شفافیت سیاه چاله: آموزش تفکر انتقادی به دانش آموزان برای درک نحوه شکل گیری باورهایشان توسط هوش مصنوعی

گسترش روزافزون مدل های زبانی بزرگ (LLMs) و سیستم های هوش مصنوعی مولد در محیط های آموزشی، چالش های نوینی را در زمینه شکل گیری شناختی و اخلاقی دانش آموزان ایجاد کرده است. این پژوهش با تمرکز بر مفهوم «شفافیت سیاه چاله» (Black Box Transparency)، به بررسی چگونگی تاثیر الگوریتم های غیرقابل تفسیر بر شکل گیری باورهای دانش آموزان می پردازد. هدف اصلی این مطالعه، طراحی و ارائه چارچوبی برای آموزش تفکر انتقادی است که به فراگیران امکان دهد تا فرآیندهای پنهان تولید محتوا توسط هوش مصنوعی را تحلیل کرده و از پذیرش کورکورانه خروجی های الگوریتمی بپرهیزند. روش پژوهش به صورت ترکیبی (کیفی-کمی) و با استفاده از مطالعه موردی در مدارس هوشمند ایران و نمونه گیری از معلمان و دانش آموزان مقطع متوسطه انجام شده است. یافته ها نشان می دهد که فقدان شفافیت در الگوریتم های پیشنهاددهنده محتوا و تولیدکننده متن، منجر به «سوگیری تاییدی الگوریتمی» و تضعیف استقلال فکری دانش آموزان شده است. نتایج حاکی از آن است که آموزش مفاهیم «مهندسی اجتماعی الگوریتمی» و «ارزیابی منبع هوشمند» می تواند به طور معناداری سطح سواد دیجیتال و تفکر انتقادی را در دانش آموزان افزایش دهد. این پژوهش با تاکید بر ضرورت بازنگری در برنامه درسی مطالعات اجتماعی و فناوری اطلاعات، راهکارهایی عملیاتی برای پر کردن شکاف بین توانمندی های فنی هوش مصنوعی و بلوغ شناختی دانش آموزان ارائه می دهد.

کلیدواژه ها:

هوش مصنوعی مولد ، شفافیت سیاه چاله ، تفکر انتقادی ، سوگیری الگوریتمی ، سواد دیجیتال ، شکل گیری باورها ، آموزش در عصر هوش مصنوعی ، ایران.