کلاسهای دانشگاه در آستانه یک انقلاب هوشمند
بررسی ۸۱۴ مقاله علمی درباره نقش هوش مصنوعی در آموزش عالی نشان میدهد دانشگاهها در آستانه تحولی جدی قرار گرفتهاند؛ تحولی که با شخصیسازی مسیر یادگیری، شناسایی نقاط ضعف دانشجویان و بهروزرسانی هوشمند محتوای آموزشی، مدل سنتی آموزش یکسان برای همه را به چالش میکشد.
به گزارش خبرنگار گروه حوزه و دانشگاه خبرگزاری فارس، یک بررسی سیستماتیک جدید با تحلیل ۸۱۴ مقاله علمی منتشرشده بین سالهای ۲۰۱۶ تا ۲۰۲۴، نشان میدهد هوش مصنوعی در حال عبور از نقش یک ابزار کمکی در آموزش عالی و تبدیل شدن به یکی از عوامل اصلی تحول در شیوههای یادگیری و آموزش است؛ روندی که از سال ۲۰۲۳ و همزمان با گسترش هوش مصنوعی مولد، شتابی چشمگیر گرفته است.این پژوهش که در سال ۲۰۲۶ انجام شده، روند تحقیقات مرتبط با نقش هوش مصنوعی در آموزش عالی را بررسی کرده است. بر اساس یافتههای آن، میزان پژوهشهای این حوزه از سال ۲۰۲۳ بیش از ۴۰۰ درصد افزایش یافته و هوش مصنوعی به تدریج از یک فناوری مکمل به بخشی از اکوسیستم آموزشی تبدیل شده است.یکی از مهمترین تغییرات مورد اشاره در این پژوهش، حرکت از آموزش یکسان برای همه دانشجویان به سمت «پروفایل یادگیرنده» و آموزش شخصیسازیشده است. در این مدل، سامانههای هوشمند میتوانند نقاط ضعف، سبک یادگیری و سرعت پیشرفت هر دانشجو را شناسایی کرده و محتوای آموزشی را متناسب با نیازهای او تغییر دهند.در یکی از مطالعات بررسیشده، آموزش الگوریتمهای مرتبسازی در محیط واقعیت مجازی مورد آزمایش قرار گرفته است. در این روش، دانشجو در یک محیط سهبعدی با عناصر آموزشی تعامل دارد و سامانه هوش مصنوعی به صورت لحظهای رفتار و عملکرد او را تحلیل میکند.
برای نمونه، اگر سامانه تشخیص دهد دانشجو در درک یک مفهوم پایه دچار مشکل است، میتواند اندازه عناصر آموزشی، سطح دشواری تمرینها یا نوع چالش ارائهشده را تغییر دهد. به این ترتیب، آموزش به جای تکرار یک محتوای ثابت، بر شکافهای دانشی هر فرد متمرکز میشود.از دیگر روندهای مورد توجه این پژوهش، توسعه سامانههایی است که میتوانند حجم زیادی از مقالات و دادههای علمی را به صورت مستمر بررسی کرده و بر اساس تحولات علمی، محتوای آموزشی و سرفصلهای درسی را بهروزرسانی کنند.با این حال، پژوهشگران نسبت به اتکای بیش از حد به دادهها و الگوریتمها هشدار دادهاند. یکی از مهمترین نگرانیها، «تله راهحلگرایی فناوری» است؛ یعنی این تصور که فناوری به تنهایی قادر است مشکلات ساختاری نظام آموزشی را برطرف کند.سوگیری الگوریتمی نیز از دیگر چالشهای مطرحشده است. الگوریتمهایی که بر اساس دادههای تاریخی آموزش دیدهاند، ممکن است برخی الگوهای نابرابر گذشته را بازتولید کنند. برای مثال، اگر دادههای آموزشی گذشته نشاندهنده عملکرد بهتر یک گروه جنسیتی در یک درس خاص باشد، یک سامانه هوشمند ممکن است بدون توجه کافی به تفاوتهای فردی، مسیرهای آموزشی متفاوتی را به دانشجویان پیشنهاد دهد و در نتیجه به بازتولید نابرابری منجر شود.بر این اساس، آینده آموزش عالی لزوماً به معنای جایگزینی استادان با رباتها نیست، بلکه میتواند به تغییر نقش استادان منجر شود؛ به گونهای که استاد از انتقالدهنده صرف اطلاعات به «طراح تجربه یادگیری» تبدیل شود.
در این الگو، هوش مصنوعی مسئولیت تحلیل دادهها، شناسایی الگوهای یادگیری و شخصیسازی محتوا را بر عهده میگیرد و استاد همچنان نقش اساسی خود را در تقویت تفکر انتقادی، خلاقیت، ارتباط انسانی و همدلی حفظ میکند.یافتههای این پژوهش در نهایت این پرسش را مطرح میکند که اگر هوش مصنوعی بتواند مسیر یادگیری را کاملاً متناسب با تواناییها، علایق و سرعت هر فرد طراحی کند، آیا آموزش آینده صرفاً آسانتر خواهد شد یا اینکه نظام دانشگاهی باید مهارتهایی مانند تحمل ابهام، مواجهه با دشواری و تفکر مستقل را بیش از گذشته مورد توجه قرار دهد؟
