در سیستم های سنتی آموزش،گاهی یک دانش‌آموز با یک سؤال ساده روبه‌رو می‌شود و باید منتظر کلاس بعدی یا پاسخ معلم بماند؛ امروز اما به کمک فناوری های جدید و با در اختیار داشتن یک سیستم رایانه یا تلفن همراه می‌تواند همان لحظه از یک سامانه هوش مصنوعی توضیح بخواهد. این تغییر کوچک، پرسش بزرگی ایجاد کرده است: آیا هوش مصنوعی فقط ابزار جدید آموزش است یا در حال تغییر دادن خودِ مفهوم یادگیری است؟
به گزارش سیناپرس، هوش مصنوعی در آموزش ابتدا به شکل سامانه‌های ساده‌تر برای ارزیابی، پیشنهاد تمرین و آموزش تطبیقی وارد شد، اما ظهور انواع هوش مصنوعی مولد، مانند چت جی پی تی، گراک و سایر موارد مشابه، دامنه این تغییر بسیار گسترده‌تر شده است. اکنون یک دانش‌آموز یا دانشجو می‌تواند از سامانه هوش مصنوعی بخواهد یک مفهوم دشوار را در سطح سنی خودش برای وی بارها و بارها توضیح داده، تمرین طراحی کند، اشتباهات یک متن را پیدا یا مرحله به مرحله در حل یک مسئله همراهش باشد. در چنین شرایطی، آموزش از یک مدل یکسان برای همه، به سمت یادگیری شخصی‌سازی‌شده حرکت می‌کند.
در این میان، یکی از مهم‌ترین تغییرات، همین شخصی‌سازی است. معلم در یک کلاس ۳۰ یا ۴۰ نفره نمی‌تواند برای هر دانش‌آموز در هر لحظه توضیحی کاملاً متناسب با سطح دانش، سرعت یادگیری و نقاط ضعف او ارائه کند اما هوش مصنوعی از نظر تئوری می‌تواند این شکاف را کاهش دهد. نتایج مرور نظام‌مند دانشگاه آلکالا در سال ۲۰۲۵، که ۴۵ مطالعه تجربی آموزش عالی را بررسی کرد، نشان داد سامانه‌های هوش مصنوعی ظرفیت قابل توجهی برای تطبیق محتوا، سرعت و روش آموزش با نیازهای فردی دارند.
البته باید در نظر داشت که این توانمندی به معنای حذف معلم نیست و پیش بینی می شود در آینده ای نه چندان دور، نقش معلم می‌تواند از «انتقال‌دهنده اصلی اطلاعات» به طراح تجربه یادگیری، ناظر، ارزیاب و راهنمای تفکر تغییر کند. سازمان جهانی یونسکو در چارچوب شایستگی هوش مصنوعی برای معلمان در سال ۲۰۲۴ نیز بر همین تغییر تأکید کرده و رابطه سنتی «معلم ـ دانش‌آموز» را در عصر هوش مصنوعی به رابطه «معلم ـ هوش مصنوعی ـ دانش‌آموز» نزدیک دانسته است. این چارچوب ۱۵ شایستگی را در پنج حوزه، از جمله اخلاق هوش مصنوعی، کاربردهای آموزشی و یادگیری حرفه‌ای معلمان، تعریف می‌کند.
علاوه بر این، شواهد تجربی نیز نشان می‌دهد که کیفیت طراحی در شکل گیری ساختار آموزشی بسیار مهم است. در پژوهش دانشگاه هاروارد در سال ۲۰۲۵، ۱۹۴ دانشجو یک سامانه آموزش‌دهنده هوش مصنوعی را با آموزش فعال در کلاس مقایسه کردند. سامانه‌ای که برای این مطالعه طراحی شده بود، اصول شناخته‌شده آموزش و روان‌شناسی یادگیری را در خود داشت. دانشجویان با آن در زمان کمتر، یادگیری بیشتری نشان دادند و مشارکت و انگیزه بیشتری نیز گزارش کردند. بنابراین، آنچه مؤثر بود صرفاً وجود یک سامانه هوش مصنوعی مانند چت جی پی تی نبود؛ بلکه طراحی آموزشی مناسب در کنار هوش مصنوعی ، نقطه کلیدی این مساله به شمار می رفت.
