سرمایه‌گذاری ۴۰۰ میلیون دلاری بنیاد گیتس در هوش مصنوعی مدارس، هم‌زمان با چالش دانش‌آموزان در مهارت‌های پایه

آموزگاران و پژوهشگران هشدار می‌دهند مدارسی که با کمبود نیرو و منابع روبه‌رو هستند، شاید آخرین مراکزی باشند که از طرح‌های آزمایشی تدریس خصوصی با هوش مصنوعی بهره می‌برند.

بنیاد گیتس از تعهد مالی ۱ میلیارد دلاری برای توسعه و ارائه ابزارهای هوش مصنوعی در حوزه‌های آموزش، بهداشت و کشاورزی خبر داد که در این میان، بخش آموزش سهمی ۴۰ درصدی از کل این بودجه دارد. هدف اعلام‌شده، راه‌اندازی سامانه‌های تدریس خصوصی مبتنی بر هوش مصنوعی است که آموزش را برای دانش‌آموزان عقب‌مانده از برنامه درسی اختصاصی می‌کند؛ طرحی که در گام نخست در مدارسی با جمعیت بالای دانش‌آموزان کم‌درآمد اجرا می‌شود و آموزش معلمان و ارزیابی مستقل نیز در آن لحاظ شده است.

مشکل ساختاری که صرفاً با پول حل نمی‌شود

معلمان می‌گویند مدارسی که بیشترین نیاز را دارند، شاید کمترین آمادگی و تجهیزات را برای پذیرش طرح‌های پیشنهادی بنیاد گیتس داشته باشند.

«شیوبان کیسی»، مدیر پردیس گرینویچ آکادمی Crimson Global، در گفتگو با مجله Fortune اعلام کرد هوش مصنوعی می‌تواند تخصص معلمان را تقویت کند، اما هرگز نمی‌تواند جایگزین آن شود. این تفاوت اهمیت زیادی دارد؛ زیرا الگوی پیشنهادی بنیاد گیتس همچنان نیازمند آن است که آموزگاران دقت اطلاعات را بررسی کنند، محتوا را با اهداف آموزشی تطبیق دهند و مناسب بودن سطح دشواری مباحث را برای هر دانش‌آموز بسنجند.

«ایمی مک‌براید»، یکی از معلمان آکادمی Pepin، معتقد است در اختیار گذاشتن یک ابزار، زمان، آموزش یا پشتیبانی نیروی انسانی لازم برای استفاده درست از آن را به‌صورت خودکار برای مدارس فراهم نمی‌کند. او تأکید می‌کند دانش‌آموزانی که به بیشترین کمک نیاز دارند، اتفاقاً به بیشترین راهنمایی از سوی بزرگسالان برای استفاده مؤثر از هوش مصنوعی نیازمند هستند.

این تضاد در کانون سرمایه‌گذاری اخیر قرار دارد. دورا پالفی، مدیرعامل و هم‌بنیان‌گذار پلتفرم فناوری آموزشی Imagi، هشدار داد برخی مدارس باید پیش از استقرار سیستم‌های پیچیده هوش مصنوعی، به سراغ حل مشکلات سواد پایه و مهارت‌های ریاضی اولیه بروند. به گفته پالفی، بدون این بسترسازی اولیه، مناطقی که منابع مالی بهتری دارند باز هم نخستین بهره‌برداران عملی از این فناوری خواهند بود.

«سلینا دیویس»، معلم تاریخ در مدرسه Laurel Springs، نگرانی مشابهی را مطرح کرده است؛ اینکه شاید بهبودهای ظاهری در نمرات دانش‌آموزان صرفاً موقتی و ناشی از جذابیت اولیه ابزار باشد، نه تسلط واقعی بر مفاهیم. او یادآور می‌شود دانش‌آموزانی که پایه تحصیلی ضعیف‌تری دارند، کمتر متوجه پاسخ‌های نادرست یا ناقص هوش مصنوعی می‌شوند؛ شکافی که ریسک‌های مضاعفی را در کلاس‌هایی ایجاد می‌کند که این سرمایه‌گذاری دقیقاً برای یاری آنها برنامه‌ریزی شده است.

نیویورک مسیری کاملاً متضاد را برگزید

در حالی که بنیاد گیتس به‌دنبال پذیرش گسترده‌تر هوش مصنوعی است، بزرگ‌ترین حوزه آموزشی آمریکا این روند را متوقف کرده است.

طبق اطلاعیه رسمی مدیریت شهری نیویورک، استفاده دانش‌آموزان مقاطع پیش‌دبستانی تا پایه هشتم از هوش مصنوعی مولد به‌صورت تعلیق موقت درآمده که نزدیک به ۶۰۰ هزار دانش‌آموز را در سال تحصیلی ۲۰۲۶ تا ۲۰۲۷ در بر می‌گیرد. در مواردی هم که اجرای طرح‌های آزمایشی مجاز است، استفاده از آنها به حداکثر ۴۵ دقیقه در هفته، برنامه‌های تأییدشده و نظارت مستقیم معلم محدود شده است. این دو رویکرد نشان‌دهنده نگرانی یکسانی پیرامون کمبود شواهد علمی هستند؛ اما در عمل، نتیجه‌گیری‌های کاملاً متفاوتی درباره شیوه محتاطانه برخورد با این فناوری اتخاذ کرده‌اند.

سه آزمون بزرگی که این سرمایه‌گذاری باید پشت سر بگذارد

دستیابی به کارایی عملیاتی ساده‌ترین معیار است؛ آنچه واقعاً اهمیت دارد، نتایج پایدار در برقراری عدالت آموزشی است.

بنیاد گیتس پذیرفته است که در گذشته، استقرار فناوری‌های آموزشی در اغلب موارد فاقد شواهد کافی بوده است؛ موضوعی که تدابیر نظارتی پیشنهادی را به مهم‌ترین بخش این تعهد بدل می‌کند. در این میان، سه دستاورد کلیدی باید اندازه‌گیری و به‌صورت شفاف گزارش شوند: نخست اینکه آیا هوش مصنوعی در زمان آماده‌سازی معلمان صرفه‌جویی می‌کند و محتوای آموزشی بهتری تحویل می‌دهد یا خیر؛ دوم اینکه آیا دانش‌آموزان به تسلط پایدار و مستقل دست می‌یابند یا صرفاً شاهد رشد موقت نمرات ناشی از هیجان اولیه ابزار هستیم؛ و سوم اینکه آیا مدارس دارای کمبودهای ساختاری عمیق، به‌اندازه مناطق برخوردار و مرفه از این تحول بهره‌مند می‌شوند یا خیر.

گزارش دادن میانگین بهبود عملکرد به‌تنهایی نمی‌تواند واقعیت عدالت آموزشی را منعکس کند. طرح‌های آزمایشی ناموفق، هزینه‌های استقرار و مواردی که آموزش انسانی عملکرد بهتری نسبت به هوش مصنوعی داشته است، همگی باید در گزارش‌های عمومی منتشر شوند. همین شفافیت است که یک مداخله آموزشی مبتنی بر شواهد را از چرخه تکراری آزمون‌وخطاهای فناورانه با نیات خیرخواهانه متمایز می‌کند.