Co to rozwiązuje
Studenci czytają ponownie swoją pracę i czują się pewni, że zrozumieli. Nie zrozumieli — rozpoznali. Luka między rozpoznaniem a wydobyciem to jedna z największych iluzji w nauce, i dramatycznie się poszerza w erze AI, gdzie każdy temat wydaje się znajomy, bo LLM właśnie wyjaśnił go z płynnością.
Ghost Map łamie tę iluzję wizualnie.
Jak to działa
Po zrekonstruowaniu pojęcia na kanwie (krok 2 cyklu nauki) i odpowiedzeniu na sokratejskie pytania AI (krok 3) aktywuje się Ghost Map. Fluera generuje idealną mapę pojęć z materiałów wykładu i nakłada ją — półprzezroczystą, wyrównaną z Twoją kanwą — na Twoją pracę.
- Zielone — pojęcia, które zapisujesz poprawnie, połączenia, które rysujesz dobrze.
- Czerwone — pojęcia bliskie idealnej mapie, których u Ciebie nie ma. Nigdy ich nie zapisano albo zostały zapisane źle.
- Żółte — połączenia, które rysujesz, ale nie odpowiadają idealnym. Link, który który wydawał się istnieć, ale nie istnieje.
- Niebieskie — połączenia obecne w idealnej, których pominąłeś.
Stuknij czerwony lub żółty węzeł. Fluera przed pokazaniem idealnej odpowiedzi prosi Cię, byś spróbował napisać korektę — ręką, na swoim kanwie. Potem ujawnia się nakładka. Im większa luka między Twoją pewnością a rzeczywistością, tym trwalsza staje się korekta.
Nauka stojąca za tym
W 2001 roku Brady Butterfield i Janet Metcalfe udokumentowali efekt hiperkorekcji. Kontrintuicyjnie, błędy popełnione z wysoką pewnością są poprawiane i zapamiętywane trwalej niż błędy popełnione z niską pewnością. Proponowany mechanizm: zaskoczenie byciem w błędzie, gdy się było pewnym poprawności, wyzwala aktywację ciała migdałowatego, które moduluje kodowanie hipokampalne.
Ghost Map to operacjonalizuje. Suwak pewności w kroku 3 nie jest ozdobą — przygotowuje emocjonalny kontrast.
Co nadchodzi
- Świadomy pojęciowo diff dla równań matematycznych.
- Głosy Ghost Map per dziedzina — dla STEM, dla humanistyki, dla prawa.
- Tryb replay — jak Twoja kanwa odeszło od idealnego, krok po kroku.