آیا یادگیرندگان خود راهبر عامل یادگیری خود هستند؟ بررسی نقش هوش مصنوعی در تغییر عاملیت شناختی دانشجویان

پیشینه و اهداف: پیشرفت سریع سامانه های هوش مصنوعی در آموزش عالی به ویژه از طریق سامانه های یادگیری تطبیقی، عوامل آموزش هوشمند و ابزارهای تولیدی هوش مصنوعی تحولی پارادایمی در مدل های سنتی تدریس و یادگیری ایجاد کرده است. استفاده گسترده از هوش مصنوعی در رشته های مختلف، یادگیری شخصی سازی شده، پاسخگو و اثربخش تری را به ارمغان می آورد. اما با گسترش نقش سامانه های هوش مصنوعی در تعیین نحوه تعامل دانشجویان با دانش و پردازش آن، سوال های اساسی درباره عاملیت یادگیرنده و پارادایم یادگیرنده خود راهبر که پایه نظریه های آموزش بزرگسالان و آموزش عالی بوده و از اهمیت بالایی برخوردار است، پیش می آید. پژوهش حاضر به بررسی نقش دوگانه محیط های یادگیری مجهز به هوش مصنوعی را در عاملیت شناختی یادگیرندگان خود راهبر می پردازد؛ اینکه این سامانه ها چه چالش ها و فرصت هایی را برای دانشجویان فراهم می نمایند.روش ها : رویکرد پژوهش حاضر از نوع کیفی بود تا با بررسی دیدگاه ها و تجارب دانشجویان مسائل مهم مرتبط با نظریه آموزشی و فناوری های نوظهور را نشان دهد و به این سوال که «در عصر هوش مصنوعی، آیا یادگیرندگان خود راهبر هنوز عامل یادگیری خود هستند؟» بپردازد. این روش فلسفی به بررسی مبانی وجودی و معرفتی عاملیت شناختی در زمینه واسطه گری هوش مصنوعی پرداخته و از مصاحبه های نیمه ساختاریافته با ۲۳ دانشجو در رشته های مختلف دانشگاه های تهران استفاده نمود. این پرسش در مورد تجارب زیسته دانشجویانی که با هوش مصنوعی برای آموزش درگیر هستند، مطرح شد. به منظور تجزیه وتحلیل داده ها و افزایش دقت روش شناختی، روش هفت مرحله ای کولایزی به کار گرفته شد؛ این روش به دلیل خاصیت و عمق تفسیری موثر خود و تطبیق با پدیدارشناسی برای بررسی «عاملیت»، «مالکیت فکری» و «خودراهبری» دانشجویان در زمینه الگوریتمی عصر حاضر انتخاب شد. این روش شامل هفت مرحله است: ۱) خواندن و بازخوانی تمام مصاحبه های نوشته شده برای درک آن ها،۲) استخراج عبارات معنی دار که مستقیما به پدیده مورد بررسی مربوط می شوند، ۳) معنابخشی به عبارات: در این فرایند نقل قول های مرتبط دسته بندی می شوند و تم ها بر پایه چندین عبارت با معانی مشابه شکل می گیرند، ۴) تکرار گام های ۱ تا ۳ برای هر مصاحبه و سپس ایجاد تم بر اساس معانی شکل گرفته، ۵) جمع آوری توصیف جامع از تمام موارد تولید شده در گام های ۱‑۴، ۶) تلخیص جامع برای شناسایی ساختار بنیادی پدیده، و ۷) اطمینان از اعتبار داده ها از طریق بررسی اعضا.یافته ها: نتایج نشانگر این موضوع بودند که استفاده از هوش مصنوعی در حوزه های مختلف تاثیرات مثبت و منفی بر یادگیری و عاملیت شناختی دانشجویان دارد. مهم ترین یافته ها در بخش فرصت ها شامل این موضوع بودند که هوش مصنوعی می تواند به تقویت ساختارشناختی، دسترسی بیشتر به دانش پیچیده، تعمیق دانش شناختی، همکاری مشترک با هوش مصنوعی از طریق مشارکت فعال، تقویت تفکر انتقادی و بهبود خودآموزی از طریق شبیه سازی و محیط تعاملی کمک کند. ازسوی دیگر، چالش هایی نظیر ابهام در مالکیت فکری، کاهش اعتماد معرفتی به خود، توهم تسلط، تسلیم ذهنی به اقتدار الگوریتمی، ناهماهنگی اخلاقی و احساس گناه علمی استخراج شدند.نتیجه گیری:  بر پایه این یافته ها و جنبه های متنوع هوش مصنوعی در عاملیت شناختی دانشجویان، پژوهش حاضر، چارچوبی برای یادگیری خود راهبر در عصر هوش مصنوعی ارائه می دهد، به نحوی که مالکیت فکری جدا انگاشته نمی شود و دانشجویان عامل یادگیری خود در تعامل با هوش مصنوعی باقی می مانند و هم زمان از آن استفاده نیز می نمایند، اما این موضوع نیازمند تغییرات جدی و اساسی در مباحث آموزشی، برنامه ریزی و فلسفی است.

کلیدواژه ها:

هوش مصنوعی ، دانشجویان ، یادگیری خود راهبر ، روش کلایزی ، عاملیت شناختی