بیایید دانش آموزان خود را به خاطر chatGPT مورد تحقیر قرار ندهیم

«برای ما مهم است که دستورالعمل‌های مشترکی برای نحوه استفاده از هوش مصنوعی برای ترویج یادگیری داشته باشیم».
– رهبر NSO (سازمان دانشجویان نروژی)، سد مایکا ماری گودال

معرفی اخیر مدل های زبان بزرگ (LLM) مانند chatGPT با سردرگمی، هیجان و ترس مواجه شده است.

بسیاری از این موارد به عدم اطمینان در مورد اینکه این ابزارها دقیقاً چه کاری می توانند انجام دهند، چقدر مفید یا خطرناک هستند، چگونه ممکن است حریم خصوصی ما را نقض کنند – اینکه آیا آنها هنجارهای آموزشی را تهدید می کنند، ممنوع یا محدود می شوند، و اینکه آیا آنها به نحوی انجام می دهند مرتبط است. بر انسانها چیره شود

آیا یاد می گیرید که مدل های زبان بزرگ جدید را دوست داشته باشید؟

در میازمای سردرگمی که ما به عنوان مربیان با آن مواجه هستیم مدل های زبان بزرگ، ما می توانیم نسبتاً از یک چیز مطمئن باشیم: این ابزارها بخشی از زندگی کاری دانشجویان فعلی ما خواهند بود.

بعلاوه، آنها احتمالاً بخش متحول کننده زندگی آنها خواهند بود، به نحوی که ما نمی توانیم کاملاً پیش بینی کنیم. هر آموزگار با وجدان متوجه خواهد شد که این به چه معناست: ما باید به دانش آموزان خود کمک کنیم تا در LLM حرکت کنند.

یا شاید درست تر باشد که بگوییم باید به دانش آموزانمان کمک کنیم تا به ما کمک کنند.

ما در مقابل آنها؟

دهه‌ها تحقیق آموزشی نشان داده است که مربیان باید چه کاری انجام دهند، از جمله ساختن برنامه درسی و دانش ما با دانش‌آموزان.دانش آموزان به عنوان شریک) بازنگری ارزیابی‌هایمان به‌عنوان «معتبرتر»، با اهمیت فراتر از کلاس درس. و پیش بینی تغییر به جای دوری از آن.

با این حال، بسیاری از گفتگوهای اخیر پیرامون chatGPT (و پیش بینی دیگران از جمله
ابزار بارد و بینگ) به موارد زیر منجر شده است:

این یک دوگانگی «ما در مقابل آنها» با دانش‌آموزانمان ایجاد کرده است، که اساساً به کسانی که ما موظف به کمک به آنها هستیم بدگویی می‌کند. و بر این فرض بی دلیل که مخاطرات بالا، مدرسه است، دو برابر شد امتحانات بهترین گزینه ما هستند برای ارزیابی

با این حال، ما نمی‌توانیم این فناوری جدید خاص را رد کنیم و همچنان به نوعی در حوزه نفوذ خود باقی بمانیم.

با توجه به دیدگاه دانشجو

ما اخیراً یک نظرسنجی از دانش‌آموزان و مربیان در دانشگاه انجام دادیم دانشکده ریاضی و علوم طبیعی در دانشگاه برگن، اساساً برای درک چگونگی تعریف، استفاده و درک همکاران و دانشجویان ما از LLM (به طور خاص، chatGPT).

یافته‌های کلیدی در میان دانش‌آموزان شامل دیدگاه مثبت، اما متعادل درباره chatGPT است. دانش‌آموزان همچنین به این فکر می‌کنند که چگونه chatGPT بر یادگیری آنها تأثیر می‌گذارد. یکی از دانش آموزان گفت:

“آیا می توانیم با استفاده از chatGPT تقلب کنیم؟ شاید فرم ارزیابی نیاز به تنظیم داشته باشد؟”

ChatGPT می تواند ابزار مفیدی باشد که تا حدی می تواند با یک ماشین حساب ریاضی مقایسه شود. بخش هایی از کار را ساده می کند، اما هنوز باید از آن به روش درست استفاده کرد و «خروجی» را درک کرد.

