متن زیر ترجمه مقاله ای است که در اینجا قابل مشاهده است و از زبان یک معلم نوشته شده که سالها علوم کامپیوتر را به دانش آموزان آموزش می دهد.
فناوران آمریکایی بیش از یک قرن است که از معلمان میخواهند اختراعات جدید را به سرعت در آموزش به کار بگیرند. در سال ۱۹۲۲، توماس ادیسون اعلام کرد که در آینده نزدیک، فیلم جای کتابهای درسی را خواهد گرفت، چون متن تنها ۲ درصد کارایی دارد، اما فیلم ۱۰۰ درصد مؤثر است. این آمار ساختگی یادآور آن است که حتی افراد نابغه در فناوری ممکن است در اصلاح آموزش ناتوان باشند.
هر بار که فناوران اصرار میکنند معلمان باید هرچه سریعتر هوش مصنوعی را به کار بگیرند، یاد ادیسون میافتم. در مؤسسه MIT، تاریخ و آینده فناوری آموزشی را بررسی میکنم و تاکنون هیچ نمونهای از نظام آموزشی در سطح کشور، ایالت یا شهر ندیدهام که با پذیرش سریع فناوری دیجیتال، به نتایج پایدار برای دانشآموزان رسیده باشد. مدارسی که زودتر اجازه دادند دانشآموزان تلفن همراه به کلاس بیاورند، نسبت به مدارسی که محتاطتر بودند، آمادگی بهتری برای آینده ایجاد نکردند. هیچ مدرکی وجود ندارد که کشورهایی که زودتر کلاسهایشان را به اینترنت وصل کردند، از نظر رشد اقتصادی، سطح آموزش یا رفاه شهروندان برتری داشته باشند.
قدرت فناوریهای آموزشی جدید وابسته به جوامعی است که نحوه استفاده از آنها را هدایت میکنند. باز کردن یک تب مرورگر آسان است، اما فراهم کردن شرایط یادگیری خوب دشوار است.
سالها طول میکشد تا معلمان روشها و هنجارهای جدید را توسعه دهند، دانشآموزان به روالهای تازه عادت کنند و خانوادهها راههای حمایت جدید را پیدا کنند تا یک نوآوری بتواند بهطور قابل اعتماد باعث بهبود یادگیری شود. با گسترش هوش مصنوعی در مدارس، تحلیلهای تاریخی و پژوهشهای جدید با مشارکت معلمان و دانشآموزان اطلاعاتی برای مدیریت این تحول و کاهش آسیبها ارائه میدهند.
در گذشته اشتباه کردهایم و بیش از حد مطمئن بودهایم. در سال ۲۰۰۳، آموزش جستوجوی وب را به دانشآموزان دبیرستانی آغاز کردم. آن زمان متخصصان علوم کتابداری و اطلاعات، روشهایی برای ارزیابی اعتبار وبسایتها طراحی کرده بودند؛ از جمله بررسی منابع، قالببندی مناسب و صفحه «درباره ما». به دانشآموزان آزمون CRAAP را آموزش دادیم که شامل معیارهایی مانند تازگی، اعتبار، مرجعیت، دقت و هدف بود. توصیه میکردیم از ویکیپدیا دوری کنند و به دامنههای .org یا .edu بیشتر از .com اعتماد کنند. آن زمان این روشها منطقی و مبتنی بر شواهد به نظر میرسید.
اما نخستین مقاله علمی معتبر درباره آموزش مؤثر جستوجوی وب در سال ۲۰۱۹ منتشر شد. نتایج نشان داد که مبتدیانی که از روشهای رایج استفاده میکردند، در تشخیص حقیقت از دروغ عملکرد ضعیفی داشتند. در مقابل، متخصصان ارزیابی اطلاعات آنلاین از روشی کاملاً متفاوت استفاده میکردند: ترک سریع صفحه و بررسی منابع دیگر برای شناخت بهتر آن. این روش که اکنون «خوانش جانبی» نام دارد، باعث جستوجوی سریعتر و دقیقتر میشود. این یافتهها برای من که سالها معلم بودم، تکاندهنده بود. نزدیک به دو دهه، میلیونها دانشآموز را با روشهایی آموزش دادیم که عملاً ناکارآمد بودند.
امروز گروهی از مشاوران، سخنرانان و نظریهپردازان در سراسر کشور مدعی آموزش نحوه استفاده از هوش مصنوعی در مدارس هستند. سازمانهای ملی و بینالمللی چارچوبهایی برای سواد هوش مصنوعی منتشر میکنند و ادعا دارند میدانند دانشآموزان به چه مهارتهایی نیاز دارند. فناوران اپلیکیشنهایی طراحی میکنند که معلمان و دانشآموزان را به استفاده از هوش مصنوعی بهعنوان معلم خصوصی، برنامهریز درسی، ویراستار نوشتار یا شریک گفتگو تشویق میکنند. این روشها فعلاً به اندازه آزمون CRAAP در زمان ابداعش، پشتوانه علمی دارند.
