AI בהשכלה גבוהה - איזון הסיכונים והתגמולים

חלק ניכר מהדיון סביב כלי בינה מלאכותית גנרטיביים התמקד באתגרים הקשורים ליושרה אקדמית ולגניבת דעת בינה מלאכותית. רמאות שלטה בשיח.

כתוצאה מכך, המוקד העיקרי של מנהלי מערכת ומדריכים רבים היה חיפוש אחר כלים שחושפים כתיבה שנוצרת בינה מלאכותית. עבור מנהיגי השכלה גבוהה כיום, החיפוש אחר כלי זיהוי AI אמינים עשוי להיות חסר תועלת. במקום זאת, ההתמקדות צריכה להיות כיצד בינה מלאכותית יכולה לשפר את החוויה האקדמית ולפתח שיטות הערכה כדי להעריך טוב יותר את הבנת הלומדים.

זיהוי AI; הצעה פגומה?

עד כה, כלי זיהוי בינה מלאכותית לא הצליחו לחשוף תגובות שנוצרו בינה מלאכותית בצורה מדויקת וללא הטיה. חוקרים במרילנד גילה שאפילו "הגלאי האפשרי הטוב ביותר" מתפקד רק באופן שולי טוב יותר ממסווג אקראי. מחקר נוסף של 14 כלי איתור על ידי חוקרים בשש מדינות מצאו ששיעור הדיוק של כלי הזיהוי השתנה מאוד - בין 33% ל-79%.

כלי זיהוי בינה מלאכותית מציגים גם הטיה. לפי א מחקר סטנפורד, הפתרונות תייגו בצורה שגויה את הכתיבה של תלמידי אנגלית כשפה שנייה (ESL) ככתיבה של בינה מלאכותית שנוצרה יותר ממחצית מהזמן. חששות דומים הועלו גם לגבי האופן שבו הכלים הללו מסווגים בטעות כתיבה על ידי אנשים עם הפרעת הספקטרום האוטיסטי כנוצר בינה מלאכותית.

מחקר שנערך לאחרונה על כלי זיהוי בינה מלאכותית עם קבוצת לקוחות מצא שלמשתמשים היה מעט מאוד אמון בתוצאות. מה שהופך את המצב לגרוע יותר, הממצאים שלנו אישרו את מה שחוקרים מצאו במקומות אחרים - כתיבה סומנה לעתים קרובות בצורה שגויה כנוצרת בינה מלאכותית והדיוק היה נמוך מכדי להיות שמיש עם סטודנטים ולמטרות יושרה אקדמית יומיומית.

המציאות היא שהכלים של היום אינם עומדים במשימה מבלי להעלות דיוק רציני וחששות אתיים, וייתכן שהם לעולם לא יהיו. יש דרך טובה יותר קדימה - התמקד בפיתוח שיטות ההערכה שלנו על ידי בניית הערכות אותנטיות יותר וחווית למידה שיתופית כדי לעודד למידה עמוקה יותר.

בניית מעורבות טובה יותר

הרבה לפני הופעת כלי הבינה המלאכותית הגנרטיבית, מחנכים העריכו הערכות אותנטיות, כגון תרגילי חשיבה ביקורתית, ראיונות, תיאורי מקרה, פרויקטים קבוצתיים ומצגות. מחקרים הראו יתרונות מהטלת ללומדים משימות כמו אלה הדורשות מהם לפתור בעיות, לחשוב בביקורתיות ולשקף את עצמם במקום פשוט להיזכר בידע. עבור קורס עסקי, הערכה אותנטית יכולה להיראות כמו ניהול משא ומתן עם קבוצת עמיתים.

מתן הזדמנות לתלמידים להפגין חשיבה ביקורתית ופתרון בעיות מספק להם את הכישורים הנדרשים כדי להפוך בסופו של דבר לאנשי מקצוע מצליחים, על פי חוקרים שערכו סקירת ספרות בנושא.

הוויכוח סביב גניבת דעת בינה מלאכותית הצית מחדש את הדחיפה למדריכים לפתח הערכות שמעריכות יותר לעומק תוך הפחתת היעילות של תגובות שנוצרו בינה מלאכותית. כפי ש ססיליה קה יוק צ'אן, ראש תחום הפיתוח המקצועי באוניברסיטת הונג קונג, כתב, על המורים "לפתח משימות הערכה הדורשות חשיבה ביקורתית ואנליטית כדי להימנע מגניבת דעת בסיוע בינה מלאכותית".

הערכה אותנטית מקבלת חשיבות רבה עוד יותר בעידן הבינה המלאכותית הגנרטיבית. משימות המתמקדות בחשיבה ביקורתית, נקודות מבט אישיות ורפלקציה עצמית קשות הרבה יותר עבור טכנולוגיות בינה מלאכותית לייצר באופן שנראה אמיתי. פעילויות עשויות גם לבחון תחומי נושא שבהם אין לכלים הללו נתונים היסטוריים רבים איתם לעבוד, כגון אירועים נוכחיים ומקומיים, חוויות אישיות ותחזיות עתידיות.

