محسن کاهانی در گفتوگو با ایسنا با بیان اینکه سابقه هوش مصنوعی به دههها قبل برمیگردد، اظهار کرد: درس هوش مصنوعی در مقاطع تحصیلات تکمیلی از سالها پیش در دانشگاههای مختلف از جمله استرالیا ارائه شده است و در ایران نیز از دهه ۷۰و ۸۰ شمسی تدریس آن رواج یافته است. بنابراین با پدیدهای نوظهور مواجه نیستیم، بلکه با فناوریای روبهرو هستیم که امروز دسترسی به آن بسیار آسانتر شده است. در گذشته استفاده از هوش مصنوعی نیازمند دانش برنامهنویسی و مهارتهای فنی متعدد بود؛ اما اکنون این سد دسترسی برداشته شده و تقریباً هر فردی بدون تخصص ویژه میتواند از این ابزارها بهره ببرد.
وی با تأکید بر اینکه این دسترسپذیری گسترده موجب شده که هوش مصنوعی در اختیار دانشجویان و استادان تمام رشتهها قرار گیرد، تصریح کرد: امروز حتی یک استاد علوم انسانی نیز میتواند از هوش مصنوعی برای تحلیل، نگارش، تدریس یا تولید محتوا استفاده کند. همچنین هزینه استفاده از این ابزارها بسیار کاهش یافته و در نتیجه دانشجویان و معلمان بدون نیاز به تجهیزات ویژه میتوانند بهرهبرداری مؤثر داشته باشند. این شرایط زمینه را برای ورود هوش مصنوعی به لایههای مختلف فرایند آموزش فراهم کرده است.
کاهانی با اشاره به اینکه تحول اساسی جدید این است که بسیاری از فعالیتها که پیش از این پیچیده یا زمانبر بودند، اکنون بهسادگی توسط هوش مصنوعی انجام میشوند، تصریح کرد: همانطور که ورود ماشینحساب یا رایانه فرایندهای آموزشی را متحول کرد، ابزارهای هوش مصنوعی نیز به بخشی از واقعیت آموزشی تبدیل شدهاند. این تغییرات نشان میدهد که آموزش در آستانه یک بازطراحی اساسی مبتنی بر فناوریهای نوین قرار دارد.
چرا دانشگاه ناگزیر به بازتعریف استانداردهای علمی است؟
این استاد دانشگاه با بیان اینکه شیوههای سنتی ارزیابی، دیگر نمیتوانند مانند گذشته میزان واقعی یادگیری و توانایی فرد را نشان دهند، خاطرنشان کرد: وقتی دانشجو یا دانشآموز میتواند تنها با وارد کردن یک موضوع، مقاله، گزارش، ارائه و حتی فایل اسلاید آماده و منظم دریافت کند، طبیعی است که روشهای مرسوم تکلیفدادن و سنجش علمی نیازمند بازنگری جدی باشند. از این منظر، هوش مصنوعی صرفاً یک ابزار کمکی نیست، بلکه عاملی در حال ایجاد یک تغییر پارادایمی در آموزش است؛ تغییری که هنوز بسیاری از استادان، مدیران آموزشی و طراحان برنامه درسی بهطور کامل با ابعاد آن آشنا نشدهاند.
عضو هیئت علمی دانشگاه فردوسی مشهد با تأکید بر اینکه هوش مصنوعی تهدیدی برای شیوههای سنتی آموزش نیست و میتواند فرصتهای بزرگی ایجاد کند، اظهار کرد: بسیاری از کارهایی که تاکنون بر عهده استاد بوده و گاه بهدلیل کمبود وقت، تفاوت تواناییها یا محدودیتهای فردی بهخوبی انجام نمیشده است، اکنون میتواند به هوش مصنوعی سپرده شود. در نتیجه، استاد میتواند انرژی و زمان خود را بر بخشهایی متمرکز کند که نیازمند قضاوت انسانی، تعامل عمیق و هدایت اختصاصی دانشجو هستند.
وی با اشاره به تحول در حوزه پژوهش بیان کرد: در گذشته، یکی از مهمترین شاخصهای سنجش درک و تسلط دانشجو، توانایی او در انجام مرور ادبیات و نگارش پیشینه پژوهش بود اما اکنون ابزارهای مبتنی بر هوش مصنوعی میتوانند با دریافت چند مقاله یا یک موضوع مشخص، تحلیلهای دقیق، دستهبندیهای مفهومی، ارتباط میان آثار علمی و حتی نقشهای از روندهای پژوهشی ارائه دهند. این قابلیت، سرعت پژوهش را بهطور چشمگیری افزایش داده و در عین حال، شیوه ارزیابی توانایی واقعی پژوهشگران را نیز با چالش مواجه کرده است.
