تبریز امروز:
آمریکایی‌های فعال در حوزه فناوری، بیش از یک قرن است که به مربیان و دست‌اندرکاران آموزش می‌گویند که اختراعات جدیدشان را به سرعت به کار گیرند. در سال ۱۹۲۲، «توماس ادیسون» ادعا کرد که در آینده‌ای نزدیک، همه کتاب‌های درسی مدرسه با نوارهای فیلم جایگزین خواهند شد، زیرا بازدهی متن ۲٪ بود، اما فیلم ۱۰۰٪ بازدهی داشت. این آمار ساختگی یادآوری خوبی است که افراد می‌توانند تکنولوژیست‌های درخشانی باشند، در حالی که در عین حال مصلحان آموزشی ناتوانی نیز هستند.
من هر بار که می‌شنوم متخصصان فناوری اصرار می‌کنند که مربیان باید هر چه سریع‌تر هوش مصنوعی را بپذیرند تا از تحولی که به زودی مدارس و جامعه را دربرخواهد گرفت، پیشی بگیرند، به ادیسون فکر می‌کنم.
در MIT، من تاریخ و آینده فناوری آموزشی را مطالعه می‌کنم و هرگز با نمونه‌ای از یک سیستم مدرسه‌ای – یک کشور، ایالت یا شهر – روبرو نشده‌ام که یک فناوری دیجیتال جدید را به سرعت پذیرفته و مزایای پایداری برای دانش‌آموزان خود دیده باشد. اولین مناطق آموزشی که دانش‌آموزان را تشویق کردند تلفن همراه را به کلاس بیاورند، جوانان را برای آینده بهتر از مدارسی که رویکرد محتاطانه‌تری داشتند، آماده نکردند. هیچ مدرکی وجود ندارد که نشان دهد اولین کشورهایی که کلاس‌های درس خود را به اینترنت متصل کردند، از نظر رشد اقتصادی، موفقیت تحصیلی یا رفاه شهروندان، جایگاه ممتازی دارند.
فناوری‌های آموزشی جدید تنها به اندازه جوامعی که راهنمای استفاده از آنها هستند، قدرتمندند. باز کردن یک تب مرورگر جدید آسان است؛ ایجاد شرایط برای یادگیری خوب دشوار است.
سال‌ها زمان می‌برد تا مربیان روش‌ها و هنجارهای جدید را توسعه دهند، دانش‌آموزان روالهای جدید را بپذیرند و خانواده‌ها مکانیسم‌های حمایتی جدیدی را شناسایی کنند تا یک اختراع نوآورانه به طور قابل اعتمادی منجر به بهبود یادگیری شود. اما همان‌طور که هوش مصنوعی در مدارس گسترش می‌یابد، هم تحلیل تاریخی و هم تحقیقات جدید انجام شده با معلمان و دانش‌آموزان مقاطع K-12، راهنمایی‌هایی برای عبور از عدم قطعیت‌ها و به حداقل رساندن آسیب ارائه می‌دهند.
قبلاً هم اشتباه کرده‌ایم و بیش از حد اعتماد به نفس داشته‌ایم
من در سال ۲۰۰۳ به دانش‌آموزان دبیرستانی تاریخ آموزش جستجوی در وب را شروع کردم. در آن زمان، کارشناسان علم کتابداری و اطلاعات، روش‌شناسیی برای ارزیابی وب توسعه دادند که دانش‌آموزان را تشویق می‌کرد تا با دقت صفحات وب را برای یافتن نشانه‌های اعتبار – مانند استنادها، قالب‌بندی مناسب و صفحه «درباره ما» – مطالعه کنند. ما به دانش‌آموزان چک‌لیست‌هایی مانند «آزمون CRAAP» – ارزیابی به‌روزبودن، قابلیت اطمینان، مرجعیت، دقت و هدف – می‌دادیم تا راهنمای ارزیابی آنان باشد. به دانش‌آموزان آموزش می‌دادیم که از ویکی‌پدیا اجتناب کنند و به وب‌سایت‌های با دامنه org. یا edu. بیش از دامنه‌های com. اعتماد کنند. در آن زمان همه اینها معقول و مبتنی بر شواهد به نظر می‌رسید.