راه بهتر، حدسهای مطمئن نیست؛ بلکه آزمون دقیق روشها و توصیه تنها آنهایی است که شواهد قوی از اثربخشی دارند. همانطور که در مورد سواد وب، این شواهد ممکن است یک دهه یا بیشتر زمان ببرد.
اما این بار تفاوتی وجود دارد. هوش مصنوعی یک «فناوری ورود» است؛ نه از طریق خرید یا پذیرش، بلکه ناگهانی وارد مدارس میشود و همه چیز را تغییر میدهد. بنابراین مدارس ناچارند واکنش نشان دهند. معلمان این ضرورت را حس میکنند، اما نیاز به حمایت دارند. در دو سال گذشته، تیم من با نزدیک به ۱۰۰ معلم در سراسر آمریکا گفتگو کرده و یکی از خواستههای مشترک آنها این بوده که «ما را تنها نگذارید».
سه راهبرد برای حرکت محتاطانه به جلو وجود دارد. تا زمانی که پاسخهای دقیقتری از جامعه علمی آموزش به دست آید، که سالها طول خواهد کشید، معلمان باید خود نقش پژوهشگر را ایفا کنند. سه اصل راهنما برای حرکت در شرایط عدم قطعیت عبارتاند از: فروتنی، آزمایشگری و ارزیابی.
نخست، باید بهطور منظم به دانشآموزان و معلمان یادآوری کرد که هر اقدامی در مدارس – از چارچوبهای سواد تا روشهای تدریس و ارزیابیهای جدید – صرفاً یک حدس است. ممکن است چهار سال بعد مشخص شود آنچه ابتدا درباره استفاده از هوش مصنوعی آموزش داده شده، کاملاً اشتباه بوده است. همه باید آماده بازنگری در دیدگاههای خود باشند.
دوم، مدارس باید وضعیت دانشآموزان و برنامه درسی خود را بررسی کرده و تصمیم بگیرند در چه بخشهایی میخواهند با هوش مصنوعی آزمایشهایی انجام دهند. برخی بخشها ممکن است مناسب تلاشهای جسورانه و خلاقانه باشند، در حالی که بخشهای دیگر نیازمند احتیاط بیشتر هستند.
در پادکست «ماشین تکلیف»، با اریک تیمونز، معلمی در سانتا آنا، کالیفرنیا گفتگو کردیم که دورههای انتخابی فیلمسازی را تدریس میکند. ارزیابی نهایی دانشآموزان او ساخت فیلمهای پیچیدهای است که نیازمند مهارتهای فنی و هنری متعدد هستند. تیمونز که علاقهمند به هوش مصنوعی است، از آن برای طراحی برنامه درسی استفاده میکند و دانشآموزان را به استفاده از ابزارهای هوش مصنوعی برای حل مسائل فیلمسازی، از نگارش فیلمنامه تا طراحی فنی، تشویق میکند. او نگران جایگزینی کامل هوش مصنوعی نیست و میگوید: «دانشآموزان من عاشق ساخت فیلم هستند... پس چرا باید آن را با هوش مصنوعی جایگزین کنند؟»
این یکی از بهترین نمونههای رویکرد جامع و سنجیدهای است که دیدهام. اما نمیتوان همین رویکرد را برای درسهایی مانند زبان انگلیسی پایه نهم توصیه کرد، جایی که آشنایی اولیه با نوشتار در دبیرستان نیازمند دقت و احتیاط بیشتری است.
سوم، هنگام اجرای آزمایشهای جدید، معلمان باید بدانند که ارزیابیهای محلی بسیار سریعتر از پژوهشهای علمی انجام میشود. هر بار که سیاست یا روش آموزشی جدیدی در زمینه هوش مصنوعی اجرا میشود، باید مجموعهای از نمونهکارهای دانشآموزی قبل از استفاده از هوش مصنوعی جمعآوری شود. مثلاً اگر دانشآموزان اجازه دارند از هوش مصنوعی برای بازخورد آزمایشهای علمی استفاده کنند، نمونههایی از گزارشهای آزمایش سال ۲۰۲۲ را جمعآوری کنید. سپس گزارشهای جدید را بررسی کرده و ببینید آیا پیشرفتی در نتایج مورد نظر حاصل شده است یا نه، و بر اساس آن روشها را اصلاح کنید.
تا سال ۲۰۳۵، معلمان محلی و جامعه جهانی پژوهشگران حوزه آموزش، اطلاعات زیادی درباره هوش مصنوعی در مدارس به دست خواهند آورد. ممکن است مشخص شود که هوش مصنوعی مانند وب است؛ با وجود برخی خطرات، منابع مفید و مهمی دارد که همچنان آن را وارد مدارس میکنیم. یا ممکن است مانند تلفنهای همراه باشد؛ با اثرات منفی بر رفاه و یادگیری که در نهایت ضررهای آن بیشتر از منافع آن است و نیازمند محدودیتهای شدیدتر خواهد بود.
همه فعالان آموزش احساس میکنند باید هرچه زودتر تکلیف هوش مصنوعی مولد روشن شود. اما نیازی به مسابقه برای پاسخگویی سریع نیست؛ بلکه باید برای رسیدن به پاسخ درست رقابت کرد.