کاهانی خاطرنشان کرد: با این حال، این تغییر به آن معنا نیست که دانشگاه یا آموزش حضوری بهطور کامل بیمعنا خواهد شد. همانگونه که با ظهور تجارت الکترونیکی، فروشگاههای فیزیکی بهطور کامل از میان نرفتند، در آموزش نیز همهچیز به فضای مجازی یا ابزارهای هوشمند محدود نخواهد شد. بخشی از ارزش آموزش، صرفاً در انتقال محتوا نیست، بلکه در تجربه اجتماعی، گفتوگو، تعامل انسانی، شکلگیری هویت علمی، تمرین کار جمعی و حضور در یک محیط زنده آموزشی معنا پیدا میکند.
بازتعریف مفهوم «فارغالتحصیلِ ماهر» در عصر جدید
این استاد دانشگاه اضافه کرد: پیشتر که افراد وارد دانشگاه میشدند و رشتهای را دنبال میکردند، بهصورت طبیعی با یک سری تعاملها و مهارتهای اولیه آشنا میشدند؛ نوعی تجربه تدریجی از دانشگاه و فرآیند تحصیل. در مقابل، کسانی که دانشگاه را طی نکردهاند، معمولاً آن مسیر را از نزدیک تجربه نکردهاند و به همین دلیل، درکشان از این فرآیند و «تحصیلکردگی» تفاوتهایی دارد.
کاهانی با اشاره به تشکیل کارگروه آموزش الکترونیکی و هوشمند توسط وزارت علوم تأکید کرد: در جلسات اخیر این کارگروه تاکنون بخشهایی از برنامهریزی و تدوین آییننامهها و چارچوبهای مرتبط انجام شده و قرار است در ادامه، وارد لایههای عمیقتر این حوزه شویم؛ یعنی فقط بحث مقررات و فرایندها نیست، بلکه مسئله اصلی این است که آموزش «چگونه» باید در عمل بازتعریف شود.
این استاد دانشگاه با اشاره به اینکه مهارتهای مورد انتظار از فارغالتحصیلان در رشتههای مختلف دچار تغییر شده است، اظهار کرد: بهطور مثال، در رشتههایی مانند عمران، پیش از این ممکن بود بسیاری از محاسبات بهصورت دستی انجام شود، اما امروز نرمافزارها و ابزارهای تخصصی بخش عمده این محاسبات را انجام میدهند. مهندس عمران جدید شاید کمتر نیاز به محاسبات دستی داشته باشد، اما قطعاً باید با ابزارها و روشهای استفاده از آنها آشنا باشد؛ یعنی «مهارت» از انجام صرف عملیات دستی به «توانایی کار با ابزارها» و «درک کاربرد درست آنها» تبدیل شده است.
وی با اذعان به اینکه دیگر نمیتوان همان شیوههای قدیمیِ آموزش و امتحان را بدون بازنگری ادامه داد، گفت: حتی در مباحثی مانند طراحی گرافیک نیز که زمانی کاملاً کاغذمحور بود، امروز ابزارهای نرمافزاری جایگزین شدهاند و بخشی از آموزش بر تولید و اجرای کار با ابزارهای دیجیتال متمرکز است. بنابراین، معیار سنجش نیز باید بازتعریف شود، ارزیابی نباید فقط بر حصول پاسخ، بلکه باید بر درک فرایند، تسلط به ابزار و توانایی استفاده درست از آن متمرکز باشد.
کاهانی با تأکید بر اینکه با تغییر امکانات، ماهیت مهارت نیز تغییر میکند، ادامه داد: همانطور که در دورههای گذشته، آموزش بهتدریج و طی پنج تا ۱۰سال بازنگری میشد و استادان و برنامهریزان دانشگاهی فرصت داشتند سرفصلها، درسها و محتواهای جدید را با هم بررسی و اصلاح کنند، امروز این فرایند دیگر آنقدر آهسته نیست.
چگونه تکالیفی طراحی کنیم که هوش مصنوعی از حل آنها عاجز بماند؟
این استاد دانشگاه با بیان اینکه امروز امکانات و ابزارها بهقدری در دسترس دانشجو قرار گرفته که اگر همان مدل قدیمی برای او تکلیف طراحی شود، بهراحتی میتواند از هوش مصنوعی کمک بگیرد و خروجی تولید کند، بیان کرد: بنابراین، نوع تکلیف باید تغییر کند؛ یعنی باید تکلیفی طراحی شود که هوش مصنوعی نیز اگر به آن دسترسی داشت، بدون درک عمیق نتواند صرفاً پاسخ آماده تولید کند.
وی ادامه داد: اگر قرار است ابزارهای هوش مصنوعی در امتحان یا تکلیف حضور داشته باشند، استاد باید یک پله بالاتر برود. یعنی دیگر نمیتوان با سؤالهای سطحی، تکراری یا صرفاً حافظهمحور ارزیابی انجام داد. طراحی سؤال در این شرایط بسیار دشوارتر میشود، اما در عوض امکان سنجش واقعیتر فهم و تحلیل دانشجو فراهم میگردد. به بیان دیگر، مسئله این نیست که هوش مصنوعی را حذف کنیم، بلکه باید سطح ارزیابی را چنان تنظیم کنیم که دانشجو برای پاسخگویی، واقعاً نیازمند فهم عمیق درس باشد.