اولین مقاله معتبر هم‌تاوانی‌شده که روش‌های مؤثر برای آموزش جستجوی وب به دانش‌آموزان را نشان می‌داد، در سال ۲۰۱۹ منتشر شد. این مقاله نشان داد که تازه‌کارهایی که از این تکنیک‌های رایج آموزش‌دیده استفاده می‌کردند، در آزمون‌های ارزیابی توانایی تشخیص حقیقت از دروغ در اینترنت، عملکرد بسیار ضعیفی داشتند. همچنین نشان داد که متخصصان ارزیابی اطلاعات آنلاین از رویکردی کاملاً متفاوت استفاده می‌کنند: سریعاً صفحه را ترک می‌کنند تا ببینند سایر منابع چگونه آن را توصیف می‌کنند. این روش که اکنون «خوانش جانبی» نامیده می‌شود، منجر به جستجوی سریع‌تر و دقیق‌تر شد. این تحقیق برای یک معلم قدیمی مثل من، یک ضربه سنگین بود. ما نزدیک به دو دهه را صرف آموزش روش‌های اثباتشده ناکارآمد جستجو به میلیون‌ها دانش‌آموز کرده بودیم.
امروز، یک صنعت کوچک از مشاوران، سخنرانان اصلی و «رهبران فکری» وجود دارد که در سراسر کشور سفر می‌کنند و ادعا می‌کنند که به مربیان آموزش می‌دهند چگونه از هوش مصنوعی در مدارس استفاده کنند. سازمان‌های ملی و بین‌المللی چارچوب‌های سواد هوش مصنوعی منتشر می‌کنند که ادعا می‌کنند می‌دانند دانش‌آموزان برای آینده خود به چه مهارت‌هایی نیاز دارند. متخصصان فناوری، برنامه‌هایی را اختراع می‌کنند که معلمان و دانش‌آموزان را تشویق می‌کند از هوش مصنوعی تولیدی به عنوان معلم خصوصی، برنامه‌ریز درسی، ویراستار نوشتار یا شریک مکالمه استفاده کنند. این رویکردها امروز تقریباً به اندازه‌ای که آزمون CRAAP در زمان اختراعش پشتیبانی تجربی داشت، از پشتیبانی شواهد برخوردارند.
یک رویکرد بهتر از حدس‌های بیش از حد مطمئن زدن وجود دارد: آزمایش سخت‌گیرانه روش‌ها و راهبردهای جدید و دفاع گسترده تنها از مواردی که شواهد robust (محکم و قوی) از اثربخشی دارند. همانند سواد وب، ظهور این شواهد یک دهه یا بیشتر زمان خواهد برد.
اما این بار تفاوتی وجود دارد. هوش مصنوعی چیزی است که من آن را یک «فناوری ورودکننده» نامیده‌ام. هوش مصنوعی از طریق فرآیند پذیرش – مانند خرید یک رایانه رومیزی یا تخته هوشمند – به مدارس دعوت نمی‌شود، بلکه به مهمانی می‌آید و سپس شروع به چیدمان مجدد مبلمان می‌کند. این بدان معناست که مدارس باید کاری انجام دهند. معلمان این را به فوریت احساس می‌کنند. با این حال، آنان نیز به حمایت نیاز دارند: در طول دو سال گذشته، تیم من با نزدیک به ۱۰۰ مربی از سراسر ایالات متحده مصاحبه کرده است و یک refrain (نکته یا عبارت) رایج این است: «نگذارید ما خودمان به تنهایی این کار را انجام دهیم.»
۳ راهبرد برای مسیر محتاطانه به پیش
در حالی که منتظر پاسخ‌های بهتر از جامعه علوم تربیتی هستیم – که سال‌ها طول خواهد کشید – معلمان باید خود دانشمند باشند. من سه راهنما برای حرکت به پیش با هوش مصنوعی در شرایط عدم قطعیت توصیه می‌کنم: فروتنی، آزمایشگری و ارزیابی.
اول، به طور منظم به دانش‌آموزان و معلمان یادآوری کنید که هر چیزی که مدارس امتحان می‌کنند – چارچوب‌های سواد، روش‌های تدریس، ارزیابی‌های جدید – یک حدس بهینه است. ممکن است در چهار سال آینده، دانش‌آموزان بشنوند که آنچه ابتدا در مورد استفاده از هوش مصنوعی به آنان آموزش داده شده، ثابت شده که کاملاً اشتباه بوده است. همه ما باید آماده تجدید نظر در تفکر خود باشیم.
