کدام دانشجویان من استعداد دارند؟
مدیریت آموزش: آن چه مسلم است این است که آموزش عالی درحال تجربه تحولی جدی است که فقط به فناوری محدود نیست، بلکه معنای مفاهیمی مانند «استعداد»، «شایستگی» و «سنجش عادلانه» را هم زیر سؤال می برد. اگر این واقعیت را نادیده بگیریم، فقط بحران را عقب انداخته ایم.
چند وقت پیش با برخی از همکاران دانشگاهی ام درباره ی ی تجربه های تدریسمان حرف می زدیم. این نوشته از دل همان گفت وگوها بیرون آمد؛ دغدغه ای که فکر می کنم اینروزها خیلی از معلمان و مدرّسان با آن درگیرند، هرچند کمتر در موردش حرف زده ایم.
یکی دو سالی است که آموزش عالی با مساله ای جدی مواجه شده است، جدی تر از نگرانی های قدیمی درباره ی ی تقلب دانشجویی. با آمدن ابزارهای هوش مصنوعی برای تولید متن، دیگر نمی توان مانند قبل با اطمینان فهمید کدام دانشجو واقعا بااستعداد، و کدام یک فقط از این ابزارها کمک گرفته است.
بگذارید مثالی بزنم که در بیشتر گفت وگوهایم با همکاران مطرح می شود: در امتحانات مجازی چند ترم اخیر، موضوعی که بالاتر از هر چیز توجه را جلب می نماید شباهت عجیب پاسخ هاست. دانشجویانی که در کلاسها، سطوح بسیار متفاوتی از مشارکت و دقت داشتند، در برگه امتحان جواب هایی می دادند که از نظر جمله بندی، کلمه ها، و حتی منطق استدلال، عجیب شبیه هم بود: جمله هایی یکنواخت، لیست هایی مرتب، لحنی صاف که هیچ فراز و نشیبی نداشت. انگار متن هیچ رد پای شخصی ای ندارد.
مساله این است که این پدیده، «تقلب» در نوع قدیمی آن نیست. امکان ردیابی تقلب، در نوع قدیمی آن وجود داشت، متن با منبعی مشخص مقایسه، و در نهایت اثبات می شد. اما آن چه حالا اتفاق می افتد، شکل دیگری دارد: پاسخ ها آن قدر شبیه هم شده اند که مرز بین «فهمیدن» و «کپی کردن» مبهم شده است. دانشجویی که جواب روان و منسجمی تحویل می دهد، ممکنست واقعا مطلب را فهمیده و فقط برای پالایش نوشته اش از فناوری کمک گرفته باشد؛ یا ممکنست هیچ چیز نفهمیده باشد و همه چیز را مستقیم از هوش مصنوعی دریافت کرده باشد. با ابزارهایی که حالا در دست داریم، تشخیص این دو حالت عملا سخت و چالش برانگیز شده است.
چالش دیگر چیست؟ قبل از این یکی از راه های مهمی که با آن دانشجو را می شناختیم، خواندن نوشته اش بود؛ نوشته ای که فقط توانایی فردی را نشان نمی داد، بلکه شکلی از سرمایه ی فرهنگی و زبانی را هم نشان می داد که دانشجو در طول تحصیلش یاد گرفته بود. از لغزش های نوشتاری، تکرارها، جمله های ناقص یا ساختارهای دست وپاشکسته، پی می بردیم که دانشجو در کدام نقطه از مسیر یادگیری نوشتن است و چه سفارش ای باید به او بدهیم؛ برای نمونه بگوییم جمله هایش را کوتاه تر کند، یا استدلالش را منظم تر بچیند، یا در انتخاب کلمه دقیق تر باشد. هر نوشتار، بیان کننده ذهنیت و مهارت دانشجو به شمار می رفت.
اما حالا کم کم به سمتی پیش می رویم که ناگهان نوشته ی اغلب دانشجویان تمیز و بی نقص شده؛ آنان غالبا متنی یکدست، بدون غلط، از نظر ساختاری بی عیب تحویل می دهند. این تمیزی ناگهانی، بجای آن که نشانه ی پیشرفت باشد، بیشتر مایه ی نگرانی است. و درست همین جاست که آن ابزار قدیمیِ تشخیص، یعنی خواندن نوشته برای شناخت دانشجو، دیگر کاربرد ندارد. دانشجویی که واقعا بااستعداد است و دانشجویی که فقط یاد گرفته چطور از هوش مصنوعی سؤال بپرسد، ممکنست در نهایت نمره ی یکسانی بگیرند، درحالی که دو نوع کاملا متفاوت از توانایی را نشان می دهند.
