دانشگاه ها نباید از هوش مصنوعی برای خودکارسازی پوچ های خود استفاده کنند

دانشگاه ها در نقطه حساسی قرار دارند زیرا دانشجویان و اساتید از استفاده از هوش مصنوعی استقبال می کنند. در حال حاضر، دانشگاه‌هایی مانند هاروارد دوره‌هایی را معرفی می‌کنند که دارای آواتار هوش مصنوعی به عنوان «مدرس» است.

وعده‌هایی که هوش مصنوعی آموزش عالی ارائه می‌کند آشنا هستند: افزایش کارایی در نتیجه مدیریت کمتر، پوشش آموزشی بیشتر، بازخورد بهتر و ارزیابی هوشمندانه‌تر. اما معرفی سیستم های هوش مصنوعی (AI) در تلاش برای رفع این مشکلات راه حلی نیست. در هر صورت، سیستم‌های هوش مصنوعی بوروکراسی را که منجر به افول دانشگاه‌ها می‌شود، افزایش داده و سرعت می‌بخشد.

در عمل، نتیجه محتمل‌تر تیره‌تر است: هوش مصنوعی به سادگی دستگاه‌های بوروکراتیک دانشگاه‌ها را از بین نمی‌برد. به آن ماشین آلات رژیم جدیدی از انطباق با هوش مصنوعی می دهد - سیاست های بیشتر، فرم های بیشتر، ردیاب های بیشتر، نقش های نظارتی بیشتر و کارهای بیشتری که بر روی اعضای هیئت علمی بارگیری شده است.

خطر این نیست که هوش مصنوعی دانشگاه ها را نابود کند، بلکه این است که دانشگاه ها از هوش مصنوعی برای حفظ فرآیندهایی که باعث ناکارآمدی آنها می شود، استفاده کنند. اگر این اتفاق بیفتد، ممکن است شاهد باشیم که اساتید زمان کمتری را برای تحقیق، زمان کمتری برای تدریس و زمان بیشتری را برای فعالیت‌هایی که مستقیما به تولید دانش و آموزش دانشجویان کمک نمی‌کنند، اختصاص دهند.

این در حال حاضر در سیستم ارزیابی موجود در بریتانیا مشهود است، اما سایه‌ها به سیستم‌ها در جاهای دیگر نفوذ می‌کنند و پنجره‌ای به آینده برای مؤسسات ایالات متحده فراهم می‌کنند. تک تک کار دانشجو ممکن است از طریق یک پلت فرم تشخیص سرقت ادبی، یک رابط رتبه‌بندی، یک صفحه گسترده تعدیل برای اعضای هیئت علمی برای به اشتراک گذاشتن بازخورد، یک سیستم انتقال نمره، و یک رکورد هیئت امتحانی عبور کند. هر مرحله ورود، مهلت، قوانین استثنایی و مسیرهای حسابرسی خود را ایجاد می کند. هیچ کدام از اینها ذاتا مخرب نیستند.

علامت گذاری ناشناس، اعتدال، درخواست تجدیدنظر، دسترسی و یکپارچگی تحصیلی نگرانی های قانونی هستند. اما وقتی هر نگرانی به عنوان یک سیستم جداگانه اجرا می شود، اثر ترکیبی آن عدم انسجام اداری است.

در اصل، اساتید به رابط انسانی بین پلتفرم‌های ناسازگار تبدیل می‌شوند و زمان خود را صرف تطبیق نمرات و تعقیب شواهد گمشده به جای تدریس می‌کنند. در حالی که این مثال مربوط به دانشگاه های بریتانیا است، روند گسترش کارکنان اداری به آمریکای شمالی نیز کشیده شده است. هوش مصنوعی به سادگی فرصت جدیدی را برای افزایش مدیریت معرفی می کند.

در اصل هوش مصنوعی می تواند این را حل کند. این می‌تواند سیستم‌ها را یکپارچه کند، گزارش‌های معمول را خودکار کند، پیش‌نویس بازخورد، شناسایی ناسازگاری‌ها و حذف ورودی داده‌های تکراری. با این حال انگیزه سازمانی به ندرت حذف کار است. برای نمایان ساختن کار است. دانشگاهی که گردش کار خراب را خودکار می کند، لزوما آن را ساده نمی کند. ممکن است به سادگی گزارش‌های سریع‌تری درباره گردش کار خراب، داشبوردهای پیچیده‌تر و شواهد دقیق‌تری از انطباق ارائه کند.

انگیزه بوروکراتیک با تغییر واژگان خود زنده می ماند: مدیریت ریسک، اطمینان، شفافیت، حکمرانی، نوآوری مسئولانه.

حداقل یک نتیجه ممکن این است که دانشگاه ها خط مشی های استفاده از هوش مصنوعی را ایجاد کنند، به بیانیه های هوش مصنوعی در سطح ماژول نیاز داشته باشند، فرم های افشا را اجباری کنند، فهرست های ابزار تایید شده را معرفی کنند و کمیته های بررسی ایجاد کنند. از استادان خواسته می شود تا ارزیابی ها را دوباره طراحی کنند، سوء استفاده مشکوک را نظارت کنند، تصمیمات خود را مستند کنند، آموزش کامل کنند و رویکرد خود را برای دانشجویان توضیح دهند. بسیاری از این کار نامرئی خواهد بود. این نه به عنوان یک عنوان شغلی جدید بلکه به عنوان یک انتظار اضافی برای تدریس ظاهر می شود.

وقتی مشکلی پیش بیاید، دانشگاهی افشا می شود. وقتی سیستم کار می کند، موسسه اعتبار را مطالبه می کند. این عدم تقارن خورنده است.

