حالا که ماه اوت از راه رسیده است (عجب سریع گذشت!)، فضای بازگشت به مدرسه جوشوخروش به پا کرده و بچهها باید خود را برای یک سال دیگر از تحصیل حضوری آماده کنند.
با تکامل مداوم ابزارهای هوش مصنوعی، معلمان و دانشآموزان به طور یکسان از آنها برای کمک به یادگیری روزمره خود استفاده کردهاند. در حالی که شنیدن داستانهایی درباره دانشآموزی که کارهای خود را به طور کامل با هوش مصنوعی تولید میکند ناامیدکننده است، دیدن ابزارهای هوش مصنوعی مانند دفترچههای جمنای (Gemini Notebooks)، پرپلکسیتی (Perplexity) و چتجیپیتی (ChatGPT) که ویژگیهای آموزشی ارائهدهنده و تشویقکننده تقلب نیستند، به همان اندازه رضایتبخش است.
صحبت از ابزارهای هوش مصنوعی ساختهشده برای آموزش دانشآموزان شد؛ یکی از برجستهترین آنها استاراسپارک (StarSpark) است، یک پلتفرم ریاضی و علوم مبتنی بر هوش مصنوعی که به گونهای طراحی شده تا به جای دادن ساده پاسخها، آموزش دهد. این پلتفرم در درجه اول دورههای آموزشی مقطع مهدکودک تا دبیرستان (K-12) و پیشرفته (AP) را پوشش میدهد و در عین حال با سطح پایه تحصیلی خاص، سبک یادگیری و دانش از پیش کسبشده دانشآموز سازگار میشود. استاراسپارک برای والدین نیز به همان اندازه مفید است؛ این ابزار آموزشی هوش مصنوعی پشتیبانی در دسترسی و بر اساس تقاضا را برای آنها فراهم میکند که به آنها کمک میکند نحوه تدریس امروزی ریاضی و علوم را درک کنند.
آشیش بنزال (Ashish Bansal)، یک پدر و توسعهدهنده پشت پلتفرم استاراسپارک، با تامز گاید (Tom’s Guide) گفتگو کرد تا درباره پلتفرم آموزشی هوش مصنوعی خود، بزرگترین اشتباهاتی که دانشآموزان با چتباتهای عمومی مرتکب میشوند و موارد دیگر صحبت کند.
تاثیر استاراسپارک بر آموزش دانشآموزان، نحوه کمک به والدین و موارد دیگر
تامز گاید: فضای آموزش خصوصی هوش مصنوعی در حال شلوغ شدن است. به نظر شما چه چیزی در ابزارهای آموزشی موجود هوش مصنوعی گم شده بود که شما را متقاعد کرد استاراسپارک را بسازید؟
آشیش بنزال: این موضوع برای من شخصی است. من پدر دو فرزند هستم و ۱۵ سال را صرف ساخت هوش مصنوعی در گوگل (Google) و آمازون (Amazon) کردم. وقتی به دنبال چیزی برای کمک به بچههای خودم در درس ریاضی گشتم، هر چیزی که پیدا کردم در زیر پوسته خود واقعاً همان چیز قبلی بود. یک چتبات عمومی که پاسخ را تحویل میدهد، یا یک ابزار با برند آموزشی که تنها یک پوشش نازک روی همان مدل بود. هیچ سیستمی وجود نداشت که واقعاً برای یادگیری ساخته شده باشد.
این مسئله بسیار مهمتر از آن چیزی است که به نظر میرسد. این ابزارهای عمومی برای متخصصان ساخته شدهاند تا کارها را به سرانجام برسانند و برای تعامل بهینهسازی شدهاند. بهینهسازی برای تعامل، یک مدل را به سمت گفتن آنچه دوست دارید بشنوید هدایت میکند، و تاییدطلبی (sycophancy) هدف بسیار متفاوتی نسبت به آموزش دارد. یک معلم خوب زمانی که کودک اشتباه میکند به او میگوید. و سلب مسئولیت «این هوش مصنوعی است، ممکن است اشتباه کند» که همراه با این ابزارها میآید برای یک متخصص بزرگسال مشکلی ندارد، اما تسلای خاطری سرد برای یک فراگیر است، زیرا دانشآموز تنها کسی است که در موقعیتی نیست که اشتباه را تشخیص دهد. اگر او به اندازه کافی میدانست که خطا را تشخیص دهد، دیگر نیازی به معلم خصوصی نداشت.
