DigcompEdu 6.5: Řešení problémů prostřednictvím digitálních technologií

Jakkoli má čeština obecně poměrně bohatou slovní zásobu, s překladem anglického pojmu „problem“ si poradí jen velice omezeně. České slovo problém v sobě totiž nese negativní konotace, jako by bylo blíže „issue“ (tj. nepříjemnost, něco k řešení) nebo trable, totiž nesnáz. Takovou konotaci ale anglické „problém“ nezná – jde o něco, co je před námi, nad čím je možné přemýšlet, co vyzývá k určité interakci. Proto i třeba české sousloví problémová úloha může odkazovat k dvojímu – buď k úloze, se kterou mají studenti problémy, tedy je pro ně z nějakého důvodu příliš obtížná, nebo k tomu, že je náročná, pro její překonání nestačí běžná znalost.

A právě k tomuto druhému konceptu směřuje řešení problémů, o kterém hovoří tato digitální kompetence. Domníváme se, že bychom měli změnit celý jazyk uvažování o tom, jak chápeme řešení problémů – nejde (nutně či primárně) o něco nepříjemného, do čeho se nikomu nechce, ale spíše o výzvu k určité aktivitě, k interakci se světem, ve kterém se nacházíme. I když se „problem solving“ běžně do češtiny překládá jako „řešení problémů“, domnívám se, že jednou z výzev, před kterými stojíme, je právě odstranění onoho pocitu nepříjemnosti či obavy, které v češtině nese.

V nejširším slova smyslu bychom mohli celý proces učení označit za řešení problémů – člověk musí řešit určité úkoly, které před něj vzdělavatel klade, hledat vhodné postupy pro jejich zvládání, orientovat se v nich. Podobnou úvahu již dříve provedl Peter Jarvis, který hovořil o tom, že každý člověk je vybaven svými zkušenostmi a dovednostmi, se kterými vstupuje do interakce se světem, ve kterém žije a v němž je vystavován určitým situacím, které musí zvládnout. Jarvis tyto situace diferencuje následujícím způsobem:

• Očekávané vnímání a realita jsou ve shodě – v takových situacích k žádnému učení nedochází, problémy můžeme řešit pomocí předem naučených a připravených modelů, které jsme si již dříve osvojili. Ve školním prostředí může jít o procvičování nebo upevňování toho, co již umíme či víme.
• Očekávané vnímání a realita jsou v nesouladu – existuje mezi nimi určitý odstup, který neumožňuje naše mentální modely, postupy či emoce aplikovat přímo. Zde začíná proces učení jako přibližování zkušenosti a reality. Tento nesoulad ale není příliš velký a učení může mít charakter drobného experimentování nebo informálního učení, rychlého dohledání si postupu, informace.
• Očekávané vnímání a realita jsou od sebe oddělené – v této fázi jsou již tak velké rozdíly mezi naší zkušeností, dovednostmi a nástroji, které jsme schopni využívat, a realitou, že si musíme klást otázku, co se to děje, respektive jak můžeme vůbec postupovat. Jarvis tvrdí, že zde začíná vědomé učení, které vede k zisku nástrojů proto, abychom se se situací či problémem, před který jsme postaveni, vyrovnali. Učení už není nevědomé či informální, ale má charakter záměrné výbavy člověka k dalšímu postupu.
• Očekávané vnímání a realita jsou odlišné – v této fázi je mezi nimi tak hluboký příkop, že člověk nedisponuje schopností adekvátně porozumět situaci, do které je postaven. Nezbývá mu než rezignovat, nebo zahájit proces záměrného systematického učení. Když Jan Sokol tvrdí, že jedním z cílů školy je naučit člověka zvládat neintuitivní situace, má na mysli právě tento stav odlišení zkušenosti a reality.

Je zřejmé, že tato distinkce má více školský než reálný význam, neboť hranice mezi čtyřmi fázemi vztahu očekávané skutečnosti a reality nejsou ostré. Přesto je možné říci, že jsou užitečným edukačním modelem, který umožňuje přemýšlet o vzdělávání v mnoha různých konceptech. Lze pracovat se systematickým vystavováním člověka nesouladným situacím, ve kterých se postupně učí a zlepšuje, můžeme se ale setkat i s konceptem oddělení (typické pro heuristickou výuku) nebo s vysoce teoreticky náročným pojetím odlišení.

