به گزارش سرویس فرهنگی و اجتماعی خبرگزاری رسا، هوش مصنوعی، دیگر نه‌تنها نماد پیشرفت فناورانه، بلکه آینه‌ای برای بازاندیشی در چیستی آموزش، ماهیت یادگیری و نقش انسان در فرایند دانایی است. این فناوری از مرز ابزار صرف فراتر رفته و به میانجی‌ای بدل شده که مفاهیمی چون «یادگیری»، «معلم»، «دانش‌آموز» و حتی «دانستن» را از نو تعریف می‌کند. در این جستار، به بررسی ظرفیت‌ها و تنگناهای هوش مصنوعی در نظام آموزشی می‌پردازیم، با تأکید ویژه بر توسعه‌ی شناختی، عدالت آموزشی و امکان یادگیری شخصی‌سازی‌شده.
تجربه های جهانی در بهره‌گیری از هوش مصنوعی در آموزش، از جمله در کشورهای چین، بریتانیا و ایالات متحده، نشان‌دهندۀ تحولاتی شگرف در طراحی و اجرای فرایندهای یاددهی-یادگیری‌اند. پلتفرم‌هایی نظیر Squirrel AI و Third Space Learning با بهره‌گیری از الگوریتم‌های یادگیری ماشین و تحلیل کلان‌داده‌ها، به شخصی‌سازی مسیر یادگیری و ارتقای اثربخشی آموزشی پرداخته‌اند. درعین‌حال، این تحولات پرسش‌هایی بنیادین در باب معنا و غایت تعلیم و تربیت مطرح می‌کنند.
پژوهشگرانی چون نیل سل‌وین و وین هولمز هشدار می‌دهند که ورود هوش مصنوعی به آموزش، صرفاً مسئله‌ای تکنولوژیک نیست؛ بلکه تصمیمی فرهنگی، اخلاقی و فلسفی است. آنان یادآور می‌شوند که در ورای هر الگوریتم، نوعی عقلانیت و نظام ارزشی خاصی نهفته است. پرسش اینجاست: «آیا این فناوری‌ها صرفاً در خدمت سرعت، بهره‌وری و استانداردسازی هستند یا می‌توانند زمینه‌ساز پرورش انسان متفکر، مسئول و اخلاق‌مدار باشند؟» به دیگر سخن، مسئله بر سر «چگونه استفاده کردن» است، نه صرف «داشتن» ابزار.
در تقاطع فلسفه‌ی تعلیم و تربیت و فناوری نوین، این یادداشت می‌کوشد با نگاهی تطبیقی و انتقادی، ضمن تحلیل تجربه‌های جهانی و ارزیابی موقعیت کشور ایران، راه‌هایی برای بومی‌سازی خلاقانه AI در آموزش پیشنهاد دهد. پرسش محوری این است: «چگونه می‌توان هوش مصنوعی را در خدمت شکوفایی انسانی و تربیت انتقادی قرار داد و نه در خدمت صرفاً تسهیل‌گری فنی یا کنترل‌پذیری یادگیرندگان؟»
۱. نگاهی تازه به AI در آموزش: فراتر از ابزار
هوش مصنوعی در آموزش، نه‌تنها مجموعه‌ای از الگوریتم‌ها و تکنولوژی‌هاست، بلکه نمایانگر تغییری بنیادین در نگرش ما به چیستی یادگیری، رابطه‌ی معلم و شاگرد و حتی مفهوم «دانایی» است. این فناوری‌ها که اغلب به چشم ابزارهایی در خدمت افزایش بهره‌وری نگریسته می‌شوند، در واقع چشم‌اندازی هستی‌شناسانه به تعلیم و تربیت ترسیم می‌کنند. یعنی AI صرفاً ماشین محاسبه نیست، بلکه آینه‌ای‌ست که پرسش‌های فلسفی درباره‌ی «رشد»، «خرد» و «تربیت» را دوباره مطرح می‌کند.
امروزه، الگوریتم‌هایی که با تحلیل کلان‌داده، الگوهای شناختی و رفتاری یادگیرندگان را استخراج می‌کنند، بستر یادگیری شخصی‌سازی‌شده‌ای را فراهم کرده‌اند که پیش‌تر تنها در محیط‌های آموزشی با نسبت پایین معلم به دانش‌آموز ممکن بود. برای نمونه، شرکت Squirrel AI در چین، با تلفیق الگوریتم‌های یادگیری تطبیقی و تحلیل زنجیره‌ای داده‌ها، توانسته عملکرد بیش از یک میلیون دانش‌آموز را در زمان کوتاه بهبود بخشد. این پلتفرم، هر فرد را نه بر اساس سن یا پایه‌ی درسی، بلکه بر مبنای الگوی یادگیری‌اش طبقه‌بندی می‌کند و مطالب را متناسب با نقاط ضعف و قوت او بازتنظیم می‌کند.
در انگلستان، برنامه‌هایی مانند Third Space Learning تلاش کرده‌اند تا با بهره‌گیری از مربیان انسانی پشتیبانی شده توسط تحلیل‌های الگوریتمی، شکاف آموزشی میان دانش‌آموزان کم‌برخوردار و همسالانشان را کاهش دهند. این ترکیب «فناوری+انسان» نشان می‌دهد که AI صرفاً جانشین معلم نیست، بلکه مکمّل او در ایفای نقش‌های پیچیده‌تری مانند هدایت‌گری عاطفی و تشخیص تفاوت‌های شناختی است.
اما این تحولات صرفاً فنی نیستند؛ به گفتۀ بن ویلیامسون، هوش مصنوعی در حال بازطراحی معماری نهادی آموزش است. ورود AI به مدرسه، نه فقط ساختار آموزشی، بلکه روابط قدرت، کنترل داده و معیارهای موفقیت را تغییر می‌دهد (۴). اگر تا دیروز معلم تصمیم‌گیر نهایی درباره‌ی پیشرفت شاگرد بود، امروز این نقش به الگوریتم‌ها واگذار شده است؛ اما با کدام معیار و ارزش‌ها؟
برخی از ابزارهای پیشرفته مانند Content Technologies Inc یا Kidaptive، نه‌تنها عملکرد دانش‌آموز را می‌سنجند، بلکه رفتار و هیجانات او را نیز تحلیل کرده و محیط یادگیری را بر اساس آن تنظیم می‌کنند. این رویکرد که گاه «یادگیری احساسی سنج» نامیده می‌شود، می‌تواند به شناسایی زودهنگام اضطراب، بی‌انگیزگی یا بی‌اعتمادی نسبت به سیستم آموزشی کمک کند.
در این چشم‌انداز، نقش معلم نیز باید بازتعریف شود. اگر پیش‌تر وظیفه او انتقال اطلاعات بود، اکنون باید راهنما، ناظر اخلاقی و طراح تعاملات انسانی باقی‌مانده در میان الگوریتم‌ها باشد. هوش مصنوعی با شبیه‌سازی فهم، نمی‌تواند جای «درک انسانی» را بگیرد؛ اما می‌تواند همیار خردمند آن باشد – مشروط به آنکه از منظر فلسفه تعلیم‌وتربیت، نقادانه طراحی و استفاده شود.
برای درک بهتر از ابعاد مختلف کارکردهای هوش مصنوعی در آموزش، می‌توانید به جدول شماره ۱ با عنوان «نقش‌های سه‌گانه هوش مصنوعی در آموزش» مراجعه کنید که به‌صورت خلاصه، سه بُعد کلیدی عملکرد AI در نظام‌های یاددهی-یادگیری را ترسیم می‌کند.
۲. یادگیری شخصی‌سازی‌شده: الگوریتم‌هایی در خدمت تمایز انسانی
یادگیری شخصی‌سازی‌شده به‌عنوان یکی از نویدبخش‌ترین دستاوردهای فناوری آموزشی، تلاش می‌کند فراتر از مدل‌های سنّتیِ یکسان‌سازی حرکت کند و به تفاوت‌های فردی، سبک‌های یادگیری، سرعت درک و حتی شرایط روانی و اجتماعی یادگیرنده پاسخ دهد. سامانه‌هایی مانند Knewton و DreamBox با بهره‌گیری از الگوریتم‌های یادگیری ماشین و تحلیل داده‌های رفتاری، قادرند به طور مستمر سطح دشواری محتوا، نوع تمرین‌ها و ترتیب ارائه‌ی مفاهیم را برای هر دانش‌آموز بازتنظیم کنند. این انطباق‌پذیری مداوم، شکلی از «هم‌نشینی دیجیتال» را به وجود می‌آورد که به دانش‌آموز احساس دیده‌شدن و درک‌شدن می‌دهد.
این رویکرد ریشه در نظریه‌های روان‌شناسی رشد دارد، به‌ویژه در آرای ویگوتسکی درباره‌ی «منطقه‌ی تقریبی رشد (ZPD)» که بر اهمیت «میانجی‌گری» برای عبور از آستانه‌های یادگیری تأکید دارد. در چهارچوب فناوری، این میانجی‌گری نه فقط توسط معلمان، بلکه با کمک الگوریتم‌ها نیز انجام می‌شود؛ الگوریتم‌هایی که می‌کوشند نقطه‌ی تلاقی میان آنچه یادگیرنده اکنون می‌داند و آنچه می‌تواند بیاموزد را بیابند و تسهیلگر گذار از اولی به دومی باشند.
مطالعه‌ای در سال ۲۰۱۹ توسط جان پین و همکاران در مؤسسۀ RAND انجام شد که نشان داد به‌کارگیری سیستم‌های تطبیقی می‌تواند به بهبود معنادار عملکرد دانش‌آموزان در آزمون‌های استاندارد منجر شود. این یافته‌ها نشان‌دهنده‌ی ظرفیت بالای فناوری برای ارتقای یادگیری است؛ اما درعین‌حال، زنگ هشداری نیز به صدا درمی‌آورد: «اگر یادگیری به‌صرف داده‌کاوی و بهینه‌سازی آماری فروکاسته شود، آن‌گاه جنبه‌های انسانی، کیفی و معنایی آموزش قربانی خواهند شد». یادگیری نه صرفاً انتقال اطلاعات، بلکه شکل‌گیری معنا، تجربه و هویت است و الگوریتم‌ها اگر به‌تنهایی عمل کنند، از درک این ساحت‌ها ناتوان‌اند.
در ایران، گرچه گام‌هایی برداشته شده -مانند اپلیکیشن «شاد» که در دوران کرونا به بستری فراگیر برای آموزش مجازی بدل شد- اما این اقدامات اغلب در سطح زیرساختی یا اضطراری باقی مانده‌اند. برای آنکه یادگیری شخصی‌سازی‌شده در ایران به بلوغ برسد، نیاز به شکل‌گیری پیوندی جدی میان فناوری و فلسفه‌ی تعلیم و تربیت داریم. این پیوند، مستلزم تربیت معلمانی است که نه‌تنها با ابزارهای دیجیتال و سوادِ داده آشنا باشند، بلکه نسبت به مفاهیم بنیادین رشد انسانی، اخلاق حرفه‌ای و پیچیدگی‌های یادگیری نیز حساس باشند. آینده‌ی یادگیری، نه در واگذاری کامل به ماشین، بلکه در «همکاری خلاقانه» میان انسان و فناوری نهفته است.
۳. توسعه شناختی در سایه‌ی AI: از پاسخ‌گویی تا پرورش تفکر انتقادی
فرایند یادگیری، چیزی فراتر از دریافت و تکرار اطلاعات است؛ آن‌گونه که روان‌شناسان شناختی، چون ژان پیاژه و جان فلاول توضیح داده‌اند، یادگیری شامل درونی‌سازی مفاهیم، بازسازی ذهنی تجارب، و ارزیابی فعالانه‌ی شناخت‌هاست. در این دیدگاه، یادگیرنده صرفاً گیرنده‌ی منفعل اطلاعات نیست، بلکه بازیگری است که از طریق تعامل با محیط، پرسش‌گری و بازاندیشی، به رشد ذهنی دست می‌یابد. در چنین چهارچوبی، نقش هوش مصنوعی (AI) نباید جایگزینی برای این فرایندهای پیچیده باشد، بلکه باید به‌عنوان تسهیلگر و برانگیزاننده‌ی آنها عمل کند.
ابزارهای نوین یادگیری مبتنی بر AI مانند Cognii و Century Tech دقیقاً با همین هدف طراحی شده‌اند: تحلیل کیفی پاسخ‌های دانش‌آموزان و ارائه‌ی بازخوردهای هوشمند که نه فقط «درست یا غلط» بودن را مشخص می‌کنند، بلکه منجر به تأمل، بازبینی و اصلاح شناختی می‌شوند. این بازخوردها با استفاده از پردازش زبان طبیعی (NLP) و مدل‌سازی شناختی، گاه چنان تعاملی و دقیق‌اند که یادگیرنده احساس می‌کند با معلمی واقعی گفتگو می‌کند.
یکی از مزایای این فناوری‌ها، تقویت فراشناخت است؛ توانایی فرد برای اندیشیدن درباره‌ی تفکر خود. وقتی دانش‌آموز یاد می‌گیرد چگونه اشتباه کرده یا چرا پاسخش ناقص بوده و فراتر از محتوا، به فرایندهای ذهنی خودش توجه می‌کند. این خود نظارتی شناختی، یکی از ارکان اصلی یادگیری اثربخش و پایدار است.
دکتر فاطمه باذلی محبوب، دکترای مدل‌سازی شناختی، دانشگاه شهید بهشتی