مسئله عمیقتر این است که حل کردن به معنای آموزش دادن نیست. این همان مغلطه «بازیکن-مربی» است. توانایی حل فوری یک مسئله، که این مدلها در آن عالی هستند، همان مهارت توانایی آموزش دادن به یک کودک برای حل آن نیست. برخی از بهترین بازیکنان، مربیان ضعیفی میشوند. تحویل دادن یک پاسخ صحیح و ایجاد درک، دو شغل متفاوت هستند.
بنابراین، من معلم خصوصی را ساختم که آرزو داشتم بچههایم داشتند. کاملاً متناسب با یادگیری، هماهنگ با پایه تحصیلی، سقراطی و طراحیشده برای راهنمایی گامبهگام دانشآموز به جای انجام کار برای آنها.
تامز گاید: آیا لحظات شگفتانگیزی را دیدهاید که در آن دانشآموزان اعتماد به نفس یا مهارتهای حل مسئلهای را از خود بروز دهند که قبلاً نشان نداده بودند؟
بنزال: همواره، و این بهترین بخش این شغل است. الگویی که بیشتر از همه مرا شگفتزده میکند این است که یک کودک از پرسیدن پاسخ دست برمیدارد و میخواهد خودش آن را پیدا کند.
چند جلسه واقعی در ذهنم مانده است. یک دانشآموز جوان در حال کار روی جمع با انتقال بود، دو بار گیر کرد، اما به کار خود ادامه داد. او جلسه را با تایپ کردن این جمله به پایان رساند: «فکر میکنم حالا دیگر ریاضی را میفهمم.» همین یک جمله کل دلیل ساخت این ابزار است.
مورد دیگر یک دانشآموز دبیرستانی بود که روی یک مسئله دشوار نظریه اعداد کار میکرد. او شش ترکیب نادرست مختلف را امتحان کرد. استاراسپارک هرگز پاسخ را به او نداد؛ بلکه فقط در دقیقترین مرحلهای که از مسیر خارج شده بود، به او اشاره کرد. او خودش به پاسخ درست رسید و در پایان، نه تنها آن مسئله بلکه فرمولهای مقسومعلیه را به طور کامل درک کرد.
مورد مورد علاقه من شاید دانشآموزی باشد که مدام «آسانتر، آسانتر، آسانتر» را تایپ میکرد و مشخص بود که میخواهد تسلیم شود. معلم خصوصی به جای تسلیم شدن، سر موضع خود ایستاد و چند دقیقه بعد او خودش یک مسئله ساخت و آن را حل کرد. اعتماد به نفس معمولاً ابتدا به صورت پشتکار ظاهر میشود.
تامز گاید: همه نگران این هستند که هوش مصنوعی دانشآموزان را به آن وابسته کند. استاراسپارک را چگونه طراحی کردید تا به جای دادن پاسخ، به دانشآموزان نحوه فکر کردن را بیاموزد؟
بنزال: این دقیقا همان حالت شکستی است که ما برای مقابله با آن طراحی کردیم، بنابراین در هسته محصول تعبیه شده است، نه اینکه به آن اضافه شده باشد.
پژوهشها کاملاً واضح هستند. دانشآموزانی که از هوش مصنوعی برای دریافت پاسخ استفاده میکنند، به مرور زمان توانایی حل مسئله خود را از دست میدهند. دانشآموزانی که از آن برای راهنمایی استفاده میکنند، آن را حفظ میکنند. بنابراین کل طراحی پیرامون «تلاش سازنده» شکل گرفته است، که این ایده را مطرح میکند یادگیری واقعی زمانی اتفاق میافتد که کودک در لبه تواناییهای خود کار میکند، نه زمانی که کار برای او انجام شده باشد.