عمق مساله وقتی بیشتر روشن می شود که کل مسیر آماده شدن اثری دانشجویی را، از ایده تا ارائه، مرور نماییم. امروزه هوش مصنوعی می تواند ایده ی اولیه یک مبحث پژوهشی یا تکلیف را پیشنهاد بدهد؛ منابع مرتبط را معرفی کند؛ همان منابع را خلاصه و دسته بندی کند؛ نوشتن متن را شروع کند؛ پس از نوشتن، ویرایشش کند؛ اسلایدهای عرضه را بسازد؛ و حتی نحوه ی عرضه دادن مطلب را برای فرد شبیه سازی کند تا قبل از کلاس تمرین کرده باشد. وقتی هر کدام از این مراحل را یک ابزار هوشمند تهیه می کند، این سؤال پیش می آید که دیگر از «یادگیرنده» در محصول نهائی چه چیزی مانده؟ و اگر بیشتر این زنجیره را فناوری انجام می دهد، اصلاً نقش استاد در این بین چیست؟
آن چه تا اینجا گفتم بیشتر درباره ی ی دانشجویان بود؛ ولی باید صادق باشم، این نوشته درباره ی ی استادان هم هست. همان چالشی که در ارزیابی دانشجو با آن روبه روییم، در کار علمی خودمان هم هست. مثلا هوش مصنوعی حالا می تواند در زمانی بسیار کوتاه ترجمه ی یک کتاب را آماده کند؛ بعد با دقت، همان ترجمه را ویرایش کند و کار نهائی را تحویل دهد. آیا استادانی که کتاب ترجمه می کنند، از این ابزارها استفاده نمی کنند؟ و اگر استفاده می نمایند، باید برای چنین فعالیتی همان امتیازی را بگیرند که قبلاً برای یک ترجمه ی کاملا دستی درنظر گرفته می شد؟ اساسا آیا باید نام خودرا به عنوان «مترجم» بر روی جلد کتاب بیاورند یا به عنوان «ناظر ترجمه»؟ داریم به سوی شرایطی می رویم که در خیلی از معیارهای ارزیابی مان، چه برای دانشجو چه برای استادان، باید تجدیدنظر نماییم.
آن چه مسلم است این است که آموزش عالی درحال تجربه تحولی جدی است که فقط به فناوری محدود نیست، بلکه معنای مفاهیمی مانند «استعداد»، «شایستگی» و «سنجش عادلانه» را هم زیر سؤال می برد. اگر این حقیقت را نادیده بگیریم، فقط بحران را عقب انداخته ایم.
می دانید مساله چیست؟ قبلا در این خصوص نوشته ام. ما گرفتار شکلی از «آنومی» شده ایم؛ مفهومی که امیل دورکیم، جامعه شناس فرانسوی از آن اظهار داشت: وضعیتی که قاعده های قدیمی دیگر جواب نمی دهند و قاعده ی تازه ای هم هنوز شکل نگرفته است. اینروزها استادان هم نمی دانند راه درست کدام است. فرض کنید فناوری آمده و یک کار مشخص را در یک روز، حتی یک ساعت، انجام می دهد. باید به خودمان و دانشجویان بگوییم از آن استفاده کنند، یا بگوییم استفاده نکنند؟ تردید در این خصوص بسیار زیاد است؛ و شاید همین بلاتکلیفی، خودش قسمتی از همان بحرانی است که قبل تر از آن حرف زدم.
و شاید صادقانه ترین جمله ای که می شود در آخر این یادداشت نوشت همین باشد: در مسیری هستیم که می دانیم دارد چه اتفاقی می افتد، ولی هنوز نمی دانیم باید چه کار نماییم.
*استاد دانشگاه
خلاصه اینکه دانشجویانی که در کلاسها، سطوح خیلی متفاوتی از مشارکت و دقت داشتند، در برگه امتحان جواب هایی می دادند که از نظر جمله بندی، کلمه ها، و حتی منطق استدلال، عجیب شبیه هم بود: جمله هایی یکنواخت، فهرست هایی مرتب، لحنی صاف که هیچ فراز و نشیبی نداشت. از لغزش های نوشتاری، تکرارها، جمله های ناقص یا چارچوب های دست وپاشکسته، پی می بردیم که دانشجو در کدام نقطه از مسیر یادگیری نوشتن است و چه سفارش ای باید به او بدهیم؛ برای مثال بگوییم جمله هایش را کوتاه تر کند، یا استدلالش را منظم تر بچیند، یا در انتخاب کلمه دقیق تر باشد. باید به خودمان و دانشجویان بگوییم از آن استفاده کنند، یا بگوییم استفاده نکنند؟
این مطلب مدیریت آموزش برایتان مفید بود؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب