شنبه 8 شهریور 1404

مهمان ناخوانده در کلاس درس

وب‌گاه دنیای اقتصاد مشاهده در مرجع
مهمان ناخوانده در کلاس درس

دنیای اقتصاد: هوش مصنوعی در حال متحول‌کردن روش‌های یادگیری دانش‌آموزان و تدریس معلمان است. از برنامه‌های درسی شخصی‌سازی‌شده گرفته تا سامانه‌های هوشمند آموزش.

در حالی‌که مدارس در سراسر ایالات متحده و سایر نقاط جهان در حال ادغام هوش مصنوعی در کلاس‌های درس هستند، اما چالش‌های ایجاد تجربه‌های یادگیری بهبودیافته به اندازه پتانسیل‌های آن زیاد است.

آموزش شخصی

فناوری‌های هوش مصنوعی برای پشتیبانی از یادگیری شخصی‌سازی‌شده، ساده‌سازی امور اداری و بهبود دسترسی برای دانش‌آموزان دارای معلولیت به کار گرفته می‌شوند. به نوشته مجله اپل، ابزارهایی مانند سیستم‌های آموزش‌دهنده مبتنی بر هوش مصنوعی، پلتفرم‌های یادگیری تطبیقی و سیستم‌های تصحیح خودکار، به طور فزاینده‌ای در مدارس رایج شده‌اند؛ ابزارهایی که یک دهه پیش حتی تصور آنها نیز دشوار بود. یکی از مهم‌ترین دستاوردهای هوش مصنوعی در آموزش، توانایی آن در شخصی‌سازی فرآیند یادگیری است.

برای مثال، پلتفرم‌هایی مانند Khan Academy و «دولینگو» از هوش مصنوعی برای تنظیم سطح دشواری محتوا بر اساس عملکرد دانش‌آموز استفاده می‌کنند تا اطمینان حاصل شود که هر فرد با سرعت مناسب خود پیشرفت می‌کند. همچنین، پلتفرم‌هایی مانند دریم باکس و اسمارت‌اسپَرو، دروس ریاضی و علوم را به‌صورت بلادرنگ تطبیق می‌دهند؛ به طوری که برای دانش‌آموزان نیازمند کمک، تمرین‌های اضافی فراهم می‌کنند و برای دانش‌آموزان قوی‌تر، چالش‌های پیشرفته‌تری ارائه می‌دهند.

این شخصی‌سازی تنها به محتوای آموزشی محدود نمی‌شود. هوش مصنوعی می‌تواند با استفاده از تشخیص چهره یا تحلیل متون، نشانه‌های احساسی را شناسایی کند و به معلمان در درک وضعیت روانی دانش‌آموزان کمک کند. یک مقاله در The Conversation در سال 2024 اشاره می‌کند که ابزارهای هوش مصنوعی قادرند زمانی که دانش‌آموزی بی‌انگیزه یا ناامید به نظر می‌رسد، آن را شناسایی کنند. این قابلیت به معلمان این امکان را می‌دهد که پیش از آن‌که دانش‌آموز از فرآیند یادگیری عقب بماند، مداخله موثری داشته باشند. هوش مصنوعی همچنین در حال از بین بردن موانع پیشِ روی دانش‌آموزان دارای معلولیت است.

ابزارهایی مانند تبدیل متن به گفتار (Text-to-Speech)، زیرنویس‌گذاری آنی و مترجم‌های زبان اشاره مبتنی بر هوش مصنوعی، کلاس‌های درس را فراگیرتر و در دسترس‌تر کرده‌اند. برای مثال، ابزار Immersive Reader شرکت مایکروسافت با استفاده از هوش مصنوعی به دانش‌آموزان مبتلا به «خوانش‌پریشی» (Dyslexia) کمک می‌کند؛ به این صورت که متن را با صدای بلند می‌خواند و هم‌زمان واژه‌ها را هنگام تلفظ، هایلایت می‌کند.

با توجه به اینکه معلمان اغلب با وظایف اداری سنگینی مانند نمره‌دهی، برنامه‌ریزی درسی و پیگیری داده‌های آموزشی روبه‌رو هستند، هوش مصنوعی می‌تواند این بار (کارهای اداری) را با خودکارسازی کارهای تکراری و وقت‌گیر کاهش دهد. در این زمینه، ابزارهایی مانند Gradescope با استفاده از هوش مصنوعی، تکالیف را به‌سرعت و به‌صورت یکپارچه تصحیح می‌کنند.

