همکاری دانشگاهی سوئد و هنگ کنگ؛ نتایج بزرگترین مطالعه درباره هوش مصنوعی و تکالیف درسی دانش‌آموزان

شفقنا- هوش مصنوعی در کلاس‌های درس در حال گسترش است، اما تأثیر آن بر یادگیری کمتر به فناوری و بیشتر به نحوه استفاده دانش‌آموزان از آن بستگی دارد.

به گزارش سرویس ترجمه شفقنا؛ الجزیره نوشت: صدها میلیون دانش‌آموز ابتدایی و متوسطه این ماه مدارس خود را برای سال تحصیلی جدید آغاز می‌کنند. اما ظهور هوش مصنوعی روند یادگیری دانش‌آموزان را تغییر می‌دهد. دانش‌آموزان و معلمان با این سوال دست و پنجه نرم می‌کنند: وقتی یک چت‌بات هوش مصنوعی می‌تواند آن را در عرض چند ثانیه انجام دهد، تکلیف برای چیست؟

برخی کشورها با پذیرش هوش مصنوعی به سرعت پیش رفته‌اند. چین حداقل هشت ساعت آموزش هوش مصنوعی در سال را الزامی کرده است و در خلیج فارس، امارات متحده عربی، عربستان سعودی و قطر همگی ادغام هوش مصنوعی را در برنامه‌های درسی خود آغاز کرده‌اند. چت‌بات‌های هوش مصنوعی می‌توانند یادگیری را سریع‌تر و آسان‌تر کنند. اما وقتی دانش‌آموزان فناوری را کنار می‌گذارند چه اتفاقی می‌افتد؟ چه مقدار از یادگیری به خودشان اختصاص داده شده و چه مقدار در دستگاه باقی مانده است؟

تکالیف سریع‌تر، امتحانات ضعیف‌تر
برای بررسی این موضوع، دیوید استرومبرگ از دانشگاه استکهلم، به همراه ویکتور لی و یان‌هوی وو از دانشگاه هنگ کنگ، یکی از بزرگترین مطالعات در نوع خود را انجام دادند و حدود ۲۷۰۰۰ دانش‌آموز ۱۲ تا ۱۸ ساله را در چین به مدت ۳۰ ماه پیگیری کردند.

مقاله کاری آنها داده‌های مربوط به تکالیف، امتحانات ماهانه و امتحانات ورودی سطح بالا را در ۹ موضوع درسی ترکیب کرد. نتایج این تحقیق شکاف قابل توجهی را بین انجام تکالیف مدرسه و یادگیری از این فناوری نشان می‌دهد.

پس از استفاده از هوش مصنوعی مولد، نمرات تکالیف دانش‌آموزان ۱۸ درصد افزایش یافت، در حالی که زمان صرف شده برای هر تکلیف حدود ۳۰ درصد کاهش یافت و به طور متوسط ​​از ۶۴ دقیقه به ۴۵ دقیقه رسید. اما وقتی همان دانش‌آموزان بدون هوش مصنوعی در امتحانات ماهانه شرکت کردند، نمرات آنها ظرف شش ماه ۲۰ درصد کاهش یافت. همچنین عملکرد آنها در امتحانات ورودی سطح بالا نیز کاهش یافت و تأثیر کامل و البته منفی این فناوری در یک دوره طولانی‌تر نمایان شد.

سازمان همکاری و توسعه اقتصادی (OECD) در چشم‌انداز آموزش دیجیتال ۲۰۲۶ خود، که ترکیبی از تحقیقات نوظهور منتشر شده در ژانویه است، به نتیجه مشابهی رسید. این سازمان دریافت که در جایی که هوش مصنوعی مولد نه برای آموزش ساخته شده و نه تحت هیچ ساختاری مورد استفاده قرار می‌گیرد، برون‌سپاری وظایف به این مدل، عملکرد را بهبود می‌بخشد اما بدون هیچ دستاورد واقعی درباره یادگیری.

همچنین پژوهشی که با همکاری دراگان گاسویچ (استاد یادگیری) انجام شده است، این فرسایش بالقوه تلاش شناختی مولد را «تنبلی فراشناختی» توصیف می‌کند.

این گزارش را در الجزیره ببینید