Του Emil Bjerg, δημοσιογράφου και συντάκτη
Η τεχνητή νοημοσύνη ανοίγει το δρόμο της στην τριτοβάθμια εκπαίδευση, από τον τρόπο με τον οποίο οι μαθητές μαθαίνουν και λαμβάνουν βοήθεια μέχρι τον τρόπο με τον οποίο τα πανεπιστήμια και τα κολέγια διατηρούν τους φοιτητές και αντιμετωπίζουν καθήκοντα διαχειριστή. Αυτό παρουσιάζει πολλά υποσχόμενες ευκαιρίες, αλλά η αποφυγή των παγίδων του μπορεί να είναι εξίσου ζωτική.
Το 2020, η τεχνητή νοημοσύνη στην εκπαίδευση ήταν μια αγορά 1 δισεκατομμυρίου δολαρίων ΗΠΑ. μόλις δύο χρόνια αργότερα, το 2022, ήταν μια βιομηχανία 4 δισεκατομμυρίων. Μέχρι το 2032, ο αριθμός αναμένεται να είναι 30 δισεκατομμύρια δολάρια ΗΠΑ. Με άλλα λόγια, μόλις αρχίζουμε να βλέπουμε τις επιπτώσεις της τεχνητής νοημοσύνης στην εκπαίδευση – όπως δείχνουν οι αριθμοί, ο αντίκτυπός της θα αυξηθεί εκθετικά τα επόμενα δέκα χρόνια.
Ας ρίξουμε μια ματιά στις υποσχέσεις και τις παγίδες της τεχνητής νοημοσύνης στην τριτοβάθμια εκπαίδευση. Προς το τέλος, θα εξετάσουμε μερικές αρχές που θα χρησιμοποιήσουμε για την επιτυχή εφαρμογή.
Δυνατότητες για μαθητές
Εξατομικευμένη μάθηση
Οι ευκαιρίες μάθησης που αντιπροσωπεύει η τεχνητή νοημοσύνη είναι απίστευτα συναρπαστικές. Ενώ λέκτορες και σΟι rofessors δύσκολα μπορούν να καθοδηγήσουν κάθε μαθητή που έχουν λεπτομερώς, πλατφόρμες μάθησης που βασίζονται σε AI μπορεί να προσδιορίσει τα στυλ μάθησης, τα δυνατά σημεία και τις αδυναμίες και να προσαρμόσει το μαθησιακό υλικό στο συγκεκριμένες ανάγκες του κάθε μαθητή. Οι αλγόριθμοι μηχανικής μάθησης υπερέχουν στην αναγνώριση προτύπων. Λαμβάνοντας επαρκή δεδομένα, αυτοί οι αλγόριθμοι μπορούν να προβλέψουν με αρκετή ακρίβεια τι είδους περιεχόμενο που ένας μαθητής μπορεί να προτιμήσει ή να επωφεληθεί από το επόμενο.
Αυτό επιτρέπει στους μαθητές να προχωρήσουν στην πολυπλοκότητα με ρυθμό προσαρμοσμένο σε αυτούς. Κάτι τόσο το σιest και οι μαθητές με τις περισσότερες προκλήσεις μπορούν να επωφεληθούν. Ένας μαθητής μπορεί να μάθει καλά με βίντεο, ενώ κάποιος άλλος προτιμά το κείμενο.
Πολλά έχουν ειπωθεί και γραφτεί για το ChatGPT και τις ικανότητες παρόμοιων μεγάλων γλωσσικών μοντέλων διευκολύνει τους μαθητές να εξαπατήσουν με χαρτιά και εξετάσεις. Άλλοι πιστεύουν την AI – και την ικανότητά της να προσφέρει ο καθένας προσωπικός δάσκαλος – θα σώσει, δεν θα καταστρέψει, την εκπαίδευση.