پلتفرم‌هایی مانند TeachFX گفت‌وگوهای کلاس را تحلیل کرده و بازخوردهایی در مورد تعاملات میان معلم و دانش‌آموز ارائه می‌دهند. با کاهش حجم کارهای اداری، هوش مصنوعی این فرصت را برای معلمان فراهم می‌کند تا بر مهم‌ترین بخش وظیفه‌شان تمرکز کنند: تدریس و راهنمایی دانش‌آموزان. هوش مصنوعی به مدارس کمک می‌کند تا دانش‌آموزان را برای دنیایی مبتنی بر فناوری آماده کنند.

پلتفرم‌های آموزش برنامه‌نویسی مانند Code.org از هوش مصنوعی استفاده می‌کنند تا دانش‌آموزان را در حل چالش‌های برنامه‌نویسی راهنمایی کرده و مهارت مهم تفکر محاسباتی را که مهارتی کلیدی در بازار کار امروز است، به آنها آموزش دهند. علاوه بر این، شبیه‌سازهای مبتنی بر هوش مصنوعی و محیط‌های واقعیت مجازی به دانش‌آموزان این امکان را می‌دهند تا مفاهیم پیچیده‌ای مانند تغییرات اقلیمی یا زیست‌شناسی مولکولی را به شیوه‌ای تعاملی و ملموس تجربه کنند.

آینده تدریس

بررسی‌ها از روندهای نوظهور در دهه آینده نشان می‌دهد که مدارس شاهد کاربردهای پیشرفته‌تر و هوشمندتری از هوش مصنوعی خواهند بود. سیستم‌های آموزش‌دهنده هوشمند روزبه‌روز پیچیده‌تر می‌شوند؛ برخی از آنها اکنون قادرند با دانش‌آموزان مکالمات طبیعی برقرار کرده، مفاهیم را توضیح دهند و آنها را در مسیر حل مساله راهنمایی کنند. به‌عنوان مثال، ابزارهایی مانند Socratic از گوگل و Grok از xAI می‌توانند به سوالات پاسخ دهند، مفاهیم دشوار را روشن کنند و در فرآیند یادگیری همراه دانش‌آموز باشند. در آینده، این سیستم‌ها ممکن است با ارائه پشتیبانی آموزشی و حتی عاطفی در هر زمان نقش مربیان مجازی 24 ساعته را ایفا کنند.

برخی کارشناسان پیش‌بینی می‌کنند که تا سال 2030، مربیان هوش مصنوعی در نقش مکمل آموزش انسانی، نه جایگزین آن به یک جزء استاندارد در کلاس‌های درس تبدیل خواهند شد.

علاوه بر این قابلیت‌های هوش مصنوعی به‌گونه‌ای است که می‌تواند یادگیری برای دانش‌آموزان را با بازی‌سازی مبتنی بر این فناوری جذاب کند. پلتفرم‌هایی مانند Classcraft از هوش مصنوعی برای ایجاد محیط‌های آموزشی مبتنی بر بازی استفاده می‌کنند، جایی که دانش‌آموزان با انجام وظایف درسی، امتیاز و پاداش دریافت می‌کنند.

همچنین، سیستم‌های واقعیت مجازی (VR) و واقعیت افزوده (AR) مبتنی بر هوش مصنوعی، تجربیات یادگیری غوطه‌ورانه و زنده را فراهم می‌کنند. برای مثال، دانش‌آموزان می‌توانند به‌صورت مجازی از رم باستان بازدید کنند یا بدن انسان را به‌صورت سه‌بعدی کاوش کنند. این تجربه‌ها می توانند مفاهیم تاریخی و علمی را ملموس و جذاب‌تر کنند. علاوه بر این، این ابزارها نه‌تنها باعث افزایش مشارکت دانش‌آموزان می‌شوند، بلکه به تقویت یادگیری عمیق‌تر و ماندگارتر کمک می‌کنند.

