مطالعه نشان می دهد که اساتید و دانشجویان استفاده از هوش مصنوعی را بسیار متفاوت می بینند

ویرایش شده توسط Swati Mestri، بررسی توسط اندرو زینین

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

بر اساس تحقیقات جدید دانشگاه منچستر و دانشگاه اسپانیایی دانشگاه منچستر و دانشگاه اسپانیایی دل‌پایس واسکو/Euskal Herriko Unibertsitatea، مربیان و دانش‌آموزان درک بسیار متفاوتی از میزان استفاده از هوش مصنوعی مولد (AI) در مطالعات دانشگاهی دارند.

این مطالعه نشان داد که کارکنان دانشگاهی دریافتند که دانش‌آموزان از ابزارهای هوش مصنوعی مانند ChatGPT برای مطالعات خود بسیار گسترده‌تر از آنچه که خود دانشجویان گزارش کرده‌اند استفاده می‌کنند. محققان می گویند که این یافته ها شکاف در درک بین کارکنان و دانشجویان را نشان می دهد، در زمانی که دانشگاه ها در حال دست و پنجه نرم کردن هستند که چگونه به بهترین نحو به این فناوری پاسخ دهند.

این تحقیق در مجله Frontiers in Education منتشر شده است.

این تحقیق چگونگی درک کارکنان دانشگاهی و دانش‌آموزان از ابزارهای مولد هوش مصنوعی و همچنین دیدگاه‌های آنها را در مورد نحوه استفاده از این فناوری در آموزش عالی بررسی کرد.

این مطالعه 45 عضو هیات علمی و 86 دانش‌آموز را در مدرسه‌ای که رشته‌های علوم اجتماعی را در یک دانشگاه تحقیقاتی فشرده در بریتانیا پوشش می‌دهد مورد بررسی قرار داد. پرسشنامه ها بین آوریل و ژوئن 2024 اجرا شد.

هنگامی که از کارکنان در مورد استفاده دانش آموزان از هوش مصنوعی برای مقاصد تحصیلی سوال شد، کارکنان میانگین امتیاز 5.23 را در مقیاس هفت درجه ای دادند. پاسخ های خود دانش آموزان به طور متوسط ​​3.11 تولید کردند.

محققان هشدار می دهند که دانش آموزان ممکن است استفاده خود از هوش مصنوعی را کمتر گزارش کرده باشند، اما می گویند که این تفاوت به اطلاعات محدودی که کارکنان ممکن است در مورد نحوه استفاده دانشجویان از این ابزارها در مطالعات خود داشته باشند اشاره می کند.

شناسایی استفاده از هوش مصنوعی برای مربیان دشوار است، به ویژه زمانی که آنها فقط نسخه نهایی یک تکلیف را می بینند نه فرآیندی که از طریق آن تولید شده است. دانش‌آموزان همچنین ممکن است مستقل از تعاملاتشان با کارکنان آموزشی از هوش مصنوعی استفاده کنند، که باعث می‌شود دانشگاهیان تصویر ناقصی از شیوه‌های کاری خود داشته باشند.

این تحقیق همچنین نشان داد که دانش‌آموزان نسبت به کارکنان نسبت به مزایای بالقوه هوش مصنوعی مثبت‌تر هستند.

دانش‌آموزان این فناوری را از نظر نقش احتمالی آن در عملکرد تحصیلی، از جمله کمک به آنها در یادگیری موضوعات خود، افزایش بهره‌وری و کاهش بار کاری، امتیاز بیشتری دادند. آنها همچنین بیشتر از کارکنان احساس کردند که شرایط و پشتیبانی مناسب برای کمک به استفاده از ابزارهای هوش مصنوعی وجود دارد.

در میان کاربردهای شناسایی‌شده در نظرسنجی، دانش‌آموزان گزارش کردند که از هوش مصنوعی مولد برای یافتن پاسخ به سؤالات و تکالیف، تولید کار نوشتاری و ترجمه یا بهبود دستور زبان نوشتاری خود استفاده می‌کنند.

محققان پیشنهاد می کنند که جذابیت فوری ابزارهای هوش مصنوعی ممکن است در توانایی آنها برای تولید و بهبود متن باشد. با این حال، آنها استدلال می‌کنند که دانشگاه‌ها به جای اینکه فرض کنند نقش آن در کار آکادمیک ساده است، باید طیف وسیعی از روش‌هایی را که دانشجویان از فناوری استفاده می‌کنند، درک کنند.