Technika významným způsobem rozšiřuje možnosti edukace, která je díky dostupnosti informací rychlejší, dynamičtější a více všudypřítomná než kdykoliv dříve, ale současně činí svět, ve kterém žijeme, mnohem komplexnějším, propojenějším a komplikovanějším. Zdá se, že situace souladu se stávají stále vzácnějšími, a naopak většinu času žijeme mezi oddělením a odlišením, což vyvolává mimořádné nároky na schopnost se učit celý život.

Můžeme říci, že žádná z velkých témat posledních let – od globálního oteplování, ekologické krize, epidemie covidu-19 až po ruskou agresi na Ukrajinu – nemají nějaké jednoduché řešení, jednovětný návod, co dělat, aby vše bylo dobré. Často chybí i dostupná definice zmíněného dobrého cíle. Tento důsledek technizace společnosti s sebou přináší mimořádné nároky na vzdělávané i vzdělávající zásadně změnit koncepci toho, jak si proces učení vůbec představují.

Model DigCompEdu o vzdělavateli v této oblasti uvádí: „Do výuky zařazuje takové učební a hodnoticí aktivity, které vyžadují schopnost žáka rozpoznat a vyřešit technický problém a své dosavadní poznatky z práce s technologiemi tvůrčím způsobem aplikovat při řešení nových situací.“ Tato věta je obtížně rozporovatelná, ale možná částečně zamlžuje, s jak náročnou a komplexní změnou v edukaci se musíme – s využitím digitálních kompetencí – vypořádat.

Model Cynefin

Možná ještě názorněji přináší pohled na změny, ve kterých musíme přemýšlet o nástrojích na řešení problémů, model Cynefin, který se běžně užívá v managementu pro řízení změn a rizik. Lze ho ale velice efektivně implementovat také do vzdělávání. Tento model popisuje čtyři základní kategorie, ve kterých je možné o problematice změn uvažovat. Za zásadní je možné považovat to, že každá kategorie změn vyžaduje vlastní nástroje pro jejich zvládání.

• Zřejmé situace – nabízejí jasný vztah mezi akcí a reakcí, mezi předmětem, na který reagujeme, a naší odezvou. Typickým nástrojem pro zvládání zřejmých situací jsou algoritmické postupy, předem osvojené a naučené způsoby, jak určitý problém řešit. Problémy mají jasně popsaná analytická řešení, která umožňují podrobnou diskusi toho, proč daný postup pracuje právě tímto způsobem.
• Komplikované situace – jsou již složitější a vyžadují vyšší míru analýzy. Jejich zvládání je typicky spojené s tím, že existuje zkušenost příkladů dobré praxe, které je možné replikovat. Lékař má jen velice přibližnou představu, jak pracují léky, které pacientovi podává, ale velice dobrou orientaci v tom, v jaké situaci je možné lék podat a co by měl způsobit. Komplikované situace kladou důraz na učení zkušeností, na schopnost pracovat s příklady dobré praxe, které následně přenášíme do vlastního pracovního prostředí.
• Komplexní situace – jsou zajímavé tím, že jsou vysoce provázané. Pro jejich zvládnutí neexistují už dopředu nachystané postupy nebo příklady dobré praxe, ale člověk musí být schopen vytvořit vhodný abstraktivní model, se kterým může o určitém problému uvažovat. Typicky je vede ke schopnosti hledat vhodné simulace systémů s mnoha proměnnými, aproximace, odhady. Řešení nikdy nejsou ideální, ale měla by být dost dobrá na to, aby uspokojivě vyřešila daný problém. Typické úlohy jsou zde otevřené a nejasně strukturované.
• Chaotické situace – jsou edukačně nepředvídatelné, nemají jasnou vazbu mezi podnětem a reakcí. Jedinou možností, jak v nich pracovat, je zkoušet různá řešení a intuitivně hledat takový postup, který by přibližně mohl fungovat.

Na tomto místě je důležité říci, že svět kolem nás je vždy mixem všech výše uvedených situací. S rozvojem společnosti, technizací a globalizací se ale rychle mění poměr mezi situacemi, které se v něm vyskytují. Zatímco na začátku minulého století byla většina situací zřejmá a byly doplněné o komplikované situace, dnešní svět se nachází na pomezí komplikovaných a komplexních situací (jak doufáme). To znamená, že zatímco před půl stoletím bylo důležité pamětné učení, práce s elementárními postupy, tréning, dril, pečlivost, dnes můžeme říci, že tyto věci jsou sice užitečné a praktické, ale nemohou tvořit jádro edukační praxe.