پیش‌بینی و پیشگیری از چالش‌های تحصیلی با تحلیل داده‌های هوش مصنوعی نیز از دیگر قابلیت‌های ادغام این فناوری در مدارس است. ابزارهای تحلیل پیش‌بینی‌کننده می‌توانند با بررسی الگوهای عملکرد و رفتار دانش‌آموزان، افرادی را که در معرض خطر ترک تحصیل یا مردودی هستند، شناسایی کنند. این امکان به معلمان و مشاوران داده می‌شود تا زودتر مداخله کرده و حمایت هدفمند ارائه دهند تا دانش‌آموزان در مسیر درست باقی بمانند. وزارت آموزش و پرورش ایالات متحده نیز در حال بررسی این است که چگونه می‌توان از تحلیل‌های پیش‌بینی‌کننده برای افزایش نرخ فارغ‌التحصیلی در جوامع محروم استفاده کرد.

موانع هوشمندسازی 

تا اینجا درباره پتانسیل گسترده به‌کارگیری هوش مصنوعی در مدارس صحبت کردیم، اما نمی‌توان به چالش‌های ادغام آن در مدارس بی‌توجه بود. مسائلی مانند نگرانی‌های اخلاقی، نابرابری در دسترسی و ریسک وابستگی بیش از حد به فناوری، از موانع مهمی هستند که معلمان، مدیران و سیاستگذاران باید به آنها رسیدگی کنند.

به‌عنوان مثال، همه مدارس از نظر مالی یا فنی توانایی استفاده از فناوری‌های هوش مصنوعی را ندارند، که می‌تواند شکاف آموزشی میان مدارس برخوردار و محروم را افزایش دهد. همچنین، استفاده نادرست یا افراطی از فناوری ممکن است جای تعامل انسانی را بگیرد یا مسائل مربوط به حریم خصوصی داده‌های دانش‌آموزان را به وجود آورد. به همین دلیل، استقرار هوش مصنوعی در آموزش نیازمند برنامه‌ریزی دقیق، قوانین شفاف و تضمین دسترسی عادلانه برای همه دانش‌آموزان است.

سیستم‌های هوش مصنوعی برای عملکرد موثر، به حجم زیادی از داده‌های دانش‌آموزان متکی هستند. این موضوع نگرانی‌های جدی در زمینه حریم خصوصی و امنیت اطلاعات ایجاد می‌کند. مدارس باید اطمینان حاصل کنند که ابزارهای هوش مصنوعی با مقرراتی مانند قانون حقوق آموزشی و حریم خصوصی خانواده‌ها (FERPA) مطابقت داشته باشند و داده‌ها به‌صورت ایمن و محرمانه ذخیره و پردازش شوند. بدون رعایت این الزامات، خطرهایی مانند نشت اطلاعات شخصی، استفاده نادرست از داده‌ها یا حتی نقض حقوق دانش‌آموزان وجود دارد. بنابراین، پیاده‌سازی هوش مصنوعی در آموزش باید با سیاست‌های شفاف، نظارت دقیق و آگاهی‌بخشی به والدین، معلمان و دانش‌آموزان همراه باشد.

حذف بُعد انسانی در آموزش با استفاده نادرست از هوش مصنوعی یکی از چالش های جدی ادغام این فناوری در مدارس است. دانشکده تحصیلات تکمیلی آموزش دانشگاه هاروارد تاکید می‌کند که اگرچه هوش مصنوعی می‌تواند فرآیند یادگیری را تقویت کند، اما هرگز نمی‌تواند هوش هیجانی، همدلی و راهنمایی انسانی که معلمان ارائه می‌دهند را جایگزین کند. به همین منظور، ایجاد تعادل میان فناوری و تعامل انسانی برای جلوگیری از بیگانگی دانش‌آموزان حیاتی است.

با اینکه داده‌های هوش مصنوعی مسیر یادگیری را برای دانش‌آموزان تسهیل می‌کند، اما داده‌های مغرضانه می‌توانند به نتایج مغرضانه منجر شوند. برای مثال، اگر یک سیستم آموزشی مبتنی بر هوش مصنوعی با داده‌هایی آموزش ببیند که بیشتر به نفع یک گروه جمعیتی خاص است، ممکن است ناخواسته سایر گروه‌ها را در معرض نابرابری قرار دهد.

