هوش مصنوعی و تکالیف کلاسی: فرصت ها و چالش های اجرایی

نظام های آموزش عالی در آستانه یک دگرگونی بنیادین قرار دارند که ریشه در ظهور و گسترش سریع سامانه های هوش مصنوعی مولد (Generative AI) دارد. تکالیف کلاسی همواره به عنوان ستون فقرات فرایند یادگیری، سنجش دانش و توسعه مهارت های شناختی در آموزش عالی مطرح بوده اند. با این حال، دسترسی فراگیران به ابزارهایی نظیر مدل های زبان بزرگ (LLMs) ماهیت و کارکرد سنتی این ابزارهای سنجشی را زیر سوال برده است. این پژوهش با رویکردی تحلیلی-انتقادی، به بررسی عمیق فرصت ها و چالش های اجرایی ناشی از ادغام هوش مصنوعی در طراحی، اجرا و ارزیابی تکالیف کلاسی در سطح دکتری می پردازد. تکالیف کلاسی، فراتر از انتقال صرف محتوا، ابزاری برای پرورش تفکر انتقادی، حل مسئله پیچیده و تولید دانش بوده اند (بلوم، ۱۹۵۶؛ پیاژه، ۱۹۵۲). ظهور هوش مصنوعی مولد، به ویژه توانایی آن در تولید سریع و متقاعدکننده متون علمی، این پارادایم سنتی را به شدت متزلزل کرده است. یافته های اصلی این پژوهش نشان می دهند که هوش مصنوعی هم زمان پتانسیل عظیمی برای شخصی سازی آموزش، ارائه بازخورد فوری و رفع موانع دسترسی دارد، اما در عین حال، خطرات جدی نظیر تضعیف اصالت یادگیری، وابستگی شناختی و بحران اعتبارسنجی را به همراه می آورد. چالش اصلی در این میان، نه در ممنوعیت فناوری، بلکه در بازنگری مفهومی و اجرایی «تکلیف» و «یادگیری» در عصر هوش مصنوعی نهفته است. این مقاله با تحلیل انتقادی، راهبردهایی برای طراحی مجدد تکالیف (Rethinking Assignments) مبتنی بر فرایند، تاملی و نیازمند تعامل انسانی عمیق ارائه می دهد تا اطمینان حاصل شود که هوش مصنوعی به عنوان یک همکار شناختی به جای جایگزینی برای تفکر اصیل عمل کند. این پژوهش تلاش می کند تا با ارائه چارچوبی مفهومی، راهنمایی عملی برای سیاست گذاران آموزشی، طراحان دوره ها و اعضای هیئت علمی فراهم آورد تا از ظرفیت این فناوری برای ارتقای کیفیت آموزش عالی بهره مند شوند و در عین حال، اصول اخلاقی و اهداف تربیتی را حفظ نمایند.

کلیدواژه ها:

هوش مصنوعی ، تکالیف کلاسی ، آموزش عالی ، اخلاق آموزشی ، ارزیابی یادگیری