Ένας από τους πιστούς σταθερά στην τεχνητή νοημοσύνη και την εξατομικευμένη μάθηση είναι ο Vistasp Karbhari, πρώην Πκάτοικος του Πανεπιστημίου του Τέξας στο Άρλινγκτον, ο οποίος λέει: «Ακριβώς όπως ο Τύπος του Γουτεμβέργιου άλλαξε αμετάκλητα τον τρόπο ανταλλαγής της γνώσης, οι ψηφιακές τεχνολογίες βοηθούν μετατρέψτε την εκπαίδευση από ένα παράδειγμα «ένα μέγεθος για όλους» που βασίζεται στη βιομηχανική επανάσταση Οι μαθητές λαμβάνουν τις ίδιες πληροφορίες, την ίδια στιγμή και με τον ίδιο ρυθμό, παρόμοιο με ένα
γραμμή συναρμολόγησης, σε μια που μπορεί να είναι αυτορυθμισμένη, προσαρμοστική και εξατομικευμένη — εστιάζοντας στην μαθητής.“
Και η τεχνητή νοημοσύνη όχι μόνο μπορεί να προσαρμόσει και να παραδώσει εξατομικευμένο διδακτικό υλικό, αλλά μπορεί επίσης να το δημιουργήσει. Με τη γενετική τεχνητή νοημοσύνη, το κόστος παραγωγής διδακτικού υλικού μειώνεται δραματικά, επιτρέποντας ένα ακόμη πιο λεπτή εξατομίκευση.
Προσιτότητα
Ενώ οι διδάσκοντες και οι καθηγητές πρέπει να έχουν συγκεκριμένο χρόνο για διδασκαλία και παροχή συμβουλών, με την τεχνητή νοημοσύνη, η βοήθεια είναι πάντα διαθέσιμη. Αυτό μπορεί να βοηθήσει τους μαθητές κατά τη διάρκεια έντονης μάθησης, όπως οι περίοδοι εξετάσεων.
Αυτό μπορεί να ωφελήσει τόσο τους καλύτερους όσο και τους μαθητές με τις περισσότερες προκλήσεις. Για τους καλύτερους μαθητές, σημαίνει ότι δεν περιορίζονται ακολουθώντας μόνο την κοόρτη τους. Οι μαθητές με τις περισσότερες προκλήσεις δεν συγκρατούνται από την έλλειψη πόρων που λειτουργούν για το συγκεκριμένο μαθησιακό τους στυλ.
Δυνατότητες για πανεπιστήμια και κολέγια
Διατήρηση μαθητή
Οι ΗΠΑ υφίστανται αυτό που οι New York Times αποκαλούν α Κρίση εγκατάλειψης του κολεγίου. Στοιχεία από το 2022 έδειξαν ότι περίπου το 33 τοις εκατό των φοιτητών δεν τελειώνουν το πτυχίο τους.
ΝΤο ova Southeastern University στη Φλόριντα υιοθέτησε από νωρίς την τεχνητή νοημοσύνη για τον περιορισμό της εγκατάλειψης. Με χρησιμοποιώντας την τεχνητή νοημοσύνη για τον εντοπισμό φοιτητών που είναι πιο πιθανό να εγκαταλείψουν το σχολείο, το Κέντρο Ακαδημαϊκών του πανεπιστημίου και το Επίτευγμα Μαθητή θα μπορούσε να δώσει καλύτερα προτεραιότητα στις προσπάθειες διατήρησης προς τους μαθητές που χρειάζονται αυτοί οι περισσότεροι.
Αυτό που μπορεί να προσθέσει η τεχνητή νοημοσύνη είναι μια προληπτική προσέγγιση σε έναν τομέα που είναι συνήθως αντιδραστικός. Πλέον Οι προσπάθειες διατήρησης ξεκινούν μόνο αφού διαπιστωθεί ότι ένας μαθητής αντιμετωπίζει δυσκολίες, αλλά η τεχνητή νοημοσύνη μπορεί «Βοηθήστε ένα κολέγιο να στοχεύσει τις αλλαγές σπουδών, να εντείνει τις συμβουλές του και να προσφέρει υπηρεσίες υποστήριξης πολύ νωρίτερα, πριν από τη στιγμή που ένας μαθητής αρχίζει να αντιμετωπίζει προβλήματα».
