معلم نامرئی هوش مولد آینده چه طور تدریس خصوصی را دگرگون می کند
به گزارش لیمو بلاگ، بررسی تجربی پروژه های آموزشی در کشورهای مختلف از نیجریه تا بریتانیا نشان می دهد، معلم های دیجیتال با هزینه ای بمراتب کمتر، کارآیی مشابه یا بالاتر نسبت به روشهای سنتی دارند.
به گزارش لیمو بلاگ به نقل از مهر، در سالهای اخیر، هوش مصنوعی مولد به یکی از پیشران های اصلی تحول در آموزش تبدیل گشته است؛ تحولی که خیلی از مفسرین آنرا هم تراز با ورود اینترنت به کلاس های درس یا گسترش آموزش دیجیتال در دهه های گذشته می دانند. با این وجود، شاید هیچ حوزه ای به اندازه «تدریس خصوصی» ظرفیت دگرگونی نداشته باشد؛ حوزه ای که بصورت تاریخی به علت هزینه بالا و محدودیت دسترسی، به طور عمده در اختیار گروههای برخوردار قرار داشته است.
آموزش رسمی در بیشتر کشورها با چالش های ساختاری مشابه و یکسانی، شامل کلاس های پرجمعیت، ناهمگونی شدید در سطح یادگیری دانش آموزان، محدودیت زمان معلم برای توجه فردی، و کمبود منابع انسانی متخصص روبرو است. در چنین شرایطی، مدل سنتی آموزش ناگزیر به الگوی میانگین تمایل پیدا می کند؛ یعنی محتوا برای دانش آموز متوسط طراحی می شود، درنتیجه دانش آموزان پیشرو کمتر به چالش کشیده می شوند و دانش آموزان ضعیف تر نیز با شکاف یادگیری فزاینده مواجه خواهند شد.
پلتفرم های تدریس مجهز به هوش مصنوعی در تلاش هستند این پارادایم را تغییر دهند. این سامانه ها با تحلیل مستمر داده های یادگیری، الگوهای خطا، سرعت پیشرفت و سبک شناختی هر یادگیرنده می توانند تجربه ای نزدیک به «معلم خصوصی دیجیتال» فراهم کنند؛ تجربه ای که تا پیش از این تنها از راه جلسات حضوری و پرهزینه امکانپذیر بود. در حقیقت، وعده اصلی این فناوری نه فقط دیجیتالی کردن آموزش بلکه صنعتی سازی آموزش بصورت فردمحور و عرضه یادگیری شخصی سازی شده در مقیاسی است که نظام های آموزشی سنتی هیچ گاه قادر به تحقق آن نبوده اند.
با این حال، تاریخ فناوری آموزشی مملو از نوآوری هایی است که انتظارات بزرگی ایجاد کردند اما در عمل اثرگذاری محدودی داشتند. از همین روی، پرسش کلیدی آن است که آیا شواهد تجربی از این وعده ها حمایت می کنند یا فقط با موجی دیگر از خوشبینی فناورانه مواجه هستیم؟ بررسی مطالعات جدید نشان داده است که اگر این سامانه ها بر مبنای اصول معتبر علوم تربیتی و نه فقط بر پایه توانایی فنی مدلها، طراحی شوند، می توانند موفقیتهای یادگیری قابل توجهی ایجاد کنند، راندمان آموزشی را بالا برند و حتی منطق تخصیص منابع در نظام های آموزشی را بازآرایی نمایند.
به بیان دیگر، هوش مصنوعی مولد تنها یک ابزار کمکی برای آموزش نیست؛ بلکه درحال تبدیل شدن به زیرساختی استراتژیک است که می تواند نسبت میان معلم، دانش آموز و محتوا را تعریف مجدد کند و آموزش را از یک الگوی یکسان برای همه، به تجربه ای تطبیق پذیر و داده محور تغییر دهد.
از سیستم های هوشمند سنتی تا عصر هوش مصنوعی مولد
ایده استفاده از فناوری برای عرضه تدریس فردی مبحث تازه ای نیست. «سامانه های تدریس هوشمند» سال ها مورد توجه سیاستگذاران و محققان بوده اند و مطالعات مختلفی نشان داده اند که این سامانه ها می توانند عملکردی هم تراز با تدریس انسانی داشته باشند. پژوهش های فراتحلیلی نیز از برتری این سیستم ها نسبت به آموزش کلاس محور سنتی در بعضی زمینه ها اطلاع داده اند.