در عمل، این بدان معناست که استاراسپارک راهنماییها را به آرامی ارائه میدهد. این ابزار کل راهحل را یکجا ارائه نمیدهد. ابتدا کوچکترین راهنمایی و سپس راهنمایی کمی بزرگتر را ارائه میدهد و تنها در صورتی پیشتر میرود که دانشآموز همچنان به آن نیاز داشته باشد، به طوری که کودک همیشه تا جایی که میتواند خودش فکر کند. هیچ حالت «فقط پاسخ را به من بده» وجود ندارد که وقتی ناامید شدند روی آن کلیک کنند.
بخش دیگر مداخله پیشگیرانه است. معلم خصوصی نحوه کارکرد دانشآموز را زیر نظر دارد و هنگامی که تشخیص میدهد آنها به طور واقعی روی یک سوال گیر کردهاند، به طور خودکار وارد عمل میشود و مفهوم زیربنایی را درست در همان لحظه و در همان مرحله دقیقی که دچار سوءتفاهم شدهاند، آموزش میدهد. اگر آنها چیزی را اشتباه متوجه شوند، ما فقط آن را علامتگذاری نمیکنیم. ما یک آموزش مجدد دو تا سه دقیقهای انجام میدهیم و از آنها میخواهیم دوباره تلاش کنند، هر چند بار که نیاز داشته باشند.
هدف محافظت از تلاش است، نه حذف آن. این تفاوت بین یک معلم خصوصی و یک عصای زیر بغل است.
تامز گاید: بزرگترین اشتباهاتی که دانشآموزان با چتباتهای عمومی مانند چتجیپیتی انجام میدهند چیست؟ استاراسپارک چگونه آنها را حل میکند؟
بنزال: بزرگترین اشتباه واضح است. یک کودک مسئله را تایپ میکند، پاسخ را کپی میکند، تکالیف را تحویل میدهد و هیچ چیز یاد نمیگیرد. این کار سازنده به نظر میرسد اما نیست. در امتحان بعدی خودش را نشان میدهد.
یک اشتباه ظریفتر، اعتماد به توضیح است. مدلهای عمومی میتوانند مراحلی را تولید کنند که درست به نظر میرسند اما به طور ظریفی اشتباه هستند و در ریاضی، یک مرحله اشتباه یک مشکل واقعی است. بچهها تخصص لازم برای تشخیص آن را ندارند.
و سومین اشتباه، عدم تطابق پایه تحصیلی است. یک مسئله کلاس پنجم را از یک چتبات عمومی بپرسید و ممکن است توضیحی از نظر فنی درست در سطح کالج به شما بدهد که مستقیماً از بالای سر کودک عبور میکند.
استاراسپارک برای حل هر سه مورد ساخته شده است. این ابزار پاسخ را تحویل نمیدهد، بنابراین دانشآموز درگیر میماند. این سیستم از نظر آموزشی با پایه تحصیلی هماهنگ است، بنابراین یک مفهوم را دقیقاً به همان شکلی که در آن پایه تدریس میشود، آموزش میدهد. بخشی از این موضوع زبان است. ما نحوه صحبت معلمان خصوصی خود را تنظیم دقیق میکنیم تا با سطح دانشآموز مطابقت داشته باشد، بنابراین یک دانشآموز کلاس پنجم جملات کوتاهتر و واژگان سادهتری دریافت میکند، در حالی که یک دانشآموز کلاس نهم توضیحات پیشرفتهتری دریافت میکند. ریاضی یکسان، با کلماتی که بچهها واقعاً میتوانند هضم کنند تدریس میشود. و ما بررسی سطح گام را برای هدایت ریاضی انجام میدهیم تا تولید آزادانه، که احتمال یک گام مطمئن اما اشتباه را کاهش میدهد. این تفاوت بین ابزاری است که برای پاسخ دادن به هر چیزی ساخته شده و سیستمی که برای آموزش خوب یک چیز ساخته شده است.
تامز گاید: والدین میگویند روشی را که امروزه ریاضی تدریس میشود نمیشناسند. چه مشکلاتی شنیدهاید و استاراسپارک چگونه کمک میکند؟
بنزال: من دائماً این را میشنوم و صادقانه بگویم خودم هم آن را حس کردهام. یک والد مینشیند تا کمک کند، مدلهای مساحت، خطوط اعداد و سه استراتژی مختلف را برای یک مسئله میبیند و فکر میکند: «این روشی نیست که من یاد گرفتم.» گاهی اوقات حتی به خاطر رسیدن به پاسخ درست با روش «نصحیح»، نمره کودک کم میشود. این باعث میشود والدین احساس کنند از کمک به فرزند خود محروم شدهاند.