این یک الگوی آشنا ایجاد می کند: مسئولیت بدون اختیار. از اساتید انتظار می‌رود که در مورد صداقت، انصاف، حریم خصوصی و اعتبار ارزیابی قضاوت‌های بعدی داشته باشند. اما آنها تدارکات، طراحی سیستم، سیاست های سازمانی یا رویه های انضباطی را کنترل نمی کنند. وقتی مشکلی پیش بیاید، دانشگاهی افشا می شود. وقتی سیستم کار می کند، موسسه اعتبار را مطالبه می کند.

این عدم تقارن خورنده است. این به کارکنان متعهد می آموزد که قضاوت دقیق به عنوان تخصص ارزش گذاری نمی شود، بلکه به عنوان یک خطر انطباق قابل مدیریت است و عواقب آن به طور نابرابر کاهش می یابد. اساتید باتجربه، پس از بیان نگرانی خود بی فایده، ممکن است ترک کنند، پیش از موعد بازنشسته شوند یا از خدمت خارج شوند. آکادمیک های اولیه، که در حال حاضر به دلیل نداشتن دوره تصدی ناامن هستند، کمترین قدرت را برای مقاومت خواهند داشت. دانش‌آموزان کمتر از منابعی که مهم‌تر است دریافت خواهند کرد: توجه فکری پایدار.

یکی از نتایج احتمالی این است که دانشگاه ها توسعه آواتارهای هوش مصنوعی اساتید را تشویق کنند و ساعات و اشتغال را کاهش دهند. سپس این مؤسسه استخدام تعداد بیشتری – نه کمتر – کارکنان مربوط به رعایت و «بهبود آموزشی» را برای مدیریت و نگهداری این آواتارهای هوش مصنوعی توجیه می‌کند و ایده کارآمدی و صرفه‌جویی در هزینه را نفی می‌کند. در این سناریو، بوروکراسی گسترش خواهد یافت تا مشکلات ایجاد شده توسط گسترش خود را مدیریت کند و در عین حال کیفیت را برای دانشجویانی که شهریه های بالایی می پردازند کاهش می دهد.

ممکن است لازم باشد کارکنانی برای نظارت بر این آواتارها، مدیران و وکلا برای مدیریت قراردادهای مجوز، کارکنان کنترل کیفیت در صورت بروز مشکل، و تیم‌های فناوری اطلاعات برای ادغام آنها در پلتفرم‌های یادگیری و وب‌سایت‌ها استخدام شود.

انحصاری Live Science Pro

غول های هوش مصنوعی یک اشتباه بزرگ تا فاجعه فاصله دارند. آنها می توانند از صنعت هسته ای چیزهای زیادی بیاموزند.

"خودمختاری همیشه با چیزی شروع می شود": وقتی یک عامل هوش مصنوعی سرکش می شود چه کسی مسئول است؟

ما قرار نیست یک خدای دیجیتالی شیطانی را بیدار کنیم - هوش مصنوعی به احتمال زیاد به یک ناامیدی بزرگ ختم می شود.

جایگزینی برای وظایف اداری وجود دارد. هوش مصنوعی باید توسط یک قانون سازمانی ساده اداره شود: بدون نیاز به انطباق جدید بدون برداشتن بار مشابه موجود. اگر دانشگاهی نیاز به طراحی مجدد ارزیابی برای تطبیق با هوش مصنوعی یا معرفی فناوری جدید داشته باشد، باید زمان محافظت شده، پشتیبانی فنی و یک پلت فرم یکپارچه واحد را فراهم کند. اگر از اساتید انتظار دارد که استفاده از هوش مصنوعی را مدیریت کنند، باید به جای اینکه آنها را به بداهه گویی بسپارند، پشتوانه نهادی واضحی به آنها ارائه کند.

و از نظر انتقادی، باید نشان دهد که چگونه این فناوری قبل از اینکه آن را در همه جا منتشر کند، کار را کارآمدتر می کند.

اما موضوع عمیق‌تر فناوری نیست، بلکه هدف نهادی است. یک دانشگاه وجود دارد - یا باید وجود داشته باشد - برای پرورش درک، قضاوت و استقلال فکری. اگر سیستم‌های آن زمان اساتید را مصرف کند، تجربیات دانشجو را تکه تکه کند و به اسناد و مدارک برای یادگیری پاداش دهد، هوش مصنوعی ابزار دیگری برای حفظ خود مدیریتی می‌شود. سوال این نیست که آیا دانشگاه ها می توانند هوش مصنوعی را اتخاذ کنند یا خیر. این است که آیا آنها می توانند در برابر استفاده از هوش مصنوعی برای خودکارسازی پوچ های خود مقاومت کنند یا خیر.

اگر آنها نتوانند، نتیجه یک سیستم آموزشی خواهد بود که به تدریج پیچیده به نظر می رسد در حالی که به طور فزاینده ای توخالی می شود - پر از نظارت، کم اعتماد. غنی در اندازه گیری، فقیر در تدریس; وسواس به رعایت، بی تفاوت نسبت به افرادی که امکان آموزش را فراهم می کنند. بیش از حد رویه ای بدون زندگی فکری. این یک تئاتر ممیزی شده برای یادگیری خواهد شد که ارزش وقت دانش آموزان را ندارد.

Opinion on Live Science به شما بینشی در مورد مهم ترین مسائل علم که بر شما و دنیای اطراف شما تأثیر می گذارد، می دهد که توسط متخصصان و دانشمندان برجسته در زمینه خود نوشته شده است.

به ما در بهبود Live Science Pro کمک کنید: ما همیشه در تلاش هستیم تا محتوای خود را بهتر کنیم. نظرات خود را در مورد Pro در اینجا برای ما بگذارید.