Představa, že dokážeme vzdělávání budovat jako logicky navazující konzistentní celek, tak jak uvažují přírodní vědy, se ukazuje být jako nepříliš dobře udržitelná. Předně exponenciálně roste množství poznatků, což znamená, že takový přístup nevytváří dostatečně přesný model světa (viz výše Jarvis), ale také proměnlivost situací je natolik velká, že logická konzistence sama o sobě nepředstavuje dostatečnou hodnotu.

Vzdělávání se musí podstatně soustředit (na všech stupních) na komplexní situace. To znamená, že studenti by si měli osvojovat schopnost vymezit řešený problém, identifikovat možnosti cílů jeho řešení a především naučit se hledat modely jeho chování. Právě důraz na schopnost abstraktně uvažovat je možné vidět jako jeden ze závěrů, které z modelu Cynefin přirozeně vyplývají.

To můžeme ilustrovat na příkladu. Studenti mají zpracovávat projekt zaměřený na zlepšení životního prostředí. Zcela logicky nemohou zlepšovat prostředí jako celek, ale musí z něj umět vytyčit přiměřenou oblast, která je nějak uchopitelná. Následně musí nalézt vhodné teorie a modely pro její popis. Z nich pak mohou sestavit návrhy akcí, které povedou ke zlepšení životního prostředí ve zvolených parametrech. Každý z návrhů pak musí podrobit kritické analýze nezamýšlených účinků. Až na základě této netriviální intelektuální práce mohou identifikovat konkrétní postupy, které mohou vést ke zlepšení určitých aspektů životního prostředí.

Pro práci s takovým návrhem ale není pravděpodobně žádný student vybaven všemi potřebnými znalostmi a dovednostmi, které si musí umět ad hoc doplňovat a osvojovat. Klíčem k tomu, aby takový model vzdělávání mohl fungovat, musí být vysoce rozvinutá schopnost učit se, rychle nacházet vhodné zdroje, pomocí kterých člověk získá (většinou ne zcela složitou a velice úzkou) znalost nebo dovednost, která mu umožní vyřešit zvolený problém. Vracíme se tak k úvodní otázce, zda je možné rozlišovat mezi kompetencí k učení a k řešení problémů. Domníváme se, že na základě výše provedené diskuse nikoliv. Jde o dvě strany téže mince, na kterou by se mělo vzdělávání na všech svých stupních a formách soustředit.

Americký sociolog Rober B. Reich, když hovoří o povoláních budoucnosti, píše o tom, že dominantní pracovní třídu budou tvořit symboličtí analytici, tedy taková povolání, pro něž bude schopnost abstraktní manipulace s modely, jejich tvorba a zpracování „denním chlebem“. Možná i tato perspektiva dává odpověď na to, proč tak moc potřebujeme například středoškolskou fyziku nebo biologii – vůbec v nich nejde o partikulární znalosti, ale o rozvoj tvorby abstraktního myšlení a modelů světa, se kterými je možné dále pracovat.

Příklady užitečných nástrojů

V tomto výběru nástrojů se pokusíme zaměřit na dvě skupiny aplikací, které považujeme v této kompetenci za zásadní. První se týká návodů a zdrojů k učení se, pokud potřebujeme rychle získat určitou kompetenci, dovednost či znalost. Druhá skupina nástrojů se soustředí na tvorbu modelů a simulací, které mají pomoci s rozvojem abstraktního myšlení a teoretických modelů.

