Adaptivitet begynner ikke med «lettere eller vanskeligere»
Lettere eller vanskeligere er bare én dimensjon. Hvorfor reell adaptivitet endrer måten å komme inn i oppgaven på – om mikroadaptivitet, hintstigen og hjelpedilemmaet.
Mange læringsplattformer beskriver seg selv som adaptive. Som regel menes det et enkelt prinsipp:
Den som løser flere oppgaver riktig, får vanskeligere oppgaver. Den som gjør feil, får lettere oppgaver.
Denne logikken er forståelig, men den strekker ikke til for å individualisere matematikklæring på en meningsfull måte. For av et galt svar følger det ennå ikke hva som bør være lettere neste gang.
Vanskegrad har flere dimensjoner
En oppgave kan være vanskelig av svært ulike grunner: tallområdet er for stort, språket er unødvendig komplisert, representasjonen er uvant, en bærekraftig forestilling mangler, eller det må behandles for mye informasjon på én gang.
To oppgaver som statistisk sett løses galt like ofte, kan derfor stille helt ulike krav.
Også to barn med samme resultat trenger ikke nødvendigvis den samme neste oppgaven.
Barn A forstår det matematiske begrepet, men regner usikkert. Barn B behersker framgangsmåten, men klarer ikke å koble den til en representasjon. Barn C har misforstått oppgaven språklig.
Å sette alle tre tilbake til et «lettere nivå» ville ikke være reell adaptivitet, bare en sortering etter suksessrate.
To nivåer: makro- og mikroadaptivitet
Mazio Matematikk skiller mellom to nivåer av tilpasning.
Makroadaptivitet gjelder det langsiktige læringsløpet: Hvilket innhold følger etter hva? Hvilket kompetansemål bør repeteres? Hvilken oppgavefamilie passer til det nåværende læringsnivået?
Dette nivået ligger ikke skjult inne i systemet hos Mazio Matematikk. Du ser i analysene på dashbordet ditt hvor klassen din står, og styrer det langsiktige læringsløpet selv på dette grunnlaget.
Mikroadaptivitet gjelder det konkrete øyeblikket inne i en oppgave: Hvilken reaksjon hjelper videre etter akkurat denne inntastingen?
Særlig på barnetrinnet er det andre nivået ofte det mest avgjørende.
Et barn trenger ofte verken et annet tema eller et nytt vanskenivå, men en annen vei inn i det samme problemet.
Mazio Matematikk gjør derfor ulike adaptive reaksjoner mulig:
- Redusere kompleksiteten: mindre tall eller færre samtidige trinn,
- Bytte representasjon: fra symboler til materiell, bilde, tallinje eller handling,
- Isolere et delproblem: arbeide bare med det kritiske trinnet,
- Skape kontrast: sammenligne to lignende tilfeller,
- Aktivere en strategi: minne om en kjent oppdeling eller sammenheng,
- Utsette tilbakemelding: gi rom for et nytt selvstendig forsøk,
- Øke støtten: gå fra et åpent spørsmål til et mer konkret hint.
Oppgaven blir dermed ikke bare lettere eller vanskeligere — det er selve inngangen til den som endrer seg.
Et eksempel: en annen representasjon i stedet for mindre tall
La oss anta at et barn løser oppgaven 42 − 17 galt.
En klassisk adaptiv plattform kunne deretter tilby 32 − 11. Tallene er mindre. Det underliggende problemet er muligens uendret.
Hvis barnet ikke forstår hvorfor en tier deles opp ved tierovergangen, er en mindre symbolsk oppgave ikke nødvendigvis til hjelp.
En mer fornuftig reaksjon kunne være å framstille 42 som fire tiere og to enere. Barnet gjør om en tier til ti enere og utfører deretter subtraksjonen i representasjonen.
Det matematiske kravet består; det blir bare gjort tilgjengelig. Her ligger en vesentlig forskjell:
God adaptivitet reduserer ikke matematikken automatisk. Den endrer støtten slik at barnet fortsatt kan arbeide med matematikken.
Hjelpedilemmaet
Tutorsystemer står overfor et grunnleggende problem: Hvor mye hjelp er fornuftig?
