اکنون که ماه اوت از راه رسیده است، فضای فصل بازگشایی مدارس حس میشود و دانشآموزان باید خود را برای یک سال دیگر از تحصیل حضوری آماده کنند.
با تکامل مداوم ابزارهای هوش مصنوعی، معلمان و دانشآموزان از آنها برای کمک به یادگیری روزمره خود استفاده کردهاند. در حالی که شنیدن داستانهایی درباره دانشآموزانی که کارهای خود را بهطور کامل با هوش مصنوعی تولید میکنند ناامیدکننده است، دیدن ابزارهای هوش مصنوعی مانند جمینای نوتبوکز (Gemini Notebooks)، پرپلکسیتی (Perplexity) و چتجیپتی (ChatGPT) که ویژگیهای آموزشی بدون تشویق به تقلب ارائه میدهند، به همان اندازه رضایتبخش است.
صحبت از ابزارهای هوش مصنوعی ساختهشده برای آموزش دانشآموزان که شد، یکی از برجستهترین آنها استارسپارک (StarSpark) است؛ یک پلتفرم ریاضی و علوم مبتنی بر هوش مصنوعی که برای آموزش دادن طراحی شده است و نه صرفاً ارائه پاسخها. این پلتفرم عمدتاً دورههای مقطع دبیرستان و دبستان (K-12 و AP) را پوشش میدهد و در عین حال با سطح پایه خاص دانشآموز، سبک یادگیری و دانشی که از قبل کسب کردهاند، سازگار میشود. برای والدین نیز، استارسپارک به همان اندازه مفید است؛ این ابزار آموزشی هوش مصنوعی پشتیبانی در دسترس و بر اساس تقاضا را فراهم میکند که به آنها کمک میکند شیوهای را که ریاضی و علوم امروزه تدریس میشوند، درک کنند.
آشیش بنزال (Ashish Bansal)، یک پدر و توسعهدهنده پشت استارسپارک، 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.
تأثیر استارسپارک 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 استارسپارک 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 گشتم تا به فرزندان خودم در ریاضی کمک کنم، هر چیزی که پیدا کردم در زیر بنا 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 موضوع بیشتر از آنچه به نظر میرسد اهمیت دارد. این ابزارهای عمومی برای متخصصان ساخته شدهاند تا کارها را انجام دهند و برای مشارکت بهینهسازی شدهاند. بهینهسازی برای مشارکت، یک مدل را به سمت گفتن آنچه میخواهید بشنوید هل میدهد و چاپلوسی هدفی بسیار متفاوت از آموزش است. یک معلم خوب به کودک میگوید چه زمانی اشتباه میکند. و سلب مسئولیت «این هوش مصنوعی است، میتواند اشتباه کند» که همراه با این ابزارهای ارائه میشود برای یک متخصص بزرگسال خوب است، اما تسلای خاطر سردی برای یک فراگیر است، زیرا دانشآموز تنها فردی است که در موقعیت تشخیص اشتباه نیست. اگر آنها به اندازه کافی میدانستند که خطا را تشخیص دهند، به معلم خصوصی نیاز نداشتند.
مسئله عمیقتر این است که حلکردن، آموزشدادن نیست. این مغالطه 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 پاسخ صحیح و ایجاد درک، دو شغل متفاوت هستند.
بنابراین، من معلم خصوصی را ساختم که آرزو داشتم فرزندانم داشته باشند. هدفمند برای یادگیری، هماهنگ با پایه تحصیلی، سقراطی و طراحی شده برای راهنمایی گامبهگام دانشآموز به جای انجام کار برای آنها.
تامز گاید: آیا لحظات غافلگیرکنندهای دیدهاید که در آن دانشآموزان اعتماد به نفس یا مهارتهای حل مسئلهای را از خود بروز دهند که قبلاً نشان نمیدادند؟
بنزال: تمام مدت، و این بهترین بخش این شغل است. الگویی که بیشتر از همه مرا شگفتزده میکند این است که یک کودک از درخواست پاسخ دست برمیدارد و میخواهد خودش آن را پیدا کند.
چند جلسه واقعی در ذهن من باقی مانده است. یک دانشآموز جوان در حال کار روی جمع با انتقال بود، دو بار گیر کرد و آن را پشت سر گذاشت. او جلسه را با تایپ کردن این جمله به پایان رساند: «فکر میکنم حالا ریاضی را میفهمم.» همین یک جمله کل دلیلی است که ما این را ساختیم.
