پرویز قربان زاده دکتری نرم افزار و متخصص حوزه هوش مصنوعی و یادگیری ماشین: هوش مصنوعی و چالشهای نوظهور در آموزش و ارزیابی دانشگاهی
تحول دیجیتال در دهه اخیر، بهویژه پیشرفتهای شتابان در حوزه هوش مصنوعی، بنیانهای نظری و عملی آموزش عالی را با پرسشهای اساسی مواجه ساخته است
ورود مدلهای زبانی پیشرفته، سامانههای یادگیری تطبیقی و ابزارهای تولید خودکار محتوا ـ که نمونه بارز آنها در فناوریهای توسعهیافته توسط OpenAI مشاهده میشود ـ نه تنها فرایند یاددهی - یادگیری را دگرگون کرده، بلکه مفهوم "ارزیابی" را نیز در دانشگاهها با چالشهای بنیادین روبهرو کرده است.
در این میان، نظام آموزش عالی ایران، که در سالهای اخیر تجربه گسترش آموزش مجازی را نیز پشت سر گذاشته، بیش از هر زمان دیگری نیازمند بازاندیشی در مبانی سیاستگذاری آموزشی است.
نخستین چالش نوظهور، مسئله اصالت علمی و اعتبارسنجی یادگیری است
در شرایطی که دانشجویان میتوانند با بهرهگیری از ابزارهای هوشمند در زمانی کوتاه مقالات، گزارشها و حتی پاسخهای تحلیلی پیچیده تولید کنند، تمایز میان "یادگیری واقعی" و "بازتولید الگوریتمی دانش" دشوار شده است.
این وضعیت، کارکرد سنتی تکلیفمحوری و آزمونهای مبتنی بر بازتولید اطلاعات را تضعیف میکند. در نتیجه، نظام ارزیابی که سالها بر سنجش محفوظات و بازگویی مفاهیم استوار بوده، اکنون با بحران کارآمدی مواجه است. اگر معیار ارزیابی همچنان بر پاسخ نهایی متمرکز بماند، امکان سنجش فرایند تفکر و استدلال دانشجو کاهش مییابد.
چالش دوم، تغییر نقش استاد و بازتعریف اقتدار علمی در کلاس درس است
دسترسی گسترده دانشجویان به سامانههای هوشمند پرسش و پاسخ، انحصار استاد در انتقال دانش را از میان برده است. در چنین فضایی، اقتدار آموزشی نه از طریق تسلط بر اطلاعات، بلکه از رهگذر هدایت فرایند تفکر انتقادی، طراحی مسئلههای پیچیده و ایجاد موقعیتهای یادگیری عمیق شکل میگیرد. این تحول مستلزم ارتقای شایستگیهای دیجیتال و تربیتی اعضای هیئت علمی است؛ امری که در بسیاری از دانشگاههای ایران هنوز بهصورت نظاممند دنبال نشده است.
چالش سوم، گسترش آموزش مجازی و پیامدهای آن بر عدالت آموزشی و سلامت ارزیابی است
تجربه آموزشهای آنلاین نشان داد که زیرساختهای فناورانه، نظارت آموزشی و طراحی آزمونها در محیطهای غیرحضوری نیازمند بازمهندسی جدی هستند. در بستر مجازی، امکان استفاده غیرمجاز از ابزارهای هوش مصنوعی در آزمونها افزایش مییابد و روشهای نظارت سنتی کارایی خود را از دست میدهند.
از سوی دیگر، تفاوت دسترسی دانشجویان به اینترنت پرسرعت، ابزارهای هوشمند و مهارتهای دیجیتال، میتواند شکاف آموزشی را تعمیق کند و اصل عدالت را به چالش بکشد.
چهارمین چالش، ابعاد اخلاقی و حقوقی استفاده از هوش مصنوعی در دانشگاه است
مسئله مالکیت فکری متون تولیدشده توسط سامانههای هوشمند، حدود مجاز استفاده از این ابزارها در پژوهش و تکلیف، و مسئولیتپذیری در قبال خطاهای الگوریتمی، از جمله پرسشهایی است که هنوز پاسخهای روشنی در آییننامههای آموزشی کشور ندارند. نبود چارچوبهای شفاف، زمینهساز برخوردهای سلیقهای و بیثباتی در سیاستهای آموزشی میشود.
با این حال، مواجهه با این چالشها نباید رویکردی سلبی و محدودکننده داشته باشد. تجربه جهانی نشان میدهد که ممنوعیت کامل فناوری نه ممکن است و نه مؤثر؛ بلکه راهکار پایدار، بازطراحی نظام آموزشی بر مبنای مهارتهای مرتبهبالا همچون تحلیل، ترکیب، ارزیابی و خلاقیت است.
حرکت به سمت ارزیابیهای پروژهمحور، آزمونهای شفاهی تحلیلی، یادگیری مبتنی بر مسئله و سنجش فرایندی میتواند وابستگی به پاسخهای تولیدشده توسط ماشین را کاهش دهد. افزون بر این، آموزش «سواد هوش مصنوعی» به دانشجویان و استادان، آنان را از مصرفکننده منفعل به کاربر آگاه و منتقد تبدیل میکند.
جمعبندی
میتوان گفت که هوش مصنوعی بیش از آنکه تهدیدی برای آموزش عالی باشد، آزمونی برای بلوغ سیاستگذاری دانشگاهی است. اگر دانشگاههای ایران بتوانند از این مقطع تاریخی برای بازاندیشی در فلسفه آموزش، شیوههای ارزیابی و نقش استاد بهره گیرند، هوش مصنوعی میتواند به اهرمی برای ارتقای کیفیت و کارآمدی آموزش بدل شود؛ در غیر این صورت، شکاف میان اهداف آموزشی و واقعیتهای فناورانه هر روز عمیقتر خواهد شد. آینده آموزش و ارزیابی دانشگاهی در گرو پذیرش فعالانه این تحول و تبدیل چالشهای نوظهور به فرصتهای ساختاری است.