این مطالعه همچنین تفاوت قابل توجهی در آشنایی کارکنان با هوش مصنوعی پیدا کرد. در حالی که 63 درصد از پاسخ دهندگان کارکنان دانشگاهی حداقل از یک ابزار هوش مصنوعی مولد در شش ماه قبل از نظرسنجی استفاده کرده بودند، برخی از آنها تجربه عملی محدودی با این فناوری داشتند. فقط 14 درصد اشتراک پولی در ابزار هوش مصنوعی داشتند.

نویسندگان استدلال می کنند که چالش های ایجاد شده توسط هوش مصنوعی در آموزش عالی را نمی توان به سادگی با ارائه آموزش های فنی یا بهبود سواد هوش مصنوعی دانشجویان حل کرد. در عوض، دانشگاه‌ها باید در نظر بگیرند که کارکنان و دانشجویان چگونه فناوری را درک می‌کنند، معتقدند چه کاری می‌تواند انجام دهد و چگونه این باورها استفاده از آن را شکل می‌دهند.

محققان می‌گویند که فرض اینکه دانش‌آموزان از هوش مصنوعی در درجه اول برای دور زدن قوانین ارزیابی استفاده می‌کنند، خطر ایجاد رابطه‌ای مبتنی بر بی‌اعتمادی را به دنبال دارد. در حالی که اذعان می کنند که هوش مصنوعی می تواند به روش هایی استفاده شود که یکپارچگی تحصیلی را تضعیف کند، اما استدلال می کنند که دانشگاه ها به درک دقیق تری از شیوه های دانشجویان نیاز دارند.

آن‌ها پیشنهاد می‌کنند که آموزش و ارزیابی باید در پاسخ به قابلیت‌های هوش مصنوعی مولد تکامل یابد و کارکنان و دانش‌آموزان برای کشف کاربردهای آموزشی مناسب آن بهتر حمایت شوند.

نویسندگان همچنین تاکید می‌کنند که این تحقیق تصویری از یک محیط سازمانی خاص را در یک مقطع زمانی خاص ارائه می‌دهد. همانطور که ابزارهای هوش مصنوعی به سرعت در حال توسعه هستند، ادراک و الگوهای استفاده ممکن است تغییر کند و تحقیقات بیشتری با نمونه های بزرگتر مورد نیاز است.

دکتر مارک کاریگان، مدرس ارشد آموزش در دانشگاه منچستر و یکی از نویسندگان این مطالعه که اخیرا کتابی در این زمینه نیز نوشته است، می‌گوید: «تمایلی وجود دارد که بحث در مورد هوش مصنوعی در دانشگاه‌ها بر روی خطرات تقلب یا وعده تغییر آموزش متمرکز شود، اما واقعیت پیچیده‌تر است.

«یافته‌های ما نشان می‌دهد که کارکنان و دانشجویان برداشت‌های کاملا متفاوتی از نحوه استفاده از هوش مصنوعی دارند، و این امر باعث می‌شود دانشگاه‌ها بتوانند پاسخ‌های مؤثر مبتنی بر فرضیات را به جای درک روشنی از تجربیات دانشجویان ایجاد کنند.»

کریگان گفت: «ما باید از فضای مشکوک فراتر برویم و بر چگونگی استفاده مناسب از این ابزارها برای حمایت از یادگیری تمرکز کنیم، در حالی که در آموزش و ارزیابی برای جهانی مجهز به هوش مصنوعی تجدید نظر کنیم.

پیتر کان و همکاران، هنوز در حال ظهور: درک استفاده از هوش مصنوعی مولد در آموزش عالی، مرزها در آموزش (2026). DOI: 10.3389/feduc.2026.1885253

سواتی مستری دارای مدرک لیسانس در مهندسی الکترونیک است و از سال 2019 به عنوان ویرایشگر محتوا کار کرده است. او ویرایش اسناد تحقیقاتی در زمینه فناوری، مراقبت های بهداشتی و علم مواد را تجربه کرده است و علاقه خاصی به فناوری و فضا دارد. نمایه کامل →

فوق لیسانس فیزیک با تجربه تحقیق. علاقه مندان به اخبار علمی طولانی مدت. نقش کلیدی در موفقیت سرمقاله Science X ایفا می کند. نمایه کامل →