مورد دیگر یک دانشآموز دبیرستانی بود که روی یک مسئله سخت نظریه اعداد کار میکرد. او شش ترکیب مختلف اشتباه را امتحان کرد. استارسپارک هرگز پاسخ را به او ندıد؛ بلکه فقط او را در دقیقترین مرحلهای که اشتباه کرده بود، هدایت کرد. او خودش به پاسخ درست رسید و در پایان او در واقع فرمولهای مقسومعلیه را فهمید، نه فقط آن یک مسئله.
مورد مورد علاقه من شاید دانشآموزی باشد که به طور مداوم «آسانتر، آسانتر، آسانتر» را تایپ میکرد و به وضوح میخواست تسلیم شود. معلم خصوصی به جای کوتاه آمدن، موضع خود را حفظ کرد و چند دقیقه بعد او مسئله خودش را ساخت و آن را حل کرد. اعتماد به نفس معمولاً ابتدا به صورت پشتکار خود را نشان میدهد.
تامز گاید: همه نگران این هستند که هوش مصنوعی دانشآموزان را به آن وابسته کند. چگونه استارسپارک را طوری طراحی کردید که به جای دادن پاسخها، به دانشآموزان نحوه تفکر را بیاموزد؟
بنزال: این دقیقاً همان حالت شکستی است که ما برای مقابله با آن طراحی کردیم، بنابراین در هسته محصول تعبیه شده است و نه اینکه به آن الحاق شده باشد.
تحقیقات کاملاً واضح است. دانشآموزانی که از هوش مصنوعی برای دریافت پاسخ استفاده میکنند، توانایی حل مسئله را در طول زمان از دست میدهند. دانشآموزانی که از آن برای راهنمایی استفاده میکنند، آن را حفظ میکنند. بنابراین کل طراحی پیرامون تقلا و تلاش سازنده ساخته شده است، که این ایده است که یادگیری واقعی زمانی اتفاق میافتد که یک کودک در لبه آنچه میتواند انجام دهد کار میکند، نه زمانی که کار برای او انجام شده است.
در عمل، این بدان معناست که استارسپارک راهنماییها را به آرامی میدهد. این ابزار راه حل کامل را ارائه نمیدهد. ابتدا کوچکترین راهنمایی را ارائه میدهد، سپس یک راهنمایی کمی بزرگتر، و تنها در صورتی پیشتر میرود که دانشآموز همچنان به آن نیاز داشته باشد، بنابراین کودک همیشه تا جایی که میتواند تفکر را انجام میدهد. هیچ حالت «فقط پاسخ را به من بده» وجود ندارد که وقتی ناامید میشوند به آن تغییر وضعیت دهند.
بخش دیگر مداخله پیشگیرانه است. معلم خصوصی نحوه کارکرد دانشآموز را تماشا میکند و هنگامی که تشخیص میدهد آنها به طور واقعی روی یک سوال گیر کردهاند، خودش وارد عمل میشود و مفهوم زیرین را در همان لحظه، در دقیقترین مرحلهای که سوءتفاهم وجود دارد، آموزش میدهد. اگر آنها چیزی را اشتباه متوجه شوند، ما آن را فقط به عنوان غلط علامتگذاری نمیکنیم. ما یک بازآموزی دو تا سه دقیقهای انجام میدهیم و از آنها میخواهیم دوباره تلاش کنند، هر چند بار که نیاز داشته باشند.
هدف محافظت از تقلا است، نه حذف آن. این تفاوت بین یک معلم خصوصی و یک عص زیر بغل است.
تامز گاید: بزرگترین اشتباهاتی که میبینید دانشآموزان با چتباتهای عمومی مانند چتجیپتی (ChatGPT) مرتکب میشوند چیست؟ استارسپارک چگونه آنها را حل میکند؟
بنزال: بزرگترین مورد واضح است. یک کودک مسئله را تایپ میکند، پاسخ را کپی میکند، تکالیف را تحویل میدهد و هیچ چیز یاد نمیگیرد. احساس سازنده بودن میدهد اما نیست. این در امتحان بعدی خود 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 مورد سوم عدم تطابق پایه تحصیلی است. یک مسئله کلاس پنجم را از یک چتبات عمومی بپرسید و ممکن است یک توضیح فنی در سطح دانشگاه به شما بدهد که مستقیماً از بالای سر کودک عبور میکند.
استارسپارک برای حل هر سه ساخته شده است. این ابزار پاسخ را تحویل نمیدهد، بنابراین دانشآموز درگیر میماند. این سیستم از طریق همپانی پایهای با آموزش هماهنگ است، بنابراین یک مفهوم را به شکلی که در واقع در آن پایه تدریس میشود، آموزش میدهد. بخشی از آن 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 پایه نهم توضیح پیشرفتهتری دریافت میکند. ریاضی یکسان، آموزش داده شده با کلماتی که بچهها واقعاً میتوانند هضم کنند. و ما بررسی سطح گام را برای هدایت ریاضی به جای تولید آزاد انجام میدهیم، که احتمال یک مرحله مطمئناً اشتباه را کاهش میدهد. این تفاوت بین ابزاری است که برای پاسخ به هر چیزی ساخته شده و سیستمی که برای آموزش خوب یک چیز ساخته شده است.
تامز گاید: والدین میگویند شیوهای که ریاضی امروزه تدریس میشود را نمیشناسند. چه مشکلاتی شنیدهاید و استارسپارک چگونه کمک میکند؟
بنزال: من دائماً این را میشنوم و صادقانه بگویم خودم آن را احساس کردم. یک والد مینشیند تا کمک کند، مدلهای مساحت و خطوط اعداد و سه استراتژی مختلف برای یک مسئله را میبیند و فکر میکند، «این روشی نیست که من یاد گرفتم.» گاهی اوقات حتی کودک به خاطر رسیدن به پاسخ درست با روش «اشتباه» نمره منفی میگیرد. این امر باعث میشود والدین احساس کنند که از کمک به فرزند خود محروم شدهاند.
دو چیزی که بیشتر میشنوم: «من این روشهای جدید را نمیفهمم» و «نمیخواهم آن را اشتباه یاد بدهم و آنها را بیشتر گیج کنم.»
استارسپارک آن فشار را از دو طریق کاهش میدهد. اول، ما برنامه درسی را برای هم والدین و هم دانشآموز شفاف میکنیم، بنابراین همه میتوانند ببینند قرار است کودک چه چیزی یاد بگیرد و در کجا قرار دارد. هیچ ابهامی در مورد آنچه پوشش داده میشود وجود ندارد. دوم، ما خودِ روش تدریس را برونسپاری میکنیم. معلمان خصوصی ما دانش نحوه آموزش واقعی یک موضوع در هر پایه را به دوش میکشند. برای ذکر یک مثال، تجزیه یک عبارت درجه دوم در پایه ۷ نسبت به پایه ۸ یا پایه ۹ به شکل متفاوتی معرفی و انتظار میرود و معلم خصوصی آن تفاوت را میداند، بنابراین روش را به شکلی که کلاس آن کودک انتظار دارد، بدون تضاد با معلم، آموزش میدهد.
و از آنجایی که مراحل و جایی را که کودک اشتباه کرده است نشان میدهد، نه فقط یک تیک، یک والد نیازی به متخصص ریاضی بودن برای ماندن درگیر ندارد. توصیه من به والدین ساده است: نیازی نیست روش جدید را بدانید. فقط در این نزدیکی بنشینید و از فرزندتان بخواهید تفکر خود را برای شما توضیح دهد. همین کار به تنهایی کارهای زیادی انجام میدهد.
تامز گاید: شما چگونه میبینید که هوش مصنوعی آموزش را طی ۵ تا ۱۰ سال آینده بهبود بخشد؟ آیا در نهایت هر دانشآموز یک معلم خصوصی شخصی هوش مصنوعی خواهد داشت؟
بنزال: من فکر میکنم ما به سمت داشتن یک معلم خصوصی همیشه در دسترس برای هر کودک حرکت میکنیم و فکر میکنم این یکی از امیدوارکنندهترین اتفاقاتی است که در آموزش رخ میدهد. یک معلم خصوصی هوش مصنوعی برای هر دانشآموز در جهان، به هر زبانی، مأموریت ما است. این آیندهای است که ما به سمت آن میسازیم.
یک ایده شناخته شده از بنجامین بلوم (Benjamin Bloom) محقق آموزشی در سال ۱۹۸۴ وجود دارد. آموزش خصوصی تکبهتک میانگین دانشآموز را حدود دو انحراف معیار بالاتر از یک کلاس درس عادی میبرد. این کار به طرز باورنکردنی خوب کار میکند. نکته گمراهکننده همیشه این بوده است که شما نمیتوانید از عهده هزینه یک معلم خصوصی انسانی برای هر کودک برآیید. این مشکلی است که این زمینه به مدت ۴۰ سال 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 ارزشیابی است. ما تمایل داریم ارزشیابی را به عنوان قضاوت درباره یک دانشآموز، 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 صحبت میکند یا مینویسد - ما پنجرهای به نحوه تفکر واقعی دانشآموز به دست میآوریم، نه فقط پاسخ نهایی آنها. این تصویر غنیتر و صادقانهتری نسبت به یک امتحان است.
و از آنجایی که هوش مصنوعی میتواند آن بازخورد را در زمان واقعی ارائه دهد، میتواند ارزشیابی و جبران را در یک حلقه بسته اجرا کند. این ابزار شکاف را شناسایی میکند، بلافاصله آن را آموزش میدهد، دوباره بررسی میکند و به کار خود 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 تا سرعت کلاس.
این به سوال دشواری در زیر همه اینها اشاره میکند که اخیراً 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 کودک در نقطه متفاوتی از برنامه درسی قرار دارد؟ این مسئله اصلی است که باید حل کنیم و به اندازه فناوری، به نحوه ساختار مدارس نیز مربوط میشود.
با این حال، صریح خواهم بود. 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 پشت سر میگذارد، رابطه با معلمی است که نمیخواهد ناامیدش کند و این عمیقاً انسانی است. یک 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 نگه میدارد. و تحقیقات اثربخشی بلندمدت هنوز در حال انجام است، بنابراین ترجیح میدهم در مورد آنچه ثابت کردهایم و آنچه هنوز در حال اثبات آن هستیم، صادق باشم.
تامز گاید: اگر بتوانید به هر والد یک توصیه درباره استفاده از هوش مصنوعی برای حمایت از فرزندشان در این سال تحصیلی بدهید، آن چه خواهد بود؟
بنزال: ابزاری را انتخاب کنید که آموزش میدهد، نه ابزاری که پاسخ میگوید. تمام داستان همین است. موارد خوب سوال میپرسند و راهنمایی میدهند. موارد بد فقط پاسخ را تحویل میدهند. سریعترین آزمایش این است که کودک خود را تماشا کنید که به مدت دو دقیقه از آن استفاده میکند. اگر آنها در حال کار کردن، توضیح دادن و تفکر هستند، این ابزار به آنها کمک میکند. اگر آنها در حال کپی کردن یک پاسخ از روی صفحه هستند، صرف نظر از اینکه چقدر صیقلی به نظر برسد، به آنها آسیب میرساند.
اگر میخواهید چند مورد مشخص را قبل از متعهد شدن به یک ابزار بررسی کنید:
آیا این ابزار هدفمند برای یادگیری ساخته شده است، یا یک ابزار بهرهوری است که «حالت یادگیری» به آن پیچ شده است؟ اینها یک چیز نیستند.
آیا این ابزار با پایه و برنامه درسی فرزند شما هماهنگ است، به طوری که به شکلی که کلاس آنها آموزش میدهد، تدریس کند؟
چقدر در ارائه بازخورد در مورد کار واقعی فرزند شما خوب عمل میکند، نه اینکه فقط آن را درست یا غلط علامتگذاری کند؟
آیا این ابزار چندوجهی است؟ ریاضی در تصاویر، تصویرسازیها و دستخط زندگی میکند. یک کودک باید بتواند یک مسئله را بکشد و بنویسد، نه اینکه صرفاً در یک کادر چت تایپ کند.
اگر درست استفاده شود، هوش مصنوعی یک معلم خصوصی صبور است که هر زمان فرزندتان به آن نیاز داشته باشد، حاضر است. اگر اشتباه استفاده شود، میانبری برای دورزدن یادگیری است. این بررسیها روشی است که شما تفاوت را تشخیص میدهید.
مطالب بیشتر از تامز گاید
- گزارشها حاکی از نابودی میلیونها کتاب برای آموزش هوش مصنوعی است — در اینجا چیزی است که آنتروپیک به تامز گاید گفت
- من به والدین بازنشستهام نحوه استفاده از کلود ایآی (Claude AI) را نشان دادم — در اینجا ۵ پرامپت آورده شده که روال روزمره آنها را تغییر داد
- همه از حافظه چتجیپتی (ChatGPT Memory) به شکل نادرستی استفاده میکنند — ۵ ترفند برای تبدیل آن به یک دستیار واقعی