دوم، مدارس باید دانش‌آموزان و برنامه درسی خود را بررسی کنند و تصمیم بگیرند که مایلند چه نوع آزمایش‌هایی را با هوش مصنوعی انجام دهند. برخی بخش‌های برنامه درسی شما ممکن است پذیرای رویکردی بازیگوشانه و همراه با تلاش‌های جسورانه جدید باشد، در حالی که سایر بخش‌ها شایسته احتیاط بیشتری هستند.
در پادکست ما به نام «دستگاه تکلیف‌خانه»، با «اریک تیمونز»، معلمی در سانتا آنا، کالیفرنیا، مصاحبه کردیم که دوره‌های اختیاری فیلمسازی تدریس می‌کند. ارزیابی نهایی دانش‌آموزان او، فیلم‌های پیچیده‌ای است که برای تولید به مهارت‌های فنی و هنری متعددی نیاز دارد. تیمونز که از علاقه‌مندان به هوش مصنوعی است، از هوش مصنوعی برای توسعه برنامه درسی خود استفاده می‌کند و دانش‌آموزان را تشویق می‌کند تا از ابزارهای هوش مصنوعی برای حل مشکلات فیلمسازی، از فیلمنامه‌نویسی تا طراحی فنی، استفاده کنند. او نگران نیست که هوش مصنوعی همه کارها را برای دانش‌آموزان انجام دهد: همان‌طور که می‌گوید: «دانش‌آموزان من عاشق ساختن فیلم هستند... پس چرا باید آن را با هوش مصنوعی جایگزین کنند؟»
این یکی از بهترین نمونه‌های قابل تأمل از یک رویکرد «تمام‌عیار» است که من با آن روبرو شده‌ام. من همچنین نمی‌توانم توصیه یک رویکرد مشابه را برای درسی مانند انگلیسی پایه نهم تصور کنم، جایی که معرفی سرنوشت‌ساز نوشتار در مقطع متوسطه احتمالاً باید با رویکردهای محتاطانه‌تری درمان شود.
سوم، هنگامی که معلمان آزمایش‌های جدیدی را آغاز می‌کنند، باید تشخیص دهند که ارزیابی محلی بسیار سریع‌تر از علم دقیق و سخت‌گیرانه اتفاق خواهد افتاد. هر بار که مدارس یک سیاست یا روش تدریس جدید هوش مصنوعی را راه‌اندازی می‌کنند، مربیان باید مجموعه‌ای از کارهای مرتبط دانش‌آموزان را که قبل از استفاده از هوش مصنوعی در حین تدریس توسعه یافته بود، جمع‌آوری کنند. اگر به دانش‌آموزان اجازه می‌دهید از ابزارهای هوش مصنوعی برای بازخورد تکوینی در گزارش‌های آزمایشگاه علوم استفاده کنند، مجموعه‌ای از گزارش‌های آزمایشگاه مربوط به حدود سال ۲۰۲۲ را بردارید. سپس، گزارش‌های آزمایشگاه جدید را جمع‌آوری کنید. مرور کنید که آیا گزارش‌های آزمایشگاه پس از هوش مصنوعی، بهبودی در outcomes (دستاوردها یا نتایج) مورد نظر شما نشان می‌دهند یا خیر، و روش‌ها را بر آن اساس اصلاح کنید.
بین مربیان محلی و جامعه بین‌المللی دانشمندان علوم تربیتی، مردم تا سال ۲۰۳۵ چیزهای زیادی در مورد هوش مصنوعی در مدارس یاد خواهند گرفت. ممکن است دریابیم که هوش مصنوعی مانند وب است، مکانی با برخی خطرات اما در نهایت مملو از منابع مفید و مهمی که ما همچنان آن را به مدارس دعوت می‌کنیم. یا ممکن است دریابیم که هوش مصنوعی مانند تلفن‌های همراه است و اثرات منفی آن بر رفاه و یادگیری در نهایت بر مزایای بالقوه آن می‌چربد، و بنابراین بهتر است با محدودیت‌های قاطعانه‌تری با آن برخورد شود.
همه در حوزه آموزش، فوریت حل عدم قطعیت حول هوش مصنوعی تولیدی را احساس می‌کنند. اما ما به مسابقه برای تولید اولین پاسخ‌ها نیاز نداریم – ما به مسابقه برای «درست بودن» نیاز داریم.
