هوش مصنوعی عاملی که قادر به تکمیل دوره‌های آنلاین است، شکاف عظیم حکمرانی دانشگاه‌ها در آموزش عالی را آشکار می‌کند

بیشتر بحث‌ها در مورد هوش مصنوعی در آموزش عالی بر روی مسئله اشتباهی متمرکز شده‌اند. نگرانی غالب حول محور کپی و پیست کردن مقالات توسط دانشجویان از تولیدکننده‌های متن ساده به یک سند Word است. اما واقعیت بسیار مخرب‌تر است: «هوش مصنوعی عاملی»—سیستم‌هایی که قادرند به سیستم مدیریت یادگیری وارد شوند، سخنرانی‌ها را تماشا کنند، در آزمون‌ها شرکت کنند و تکالیف را به صورت خودکار ارسال کنند—هم‌اکنون از راه رسیده است. این گذار از تولید متن ساده به اجرای خودکار وظایف، شکاف حکمرانی عظیمی را در آموزش عالی آشکار می‌کند و باعث می‌شود که اکثر سیاست‌های موجود در زمینه صداقت آکادمیک کاملاً منسوخ شوند. هوش مصنوعی عاملی یک جهش اساسی در قابلیت‌ها را نشان می‌دهد. در حالی که هوش مصنوعی مولد نیاز به دستوردهی مستمر انسانی دارد، هوش مصنوعی عاملی اهداف پیچیده و بلندمدت را با حداقل دخالت دنبال می‌کند. این سیستم‌ها می‌توانند مراحل را برنامه‌ریزی کنند، ابزارهای خارجی را فراخوانی کنند، با برنامه‌ها تعامل داشته باشند و خود را با محیط‌های در حال تغییر تطبیق دهند. در یک زمینه آموزشی، این بدان معناست که می‌توان به یک عامل هوش مصنوعی دستور داد که «دوره آنلاین جامعه‌شناسی من را تکمیل کن»، و نرم‌افزار به طور سیستماتیک سرفصل‌ها را پیمایش کرده، مطالب را خوانده و تکالیف مورد نیاز را اجرا خواهد کرد.[1][5]

فناوری‌ای که این رفتار خودکار را ممکن می‌سازد، در یک آزمایشگاه تحقیقاتی شرکتی پنهان نشده است؛ بلکه به صورت تجاری در دسترس است و به طور فزاینده‌ای مستقیماً در مرورگرهای وب مصرف‌کننده تعبیه شده است. مرورگرهای عاملی و افزونه‌های تخصصی طراحی شده‌اند تا با برنامه‌های وب پیچیده، از جمله سیستم‌های مدیریت یادگیری مانند Canvas، Moodle و Blackboard، دقیقاً مانند یک دانشجوی انسانی تعامل داشته باشند. آن‌ها می‌توانند ماژول‌های یادگیری متوالی را کلیک کنند، از بررسی‌های ساده زمان صرف شده در صفحه عبور کنند و پاسخ‌ها را برای درخواست‌های تابلوی بحث در زمان واقعی ترکیب کنند، به طوری که عملاً هیچ ردپای فنی که آن‌ها را از یک کاربر انسانی متمایز کند، باقی نمی‌گذارند. این قابلیت هسته مدل یادگیری آنلاین را هدف قرار می‌دهد. برای بیش از یک دهه، آموزش عالی برای افزایش ثبت‌نام و فراهم کردن انعطاف‌پذیری برای دانشجویان غیرسنتی، به دوره‌های آنلاین ناهمزمان متکی بوده است. این دوره‌ها اغلب برای سنجش مشارکت و تسلط، به آزمون‌های خودکار، بازتاب‌های نوشتاری و پاسخ‌های همتایان وابسته هستند. هوش مصنوعی عاملی می‌تواند تمام این وظایف را خودکار کند و عملاً کسب مدرک را از فرآیند واقعی یادگیری انسانی جدا سازد.[1][7]

واکنش فوری مؤسسات به این جهش تکنولوژیک، تلاش دیوانه‌وار برای به‌روزرسانی سیاست‌های استفاده قابل قبول بوده است. دانشگاه‌ها به سرعت در حال کشف این موضوع هستند که قوانین موجود آن‌ها، که عمدتاً برای مقابله با تولیدکننده‌های متن ساده نوشته شده بودند، کاملاً در پوشش عوامل نرم‌افزاری خودکار شکست می‌خورند. چندین مؤسسه بزرگ به صراحت استفاده از عوامل هوش مصنوعی را در پلتفرم‌های یادگیری و ارزیابی خود ممنوع کرده‌اند. دستورالعمل‌های آکادمیک به‌روزرسانی شده آن‌ها به طور قاطع بیان می‌کند که استفاده از عامل هوش مصنوعی در هر سیستم دانشگاهی که نیاز به ورود امن دانشجو دارد، اکیداً ممنوع است و به منزله سوء رفتار جدی آکادمیک تلقی می‌شود.[3]