دو چیزی که بیشتر از همه میشنوم: «من این روشهای جدید را نمیفهمم» و «نمیخواهم آن را اشتباه آموزش دهم و آنها را بیشتر گیج کنم.»
استاراسپارک این فشار را از دو طریق برطرف میکند. اول، ما برنامه درسی را هم برای والدین و هم برای دانشآموز شفاف میکنیم، به طوری که همه میتوانند ببینند کودک قرار است چه چیزی را یاد بگیرد و در کجا قرار دارد. هیچ ابهامی درباره آنچه پوشش داده میشود وجود ندارد. دوم، ما خود آموزش را به عهده میگیریم. معلمان خصوصی ما دانش نحوه تدریس واقعی یک موضوع در هر پایه را به همراه دارند. برای ذکر یک مثال، تجزیه یک عبارت درجه دوم در پایه هفتم با پایه هشتم یا نهم به روشی متفاوت معرفی و انتظار می رود و معلم خصوصی آن تفاوت را میداند، بنابراین روش را دقیقاً به همان شکلی که کلاس آن کودک انتظار دارد، بدون هیچ درگیری با معلم آموزش میدهد.
و از آنجایی که مراحل و جایی را که کودک اشتباه کرده نشان میدهد، نه فقط یک تیک ساده، والدین نیازی نیست که یک متخصص ریاضی باشند تا درگیر بمانند. توصیه من به والدین ساده است: نیازی نیست روش جدید را بدانید. فقط درزیر بنشینید و از فرزندتان بخواهید تفکر خود را برای شما توضیح دهد. این کار به تنهایی کارهای زیادی انجام میدهد.
تامز گاید: به نظر شما هوش مصنوعی طی پنج تا ۱۰ سال آینده چگونه آموزش را بهبود خواهد بخشید؟ آیا در نهایت هر دانشآموز یک معلم خصوصی هوش مصنوعی شخصی خواهد داشت؟
بنزال: من فکر میکنم ما به سمت این حرکت میکنیم که هر کودکی یک معلم خصوصی همیشه در دسترس داشته باشد و فکر میکنم این یکی از امیدوارکنندهترین اتفاقاتی است که در آموزش رخ میدهد. یک معلم خصوصی هوش مصنوعی برای هر دانشآموز در سراسر جهان، به هر زبانی، ماموریت ما است. این آیندهای است که ما به سمت آن در حال ساخت هستیم.
ایده شناختهشدهای از بنیامین بلوم (Benjamin Bloom)، پژوهشگر حوزه آموزش در سال ۱۹۸۴ وجود دارد. آموزش خصوصی یکبهیک، دانشآموز متوسط را حدود دو انحراف معیار بالاتر از یک کلاس درس معمولی قرار میدهد. این روش فوقالعاده خوب کار میکند. مشکل همیشه این بوده که شما نمیتوانید از عهده استخدام یک معلم خصوصی انسانی برای هر کودک برآیید. این همان مشکلی است که این حوزه ۴۰ سال است در آن گیر کرده است و هوش مصنوعی اولین فناوری است که به ما شانس واقعی برای حل آن در مقیاس وسیع میدهد.
تغییر دیگری که من از آن هیجانزده هستم، ارزیابی است. ما تمایل داریم ارزیابی را به عنوان قضاوت درباره یک دانشآموز، یعنی یک نمره در کارنامه، در نظر بگیریم. من فکر میکنم هدف واقعی آن کشف مفهوم گمشدهای است که کودک را عقب نگه داشته است. از آنجایی که یک معلم خصوصی خوب میتواند کل روند را ببیند - مراحل، تلاشهای مجدد، کاری که کودک مینویسد یا بیان میکند - ما پنجرهای به سوی نحوه تفکر واقعی دانشآموز به دست میآوریم، نه فقط پاسخ نهایی او. این تصویری غنیتر و صادقانهتر از یک امتحان است.
و از آنجا که هوش مصنوعی میتواند آن بازخورد را در زمان واقعی ارائه دهد، میتواند ارزیابی و رفع اشکال را در یک حلقه بسته اجرا کند. این سیستم شکاف را شناسایی میکند، بلافاصله آن را آموزش میدهد، دوباره بررسی میکند و به کار ادامه میدهد. این همان چیزی است که یادگیری شخصیسازیشده واقعی به نظر میرسد و در نهایت به دانشآموز اجازه میدهد با سرعت خودش حرکت کند، نه با سرعت کلاس.
این به آن سوال دشواری اشاره دارد که در پس همه این موارد قرار دارد و اخیراً آن را در پادکست ادتک اینسایدرز (EdTech Insiders) مطرح کردم. آیا ما واقعاً برای آموزش شخصیسازیشده آمادهایم؟ آیا میتوانیم کلاسی را اداره کنیم که در آن هر کودکی در نقطه متفاوتی از برنامه درسی قرار دارد؟ این مسئله اصلی است که باید حل کنیم و بههمان اندازه که به فناوری مربوط میشود، به ساختار مدارس نیز مرتبط است.
با این حال، صریح میگویم. این ابزار معلمان عالی را تقویت میکند؛ جایگزین آنها نمیشود. انگیزه یک مثال خوب است. بخش بزرگی از اینکه چرا یک کودک ریاضی سخت را جلو میبرد، رابطه با معلمی است که نمیخواهد او را ناامید کند و این عمیقاً انسانی است. هوش مصنوعی میتواند یک شریک تمرینی بینهایت صبور باشد، اما معلم همچنان کسی است که در وهله اول به کودک الهام میبخشد تا اهمیت دهد. تقسیم کار درست، رابطه انسانی را در مرکز توجه نگه میدارد. و پژوهشهای اثربخشی بلندمدت هنوز در حال انجام است، بنابراین ترجیح میدهم در مورد آنچه ثابت کردهایم و آنچه هنوز در حال ثابت کردن آن هستیم، صادق باشم.
تامز گاید: اگر میتوانستید به هر والد یک توصیه درباره استفاده از هوش مصنوعی برای حمایت از فرزندشان در این سال تحصیلی بدهید، آن چه بود؟
بنزال: ابزاری را انتخاب کنید که آموزش دهد، نه ابزاری که پاسخ بگوید. کل ماجرا همین است. ابزارهای خوب سوال میپرسند و راهنمایی میکنند. ابزارهای بد فقط پاسخ را تحویل میدهند. سریعترین آزمایش این است که به مدت دو دقیقه تماشا کنید فرزندتان چگونه از آن استفاده میکند. اگر آنها در حال کار کردن، توضیح دادن و تفکر کردن هستند، ابزار به آنها کمک میکند. اگر در حال کپی کردن یک پاسخ از روی صفحه هستند، قطعاً به آنها آسیب میرساند، مهم نیست چقدر صیقلی به نظر برسد.
اگر میخواهید قبل از متعهد شدن به یک ابزار، چند مورد مشخص را بررسی کنید:
آیا این ابزار به طور اختصاصی برای یادگیری ساخته شده است، یا یک ابزار بهرهوری است که «حالت یادگیری» به آن پیچ شده است؟ اینها یک چیز نیستند.
آیا با پایه و برنامه درسی فرزند شما هماهنگ است، به طوری که به همان شکلی که کلاس آنها تدریس میکند، آموزش دهد؟
بازخورد دادن این ابزار بر روی کار واقعی فرزندتان چقدر خوب است، نه اینکه صرفاً درست یا غلط بودن آن را علامتگذاری کند؟
آیا چندوجهی است؟ ریاضی در تصاویر، نمودارها و دستنویسها زندگی میکند. کودک باید بتواند یک مسئله را بکشد و بنویسد، نه اینکه فقط در یک کادر چت تایپ کند.
اگر به درستی استفاده شود، هوش مصنوعی یک معلم خصوصی صبور است که هر زمان فرزندتان به آن نیاز داشته باشد در دسترس است. اگر به اشتباه استفاده شود، میانبری است که دور یادگیری میزند. این بررسیها راه تشخیص این دو است.