پایه پژوهشی ناکافی در حوزه هوش مصنوعی در تربیتپرونده فناوری و تربیت (۷)
✍️ شهرام رامشت
💠 با وجود پژوهش‌های گسترده در حوزه هوش مصنوعی در تربیت و رشد فزاینده تحقیقات در زمینه یادگیری ماشین، شواهد بسیار #اندکی برای پشتیبانی از ادعاهای مربوط به توانایی هوش مصنوعی در #تحول مدارس وجود دارد. در حالی که پژوهشگران هوش مصنوعی در آموزش یافته‌های متعددی تولید کرده‌اند، مطالعات آنان عمدتاً بر سنجه‌های مشارکت و عملکرد فردی دانش‌آموزان، که از طریق آزمون‌های استاندارد پیشرفت تحصیلی سنجیده می‌شوند، یا بر مسائل مهندسی، همچون طراحی الگوریتم‌های پیچیده‌تر و ارتقای اثربخشی یادگیری ماشین، تمرکز دارند.در مجموع، مطالعات هوش مصنوعی در آموزش غالباً به نتایج #مبهمی منتهی می‌شوند، از استقلال و مقیاس کافی برخوردار نیستند و به پرسش‌های بنیادی‌تر درباره اهداف آموزشی نمی‌پردازند. ازاین‌رو، پژوهش‌های هوش مصنوعی در آموزش غالباً دیدگاهی از تحول آموزشی را ترویج می‌کنند که آن را به بهبود پیامدهای فردی قابل‌اندازه‌گیری تقلیل می‌دهد، در حالی که شواهد بسیار محدودی وجود دارد که نشان دهد هوش مصنوعی واقعاً کارآمد است. در عمل، چنین مطالعاتی نظریه‌های دقیق و مبتنی بر پژوهش درباره چگونگی یادگیری انسان را به آنچه می‌توان در قالب یک مدل ریاضی، هرچند پیچیده، صورت‌بندی کرد، فرو می‌کاهند و از عرصه مناقشه‌برانگیز تعیین اینکه مدارس دولتی دقیقاً چه اهداف و کدام #برنامه_درسی را باید دنبال کنند، چشم می‌پوشند. افزون بر این، ادعاهایی مبنی بر اینکه هوش مصنوعی می‌تواند مسائل عمده آموزشی، مانند #کمبود_معلمان واجد شرایط، عملکرد تحصیلی ضعیف دانش‌آموزان و نابرابری‌های آموزشی را حل کند، تا حد زیادی بر حدس و گمان متکی‌اند، نه بر شواهد.
💠 حتی مسئله‌سازتر آن‌که، نقص‌های روش‌شناختی جدی در پژوهش‌های یادگیری ماشین وجود دارد که اعتبار صدها مطالعه را زیر سؤال می‌برند. این نقص‌ها عموماً به نوعی #خوش‌بینی افراطی نسبت به سودمندی و ارزش کاربردهای یادگیری ماشین در حوزه‌های گوناگون می‌انجامند. این یافته‌ها به‌ویژه نگران‌کننده‌اند، زیرا نه‌تنها ادعاهای بازاریابی تجاری را مورد تردید قرار می‌دهند، بلکه بنیان شواهد علمی حامی اجرای گسترده سامانه‌های هوش مصنوعی در تمامی بخش‌ها، از جمله آموزش، را نیز زیر سؤال می‌برند.در نهایت، به دلیل هزینه‌های بسیار بالای محاسباتی مرتبط با اجرای مدل‌های یادگیری ماشین، بیشتر پژوهشگران ناچارند برای انجام تحقیقات خود به سامانه‌های شرکت‌های مسلط در حوزه هوش مصنوعی اتکا کنند؛ همان شرکت‌هایی که اغلب تأمین مالی مطالعات هوش مصنوعی را نیز بر عهده دارند. این وضعیت، #پژوهش را به منابع، بودجه و رویه‌های تجاری شرکت‌ها وابسته می‌سازد و به بنگاه‌های هوش مصنوعی نفوذ قابل‌توجهی نه‌تنها بر توسعه هوش مصنوعی، بلکه بر پژوهش دانشگاهی وابسته به سامانه‌های آن‌ها می‌بخشد. همچنین، این امر یکی از ارکان مهم فرایند پژوهش، یعنی بازتولید یافته‌ها برای سنجش اعتبار آن‌ها را مخدوش می‌کند. هنگامی که یک شرکت مدل خاصی را تغییر می‌دهد یا پشتیبانی از آن را متوقف می‌کند، پژوهشگران دیگر قادر به بازتولید مطالعات پیشین نخواهند بود. این وضعیت، بنیان پژوهشی را ناپایدار و غیرقابل راستی‌آزمایی می‌سازد و در نتیجه، آن را برای ارزیابی مدل‌های بعدی غیرقابل استفاده می‌کند.
پی‌نوشت:❃ حتی اگر بتوانیم از همه ایراداتی که تا کنون به نقش هوش مصنوعی در تربیت وارد شده است، چشم پوشی کنیم، از فقدان شواهد دال بر سودمندی هوش مصنوعی در تربیت نمی‌توان چشم‌پوشی کرد. این سند به خوبی واقعیت اسناد پشتیبان این حوزه را نشان می‌دهد و آن اینکه پژوهش‌ها عمدتاً مباحث فنی را در نظر می‌گیرند، نگاه خوشبینانه افراطی نسبت به هوش مصنوعی در آموزش دارند، توسط ارائه دهنده‌های خدمات فناوری (ماست‌بندها!) پشتیبانی مالی می‌شوند (پس طبیعتاً ختم به ترش بودن ماست نمی‌شود)، به اهداف برنامه درسی و مسائل اصلی تربیتی نمی‌پردازند.❃ به نظر من همه چیز شفاف است. #هیچ (اجازه بدید مجدد تکرار کنم، هیــــــــــــــچ ) پژوهش #طولی معتبر (انجام‌شده توسط نهاد معتبر) و #مستقلی (بدون وابستگی به شرکت‌های فناور) وجود ندارد که نشان دهد هوش مصنوعی می‌تواند در تربیت تأثیر مثبت معناداری داشته باشد. متن گزارش را یکبار دیگر بخوانیم، عمده سیاست‌ها و ادعا مبتنی بر حدس و گمان هستند، نه شواهد. حال چطور قسم حضرت عباس می‌خوریم که باید هوش مصنوعی را در تربیت دخیل کنیم؟ نمی‌دانم.🖇️ ترجمه بدون تغییر متن سند:زمانی برای توقفمرکز ملی سیاست‌پژوهی تربیتی آمریکا🌱#پرونده_فناوری_و_تربیت #تکنولوژی_آموزشی #فناوری_در_آموزش #خط‌مشی‌گذاری #هوش_مصنوعی🧭 @education_policy
13:19 - 15 مهر 1405
17٫7k بازدید