در چنین شرایطی، الگوریتم‌های هوش مصنوعی می‌توانند به‌جای کاهش نابرابری‌ها، آنها را تداوم ببخشند. بنابراین، مدارس باید اطمینان حاصل کنند که ابزارهای هوش مصنوعی با رویکردی عادلانه طراحی شده‌اند. در مجموع لازم است تا الگوریتم‌ها به‌طور منظم برای شناسایی و رفع سوگیری‌ها بررسی و ممیزی شوند، رویکردهای مبتنی بر فناوری، نقش و حضور تعامل انسانی را تکمیل و نه جایگزین کنند تا با این اقدامات محیطی فراگیر، منصفانه و موثر در آموزش مبتنی بر هوش مصنوعی ایجاد شود.

از سوی دیگر، با گسترش استفاده از هوش مصنوعی، توجه جهانی به چارچوب‌های اخلاقی در آموزش نیز در حال افزایش است. سازمان‌هایی مانند یونسکو و مجمع جهانی اقتصاد، خواستار ایجاد استانداردهای جهانی برای تضمین استفاده مسوولانه از هوش مصنوعی در مدارس هستند. این استانداردها بر اصول شفافیت، عدالت و پاسخ‌گویی تاکید دارند تا اطمینان حاصل شود که هوش مصنوعی به شکلی برابر و منصفانه در خدمت همه دانش‌آموزان قرار گیرد. همچنین برای اینکه آمادگی لازم برای آینده‌ای مبتنی بر هوش مصنوعی را داشته باشیم و بتوان از تمام ظرفیت‌های هوش مصنوعی در آموزش بهره‌برداری کرد، مدارس، معلمان و سیاستگذاران باید به‌صورت هماهنگ عمل کنند و با هم برای حل چالش‌های پیش‌رو گام بردارند.

این همکاری باید در تدوین سیاست‌های اخلاق‌محور و شفاف، آموزش و توانمندسازی معلمان برای کار با فناوری‌های نوین، سرمایه‌گذاری در زیرساخت‌ها و دسترسی برابر به ابزارهای هوش مصنوعی و نظارت و ارزیابی مداوم برای شناسایی و رفع سوگیری‌ها یا آسیب‌های احتمالی باشد. در مجموع، به نظر می‌رسد که تنها با چنین همکاری جامع و هدفمند است که می‌توان آینده‌ای ساخت که در آن هوش مصنوعی، ابزاری برای تقویت آموزش، ارتقای عدالت، و حمایت از یادگیرندگان باشد، نه جایگزینی نگران‌کننده برای انسان.

هوش مصنوعی، تفکر انتقادی را از بین می‌برد

دنیای اقتصاد: در حالی دانش‌آموزان و دانشجویان آماده ورود به محیط آموزشی هستند که هوش مصنوعی در رگ و پی دانش، آموزش و جست‌وجو رسوخ کرده است و اکنون بسیاری از دانشگاه‌ها و مدارس در حال تطبیق خود با انقلاب فعلی هستند.

سوال اصلی این است که آیا برنامه‌های درسی در محیط‌های آموزش به هوش مصنوعی مجهز شده‌اند یا خیر و همچنین اینکه این ابزار چه تفاوتی را در آموزش رقم خواهد زد. مجله فارن‌افرز در یک پرونده درباره ورود هوش مصنوعی به محیط آموزشی با کاترین پتریچ، رئیس برنامه و استادیار اطلاعات تهدید موسسه بین‌المللی مطالعات میدلبری، انجام داده است که در ادامه می‌خوانید.

چرا موسسه رشته‌های کا رشناسی ارشد جدید در حوزه «اطلاعات تهدید» و «حاکمیت جهانی» را راه‌اندازی کرد؟

رشته‌های جدید ما پاسخی به این واقعیت‌اند که قدرت جهانی دیگر صرفا در دست دولت‌ها نیست. بازیگران غیردولتی، شرکت‌ها، شرکت‌های فناوری حتی مزرعه‌های ترول‌سازی هم‌اکنون در حال شکل‌دادن به نتایج بین‌المللی هستند. نکته مهم در مورد میدلبری این است که بین‌المللی بودن فقط یک موضوع نیست که در پایان ترم در قالب یک درس به آن پرداخته شود، بلکه در سراسر برنامه درسی ادغام شده است.

اطلاعات تهدید به دانشجویان می‌آموزد که چگونه کل این اکوسیستم را تحلیل کنند؛ نه فقط دولت‌ها، بلکه شرکت‌های فناوری بزرگ، صنایع نفت و گاز و شبکه‌های انتشار اطلاعات نادرست. حاکمیت جهانی به دانشجویان کمک می‌کند درک کنند که چگونه هنجارها و نظام‌های بین‌المللی در واکنش به این تغییرات دگرگون می‌شوند. این تحولات فرضی نیستند؛ واقعی و جاری‌اند و ما دانشجویان را آماده می‌کنیم تا با آنها روبه‌رو شوند.

