Η διδασκαλία ψηφιακών μεθόδων στην τριτοβάθμια εκπαίδευση αποτελεί ιδιαίτερη πρόκληση, καθώς η εκθετική αύξηση των διαθέσιμων ψηφιακών πόρων επιβάλει την αναζήτηση καινοτόμων πρακτικών για την επιτάχυνση της εκμάθησης νέων δεξιοτήτων (Al-Zahrani & Alasmari, 2024). Η αυξανόμενη ανάγκη για υπολογιστικές δεξιότητες καθιστά αναγκαίο τον επανασχεδιασμό του παραδοσιακού μοντέλου διδασκαλίας στο οποίο να αποδίδεται κεντρικός ρόλος στην εξατομικευμένη προσέγγιση στη διδασκαλία.

Σε σχέση με προηγούμενες τεχνολογικές καινοτομίες στην εκπαίδευση που απαιτούσαν μακρές περιόδους προσαρμογής, η τεχνητή νοημοσύνη ενσωματώθηκε σχεδόν ακαριαία στις μαθησιακές πρακτικές των φοιτητών, δημιουργώντας μια επείγουσα ανάγκη για τους εκπαιδευτικούς να επαναπροσδιορίσουν τις διδακτικές τους προσεγγίσεις (Bowen & Watson, 2024). Η ενσωμάτωση αυτή δεν σημαίνει τον παραμερισμό του εκπαιδευτικού, αλλά αναβαθμίζει το ρόλο του μετατρέποντάς τον σε σχεδιαστή μαθησιακών εμπειριών που αξιοποιεί την τεχνολογία για την επίτευξη παιδαγωγικών στόχων (Leaton Gray & Cukurova, 2024). Από την άλλη, προκύπτουν ανησυχίες σχετικά με ηθικά ζητήματα όπως η προστασία των προσωπικών δεδομένων, η διαφάνεια, η αξιοπιστία και οι συνέπειες του περιεχομένου που παράγεται από την τεχνητή νοημοσύνη (Al-Zahrani, 2024).

Σκοπός της έρευνας είναι η αξιολόγηση της αποτελεσματικότητας ενός υβριδικού μοντέλου διδασκαλίας που ενσωματώνει την τεχνητή νοημοσύνη ως βοηθό διδασκαλίας για την εκμάθηση ψηφιακών μεθόδων και προγραμματισμού σε φοιτητές μουσικολογίας. Το μοντέλο εφαρμόστηκε σε 24 φοιτητές και φοιτήτριες του Τμήματος Μουσικών Σπουδών του Εθνικού και Καποδιστριακού Πανεπιστημίου Αθηνών οι οποίοι παρακολούθησαν το μάθημα «Ψηφιακές μέθοδοι στην ιστορική μουσικολογία» και ακολούθως συμμετείχαν σε έρευνα για την αξιολόγηση του μοντέλου.

Η μεθοδολογία της έρευνας συνδύασε ποσοτικές τεχνικές μέσω δομημένων ερωτηματολογίων με παράλληλη ποιοτική διερεύνηση μέσω στοχευμένων συνεντεύξεων. Η συγκριτική ανάλυση της επίδοσης των φοιτητών αποκάλυψε αξιοσημείωτη βελτίωση τόσο στην αποδοτικότητα όσο και στην ταχύτητα επίλυσης ασκήσεων. Τα ευρήματα καταδεικνύουν σημαντική ενίσχυση των ικανοτήτων των φοιτητών κατά την επίλυση τεχνικών προβλημάτων και αισθητή μείωση του απαιτούμενου χρόνου για την απόκτηση βασικών προγραμματιστικών δεξιοτήτων. Από την άλλη παρατηρείται σαφής διαχωρισμός στην αποτελεσματικότητα του εκπαιδευτικού εργαλείου στον άξονα του χρόνου, με υψηλότερα ποσοστά επιτυχίας στην άμεση επίλυση προβλημάτων και χαμηλότερα στη μακροπρόθεσμη ανάπτυξη δεξιοτήτων.

Τα συμπεράσματα της έρευνας αφορούν τις ψηφιακές ανθρωπιστικές επιστήμες γενικότερα, προτείνοντας μια ισορροπημένη παιδαγωγική προσέγγιση που αξιοποιεί την τεχνητή νοημοσύνη ως συμπληρωματικό εργαλείο μάθησης ενώ παράλληλα διασφαλίζει την ανάπτυξη αυτόνομων δεξιοτήτων από τους φοιτητές/τριες. Η προσέγγιση που προτείνεται, προσφέρει ένα καινοτόμο υβριδικό μοντέλο διδασκαλίας, παρέχοντας ένα πλαίσιο για την αποτελεσματική ενσωμάτωση της τεχνητής νοημοσύνης στην εκπαίδευση.

• Ψηφιακό περιβάλλον και μουσική εκπαίδευση
• Προγράμματα σπουδών και κριτική προσέγγιση

Ο Τάσος Κολυδάς διατελεί μέλος του Τμήματος Μουσικών Σπουδών του Πανεπιστημίου Αθηνών με την ιδιότητα του Εργαστηριακού-Διδακτικού Προσωπικού. Είναι διδάκτωρ μουσικολογίας, διπλωματούχος μεταπτυχιακών σπουδών πληροφορικής και κιθαριστής.  Τα ερευνητικά του ενδιαφέροντα στρέφονται γύρω από την έντεχνη ελληνική μουσική, την ψηφιακή διαχείριση πολιτισμικής κληρονομιάς και τις τεχνολογίες πληροφορίας και επικοινωνιών στην εκπαίδευση. Έχει διδάξει μαθήματα ιστορικής μουσικολογίας και ψηφιακής μουσικολογίας στο Πανεπιστήμιο Αθηνών και το Πανεπιστήμιο Ιωαννίνων. Έχει αναπτύξει διαδικτυακές εφαρμογές στο πλαίσιο ερευνητικών προγραμμάτων και έργων ψηφιοποίησης πολιτιστικών συλλογών για το Πανεπιστήμιο Αθηνών, την Εθνική Λυρική Σκηνή, το Ινστιτούτο Έρευνας Μουσικής Ακουστικής, το Πανεπιστήμιο Ιωαννίνων κ.ά. Είναι μέλος της Ελληνικής Μουσικολογικής Εταιρίας, του Ελληνικού Παραρτήματος της IAML, του ΕΣΜΑ Carl Orff και της ΕΕΜΕ. Περισσότερες πληροφορίες: https://www.kolydart.gr/