مسئله جعبه سیاه در آموزش طراحی مبتنی بر هوش مصنوعی: چارچوبی آموزشی برای شفاف سازی قیاس های فضایی در استودیوهای طراحی معماری

مسئله «جعبه سیاه» در آموزش طراحی مبتنی بر هوش مصنوعی به ناتوانی دانشجو در مشاهده و درک فرایند استدلال ماشین هنگام تولید خروجی های فضایی اشاره دارد. این وضعیت ضمن تضعیف تفکر انتقادی و خلاقیت پدیداری، رابطه یادگیرنده با ابزار را به مصرف کنندگی منفعل و غیرانتقادی بدل می سازد. پژوهش حاضر با هدف تدوین چارچوبی آموزشی برای شفاف سازی این جعبه سیاه بر مفهوم قیاس «فضایی» به مثابه هسته مرکزی استدلال طراحی در هر دو سوی انسان و ماشین متمرکز شده است. پرسش های پژوهش عبارتند از: مولفه های سازنده مسئله جعبه سیاه در آموزش طراحی مبتنی بر هوش مصنوعی کدام اند؟ بر مبنای کدام اصول نظری می توان چارچوبی برای شفاف سازی قیاس های فضایی تدوین کرد؟ و این چارچوب چه مزیت هایی نسبت به رویکردهای صرفا ابزاری دارد؟ روش شناسی پژوهش از نوع ترکیبی با طرح اکتشافی متوالی است: در فاز کیفی، تحلیل محتوای نظام مند منابع و مصاحبه های نیمه ساختار یافته با ۲۲ مشارکت کننده اساتید، دانشجویان و متخصصان تعامل انسان و ماشین به استخراج پنج مضمون اصلی انجامید. در فاز کمی چارچوب پیشنهادی با عنوان شفاف سازی قیاس های «فضایی (SACF)» در قالب کارگاه چهار هفته ای بر روی ۴۲ دانشجوی معماری در قالب طرح شبه آزمایشی با گروه کنترل اجرا شد. یافته ها نشان داد که گروه آزمایش در مقایسه با گروه کنترل به طور معناداری نمرات بالاتری در مولفه های شفافیت، استدلال «فضایی» و اصالت و تنوع قیاس کسب کرد. همچنین احساس کنترل بر فرایند و تمایل به داوری انتقادی در گروه آزمایش افزایش یافت، در حالی که گروه کنترل کاهش جزئی در مولفه دوم را تجربه کرد. نتیجه آنکه چارچوب SACF با تبدیل جعبه سیاه به واسطی گفتگومند مبتنی بر سه پرسش قیاسی استاندارد «چه شباهت»، «چه تفاوت» و «چه قیاس (دیگر)» می تواند به عنوان الگویی عملی برای بازطراحی سرفصل های دروس طرح معماری در عصر هوش مصنوعی مورد استفاده قرار گیرد. پیشنهاد می شود که سواد قیاس فضایی به عنوان شایستگی پایه پیش از هرگونه آموزش ابزاری گنجانده شود و نقش مربی از «منتقد» به «شفاف ساز» بازتعریف گردد.

کلیدواژه ها:

جعبه سیاه ، قیاس ، فضایی ، آموزش معماری ، هوش مصنوعی مولد ، شفافیت آموزشی ، استودیوی طراحی