פיתוח הערכות אותנטיות מסוג זה הוא עתיר זמן. זה מצריך מדריכים עם זמן כדי לחדש את תוכנית הלימודים וליצור מטלות חדשות לגמרי עבור התלמידים.

באופן אירוני, כלי בינה מלאכותית יכולים לעזור באתגר הזה. על ידי מינוף כלי בינה מלאכותית כדי לסייע ברעיונות ובסיעור מוחות כחלק מתהליך עיצוב הקורס, יצירת הערכה אותנטית מרתקת ופעילויות אחרות יכולה להיות יעילה יותר. עם זאת, זה קריטי שהמדריך יהיה תמיד בשליטה ויסקור ויאשר כל הצעה לעיצוב קורס שנוצרו בינה מלאכותית - זוהי נקודה מתוקה בסיכון נמוך עם תגמול גבוה ליישום בינה מלאכותית.

וסביבות למידה דיגיטליות יכולות להקל על הערכות אותנטיות, עבודת פרויקטים ועבודה קבוצתית. הם יכולים להתקיים בסביבה אחת ויכולים להמשיך ולהיבנות זה על גבי זה. על ידי שילוב של סביבת הלמידה הדיגיטלית והאפשרויות שנפתחות על ידי AI גנרטיבי, אנו עשויים להתחיל לראות חוויות למידה חדשות לגמרי, חדשניות ונכונות מבחינה פדגוגית הופכות למציאות בקרוב מאוד.

הדרך קדימה

ללא קשר ליתרונות ולחסרונות של AI, השימוש בו ימשיך להתרחב. בינה מלאכותית תספק הזדמנויות גדולות יותר לסטודנטים ומוסדות ככל שהעתיד יתפתח. מוסדות צריכים להתמקד במקסום היתרונות של בינה מלאכותית ופתיחת הפוטנציאל שלה בחוויית הלמידה במקום לנסות להגביל איומים אפשריים ולהסתכל על הערכות אותנטיות כדרך קדימה.

בינה מלאכותית תביא לשינוי. שיח וויכוחים סביב AI עוררו לעתים קרובות השוואות עם טכנולוגיות קודמות. הופעתם של בודקי איות ומחשבונים בכיתה עוררה שיחות סביב השאלה האם הכלים הללו היו עזרה או מכשול ליכולת הלמידה בפועל של התלמידים. באופן שבו הכלים הללו הפכו נפוצים בשימוש יומיומי באקדמיה, בינה מלאכותית יכולה להיות כלי לעזור לסטודנטים. ככזה, חשיבה מחדש בסיסית על יושרה אקדמית וחלקים רבים אחרים במסע של הלומד יהיו חיונית להצלחה.

יש צורך במדיניות ובנהלים גמישים. עם הכלים היצירתיים של בינה מלאכותית כאן כדי להישאר, זה כבר לא אפשרי לשמור על מדיניות מגבילה, במיוחד בידיעה שבינה מלאכותית גנרית בדרך להפוך לחלק מכל מה שאנחנו מקיימים איתו אינטראקציה (תחשוב על טייס משנה ב-Microsoft Office). הגבול בין פלגיאט בסיוע בינה מלאכותית לגניבת דעת בינה מלאכותית הולך ומטושטש מיום ליום.

קבע מדיניות. הקמת מסגרת מדיניות הנתמכת על ידי התרבות הייחודית של המוסד עם קווים מנחים ברורים לניצול AI עם אמצעי הגנה היא חיונית. למחלקות ולמדריכים צריכה להיות אוטונומיה ליישם מדיניות זו ביחס לנושא שלהם. יצירה משותפת ודיון בפרקטיקות עם תלמידים הם גם חיוניים כדי לעזור ליצור תרבות של אמון במוסד.

העצמת מדריכים לפתח גישות אתיות. מורים הם המנועים המניעים את הלמידה והתמיכה בהם היא הבסיסית לספק חוויות נהדרות ללומדים בעידן הבינה המלאכותית. מוסדות צריכים להעצים מדריכים לאמץ פרקטיקות הערכה אותנטיות, כולל מינוף הכוח של AI כדי להפוך את משימות הניהול ועיצוב הקורסים ליעילות יותר.

זמן ללמוד

כלי בינה מלאכותית רק ישתלבו יותר בתהליכי חיי היומיום שלנו, כולל אלו שבכיתה. כדי לממש את היתרונות שמעניקים הכלים הללו, מדריכים ומנהלים צריכים הכשרה ותמיכה מוסדית. על המוסדות לספק להם את הידע והכישורים הנדרשים כדי לרתום את ההזדמנויות תוך הפחתת הסיכונים. ההזדמנויות הללו כוללות השגת מטרה מבוקשת ארוכת שנים - הערכת לומדים על יכולתם ליישם ידע במצבים בעולם האמיתי. ואלו שירתמו את הכוח של בינה מלאכותית לבניית חוויות למידה טובות יותר יבטיחו שתלמידים ילמדו בעידן הבינה המלאכותית.