For lite hjelp kan føre til frustrasjon og uproduktiv stillstand. For mye hjelp kan overta selve tenkearbeidet.
Forskning på intelligente tutorsystemer kaller dette «hjelpedilemmaet». Heller ikke bruken av hint er automatisk positiv. Hjelp kan fremme læring når den settes inn målrettet ved et krevende trinn. Å klikke seg raskt gjennom hint kan derimot henge sammen med svakere læring.
For Mazio betyr det: Et godt hint må ikke bare være faglig riktig, det må også komme til riktig tid og på riktig nivå.
Mazio Matematikk arbeider derfor med en hintstige:
- rette oppmerksomheten mot det relevante aspektet,
- stille et spørsmål om framgangsmåten så langt,
- tilby en passende representasjon,
- aktivere en kjent strategi,
- til slutt gjøre det neste deltrinnet så lite at barnet kan ta det selv.
En ferdig løsning gir Mazio aldri. Også på det høyeste nivået blir det siste trinnet igjen hos barnet: Det løser oppgaven selvstendig til slutt.
Målet er ikke å komme fram til riktig svar så raskt som mulig, men å gjøre selvstendig tenkning mulig igjen med så lite støtte som mulig.
Elevmodell og oppgavemodell
Mange systemer snakker om en elevmodell: De anslår hvilke kompetanser et barn behersker og hvilke det ikke behersker.
Det er fornuftig, men ufullstendig.
En presis oppgavemodell er like viktig:
- Hvilke delkompetanser kreves?
- Hvilke representasjoner forekommer?
- Hvilke trinn er mulige?
- Hvilke parametre bestemmer vanskegraden?
- Hvilke feil kan tolkes faglig?
- Hvilke former for hjelp passer til hvilket trinn?
- Hvilke svar er riktige, men uventede?
Uten denne oppgavemodellen kan et system riktignok kjenne igjen statistiske mønstre, men det forstår ikke godt nok hva det skal reagere på.
Hos Mazio Matematikk er adaptiviteten derfor bygd inn i strukturen til oppgavefamiliene, og ikke skilt fra innholdet som en overordnet algoritme. Det er mer arbeidskrevende, men mer kontrollerbart og faglig mer presist.
KI innenfor faste faglige regler
Store språkmodeller kan formulere fleksible forklaringer og behandle åpne inntastinger. Men de kan også produsere svar som er plausible, men gale eller didaktisk uegnede.
Derfor blir ikke enhver adaptiv avgjørelse overlatt til en språkmodell.
I Mazio Matematikk definerer faste faglige regler rommet av tillatte reaksjoner. KI-en arbeider innenfor dette rommet:
- Den kan tilpasse formuleringen av en forklaring.
- Den kan knytte et åpent svar til en kjent løsningsvei.
- Den kan formulere oppfølgingsspørsmål.
- Den kan velge mellom flere didaktisk godkjente hint.
Den avgjør derimot ikke spontant hvilket matematisk begrep som skal undervises neste gang, når det ikke finnes et kontrollert grunnlag for det.
KI-en utvider dermed fleksibiliteten i systemet; påliteligheten kommer fra den didaktiske modellen.
Støtten bygges ned igjen
Et system som hele tiden er maksimalt tilpasset, høres først ut som et ideal. Men læring betyr også å kunne handle stadig mer uten støtte. Derfor bygger god adaptivitet hjelpen sin ned igjen.
En representasjon tilbys først og fjernes senere. Et hint vises ikke automatisk ved neste lignende oppgave. Et deltrinn støttes først og overlates deretter til barnet igjen.
Målet er ikke at systemet tilpasser seg barnets avhengighet stadig mer nøyaktig, men at barnet trenger systemet stadig mindre.
Metaanalyser viser at intelligente tutorsystemer kan forbedre læringsutbyttet. Men de viser ikke at enhver form for personalisering er virksom. Effekten avhenger av den konkrete utformingen, innholdet og måten den er innfelt på.
For Mazio Matematikk er adaptivitet derfor ikke en enkelt funksjon, men evnen til å gjøre en faglig begrunnet neste læringshandling mulig etter en konkret handling – og til å trekke støtten tilbake trinn for trinn.