با ورود مدلهای زبانی بزرگ، نسل تازه ای از این سامانه ها شکل گرفته است. برعکس سیستم های مبتنی بر قواعد که به مسیرهای از پیش تعریف شده وابسته بودند، هوش مصنوعی مولد می تواند گفت و گویی طبیعی بوجود آورد، بازخوردهای پیچیده عرضه نماید و محتوا را بصورت پویا تولید نماید. این تحول نه فقط محدودیت های تاریخی سیستم های قدیمی را کاهش داده بلکه شیوه طراحی و استقرار پلت فرم های آموزشی را نیز دستخوش تحول می کند.
شواهد تجربی چه می گویند؟
هرچند خیلی از ادعاها درباره ی مزایای آموزشی هوش مصنوعی سریع تر از شواهد علمی مطرح شده اند، اما چند کارآزمایی تصادفی کنترل شده اخیر تصویری امیدوارکننده عرضه می کنند:
در دانشگاه هاروارد، مطالعه ای روی ۱۹۴ دانشجوی فیزیک نشان داد دانشجویانی که از معلم مبتنی بر هوش مصنوعی استفاده کردند، بالاتر از دو برابر نسبت به سایرین پیشرفت یادگیری داشتند. این گروه در زمان کمتری به نمرات بالاتری دست پیدا کردند و سطح درگیری و انگیزش بیشتری گزارش کردند. طراحی آموزشی دقیق، تنظیم سرعت یادگیری بر مبنای نیاز دانشجو و تعبیه سازوکارهای کنترل دقت از عوامل کلیدی موفقیت این پروژه بود.
در بریتانیا، پژوهشی با مشارکت چند مدرسه متوسطه نشان داد مدلی از هوش مصنوعی مولد که تحت نظارت معلمان انسانی فعالیت می کرد، نه فقط در اصلاح خطاها به اندازه معلمان مؤثر بود بلکه انتقال دانش به مسایل جدید را نیز بهبود بخشید. استفاده از گفت وگوهای سقراطی و تعامل ناظر بر مخاطب به دانش آموزان کمک کرد خودشان اشتباهات را شناسایی کنند؛ نگاهی که با اصول یادگیری عمیق هم خوانی دارد.
مطالعه بانک جهانی در نیجریه نیز نشان داد استفاده از چت بات های آموزشی باعث بهبود معنادار عملکرد دانش آموزان در زبان انگلیسی شد. تحلیل هزینه-فایده این مداخله را در زمره اقتصادی ترین برنامه های ارتقاء یادگیری قرار داد و روشن ساخت که چنین روشهایی می توانند معادل یک تا دو سال آموزش متعارف اثرگذاری داشته باشند.
در ایالات متحده، دانشگاه استنفورد با بررسی بالاتر از نیم میلیون پیام در جلسات تدریس زنده دریافت که دسترسی معلمان به دستیار هوش مصنوعی احتمال تسلط دانش آموزان بر مباحث ریاضی را افزایش می دهد؛ اثری که برای معلمان کم تجربه حتی پررنگ تر بود.
ارزش افزوده ای که قبل تر ممکن نبود
بر اساس برآوردهای صورت گرفته، هوش مصنوعی مولد چند قابلیت کلیدی را به اکوسیستم تدریس افزوده است. نخست، توانایی تولید توضیحات شخصی سازی شده بر مبنای پرسش حقیقی دانش آموز و عدم اتکای صرف به انتخاب پاسخ از یک لیست محدود است. این خاصیت امکان طرح پرسش های پیگیری و دریافت پاسخ های متناسب با بافت گفت و گو را فراهم می آورد.
دوم، این پلت فرم ها می توانند پرسش ها را بصورت لحظه ای تولید کنند و از طیفی متنوع از مهارتهای آموزشی مانند پرسش های کاوشگر، راهنما یا تلفیقی از پرسش های باز و بسته بهره ببرند. چنین انعطافی در سیستم های قدیمی کمتر دیده می شد.
سوم، با استفاده از ابزارهای مذکور، محیطی روان شناختی امن ایجاد می شود. خیلی از دانش آموزان در کلاس از بیان ابهام یا ضعف خود خجالت می کشند، اما یک معلم هوشمند با صبر نامحدود و بدون قضاوت پاسخ می دهد. این خاصیت می تواند موانع احساسی یادگیری را کم کند.
