هوش مصنوعی در دانشگاه چه کمکی به دانشجو میکند و چه چیزهایی را از آموزش کم میکند؟ مزایا، خطاها و خطر جایگزین شدن استاد را بخوانید.
هوش مصنوعی در آموزش دانشگاهی دقیقاً چه کارهایی انجام میدهد؟
دانشگاهها از هوش مصنوعی برای چند کار آشنا استفاده میکنند: تدریس، ارائه درس، دادن بازخورد و نمرهدهی. اینها قابلیتهای تازهای نیستند؛ پیشتر هم بخش اصلی آموزش دانشگاهی را استادان انجام میدادند. تفاوت در این است که حالا بخشی از این کارها به ابزارهای نرمافزاری سپرده میشود.
برای نمونه، Cogniti در University of Sydney به دانشجویان اجازه میدهد پیش از تحویل تکلیف، در هر ساعت از شبانهروز بازخورد بگیرند. University of Wollongong نیز استفاده آزمایشی از «همراهان مطالعه» هوش مصنوعی را در ۱۵ درس پرجمعیت سال اول آغاز کرده است تا به پرسشهای رایج دانشجویان تازهوارد پاسخ دهند.
برخی ابزارها برای تمرین موقعیتهای واقعی طراحی شدهاند. Fletch در La Trobe University نقش والد ناراضی را بازی میکند تا دانشجویان تربیت معلم گفتوگویی دشوار را تمرین کنند. در University of Newcastle نیز قرار است یک آواتار هوش مصنوعی درسهای یک واحد کامپیوتر را ارائه دهد؛ متن را استاد مینویسد و نرمافزار صدا و چهره ارائهدهنده را تولید میکند.
دانشجو از بازخورد فوری و توضیح شخصی چه سودی میبرد؟
یکی از شکایتهای همیشگی دانشجویان، دیر رسیدن بازخورد درباره تکالیف است. ابزار هوش مصنوعی میتواند به دانشجو اجازه دهد همان لحظهای که پرسشی برایش پیش میآید، پاسخ بخواهد و برای یک نکته توضیح بیشتری بگیرد؛ بدون اینکه لازم باشد تا جلسه بعد صبر کند یا از پرسیدن سؤال تکراری خجالت بکشد.
این ابزارها همچنین میتوانند ایدهها و مفاهیم دانشگاهی را به زبان بومی دانشجو یا در چارچوب رشتهای آشناتر توضیح دهند. پژوهش درباره دانشجویان دانشگاههای استرالیا نشان میدهد حدود نیمی از آنها از AI برای خواندن متنهای دانشگاهی استفاده میکنند. رایجترین دلیل، ترجمه مفاهیم به زبان مادری یا تبدیل آنها به زبانی متناسب با رشته تحصیلی بوده است.
دانشگاهها ممکن است با ساخت ابزارهای اختصاصی، استفاده دانشجویان از AI را بهتر کنترل کنند. حدود نیمی از دانشجویان دانشگاههای استرالیا به ابتکار خودشان برای دریافت بازخورد از هوش مصنوعی استفاده میکنند؛ اما چنین ابزاری ممکن است بهجای بازخورد، پاسخ آماده بدهد یا حتی خودِ تکلیف را انجام دهد. ابزار دانشگاهی میتواند مرزهایی بگذارد تا AI بیشتر به یادگیری کمک کند و کمتر جای آن را بگیرد.
خطرهای استفاده از هوش مصنوعی در کلاس چیست؟
هوش مصنوعی همیشه دقیق نیست. ممکن است اطلاعاتی نادرست بسازد، مفاهیم پیچیده را بیش از حد ساده کند یا یک موضوع را از زاویهای محدود، از جمله دیدگاهی عمدتاً غربی و مردانه، ارائه دهد. بنابراین پاسخ روان و مطمئن یک چتبات بهخودیخود نشانه درست بودن آن نیست.
استفاده از AI نگرانی محیطزیستی هم دارد، چون مراکز داده برای اجرای این سامانهها انرژی زیادی مصرف میکنند. از طرف دیگر، هنوز در استرالیا قواعد مشخصی وجود ندارد که دقیقاً تعیین کند دانشگاه چه زمانی، در کجا، با چه هدفی و به چه روشی باید از چتبات در درس استفاده کند.
این نبودِ قواعد، تصمیمگیری را دشوارتر میکند. انتخابهایی که دانشگاهها امروز انجام میدهند ممکن است بعداً بهسادگی قابل بازگشت نباشند. به همین دلیل، مسئله فقط این نیست که یک ابزار چقدر سریع یا ارزان کار میکند؛ باید دید حضور آن چه بخشی از آموزش را تغییر میدهد.
اگر AI جای استاد را بگیرد، چه چیزی از آموزش کم میشود؟
آموزش فقط انتقال اطلاعات نیست. وقتی دانشجویی در کلاس سؤال میپرسد، پاسخ سؤال به او کمک میکند؛ اما خودِ سؤال نیز به استاد نشان میدهد کلاس کدام بخش را فهمیده و کدام بخش به توضیح بیشتری نیاز دارد. این رفتوبرگشت به استاد کمک میکند شیوه تدریسش را با وضعیت کلاس هماهنگ کند.
بازخورد استاد فقط درباره متن تکلیف نیست. این بازخورد میتواند نشان دهد که پیشرفت دانشجو و جدی گرفتن کار او اهمیت دارد. در اینجا مفهوم «بهرسمیت شناخته شدن» مطرح میشود: استاد ممکن است استدلال ضعیف را به چالش بکشد، پیشرفت واقعی را ببیند یا از دانشجو انتظار بیشتری داشته باشد.
چنین واکنشی به دانشجو نشان میدهد او توانایی مشارکت در یک حوزه دانشی را دارد و ایدههایش شایسته داوری جدی هستند. یک سامانه AI میتواند بازخوردی روشن و مفید تولید کند و حتی همان کلمات استاد را به کار ببرد؛ اما خودش نمیتواند دانشجو را بهعنوان یک مشارکتکننده در آن حوزه بهرسمیت بشناسد. شباهت اطلاعات، به معنای یکسان بودن تجربه آموزشی نیست.
هوش مصنوعی در دانشگاه چه زمانی به ابزار مناسبی تبدیل میشود؟
استفاده از AI زمانی بیشترین فایده را دارد که برای تمرین، توضیح، بازخورد اولیه و دسترسی آسانتر به کمک آموزشی به کار رود و دانشگاه برای آن حد و مرز مشخص داشته باشد. این ابزارها میتوانند پاسخگویی را سریعتر کنند و به دانشجو فرصت دهند پیش از تحویل تکلیف، ابهامهایش را بررسی کند.
اما جایگزین کردن کامل تعامل با استاد، مسئلهای متفاوت است. اگر AI بهجای تقویت یادگیری، به ارائه پاسخ آماده یا حذف گفتوگوی آموزشی منجر شود، دانشجو بخشی از تجربهای را از دست میدهد که فقط انتقال اطلاعات نیست: دیده شدن، به چالش کشیده شدن و جدی گرفته شدن در مسیر یادگیری.