کاهانی با بیان اینکه دانشگاهها باید خود را با نیازهای آینده و بازار کار متأثر از هوش مصنوعی هماهنگ کنند، اظهار کرد: اینکه چه مهارتهایی باید در اولویت قرار بگیرند، پرسشی ساده نیست و پاسخ آن نیازمند همکاری چند حوزه است. مهندسی و فناوری، علوم انسانی، تربیت و فلسفه آموزش. با این حال، یک جهتگیری کلی روشن است که نقش استاد از تولیدکننده مستقیم محتوا به مربی، راهنما و انتخابگر محتوا تغییر میکند.
وی افزود: در چنین مدلی، آموزش نیز شکل تازهای پیدا میکند. کلاس دیگر فقط محل تدریس مستقیم نیست، بلکه به سمت آموزش معکوس و یادگیری هدایتشده میرود. دانشجو پیش از کلاس بخشی از محتوا را میبیند، مطالعه میکند یا با ابزارهای هوشمند کار میکند و کلاس برای رفع اشکال، تحلیل عمیقتر و تمرینهای هدفمند به کار میرود. در نتیجه، طراحی تکلیف، آزمون و روش تدریس باید همزمان و هماهنگ با این تغییر بازنگری شود.
انقلاب هوش مصنوعی در بهرهوری آموزشی و پژوهشی
این استاد دانشگاه با بیان اینکه در مواقعی که قوانین و مقررات پیچیده یا حجم زیادی از اطلاعات وجود دارد، دانشجو میتواند با کمک هوش مصنوعی، مجموعهای از این قوانین را استخراج، دستهبندی و برای درک بهتر آماده کند، ادامه داد: سپس با ارائه تمرینهایی متناسب با سطح دشواری مطلوب، مهارت خود را در بهکارگیری این قوانین محک بزند. هوش مصنوعی میتواند با سرعت بالا، پیشنویس اولیه تمرینها را تولید کند و سپس استاد با ویرایش و تنظیم دقیق آن، تمرین نهایی را آماده سازد.
کاهانی با اشاره به اینکه در ارزیابی، زمانی که قوانین اندک و مشخص هستند، سنجش کمی (مثلاً نمره امتحان) آسانتر است، تصریح کرد: اما در شرایطی که استاد وقت زیادی را صرف آمادهسازی محتوا و تمرین میکند، باید به معیارهای کیفی توجه بیشتری داشت. کیفیت نهایی خروجی دانشجو، چه در آزمون و چه در صنعت پس از فارغالتحصیلی، باید معیار اصلی ارزیابی باشد. اینکه دانشجو چقدر مفاهیم را درک کرده و چگونه میتواند آنها را بهکار گیرد، مهمتر از گرفتن یک نمره است.
وی تصریح کرد: البته، این تغییر رویکرد چالشهایی نیز دارد؛ بهویژه در دروس پایه مانند برنامهنویسی کامپیوتر. اگر در این دروس نیز دست استاد کاملاً باز گذاشته شود تا از هوش مصنوعی استفاده کند، طراحی سیستمی که همزمان یادگیری را تسهیل کند و از سوءاستفاده جلوگیری نماید، کار سادهای نیست. این نیازمند طراحی سناریوها و مسیرهای یادگیری پیچیدهتر است.
کاهانی با اشاره به اینکه سرعت تغییرات در حوزههای مختلف، بهقدری بالاست که ممکن است موضوع یک پایاننامه ارشد که امروز دفاع میشود، ۶ماه دیگر موضوعی نوآورانه تلقی نشود، گفت: این نشان میدهد که سرعت تحول دانش و مهارتها، نیازمند انعطافپذیری بالایی در سیستم آموزشی است. هوش مصنوعی با صرفهجویی در وقت، امکان تمرکز بیشتر بر کیفیت و عمق پژوهش را فراهم میکند. این امر میتواند به متخصصان کمک کند تا در عرصه عمل نیز با بهرهوری بیشتری فعالیت کنند و مهارتهای خود را در جنبههای کاربردی و اجرایی ارتقا دهند.
وی افزود: در تحقیقات دکترا، تلاش شده تا با تحلیل شبکههای اجتماعی، تیپ شخصیتی افراد شناسایی شود. این شناسایی به ما کمک میکند تا نحوه ارائه پیام، چه برای تبلیغات محصول و چه برای انتقال مفاهیم، متناسب با ویژگیهای شخصیتی و علایق فرد، شخصیسازی شود. این شخصیسازی، فراتر از نمایش یک ویدیو یا ارائه یک پاسخ کلی است. این درک عمیق از مخاطب، پشت پرده بسیاری از سیستمهای توصیهگر و هوشمند نهفته است، اما عموم مردم صرفاً با نتایج ظاهری آن مواجه میشوند.
انتهای پیام