چگونه اعضای هیات علمی در پرتو تحولات هوش مصنوعی و جابه‌جایی‌های ژئوپلیتیک برنامه‌های درسی و شیوه تدریس خود را به‌روزرسانی می‌کنند؟

هوش مصنوعی یک تقویت‌کننده قدرت است؛ چیزی اختیاری نیست و ما باید چه از نظر مزایا و چه از نظر ریسک‌ها با آن درگیر شویم. بزرگ‌ترین نگرانی من برای دانشجویان اتکای بیش از حد به آن است. شواهد محکمی داریم که نشان می‌دهد وابستگی شدید به هوش مصنوعی می‌تواند توانایی تفکر انتقادی را تضعیف کند.

بنابراین ما با دانشجویان کار می‌کنیم تا بیاموزند چه زمانی باید از آن استفاده کنند، چه زمانی نه و سپس چگونه خروجی‌های آن را ارزیابی کنند. درحالی‌که دوره‌های کارشناسی بیشتر برای ایجاد آشنایی گسترده طراحی شده‌اند یک برنامه کارشناسی ارشد خوب جایی است که باید عمیق و برای ورود به حرفه آماده شد. دانشجو باید با دانش محتوایی عمیق و ترکیبی از مهارت‌های سخت و نرم از برنامه خارج شود.

ممکن است نیاز باشد زبان SQL را متوجه شد یا بتوان داده‌ها را در اکسل سامان‌دهی کرد، اما در عین حال باید توانایی خواندن لابه‌لای سخنان یک نخست‌وزیر یا ارزیابی میزان اعتبار یک پست در شبکه‌های اجتماعی را هم داشت. ایده‌آل این است که دانشجویان همه این مهارت‌ها را با ما تمرین کنند و حتی در این مسیر اشتباه کنند پیش از آنکه وارد یک شغل واقعی شوند.

چه مهارت‌هایی برای فارغ‌التحصیلان اهمیت بیشتری پیدا کرده‌اند؟

سواد اطلاعاتی. در گذشته تحقیق به معنای رفتن به کتابخانه بود؛ جایی که تقریبا همه منابع معتبر بودند. اما امروز دانشجویان با حجم انبوهی از منابع روبه‌رو هستند و باید بتوانند به سرعت تشخیص دهند کدام منابع قابل اعتمادند. توانایی فیلتر کردن و معنا دادن به داده‌های دیجیتال حیاتی است. با هوش مصنوعی، مساله فقط «محاسبات پیچیده ریاضی» نیست؛ بلکه درک این است که خروجی واقعا چه معنایی دارد و حتی آیا واقعی هست یا نه. آیا می‌توان توهمات مدل را تشخیص داد؟ آیا می‌توان خروجی مدل را با دیگر منابع مقایسه و اعتبارسنجی کرد؟ این نوع کار تحلیلی ترجمه خروجی‌های فنی به تصمیم‌های معنادار هرچه بیشتر به قلب آموزش ما تبدیل شده است.

چه توصیه‌ای برای افرادی دارید که در این دوران پرابهام می‌خواهند وارد بازار کار شوند؟

به‌عنوان کسی که خودش در دو دوره رکود فارغ‌التحصیل شد توصیه‌ای که ای‌کاش زودتر به من داده بودند این است که کمتر روی عنوان شغلی تمرکز کنید و بیشتر بر کارکرد شغل متمرکز شوید. واقعا می‌خواهید هر روز چه کاری انجام دهید، سفر کنید، بنویسید؟ با سیاستگذاران جلسه داشته باشید؟ کار میدانی کنید؟ از همان‌جا شروع کنید. دنیا به گذشته انزواطلبانه بازنمی‌گردد. شاید رویای کار در دولت فدرال یا یک اندیشکده را داشته باشید، اما در نهایت خودتان را در یک شرکت کشتیرانی دریایی ببینید. همچنان شما در بستر بین فرهنگی مذاکره می‌کنید. مهارت‌های دیپلماسی، پل‌سازی و تحلیل همچنان کاربرد دارند.

مهمان ناخوانده در کلاس درس 2