Διοικητική βοήθεια
Η τεχνητή νοημοσύνη μπορεί επίσης να βοηθήσει στη διοικητική εργασία, προς όφελος των εργαζομένων και των φοιτητών. Πολιτεία της Γεωργίας Το Πανεπιστήμιο είναι ένα καλό παράδειγμα αυτού. Εδώ, χρησιμοποίησαν ένα chatbot με τεχνητή νοημοσύνη που ονομάζεται „Pounce“ για να απαντήσετε στις ερωτήσεις εγγραφής των μαθητών, μειώνοντας το „καλοκαίρι“ (μαθητές σκοπεύοντας να ξεκινήσετε όσοι δεν εγγράφονται) κατά περισσότερο από 20%. Ταυτόχρονα, μείωσε το κόστος διαχείρισης καθώς το AI απαντούσε σε ερωτήσεις. Ακριβώς όπως η τεχνητή νοημοσύνη εισέρχεται σε υπηρεσία σε έναν αριθμό βιομηχανιών, έτσι μπορεί να ωφελήσει σε μεγάλο βαθμό την υποστήριξη των φοιτητών – εξοικονομώντας έτσι χρόνο για τα ιδρύματα τριτοβάθμιας εκπαίδευσης και χρήματα.
Προκλήσεις και ηθικές εκτιμήσεις
Υπάρχουν μια σειρά από ηθικά ζητήματα που πρέπει να ληφθούν πριν από την εφαρμογή AI, τόσο όσον αφορά το χειρισμό δεδομένων όσο και όταν πρόκειται για τη συμμετοχή της τεχνητής νοημοσύνης στη διδασκαλία.
Προστασία προσωπικών δεδομένων και μεροληψία
Η διασφάλιση του απορρήτου των δεδομένων είναι απαραίτητη για την αντιμετώπιση ευαίσθητων πληροφοριών, όπως η μάθηση Πή ποιοι μαθητές είναι πιο πιθανό να εγκαταλείψουν. Ανησυχίες για την ευθύνη δεδομένων συχνά εμποδίζει τα ιδρύματα τριτοβάθμιας εκπαίδευσης να εφαρμόσουν συστήματα τεχνητής νοημοσύνης.
Ένας τρόπος για να διασφαλιστεί η βέλτιστη πρακτική είναι η αποθήκευση δεδομένων στους διακομιστές του πανεπιστημίου ή του κολεγίου – αντί αυτού μιας πλατφόρμας τρίτων. Ένας άλλος τρόπος είναι να προτιμήσετε μεγαλύτερες ομάδες κατά την εφαρμογή συστημάτων AI. Σε μια μικρότερη ομάδα – π.χ. λιγότερες από 25 – τα άτομα μπορούν εύκολα να αναγνωριστούν από την αποθήκευσή τους πληροφορίες, έτσι τα δεδομένα γίνονται πιο ασφαλή καθώς η ομάδα μεγαλώνει.
Ακριβώς όπως οι προβληματισμοί για το απόρρητο και τα δεδομένα είναι πάντα κατάλληλοι για την εισαγωγή νέας τεχνητής νοημοσύνης συστήματα, το ίδιο και οι προβληματισμοί για την προκατάληψη. Οι άνθρωποι είναι προκατειλημμένοι και οι άνθρωποι δεν κατασκευάζουν μόνο συστήματα AI Επίσης, γράφουν και επιμελούνται τις πληροφορίες και τα δεδομένα στα οποία εκπαιδεύεται το AI. Είτε πρόκειται για AI σύστημα διδασκαλίας ή ένα σύστημα διατήρησης, έχοντας επίγνωση σχετικά με τα δεδομένα που έχει χτιστεί ένα σύστημα και διερευνώντας περίεργα τα αποτελέσματά του, αντί να αντιλαμβάνονται την τεχνητή νοημοσύνη ως εγγενώς έξυπνη, είναι κλειδί.