به طور مشابه، سیستم‌های دانشگاهی دستورالعمل‌های فوری صادر کرده‌اند که به دانشجویان و اساتید در مورد قابلیت‌های مرورگرهای عاملی هشدار می‌دهند. راهنمای سازمانی آن‌ها صراحتاً باز کردن ابزارهای آموزشی با مرورگرهای عاملی تأیید نشده را ممنوع می‌کند و خاطرنشان می‌سازد که این ابزارهای پیشرفته می‌توانند تکالیف روتین درسی و حتی شرکت در آزمون‌های آنلاین را به صورت خودکار انجام دهند. دانشگاه‌ها قویاً به اساتید توصیه می‌کنند که در نظر بگیرند این قابلیت‌ها چگونه بر سیاست‌های فردی دوره‌های آن‌ها تأثیر می‌گذارند و پیشنهاد می‌کنند که در صورت امکان لجستیکی، به صورت استراتژیک به کلاس‌های معکوس (flipped classrooms) و ارزیابی‌های حضوری با نظارت شدید بازگردند.[3][7]

اما به‌روزرسانی بیانیه سرفصل درس تنها یک راه‌حل سطحی برای یک آسیب‌پذیری ساختاری بسیار عمیق‌تر است. مسئله گسترده‌تر، شکاف حکمرانی عظیمی است که در سراسر آموزش عالی وجود دارد. حکمرانی هوش مصنوعی سازمانی در حال حاضر به دو حوزه متمایز تقسیم می‌شود: آکادمیک و عملیاتی. حکمرانی هوش مصنوعی آکادمیک شامل کلاس درس است—تکالیف درسی، صداقت آکادمیک و قوانین افشا برای تکالیف. اینجاست که اکثر دانشگاه‌ها توجه و منابع محدود خود را متمرکز کرده‌اند و هوش مصنوعی را در درجه اول به عنوان یک تهدید پیچیده تقلب می‌بینند که می‌توان با تغییر کدهای افتخار و افزودن سلب مسئولیت‌ها در سرفصل‌ها آن را مدیریت کرد. با این حال، حکمرانی هوش مصنوعی عملیاتی در اکثر مؤسسات به طور خطرناکی توسعه نیافته باقی مانده است. این حوزه شامل سیستم‌های هوش مصنوعی است که خود دانشگاه آن‌ها را به کار می‌گیرد—مانند عوامل خودکاری که پذیرش دانشجویان کارشناسی، پیش‌بینی ثبت‌نام، پردازش کمک‌های مالی و خدمات دانشجویی را انجام می‌دهند. تحلیلگران صنعت و کارشناسان حکمرانی خاطرنشان می‌کنند که در حالی که مؤسسات سال‌ها در مورد سیاست‌های استفاده قابل قبول برای تکالیف دانشجویی وسواس به خرج داده‌اند، اغلب فاقد نظارت اساسی بر عوامل هوش مصنوعی هستند که عملیات حیاتی خودشان را اجرا می‌کنند، و این امر دانشگاه را در معرض خطرات قابل توجه انطباق و حفظ حریم خصوصی داده‌ها قرار می‌دهد.[3][4]

شکاف آگاهی در مورد این ابزارهای عملیاتی، یک خطر سازمانی قابل توجه و رو به رشد را نشان می‌دهد. داده‌های اخیر صنعت نشان می‌دهد که در حالی که اکثریت قریب به اتفاق کارکنان آموزش عالی از ابزارهای مختلف هوش مصنوعی برای کار روزانه خود استفاده می‌کنند، تنها حدود نیمی از آن‌ها واقعاً از وجود سیاست هوش مصنوعی مؤسسه خود آگاه هستند و بسیاری به طور منظم از ابزارهای فناوری اطلاعات سایه (Shadow IT) تأیید نشده استفاده می‌کنند. یک پلتفرم هوش مصنوعی واقعاً آماده حکمرانی، نیازمند تأیید داده‌ها، خودآزمایی خودکار مستمر و مسیرهای حسابرسی واضح است—استانداردهای فنی سختگیرانه‌ای که بسیاری از دانشگاه‌ها در حال حاضر در استقرار اداری خود از رعایت آن‌ها باز می‌مانند.[3][4]

برای بستن موفقیت‌آمیز این شکاف عملیاتی خطرناک، مؤسسات باید فراتر از ممنوعیت‌های واکنشی در کلاس درس حرکت کنند و چارچوب‌های جامع حکمرانی هوش مصنوعی در سطح دانشگاه را توسعه دهند. این امر مستلزم ایجاد سیاست‌های واضح و قابل اجرا برای نحوه ارزیابی، تأیید، نظارت و در نهایت بازنشستگی ابزارهای هوش مصنوعی در تمام عملکردهای دانشگاه است. شوراهای فناوری آموزشی تأکید می‌کنند که تضمین استفاده اخلاقی از هوش مصنوعی شامل رسیدگی مستقیم به سوگیری‌های الگوریتمی، حفظ شفافیت دقیق داده‌ها و تعیین صریح سطح مناسب تعامل و نظارت انسانی مورد نیاز برای کاربردهای مختلف اداری و آکادمیک است.[4][7]

