چالش ها و فرصت های هوش مصنوعی در فرآیند یاددهی–یادگیری: از بحران تا الگوی راهبردی

در عصر تحولات پرشتاب فناوری، ظهور هوش مصنوعی به عنوان یکی از تاثیرگذارترین ابزارهای قرن حاضر، آموزش وپرورش را وارد مرحله ای تازه از فرصت ها و تهدیدها نموده است. اگرچه بهره مندی از ابزارهای مبتنی بر هوش مصنوعی می تواند موجب تسهیل یادگیری، افزایش سرعت درک مفاهیم، و توسعه ی روش های نوین حل مسئله شود، اما در سوی دیگر، اتکای بیش ازحد و غیراصولی به این فناوری، موجب تضعیف انگیزه درونی، افول توانمندی حل خلاقانه ئ مسائل، و شکل گیری رفتارهای غیراخلاقی از قبیل تقلب در بین دانش آموزان می شود. به تعبیر آلن کی، »تکنولوژی زمانی مفید است که موجب تقویت کنش ذهن شود، نه جایگزینی آن»؛ اما واقعیت امروز کلاس های درسی گاه برخلاف این اصل جریان دارد. برخی دانش آموزان، بدون تحلیل و درک، صرفا پاسخ های تولیدشده توسط ابزارهای هوش مصنوعی را تحویل می دهند؛ در حالی که برخی دیگر با بهره گیری هوشمندانه، سوالات خود را عمیق تر می فهمند و توان تحلیل خود را افزایش می دهند. این دوگانه، چالش اصلی پژوهش حاضر را شکل داده است: چگونه می توان از هوش مصنوعی نه به عنوان تهدید، بلکه به عنوان فرصت آموزشی استفاده کرد؟ در این اقدام پژوهی، پس از مشاهده ئ دقیق رفتار دانش آموزان در استفاده از هوش مصنوعی، و تحلیل داده های گردآوری شده، راهکارهایی تربیتی، فرهنگی و عملی برای مدیریت این پدیده تدوین گردید. از جمله این راهکارها می توان به آموزش استفاده ی مسئولانه از فناوری، تغییر ساختار تکالیف از حالت مستقیم به تحلیل محور، ترویج بازاندیشی و خودارزیابی، و مشارکت فعال دانش آموز در تبیین راه حل اشاره کرد. مطالعات پیشین نیز نشان می دهند که استفاده هدفمند از فناوری های نو، در صورت همراهی با آموزش تفکر انتقادی، می تواند موجب ارتقاء مهارت های شناختی شود (Selwyn, 2020). یافته های پس از اجرای راهکارها نشان داد که دانش آموزان به تدریج به استفاده هوشمندانه از ابزارهای هوش مصنوعی سوق پیدا کردند و نقش آن را به عنوان یک یار آموزشی پذیرفتند، نه جایگزین یادگیری. این تجربه تاکیدی است بر این اصل که هر فناوری پیش از ورود به کلاس درس، نیازمند زمینه سازی فرهنگی و تربیتی است، در غیر این صورت نه تنها فرصت ساز نیست، بلکه بحران ساز نیز خواهد شد.

کلیدواژه ها:

آموزش ، تفکر انتقادی ، فرصت ها و چالش ها ، هوش مصنوعی ، یادگیری عمیق