Θεωρήσεις σε εφαρμογές εκμάθησης
Ακριβώς όπως υπάρχουν καλοί λόγοι για να είμαστε ενθουσιασμένοι με την εξατομίκευση της εκμάθησης αυτής της τεχνητής νοημοσύνης σιδαχτυλίδια περίπου, υπάρχουν καλοί λόγοι για να το εισαγάγετε σε καλό μέτρο. Κάποιοι κριτικοί υποστηρίζουν ότι Η υπερβολική εξατομίκευση μπορεί να δημιουργήσει έναν «εκπαιδευτικό θάλαμο ηχούς».
Μια πιθανή παγίδα της εξατομικευμένης μάθησης είναι ότι ένα σύστημα μάθησης μπορεί να προσαρμοστεί πάρα πολύ στο α τις προτιμήσεις του μαθητή, οι οποίες ενδέχεται να περιορίσουν την έκθεση του μαθητή σε διαφορετικές μεθόδους μάθησης. Για Για παράδειγμα, εάν ένας μαθητής κλίνει προς το περιεχόμενο βίντεο επειδή είναι πιο ελκυστικό αλλά μπορεί σιεπωφελούνται από την ανάγνωση για τη βελτίωση των δεξιοτήτων γραμματισμού, ένα υπερβολικά προσαρμοστικό σύστημα μπορεί να τους στερήσει μιας απαραίτητης πρόκλησης.
Αν η ψηφιακή αισιοδοξία που καθόρισε τις αρχές αυτού του αιώνα μας έκανε να ξεχάσουμε, ο COVID-19 μας δίδαξε την αξία των φυσικών, κοινωνικών συναντήσεων – και ποιες συνέπειες μπορεί να έχει αν το χάσουμε συλλογικά. ΕΝΑ επισκόπηση μεταξύ των φοιτητών κολεγίου κατά τη διάρκεια της πανδημίας παρουσίασε αύξηση 20% στην κατάθλιψη, 11% αύξηση στο άγχος και 16% αύξηση στη μοναξιά. Αυτό είναι, φυσικά, το αποτέλεσμα μιας πανδημίας και όχι απλώς μια μετάβαση στην ψηφιακή διδασκαλία, αλλά ο αριθμός δείχνει τη σημασία του να βρίσκεσαι κοντά σε συνομηλίκους.
Αυτά τα παραδείγματα υποδεικνύουν ότι είναι πολύ απαραίτητο να είμαστε επιφυλακτικοί σχετικά με την υπερβολική υιοθέτηση της τεχνητής νοημοσύνης στην τριτοβάθμια εκπαίδευση. Οι δεξιότητες που μαθαίνουμε από το να είμαστε δίπλα σε άλλους ανθρώπους – και η φυσική χαρά που προέρχεται από αυτό – δεν μπορούν ποτέ να αντικατασταθούν από συναντήσεις με τεχνητή νοημοσύνη.
Καθώς βρισκόμαστε στη μέση μιας επανάστασης της τεχνητής νοημοσύνης –όπως ακριβώς βρισκόμαστε στη μέση της διαφημιστικής εκστρατείας της τεχνητής νοημοσύνης– η προσεκτική εξέταση της κατάλληλης ενσωμάτωσης θα είναι ο τρόπος για να αποκομίσετε τα οφέλη και να αποφύγετε τις παγίδες. Η επόμενη ενότητα θα συζητήσει πώς τα πανεπιστήμια μπορούν να εφαρμόσουν με επιτυχία συστήματα AI.
