลยีได้ 

1. วิธีแยกย่อยปัญหา

AI สามารถจดจำปัญหาได้ แต่ไม่เข้าใจวิธีแยกแนวคิดที่คลุมเครือออกเป็นส่วนย่อย 

ควรสอนให้นักเรียนตระหนักว่าต้องมีข้อมูลเพิ่มเติมจึงจะนำวิธีแก้ไปดำเนินการได้

• จะใช้อุปกรณ์ประเภทใด? 

• จะรวบรวมวิธีแก้ที่เสร็จสมบูรณ์อย่างไร? 

• ใครจะรวบรวมส่วนใดของวิธีแก้ที่เสร็จสมบูรณ์? 

แยกปัญหาที่คลุมเครือออกเป็นส่วนย่อยที่เล็กและชัดเจน โดยมีอย่างน้อย 5 ถึง 10 ขั้นตอน 

ระบุว่าส่วนใดของปัญหาที่แยกย่อยแล้วควรทำให้เสร็จก่อน 

2. การทดสอบและการตรวจสอบความถูกต้อง

AI มีความมั่นใจสูงในคำตอบของตน แต่ผู้เรียนที่ยังไม่มีประสบการณ์อาจไม่สามารถระบุข้อผิดพลาดได้เสมอไป 

ควรสอนให้นักเรียน:

• สร้างกรณีทดสอบก่อนเขียนโค้ดโปรแกรมใด ๆ 

• ตรวจสอบความถูกต้องของคำตอบที่ AI สร้างขึ้นเทียบกับกรณีทดสอบพื้นฐานที่เกี่ยวข้อง 

• มองหาข้อผิดพลาดในคำอธิบายของ AI (ซึ่งอาจทำให้ได้ผลลัพธ์ที่ไม่ถูกต้อง) 

3. การอ่านและดีบักโค้ดที่มีอยู่

AI สามารถสร้างโค้ดโปรแกรมได้ อย่างไรก็ตาม เวิร์กโฟลว์ส่วนใหญ่ของแต่ละคนใช้ไปกับการอ่าน ดีบัก แก้ไข และ/หรือปรับปรุงโค้ดที่เขียนไว้ก่อนหน้านี้ (ไม่ว่าจะมาจากผู้อื่นหรือ AI) 

ควรสอนให้นักเรียน:

• ติดตามเส้นทางการทำงานของโค้ดส่วนหนึ่งโดยไม่ต้องรันโค้ดนั้น 

• ใช้คำสั่งพิมพ์และเครื่องมือดีบักเพื่อทำงานให้เสร็จอย่างเป็นระบบ 

• อธิบายว่าโค้ดส่วนหนึ่งทำอะไร (เทียบกับสิ่งที่ตั้งใจให้ทำ)

4. พัฒนาทักษะการตั้งคำถาม (การเขียนพรอมป์) 

หากพรอมป์ของคุณไม่ดี คุณจะได้คำตอบที่ไม่ดีจาก AI ผู้เริ่มต้นมักพูดเพียงว่า “แก้โค้ดนี้” โดยไม่ให้บริบทเลย

สอนผู้เริ่มต้นให้:

• ระบุข้อความข้อผิดพลาดและพฤติกรรมที่คาดหวัง

• ขอให้ AI อธิบายเหตุผล ไม่ใช่แค่ให้คำตอบ

• พูดซ้ำว่า: “วิธีนั้นใช้ไม่ได้ นี่คือสิ่งที่เกิดขึ้น ลองอีกครั้ง”

5. แบบจำลองความคิดเกี่ยวกับการทำงานของระบบ

เมื่อคุณเรียนรู้ที่จะสร้างแบบจำลองความคิดเกี่ยวกับวิธีที่สิ่งต่าง ๆ ทำงาน ไวยากรณ์จะค่อย ๆ เลือนหายจากความทรงจำ ผู้เริ่มต้นที่รู้ว่าตัวแปรคือกล่องที่มีป้ายกำกับ ก็สามารถเรียนรู้ทุกภาษาได้อย่างรวดเร็ว

แสดงให้ผู้เริ่มต้นเห็นวิธี:

• ร่างภาพสิ่งที่เกิดขึ้นในหน่วยความจำของคอมพิวเตอร์เมื่อโค้ดของคุณทำงาน

• คาดการณ์ผลลัพธ์ของโค้ดก่อนรัน

• อธิบายว่าเหตุใดโค้ดจึงไม่ทำงาน แทนที่จะบอกเพียงวิธีแก้

ตัวอย่างการเปลี่ยนจากแนวทางหนึ่งไปสู่อีกแนวทางหนึ่ง

แนวทางเดิม: “ท่องจำเมธอดของลิสต์ใน Python แล้วทำแบบฝึกหัด 20 ข้อ”

แนวทางใหม่: “ฉันมีโปรแกรมที่ใช้งานไม่ได้ ซึ่ง AI เป็นผู้เขียน จงหาบั๊ก 3 จุด แก้ไข แล้วถาม AI ว่าทำไมสิ่งเหล่านั้นจึงเป็นบั๊ก” 

นี่คือวิธีที่ผู้เชี่ยวชาญสนับสนุนผู้เรียนในฐานะโค้ชที่ช่วยคิด แทนที่จะเพียงให้คำตอบ

วิธีปรับโครงสร้างคอร์สสำหรับผู้เริ่มต้น

ผู้สอนและผู้ที่รับผิดชอบการพัฒนาคอร์สมีทางเลือกมากมายในการใช้ AI ในชั้นเรียนผ่านวิธีการเชิงปฏิบัติ

เปลี่ยนเป้าหมายการเรียนรู้ของคุณ

นี่คือวิธีเลือกเป้าหมายอื่น

5 วิธีออกแบบคอร์สของคุณใหม่โดยมี AI เป็นศูนย์กลาง

• เริ่มใช้ AI เป็นคู่คิดตั้งแต่วันแรกของชั้นเรียน – เริ่มแสดงให้นักเรียนเห็นวิธีเขียนพรอมป์ ตรวจสอบ และตั้งคำถามเพื่อให้ได้คำตอบจาก AI

• เลิกทำแบบทดสอบไวยากรณ์ – ตัวอย่างเช่น ก่อนรันโค้ด ให้ถามนักเรียนว่า "คุณคิดว่าผลลัพธ์จากโค้ดที่คุณเขียนจะเป็นอะไร?"

• เนื้อหาหลักของคุณอาจเป็นโค้ดที่มีข้อผิดพลาดหรือสร้างโดย AI – ให้โค้ดที่มีข้อผิดพลาดแก่นักเรียน และกำหนดให้พวกเขาค้นหาว่าปัญหาคืออะไร เหมือนในโลกการทำงานที่พวกเขาต้องแก้ปัญหา

• สอนนักเรียนให้ดีบักก่อนเรียนรู้การเขียนโค้ด – ช่วงแรกของคอร์ส 2 สัปดาห์ควรประกอบด้วยการเรียนรู้ การอ่าน การติดตาม และการแก้ไขโค้ดที่เขียนไว้ จากนั้นจึงเขียนโค้ดใหม่

• ประเมินผลจากวิธีที่ผู้เรียนไปถึงผลลัพธ์สุดท้าย – ให้ผู้เรียนเขียนและส่งสิ่งต่อไปนี้ให้คุณ: พรอมป์ต์ที่ส่งให้ AI, คำตอบที่ได้รับจาก AI, ผลลัพธ์จากกระบวนการตรวจสอบ และผลลัพธ์ที่แก้ไขแล้ว

ตัวอย่างก่อนและหลังใช้ลูป

เมื่อเรียนรู้การทำงานของลูป for และ while ตัวอย่างจะตามมาด้วยการทำงานเล็ก ๆ 3 งานทีละขั้นตอน จากนั้นคุณจะมีโจทย์สั้น ๆ 10 ข้อให้ฝึก: แสดงตัวเลข 1-10, รวมค่าในอาร์เรย์ และแต่ละโจทย์จะช่วยต่อยอดทักษะของคุณขึ้นอีกเล็กน้อย

อีกตัวอย่างหนึ่งของโจทย์คือ คุณจะได้รับลูปที่มีข้อผิดพลาดซึ่งสร้างโดย AI และให้ทายผลลัพธ์ก่อนรันโค้ด วิธีนี้ช่วยให้เห็นข้อผิดพลาดแบบคลาดเคลื่อนหนึ่งตำแหน่งที่ต้องแก้ไขหลังการอภิปราย ขั้นต่อไปคือให้คุณขอการทดสอบจาก AI 3 รายการเพื่อค้นหาปัญหาคล้ายกันในการเขียนโค้ดครั้งต่อไป วงจรจะสมบูรณ์เมื่อเชื่อมโยงทุกขั้นตอนเข้าด้วยกัน ใช้เวลา 30 นาทีเพื่อสอนสิ่งที่เคยใช้เวลา 3 ชั่วโมง การพัฒนาไวยากรณ์ทำได้รวดเร็ว อย่างไรก็ตาม การตรวจสอบ/แก้ไขข้อผิดพลาดใช้เวลานานกว่าที่เคย

โปรดทราบ! ส่วนใหญ่แล้ว การสอดแทรกพื้นฐาน AI ในชั้นเรียนเพียงครั้งเดียวไม่ได้เปลี่ยนแปลงอะไร มันก็แค่เลือนหายไป ควรถักทอแนวคิดเหล่านั้นเข้าไปในทุกงานแทน มิฉะนั้น ผู้เรียนจะพึ่งพา AI เพื่อหลีกเลี่ยงความพยายาม ไม่ใช่เพื่อฝึกฝนความคิดให้คมขึ้น

บทสรุป

ชั้นเรียนพื้นฐานส่วนใหญ่จะไม่หายไปเพราะปัญญาประดิษฐ์ แต่ชั้นเรียนที่สร้างขึ้นบนการท่องจำซ้ำ ๆ ล่ะ? จุดอ่อนของมันจะปรากฏอย่างรวดเร็ว ครูยังติดอยู่กับการสอนไวยากรณ์แบบท่องจำ ทั้งที่พจนานุกรมล้าสมัยไปแล้ว เว็บมีคำตอบทุกอย่างที่พวกเขาบังคับให้นักเรียนต้องจำอยู่แล้ว 

มีแนวทางหนึ่งที่สมเหตุสมผล: ให้ความสำคัญกับการใช้เหตุผลมากกว่าการกดแป้นพิมพ์ เน้นการตรวจสอบแนวคิดแทนคำตอบที่ท่องจำ แยกโจทย์ออกเป็นส่วน ๆ ก่อน แล้วข้ามขั้นตอนตามสูตรไป

ติดขัดใช่ไหม? นั่นคือจุดที่การเรียนรู้เริ่มต้นขึ้นจริง ๆ คอร์สสำหรับผู้เริ่มต้นจะอยู่รอดได้ก็ต่อเมื่อแสดงให้เห็นก้าวถัดไป AI ล้มเหลวในการชี้ทางไปข้างหน้าในช่วงเวลาที่หยุดนิ่งเหล่านั้น ความสามารถเพียงข้อนี้สำคัญกว่าสิ่งอื่นใดในวันนี้ อย่างอื่นทั้งหมดให้ปัญญาประดิษฐ์จัดการไป ปล่อยให้มันดูแลงานเหล่านั้น