در نهایت، این سامانه ها خیلی انعطاف پذیر هستند و می توانند مکمل آموزش کلاسی باشند یا جایگزین بخشی از آن شوند، در خانه یا مدرسه استفاده شوند و بصورت همزمان یا ناهمزمان در دسترس قرار گیرند.
مزایای سیستمی هوش مصنوعی؛ ابزاری فراتر از یادگیرندگان
تمرکز صرف بر دانش آموزان تصویر ناقصی به مدرسان ارائه می کند. برای معلمان، این ابزارها می توانند راندمان را بخصوص در مدارس کم برخوردار و دارای محدودیت زمان و نیروی انسانی به صورت قابل ملاحظه ای بالا برند. علاوه بر این، معلمان تازه کار نیز از راهنمایی های لحظه ای، الگوهای طراحی درس و پیشنهادهای آموزشی بهره مند می شوند و همزمان مهارت حرفه ای خودرا توسعه می دهند.
از منظر مدیریت آموزشی، این پلت فرم ها می توانند الگوی استفاده از زمان کلاس را تغییر دهند. به بیانی دیگر، در مدل مذکور، دانش آموزان مباحث مقدماتی را خارج از کلاس می آموزند و زمان حضوری صرف فعالیتهای پیچیده تر مانند کار گروهی و تفکر انتقادی می شود.
همچنین، در سطح کلان، تولید پویای محتوا و تمرین نیاز به طراحی دستی سناریوهای گوناگون آموزشی را می کاهد و هزینه توسعه برنامه های یادگیری را پایین می آورد. همین مزیت اقتصادی، این فناوری را به گزینه ای جذاب برای کشورهایی تبدیل میکند که با کمبود معلم یا رشد سریع جمعیت دانش آموزی مواجهند.
طراحی، حلقه مفقوده موفقیت
با وجود این ظرفیت ها، موفقیت چنین سیستمهایی چندان کم هزینه نیست. بر همین اساس، پژوهشها نشان می دهند دانش آموزانی که بدون راهنمایی از هوش مصنوعی استفاده می نمایند، اغلب تأمل محدودی بر محتوای آموزشی دارند. بدین سبب طراحی آموزشی در فرآیند استقرار این فناوری، اهمیت حیاتی دارد.
به عقیده کارشناسان، نمونه های موفق به طور معمول بر رویکرد «آموزش از راه هدایت» و عدم عرضه پاسخ مستقیم، تکیه دارند. استفاده از روش گفت و گو محور، شکستن مسایل پیچیده به قدمهای کوچک و عرضه محتوای ساختاریافته به مدیریت بار شناختی کمک می نماید. همینطور تعبیه راهکارهای مرحله به مرحله در دستورهای سیستم می تواند از خطاهای محتوایی پیشگیری کند.
بازتعریف آینده آموزش با تاکید بر هوش مصنوعی
شواهد موجود از آن حکایت می کند که پلت فرم های تدریس مجهز به هوش مصنوعی مولد می توانند موفقیتهای حوزه یادگیری را بالا برند، انگیزه دانش آموزان را تقویت نمایند و آموزش فردمحور را از یک امتیاز لوکس به امکانی فراگیر تبدیل سازند. این فناوری نه فقط تجربه یادگیری را بازطراحی می کند بلکه می تواند شکاف های آموزشی را در محیط های کم منبع کم کند.
با این حال، گویی آینده موفق این حوزه در گرو انتخابی راهبردی، شامل جایگزینی کامل معلم یا هم افزایی هوشمندانه با او است. شواهد به روشنی گزینه دوم را ترجیح می دهند. اگر نظام های آموزشی بتوانند این همکاری را به درستی طراحی نمایند، شاید برای اولین بار در تاریخ، دسترسی به «معلم خصوصی» با کیفیت دیگر به طبقات برخوردار محدود نباشد، بلکه به استانداردی عمومی در آموزش تبدیل گردد.
این گروه در زمان کمتری به نمرات بالاتری دست پیدا کردند و سطح درگیری و انگیزش بیشتری گزارش کردند. دوم، این پلتفرم ها می توانند پرسش ها را به طور لحظه ای تولید کنند و از طیفی متنوع از مهارتهای آموزشی مانند پرسش های کاوشگر، راهنما یا ترکیبی از پرسش های باز و بسته بهره ببرند. همچنین تعبیه راهکارهای مرحله به مرحله در دستورهای سیستم می تواند از خطاهای محتوایی پیشگیری کند.
این مطلب لیمو بلاگ را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط در لیموبلاگ
نظرات بینندگان لیموبلاگ در مورد این مطلب