Πώς μπορούν τα πανεπιστήμια και τα κολέγια να εφαρμόσουν την τεχνητή νοημοσύνη;
Μετά την τεράστια επιτυχία του ChatGPT του OpenAI, πολλές εταιρείες έχουν πηδήξει στο τρένο AI με την υπόσχεση για αύξηση της αποτελεσματικότητας, απόδοση αποτελεσμάτων και μείωση του κόστους. Μερικοί Ππροσφέρουν μεγαλύτερη αξία από άλλα. Όταν εφαρμόζετε νέα συστήματα AI, είναι καλή ιδέα να ξεκινήσετε με την επίγνωση ότι το ότι είναι AI δεν σημαίνει ότι είναι η πιο έξυπνη λύση.
Σύμφωνα με Arijit Ο Sengupta, ιδρυτής της Aible, πολλά πανεπιστήμια απογοητεύονται με τα αποτελέσματα που έχουν από την αρχική τους εφαρμογή συστημάτων τεχνητής νοημοσύνης, βιώνοντας ότι είναι χάσιμο χρόνου και χρήματος. Λέει ότι αυτό οφείλεται στο ότι «δεν είναι φτιαγμένο για την επίτευξη απτών στόχων και συγκεκριμένων αποτελεσμάτων που είναι πιο σημαντικά για το ίδρυμα». Με άλλα λόγια, ξεκινώντας από το Το τέλος στο μυαλό είναι μια εξαιρετική ιδέα για την εφαρμογή συστημάτων AI στην τριτοβάθμια εκπαίδευση.
Μόλις εφαρμοστεί, η απόδοση του συστήματος AI θα πρέπει να παρακολουθείται τακτικά από συλλογή σχολίων από τους χρήστες για να κατανοήσουν τυχόν προκλήσεις που αντιμετωπίζουν και, από εκεί, να κάνουν απαραίτητες προσαρμογές. Αυτός είναι ο καλύτερος τρόπος για να ελέγχετε και να προσαρμόζετε συνεχώς για προκατάληψη, σφάλματα, και άλλα αρχικά ζητήματα.
Ακριβώς όπως είναι ωφέλιμο να έχουμε έναν ηγέτη του έργου, που περιλαμβάνει μια διαφορετική ομάδα ενδιαφερομένων, συμπεριλαμβανομένων των καθηγητών, του προσωπικού και των φοιτητών, στη διαδικασία λήψης αποφάσεων σχετικά με τα συστήματα AI είναι εξίσου σημαντικό. Στην πρόσκληση των ενδιαφερομένων, τη λήψη εκπροσώπων αυτών που συνεργάζονται το σύστημα και εκείνοι των οποίων η εκπαίδευση θα επηρεαστεί από το σύστημα είναι ένας πολύ καλός τρόπος για να το πετύχετε πολύτιμη ανατροφοδότηση σχετικά με την πρακτικότητα και την αποτελεσματικότητα των λύσεων AI. Με τον ίδιο τρόπο, Η παροχή κατάλληλης εκπαίδευσης σε όσους χρειάζεται να χειρίζονται και να χρησιμοποιούν τα συστήματα είναι – προφανώς – ένας τρόπος για να αυξηθούν οι πιθανότητες επιτυχούς υλοποίησης.
Η τεχνητή νοημοσύνη μπορεί να είναι συμπλήρωμα, όχι θεραπεία. Τα εξαιρετικά συστήματα τεχνητής νοημοσύνης μπορούν να εντοπίσουν μαθητές που κινδυνεύουν να πέσουν και βοηθήστε τους να αντιμετωπίσουν ακαδημαϊκές προκλήσεις που δεν θα τα κατάφερναν χωρίς. Αλλά για να έχουμε ένα αξέχαστες ώρες στο κολέγιο ή στο πανεπιστήμιο και να εμφανιστείτε ως άτομο με ποικίλες δεξιότητες, συμπεριλαμβανομένων των εξαιρετικών κοινωνικών δεξιοτήτων, η αντιμετώπιση της τεχνητής νοημοσύνης ως συμπλήρωμα και όχι ως θεραπεία είναι ζωτικής σημασίας καθώς η τεχνητή νοημοσύνη ο αντίκτυπος στην τριτοβάθμια εκπαίδευση θα αυξηθεί εκθετικά τα επόμενα χρόνια