یکی دیگر از دانش آموزان اظهار نظر کرد:

“پیش از پایان سال 2020، … آنچه قبلاً جستجوی ادبیات بود، تبدیل به مکالمه با دستیار مجازی می شود که می تواند منابع و غیره را ارائه دهد. هر دانش آموزی یک دستیار تحقیقاتی هوش مصنوعی خواهد داشت و زمان بیشتری را صرف فکر کردن در مورد آن می کند. وظایف سطح بالاتر.”

علاوه بر این، دانش‌آموزان عموماً نسبت به مربیان نگرش مثبت‌تری نسبت به آینده chatGPT دارند (شکل 1 را ببینید)، در حالی که پاسخ‌های آنها نیز سوءتفاهم‌های مختلفی را در مورد قابلیت‌ها و محدودیت‌های استفاده از LLM نشان می‌دهد، از جمله تکیه بر دقت واقعی.

این شکاف بین واقعیت و ادراکات باید به مربیان فرصتی برای بحث‌ها و فعالیت‌های درون کلاسی مربوط به LLM ارائه دهد (“آیا پاسخ تولید شده دقیق است؟ اگر نه، چرا که نه؟ چگونه می‌توانیم از این پاسخ‌های تولید شده به بهترین شکل استفاده کنیم؟”).

بنابراین، چگونه می توانیم از این LLM های جدید در آموزش استقبال کنیم؟

در اینجا ما چند پیشنهاد برای کار سازنده با LLM در دوره ها و فعالیت های آموزشی خود ارائه می دهیم.

اولین، ما می توانیم به دانش آموزانمان (و خودمان) کمک کنیم تا بفهمند این LLM چیست. الگوریتم‌های LLM الگوریتم‌های تطبیق الگوی مبتنی بر احتمالات هستند، نه انسان‌ها در سیلیکو. پاسخ‌های آن‌ها به این موضوع می‌پردازد که «یک پاسخ چگونه است»، نه «پاسخ چیست».

می‌توانیم دانش‌آموزان را تشویق کنیم که از این ابزارها در فعالیت‌های کلاسی خود استفاده کنند و سپس درباره اطلاعات ارائه‌شده، قابلیت اطمینان و دقت آن و اینکه آیا می‌توانند منابع احتمالی اطلاعات را شناسایی کنند، بحثی را رهبری کنیم.

یکی از ما یک فعالیت در کلاس ایجاد کرد که در آن دانش‌آموزان از chatGPT برای کشف نحوه انجام وظایف ساده بیوانفورماتیک مانند بازیابی و تجزیه و تحلیل توالی DNA استفاده می‌کنند.

پس از پرسیدن از دانش‌آموزان در مورد سودمندی چنین رویکردی، اکثر پاسخ‌دهندگان (78 درصد) گفتند که این روش بسیار مفید است، پس از آن 17 درصد آن را به‌عنوان متوسط ​​مفید ارزیابی کردند و هیچ‌کدام نگفته‌اند که اصلاً مفید نیست.

در مجموع، به نظر می‌رسد که دانش‌آموزان مشتاق استفاده سازنده از این ابزار هستند و ما این فرصت را داریم که کاوش محتاطانه و انتقادی را برای آنها الگو برداری کنیم.

کمک به آماده‌سازی دانش‌آموزان برای آینده‌ای مبهم، کار معلم است

دومین، ما باید با دانش آموزان خود شریک باشیم. دانش‌آموزان ما دیدگاه‌های ارزشمندی دارند، اما همچنین برای راهنمایی به ما نگاه می‌کنند و می‌خواهند برای نیروی کار آینده، داخل یا خارج از دانشگاه، آماده باشند.

علاوه بر این، مجموعه قابل توجه و رو به رشدی از ادبیات در مورد «دانش آموزان به عنوان شریک» نشان می دهد که این رویکرد منجر به افزایش یادگیری، مشارکت بیشتر در کلاس و تعاملات مثبت بین دانش آموزان و معلمان می شود (بوویل، 2020؛ کائور و نومان، 2020؛ گلسمر و دائی. 2022).

یک مسیر نسبتاً ساده برای ورود می تواند درخواست دو یا سه نفر باشد سفیران دانشجو از هر دوره ای که ما تدریس می کنیم (کوک ساتر و همکاران، 2019). این افراد می‌توانند ارتباط بین دانش‌آموزان و مربیان را تسهیل کنند، به توسعه فعالیت‌های کلاس کمک کنند، و همسالان خود را در ارائه بازخورد ثابت در دوره، نمایندگی کنند.