از سوی دیگر، هوش مصنوعی می‌تواند یک خطر مهم یعنی کاهش تلاش ذهنی دانش‌آموز را ایجاد کند. در حقیقت اگر دانش‌آموز به‌جای تلاش برای حل مسئله، بلافاصله پاسخ آماده را از طریق هوش مصنوعی دریافت کند، ممکن است تکلیف را سریع‌تر تمام کند اما فرصت کمتری برای شکل‌گیری حافظه و مهارت حل مسئله داشته باشد. نتایج به دست آمده از یک کارآزمایی تصادفی با ۱۲۰ دانشجو در سال ۲۰۲۵ دقیقاً چنین هشداری را مطرح کرد. در این پژوهش مشخص شد ۴۵ روز پس از یادگیری، عملکرد گروهی که هنگام مطالعه از هوش مصنوعی استفاده کرده بود، از گروهی که به روش سنتی مطالعه کرده بود پایین‌تر بود.
این یافته با نتایج کلی پژوهش‌ها تناقض ندارد؛ بلکه نشان می‌دهد کمک گرفتن از هوش مصنوعی با سپردن یادگیری به هوش مصنوعی یکسان نیست. متاآنالیزهای منتشرشده در سال ۲۰۲۵ عموماً اثر مثبتی برای هوش مصنوعی و GenAI بر پیشرفت تحصیلی و انگیزه پیدا کرده‌اند، اما تفاوت زیاد میان مطالعات نشان می‌دهد نوع فناوری، شیوه استفاده، مدت مداخله و سطح تحصیلی اهمیت زیادی دارد. در یکی از این متاآنالیزها، ۶۸ مطالعه بررسی شد و اثر کلی مثبت بود، اما ناهمگونی بسیار بالا نشان داد که نمی‌توان یک نسخه واحد برای تمام محیط‌های آموزشی تجویز کرد.
تغییر دیگر به ارزشیابی و تکالیف مدرسه و دانشگاه مربوط می‌شود. وقتی یک سامانه می‌تواند مقاله، پاسخ تشریحی یا حتی کد رایانه‌ای تولید کند، دیگر سنجش دانش‌آموز صرفاً با محصول نهایی همیشه نشان‌دهنده میزان یادگیری او نیست. به همین دلیل، آموزش می‌تواند به سمت تکالیفی حرکت کند که در آنها فرایند استدلال، گفت‌وگو، ارائه شفاهی، حل مسئله در حضور معلم و توانایی نقد پاسخ هوش مصنوعی اهمیت بیشتری داشته باشد.
از سوی دیگر، خودِ دانش‌آموز نیز باید مهارت جدیدی برای ارزیابی پاسخ هوش مصنوعی بیاموزد زیرا هوش مصنوعی ممکن است با اطمینان بالا پاسخی نادرست ارائه کند. بنابراین در نظام آموزشی آینده، سواد هوش مصنوعی فقط به معنای دانستن نحوه استفاده از این ابزار نیست؛ بلکه شامل تشخیص خطا، بررسی منبع، حفظ حریم خصوصی و تشخیص مرز میان کمک گرفتن و وابستگی نیز خواهد بود. یونسکو در چارچوب شایستگی دانش‌آموزان در سال ۲۰۲۴، دوازده شایستگی را در چهار حوزه، از جمله نگرش انسان‌محور، اخلاق هوش مصنوعی، کاربردهای فنی و طراحی سامانه‌های هوش مصنوعی، پیشنهاد کرده است.
در مجموع، می توان گفت شواهد موجود نشان نمی‌دهد که هوش مصنوعی الزاماً آموزش را بهتر یا بدتر می‌کند زیرا در نهایت آنچه تغییر می‌کند، شیوه سازمان‌دهی یادگیری است. هوش مصنوعی می‌تواند معلم خصوصی در دسترس، ابزار تمرین، دستیار پژوهش و وسیله‌ای برای شخصی‌سازی آموزش باشد؛ اما اگر جای تلاش فکری، بازخورد انسانی و ارزیابی انتقادی را بگیرد، ممکن است نتیجه معکوس داشته باشد
به نظر می‌رسد مسیر محتمل آموزش آینده نه معلم در برابر هوش مصنوعی، بلکه حضور معلم، دانش‌آموز و هوش مصنوعی در یک نظام آموزشی جدید باشد؛ نظامی که در آن فناوری باید در خدمت یادگیری قرار گیرد، نه اینکه خود یادگیری را جایگزین کند.
گزارش: نیروانا محمدحسینی
