Kamyar 是 Penseum 的联合创始人，这是一款由一组企业家开发的应用程序，旨在利用生成式 AI 支持学生在大学课程中的学习。他在 2020 年成为企业家，启动并最终出售了他的第一家科技公司。如今，他认为技术是解决社会在资源、经济和教育方面的最大挑战的关键工具。他写关于技术如何连接我们和解决低效率的问题。
在理想世界中，每个人都应该拥有接受优质教育的同等机会。然而，现实却远非如此。教育的状态和质量会因诸如社会经济地位、文化障碍和语言障碍等因素而有所不同。尽管我们生活在前所未有的技术和社会进步的时代，但教育机会的差异和获取的差距在很大程度上是由于政策失败所致。事情似乎还不够糟糕，COVID-19 大流行使情况更加恶化。在我们极度依赖技术和其副产品的时代，并不是每个人都拥有使用它们的奢侈和特权。这进一步加剧了教育不公平的差距。虽然技术有潜力使教育更容易被每个人所接受，但它也可能成为加剧不公平的障碍，尤其是对于那些已经处于劣势的人。本博客将探讨人工智能（AI）如何帮助使教育对每个人都公平的复杂话题。我们将超越通常的对话，并思考其他创造性的方式，AI 可以帮助我们使学校在未来对每个人都变得更好和更公平。教育“不平等”和“不公平”通常被交替使用，但为了本博客的目的，区分这两个概念在教育背景下的含义很重要。在教育背景下，不平等描述的是教育结果的不均匀分布，而不公平则指这些不平等是不公正和系统性的。基本上，不平等是一个症状，而不公平则是我们旨在解决的问题。在本博客中，我们专门关注使用 AI 来解决教育不公平的问题.教育不公平的当前状态：硬性事实全球范围内，258 million 名儿童、青少年和青年不在学校。这一数字在各个地区并不均匀：撒哈拉以南非洲有 31% 的年轻人不在学校，中亚有 21%，而欧洲和北美只有 3%。这些数字表明了发达国家和发展中国家之间的教育机会差距。但仅仅是出勤率并不能反映出全部情况。学习成果，或者说学生实际能够理解和做到的东西，揭示了另一个层面的不公平。例如，在巴西，15 岁的学生需要 75 年才能赶上发达国家同龄人的平均数学成绩，假设教育改进的当前速度保持不变。对于阅读来说，这个差距扩大到大约 260 年。在一个国家内部的不公平进一步说明了这一点。在墨西哥，80% 完成初等教育的土著儿童无法达到阅读和数学的基本能力水平。这些学生越来越落后，教育成就的差距越来越大。这些数字不仅仅是数据点；它们是指示真正的、系统性的问题的指标，这些问题需要关注和行动。教育不公平的原因：深入探讨教育不公平是一个复杂的问题，源于多种因素。为了了解其根源，我们需要超越表面观察，深入探讨那些延续这一系统性问题的机制。资源分配：教育不公平的主要原因是教育资源的分配不均。遗憾的是，教育已经成为许多国家的政治舞台，导致资源被分配到哪里有最大的政治压力，而不是最需要资源的地方。这种关注通常来自城市社区或具有主导文化或教育背景的社区。因此，位于经济困难或偏远地区的学校，或者主要为代表性不足的社区服务的学校，在设施、材料和合格教师方面处于劣势。教师培训：教师在决定教育项目成功方面至关重要。如果对教师的初期和持续培训关注不够，学生学习的差距往往是结果。这个问题在教师人数相对较少、教师自身获得高质量教育机会较少的地区尤其明显。课程相关性：一个国家的多样性往往与统一的教育课程相冲突。来自农村地区或文化少数群体的学生，或者生活在贫困中的学生，经常发现标准化的课程无关紧要或毫无意义。当教学语言与学生的母语不同时，这种不匹配会加剧，导致学习减少和辍学率更高。社会因素：偏见、刻板印象，甚至明显的种族主义和性别歧视，也可能导致教育不公平。处于劣势的学生经常遇到教师和同学的负面态度，这会影响他们的学习意愿，并增加早期辍学的可能性。每一个因素不仅仅是一个独立的问题，而是更大教育不公平系统中相互关联的网的一部分。解决这一复杂挑战需要采取多方面的方法，我们将在后续部分探讨。为什么 AI 可以在解决教育不公平方面产生影响人工智能有潜力通过提供可扩展和个性化的解决方案来革新我们对教育不公平的处理方式。例如，资源分配，AI 驱动的分析可以识别出服务不足的学校和学生人群，使政府和教育机构能够更公平地分配资源。这种数据驱动的方法可以将压力施加到最需要的地方，而不是最有政治利益的地方。在教师培训方面，AI 可以促进远程学习和专业发展机会，打破经常将教育工作者留在贫困或农村地区的地域障碍。这种方式可以放大人类教学的能力，通过为教育者提供他们需要的技能和支持，无论他们的位置如何。至于课程，AI 驱动的自适应学习系统可以根据每个学生的个体需求量身定制教育。这对于来自多样化背景的学生尤为重要，他们可能会发现“一刀切”的课程无关紧要或具有挑战性。这些智能系统甚至可以适应教学语言，弥合可能导致学习减少和辍学率更高的差距。最后，AI 可以缓解导致教育不公平的社会因素。智能系统可以被设计为文化敏感，避免可能在教育环境中延续的偏见和歧视。这些系统还可以识别歧视或偏见的模式，提醒管理人员注意这些问题，以便在问题升级之前加以解决，从而营造一个更加包容的教育环境。对未来的展望：AI 转变农村学校区想象一个农村学校区，教育差异显著。教师培训不足，资源稀缺，社会偏见普遍。为了直接解决这些问题，学校区整合了一套尖端的 AI 教育系统，类似于...