ارزش این نوع بازخورد دانش‌آموزان به‌ویژه وقتی ابزارهای جدید، با ویژگی‌های جدید، معرفی شده و در زندگی روزمره آن‌ها (و ما) گنجانده می‌شود، بسیار قوی خواهد بود.

به طور بحرانی، مشارکت دانش‌آموزان به اجتناب از ذهنیت «ما در برابر آنها» کمک می‌کند که مشخصه بسیاری از گفتگوهای جاری پیرامون LLM در آموزش است.

فرصتی برای ارزیابی بهتر

سوم، باید در ارزیابی های خود تجدید نظر کنیم. مدل ارزیابی غالب در آموزش عالی نروژی یک آزمون پایان ترم با ریسک بالا است که می دانیم از نظر آموزشی واپس گرا است.

این امتحانات کار بسیار خوبی را به ما نشان می دهد که کدام یک از دانش آموزان ما آزمون دهندگان ماهر هستند، اما مطمئناً برای انگیزه یا یادگیری کلی خوب نیستند و ممکن است نابرابری های موجود در آموزش را تشدید کنند (Högberg and Horn 2022, Salehi et al. .، 2019).

بسیاری از گفتگوها در مورد “برخورد با” LLM بر این تمرکز دارد که چگونه می توانیم این امتحانات را در پرتو تقلب پیش بینی شده و فراگیر حفظ کنیم. اما آیا ما برای یادگیری ارزشیابی می کنیم – از ارزیابی ها برای حمایت از خود اصلاحی و یادگیری عمیق دانش آموزان استفاده می کنیم؟ و آیا ارزیابی‌های ما معتبر هستند – آیا دانش‌آموزان ما محصولاتی (مثلاً نمونه کارها) ایجاد می‌کنند که فراتر از کلاس درس مرتبط باشد (Harlap et al 2022)؟

اگر بتوانیم ارزیابی‌هایی مبتنی بر اصول همسویی سازنده و اصالت ایجاد کنیم، و اگر بتوانیم این منطق را به دانش‌آموزان خود منتقل کنیم، باید نیاز به وسواس زیاد در مورد تقلب احتمالی را کاهش دهیم.

دانش‌آموزانی که می‌خواهند یاد بگیرند – و به دنبال نتایج پایان ترم برای به اشتراک گذاشتن با کارفرمایان بالقوه هستند – انگیزه داخلی بیشتری برای انجام این ارزیابی‌ها به خوبی خواهند داشت. و برخی از دانش آموزان تقلب می کنند. هیچ چیز در واقع تغییر نکرده است.

ما در گذشته فرصت هایی برای انتخاب آموزش مبتنی بر شواهد و دانش آموز داشته ایم که توانایی های فناوری مدرن را در بر می گیرد (مثلاً توسعه آموزش از راه دور در طول کووید). برخی از ما در آن آزمون شکست خوردیم.

با ظهور ابزارهای هوش مصنوعی بسیار توانمندتر مانند chatGPT، ما بار دیگر فرصتی برای انتخاب آینده ای منطقی و انسانی به جای چسبیدن به گذشته غیرمنطقی و مشکوک داریم. و ممکن است سرگرم کننده باشد!

منابع

• Bovill, C. 2020. آموزش عالی 79(6):1,023–1,037, https://doi.org/10.1007/s10734-019-00453-w
• Cook-Sather، A.، Bahti، M.، & Ntem، A. (2019). مرکز یادگیری متعهد دانشگاه ایلان.
• Glessmer، MS، و K. Daae. 2021. Oceanography 35 (1): 81-83, https://doi.org/10.5670/oceanog.2021.405
• هارلپ، ی.، یورگنسن، سی، و کاتنر، اس. (2022). مجله نوردیک آموزش STEM، 6 (1).
• هاگبرگ، بی، و هورن، دی (2022). بررسی جامعه شناسی اروپا، 38(6)، 975-987.
• Kaur، A.، و M. Noman. 2020. Journal of University Teaching & Learning Practice 17(1), https://doi.org/10.53761/1.17.1.8
• صالحی، اس.، کاتنر، اس.، آذرین، اس ام، کارلسون، EE، دریسن، ام.، فری، وی، … و بالن، سی جی (2019، سپتامبر). در مرزها در تعلیم و تربیت (ج 4، ص 107). Frontiers Media SA.

بیشتر خواندن: