پاسخ‌های بیشتر. انجام سریع‌تر تکالیف. نمرات پایین‌تر در امتحان. همین تناقض در مرکز یک مطالعه بین‌المللی تازه قرار دارد که بررسی کرده وقتی دانش‌آموزان برای انجام تکالیف مدرسه به هوش مصنوعی تکیه می‌کنند، چه اتفاقی می‌افتد.
پژوهشگران دانشگاه استکهلم و دانشگاه هنگ‌کنگ حدود ۲۷ هزار دانش‌آموز چینی ۱۲ تا ۱۸ ساله را به مدت شش ماه دنبال کردند. نزدیک به ۸۰ درصد این گروه از ابزارهای نگارش و آموزش مبتنی بر هوش مصنوعی، از جمله پلتفرم‌هایی مانند دیپ‌سیک و دوبائو متعلق به بایت‌دنس، استفاده کردند؛ در حالی که ۲۰ درصد باقی‌مانده به عنوان گروه کنترل، به روش‌های سنتی متکی بودند.
دستاوردهای کوتاه‌مدت کاملا روشن بود. نمرات تکالیف درسی در همه درس‌ها به طور میانگین ۱۸ درصد افزایش یافت و متوسط زمانی که دانش‌آموزان برای انجام تکالیف صرف می‌کردند، از ۶۴ دقیقه به ۴۵ دقیقه رسید؛ یعنی نزدیک به ۳۰ درصد کاهش. موفقیت سریع. رضایت فوری.
اما این موفقیت‌ها هزینه داشت: نمرات آزمون‌های ماهانه دانش‌آموزانی که از هوش مصنوعی استفاده می‌کردند، حدود ۲۰ درصد کمتر از همکلاسی‌هایی بود که سراغ این ابزارها نرفته بودند.
این الگو در همه گروه‌ها یکسان نبود. بیشترین افت در علوم اجتماعی دیده شد و پس از آن، درس‌های علوم، فناوری، مهندسی و ریاضیات و سپس زبان‌ها قرار گرفتند. دانش‌آموزانی که با وجود استفاده از هوش مصنوعی همچنان تقریبا همان مقدار زمان را برای تکالیف صرف می‌کردند، افت یادگیری کمتری داشتند، هرچند کاملا از کاهش عملکرد در امان نماندند. خلاصه اینکه میانبرها عملکرد ظاهری در تکالیف خانه را بهتر کردند، اما اغلب به دانش پایدار قابل سنجش در آزمون‌های تحت نظارت تبدیل نشدند.
نشانه‌های مشابهی به آموزش عالی نیز رسیده است. در دانشگاه براون، یکی از استادان پس از آنکه میانگین نمره یک آزمون میان‌ترم آنلاین را بالاتر از ۹۰ درصد دید، امتحان پایان‌ترم را دوباره حضوری برگزار کرد و میانگین کلاس به ۴۸ درصد سقوط کرد. در گذشته، نمره این امتحان پایانی به ندرت به زیر ۶۵ درصد می‌رسید. یک پژوهش علوم اعصاب در ام‌آی‌تی نیز لایه‌ای زیستی به ماجرا اضافه می‌کند: دانشجویانی که هنگام نوشتن مقاله از هوش مصنوعی استفاده کرده بودند، هنگام یادآوری مطالب در مراحل بعدی فعالیت مغزی کمتری نشان دادند و این درگیری ذهنی کاهش‌یافته در جلسات بعدی نوشتن نیز ادامه پیدا کرد.
پژوهش‌های دیگر نیز استفاده روزمره از کمک هوش مصنوعی را با تضعیف تفکر انتقادی و ماندگاری نامنظم حافظه مرتبط دانسته‌اند. در همین حال، گزارش‌های اعضای هیئت علمی از افزایش نمرات بسیار بالا از زمان فراگیر شدن ابزارهای هوش مصنوعی مکالمه‌محور خبر می‌دهد؛ افزایشی که در برخی درس‌ها به حدود ۳۰ درصد می‌رسد. یافته‌های استکهلم و هنگ‌کنگ در اس‌اس‌آر‌ان منتشر شده و به مجموعه رو به رشدی از شواهد می‌پیوندد که نشان می‌دهد راحتی می‌تواند یادگیری ضعیف‌تر را پنهان کند.
چرا چنین اتفاقی می‌افتد؟ یک توضیح محتمل این است که هوش مصنوعی مولد به عصای شناختی تبدیل می‌شود: تولید محتوا را سرعت می‌بخشد و خروجی را صیقل می‌دهد، اما فرایند رمزگذاری عمیق و تمرین بازیابی را که یادگیری پایدار به آن نیاز دارد، دور می‌زند. احتمال دیگر، ناهماهنگی در شیوه ارزیابی است؛ تکالیفی که برای دریافت بازخورد سریع و پاسخ‌های تمیز و آماده طراحی شده‌اند، لزوما دانش‌آموزان را برای امتحان‌های کتاب‌بسته و سرنوشت‌ساز آماده نمی‌کنند.
پس آموزش از اینجا به کدام سمت می‌رود؟ این پژوهش استفاده از هوش مصنوعی را ممنوع نمی‌کند؛ بلکه خواستار بازنگری در آموزش و ارزیابی است. طراحی اهمیت دارد. پرسش‌هایی که تفکر را مرحله‌به‌مرحله هدایت می‌کنند، تکالیفی که شواهد فرایند یادگیری را می‌خواهند و آزمون‌هایی که استدلال را می‌سنجند نه فقط پاسخ نهایی را، می‌توانند کمک‌کننده باشند. معلمان، مدیران و طراحان فناوری آموزشی با یک انتخاب روبه‌رو هستند: هوش مصنوعی را ابزاری برای تقویت فرایند یادگیری ببینند، یا اجازه دهند جایگزین کار ذهنی‌ای شود که تخصص را می‌سازد.
در حالی که کلاس‌های درس و سالن‌های دانشگاهی خود را با این واقعیت تازه سازگار می‌کنند، پرسش اصلی همچنان باقی است: آیا می‌توانیم از هوش مصنوعی برای عمیق‌تر کردن فهم استفاده کنیم، نه فقط برای سریع‌تر کردن عملکرد؟
.avif)
نظر بگذارید
نظرات
هنوز نظری ثبت نشده. اولین نفر باشید.