• Code.rg – rozsáhlý portál na výuku programování (především školáků) se soustředí na práci s herním designem. JavaScript, práci s AI, ale i řadu dalších činností si studenti odnášejí na práci na konkrétních herních projektech.
• KhanAcademy – nabízí nespočetné množství lekcí od matematiky po fyziku či informatiku. Velkou výhodou je, že na poměrně malém rozsahu je kompletně vysvětlené téma „krok za krokem“, takže člověk může prakticky pochopit, jak určitá procedura funguje, nebo co znamenají klíčové pojmy, se kterými musí pracovat.
• Netlogo – komplexní simulační nástroj, pomocí kterého lze snadno modelovat jednoduché jevy s mnoha aktéry – od epidemie či počítačového viru až po změny v zastoupení živočišných druhů. Výhodou je velké množství dostupných modelů a otevřenost kódu, stejně jako bezplatná licence.
• Algodoo – slouží pro tvorbu jednodušších i složitějších modelů fyzikálních systémů a simulaci toho, co se v nich děje. Velkou výhodou je jednoduché prostředí a snadné ovládání, které podporuje rozvoj představivosti. Studenti tak nejen vytvoří model skutečnosti, ale získají díky němu představu o jeho abstraktním průmětu na další situace v reálném světě.
• Quora – téměř nekonečná zásobárna otázek a odpovědí na jednoduché dotazy, ale i velice komplexní problémy. Hodí se nejen na rychlou orientaci, ale často i jako dobrý rozcestník dalších zdrojů.
• Researchgate – sociální síť pro vědce se v této oblasti velice dobře hodí pro zjištění postupů při práci na konkrétním experimentu, při analýze dat nebo hledání vhodného časopisu či spolupracovníků.
• Step – je školsky orientovaný bezplatný otevřený nástroj na tvorbu simulací. Může pomoci podpořit přírodovědnou a fyzikální představivost.
• Vensim – je aplikace na tvorbu dynamických modelů a simulací. Hodí se především pro optimalizaci procesů v konkrétních institucích.
• WikiHow – pracuje s obrázkovými návody na většinou velice praktické činnosti. Pokud se člověk potřebuje naučit uvázat motýlka, vypadat starší nebo napsat esej, jde o zdroj dobrých základních informací, které jsou strukturované jako návod.
• Wikipedie – největší encyklopedie na světě je otevřeným kolektivním dílem, což by mohlo vést k představě nízké kvality. Obecně jde o dobrý zdroj informací pro počáteční orientaci a přehled, ale nikoliv o zdroj pro vědeckou práci. Problematické jsou také příspěvky reagující na aktuální problémy.

Očima odborné literatury

Bakker, D. (2021). Every pandemic has a silver lining: Examining Covid-19’s effect on digital pedagogy using the Cynefin Framework. Alberta Academic Review, 4(1), 4–4.

Autor užívá model Cynefin nikoli na teoretický popis změny způsobu učení, ale analyzuje pomocí něj narušení, na která učitelé naráželi ve výuce během covidové epidemie. Zajímavé je, že zatímco narušení v běžných třídách bylo soustředěné na zjevné a komplikované situace, které učitelé mohou zvládat na základě reflexe své běžné praxe, situace v online vzdělávání se jeví jako komplexnější a ležící mimo zkušenostní rámec učitelů.

dos Santos Neto, J. A., & de Almeida Júnior, O. F. (2021). Information Mediation and Its Role in the Development of Complex Societies. In Role of Information Science in a Complex Society (pp. 65–80). IGI Global.

Autoři upozorňují, že existuje těsný vztah mezi dostupností informací a tím, jak určitá společnost vypadá. Dostupnost není jen otázkou nějaké proklamované služby, ale znamená skutečně překročení všech bariér a doručení konkrétních informací potřebným osobám. Rolí informačních vědců má být přispívat k rozvoji komplexní společnosti, ke které se postupně blížíme.

Arcagni, A., Fattore, M., Maggino, F., & Vittadini, G. (2021). Some Critical Reflections on the Measurement of Social Sustainability and Well-Being in Complex Societies. Sustainability, 13(22), 12679.

Příspěvek analyzuje koncept blahobytné společnosti a upozorňuje, že svět, ve kterém žijeme, je podstatně komplexnější než metriky, které jsme pro jeho měření před mnoha lety vytvořili. Jinými slovy – často měříme něco zcela jiného, než si myslíme, že měříme, a klademe důraz na příliš atomické, jednoduché a staré struktury. To nám znemožňuje skutečně adekvátně rozumět světu, což se projevuje selháváním hospodářských i sociálních politik států. Toto tvrzení lze snadno rozšířit i na politiky vzdělávací, které ulpívají na metrikách a hodnotách starého světa a vedou k hlubokému strukturnímu neporozumění současným studentům i sociální realitě.

Závěr

Výše analyzované studie mají společného jmenovatele – svět, ve kterém žijeme, je komplexní, není možné pro jeho popis nebo analýzu užívat metrik, které byly funkční před deseti nebo dvaceti lety. Respektive míra jejich popisnosti je velice omezená, proměňuje se jak zkoumaný fenomén, byť je stále označován stejně, tak také vzájemné vztahy těchto fenoménů. Schopnost řešit problémy komplexního druhu se tak jeví jako výzva výzkumnická, metodologické i edukační. Bude po vzdělávacím systému vyžadovat zásadní proměnu postupů, způsobu hodnocení a pravděpodobně i předmětové skladby. Zdá se, že bez takové proměny není ale možné o vzdělávání jako o smysluplném projektu z pozice humanistické i sociálně-ekonomické uvažovat.