در کلاس درس مجازی، ظهور سریع هوش مصنوعی عاملی یک بازطراحی اساسی و سیستمی در استراتژی‌های ارزیابی آنلاین را تحمیل می‌کند. اگر یک عامل نرم‌افزاری تجاری در دسترس بتواند با اطمینان یک آزمون چند گزینه‌ای را پشت سر بگذارد، یک ماژول کدنویسی را تکمیل کند یا یک مقاله تحقیقاتی استاندارد بنویسد، آن ارزیابی‌ها دیگر به درستی صلاحیت دانشجوی انسانی را اندازه‌گیری نمی‌کنند. به اساتید و طراحان آموزشی فوراً توصیه می‌شود که از وظایف قابل خودکارسازی آسان فاصله بگیرند و به سمت ارزیابی‌های فرآیند محور، دفاعیات شفاهی زنده و نمایش‌های همزمان در کلاس از دانش کاربردی حرکت کنند.[1][7]

این گذار ضروری در روش ارزیابی به شدت نیازمند منابع است. بازطراحی ارزیابی‌ها مستلزم زمان قابل توجه اساتید، آموزش گسترده و ساختارهای پشتیبانی سازمانی قوی است. همچنین مدل مالی برنامه‌های درسی آنلاین در مقیاس بزرگ را به چالش می‌کشد، که از لحاظ تاریخی برای حفظ سودآوری و مقیاس‌پذیری به نمره‌دهی خودکار و آزمون‌های استاندارد متکی بوده‌اند. اگر دانشگاه‌ها مجبور شوند برای اطمینان از صداقت آکادمیک پایه به ارزیابی‌های با دخالت انسانی بالا بازگردند، هزینه اساسی ارائه آموزش آنلاین به ناچار افزایش خواهد یافت و این امر مستلزم یک حسابرسی جدی در مدل‌های کسب‌وکار آموزش عالی است.[6][7]

با این حال، ادغام هوش مصنوعی خودکار در یادگیری آنلاین صرفاً تهدیدی نیست که باید کاهش یابد؛ بلکه یک تکامل ضروری برای این بخش است. یادگیری آنلاین در حال حاضر در مرکز مطلق استراتژی سازمانی قرار دارد و با دسترسی دانشجویان، ارتباط با نیروی کار و پایداری مالی بلندمدت تلاقی می‌کند. در صورت حکمرانی صحیح، پلتفرم‌های مبتنی بر هوش مصنوعی و عوامل تخصصی می‌توانند به مؤسسات کمک کنند تا شکاف‌های حیاتی پشتیبانی دانشجویی را پر کنند، مراقبت آکادمیک شخصی‌سازی شده را مقیاس دهند و نتایج فارغ‌التحصیلی را برای یادگیرندگان غیرسنتی به طور قابل توجهی بهبود بخشند. عامل تمایز تعیین‌کننده برای دانشگاه‌ها در دهه آینده این خواهد بود که چقدر آگاهانه هوش مصنوعی را در مدل‌های آموزشی خود ادغام می‌کنند، نه اینکه صرفاً نرم‌افزارهای تشخیص ناکارآمد را به آن وصله کنند. مؤسسات باید فعالانه دانشجویان را برای کار در کنار سیستم‌های خودکار آماده کنند و تسلط فنی، استدلال اخلاقی و استفاده کاربردی آن‌ها را در رشته‌های مختلف آکادمیک توسعه دهند. فارغ‌التحصیلانی که وارد نیروی کار مدرن می‌شوند، باید بدانند که چگونه از هوش مصنوعی عاملی به عنوان ابزاری قدرتمند برای بهره‌وری حرفه‌ای استفاده کنند، نه اینکه آن را جایگزینی برای قضاوت انسانی ببینند.[2][5]

در نهایت، ورود هوش مصنوعی عاملی به آموزش عالی به عنوان یک عامل اجبارکننده قدرتمند برای بلوغ سازمانی عمل می‌کند. این امر از دانشگاه‌ها می‌خواهد که به وضوح تعریف کنند که یادگیری اصیل انسانی چیست و چگونه باید آن یادگیری را در دنیایی که به طور فزاینده‌ای خودکار می‌شود، به طور دقیق اندازه‌گیری کرد. مؤسساتی که در این چشم‌انداز جدید موفق خواهند شد، آن‌هایی هستند که چارچوب‌های حکمرانی قوی و جامع ایجاد می‌کنند، ارزیابی‌های خود را به طور اساسی برای عصر هوش مصنوعی بازطراحی می‌کنند و آگاهانه این ابزارهای قدرتمند را برای تقویت، و نه جایگزینی، تجربه آموزشی اصلی ادغام می‌کنند. نادیده گرفتن فناوری یا تکیه بر کدهای افتخار منسوخ دیگر یک استراتژی قابل دوام نیست.[4][7]