10 مهر

یادگیری ماشینی، آینده آموزش

خواندن

92 دفعه

برای کودکی 10 ساله، آمارتیا مرد آشنای متفکری/ باملاحظه ای است. او صبح یک روز دوشنبه در «مدرسه خان لب» (کِی.ال.اس) در شهر مونتین ویو کالیفرنیا، توضیح داد که ریاضی اش «بسیار قوی» است اما باید روی توانایی نوشتنش کار کند. نگران نباشید؛ چون آمار دنیا نقشه ای دارد. او به صورت آنلاین تمرین دستور زبان خواهد کرد. مدت معینی با یک معلم انگلیسی کار کند و با مربی خود مشورت کند. همچنین پس از آن برای کمک گرفتن به موسسه شما ایمیل خواهد زد.

این روشی است که کی.ال.اس برای تشویق کردن ارائه می کند. دانش آموزان آن تکلیف خانگی یا کارت گزارش کار ندارند و تمام روز را در کلاس درس نمی گذرانند. آنها بر اساس سن دسته بندی نمی شوند. آنها همانطور که اهداف و برنامه های فردی خود را دنبال می کنند، فضاهای عمومی شان را به اشتراک می گذارند.

 
این کار با استفاده از نرم افزاری که توسط برنامه نویسان خانگی، برای گرفتن آزمون و تماشای ویدئوهای درسی ساخته شده است انجام می شود؛ ویدئوهایی که سازمان خواهر مدرسه، «آکادمیِ خان»، که آموزش های آنلاین ارائه می کند، ساخته است، تیمی از مدرسان مثل معلم با کارهای آکادمیک به شاگردان شان کمک می کنند. باقی مربیان صفات شخصیتی مانند کنجکاوی و خودآگاهی را آموزش می دهند.

ایده استفاده از فناوری برای تجدید نظر در آموزش جدید نیست؛ در سال 1928 روانشناسی به نام سیدنی پرسی یک «ماشین تدریس» اختراع کرد که تصور می کرد «معلمان و دانش آموزان را از خر حمالی آموزشی رها می کند.» این دستگاه دارای یک درام کاغذ بود که سوالات چند گزینه ای را نمایش می داد. با فشار دادن دکمه سمت راست درام به حرکت در می آمد و برای بچه های باهوش شیرینی می ریخت!
 
یادگیری ماشینی، آینده آموزش

ماشین تدریس خانم پرسی با وجود طعمه های شکرینش، راه اغلب چنین تکنولوژی هایی را رفت و آنقدر عمر نکرد که مردم به اهمیتش پی ببرند. از آن زمان زنجیره ای از اختراعات که نوید دگرگونی مدارس را می دادند، چنین کاری نکردند. فناوری اطلاعات بخش های دیگر را دگرگون کرد؛ در حالی که روی آموزش تاثیر کمی داشت.

این به دلیل نیازهای سخت افزاری نبوده است. در سال 1984 سالی که نخستین سیستم عامل مکینتاش عرضه شد، مدارس آمریکا به طور میانگین برای هر 125 دانش آموز یک کامپیوتر داشتند. تا سال 2012 برای هر 9 نفر پنج کامپیوتر وجود داشت اما بر اساس تحلیلی که داده های آن توسط جورج بولمان و رابرت فرلایل از دانشگاه کالیفرنیا، از سراسر جهان گردآوری شده است و سال گذشته منتشر شد، این بیگ بنگ در دسترسی به فناوری اطلاعات، در خروجی هایی نظیر امتیاز آزمون ها و نظیر آن «کم یا بدون تاثیر مثبت» بود.

در سال 2015 سازمان همکاری های اقتصادی و توسعه (OECD) هیچ ارتباطی بین کشورهایی که در مدارس به آی تی می پردازند و توانایی دانش آموزان پانزده ساله آنها در ریاضی، علوم و خواندن پیدا نکرد.

حالا این سکون به دو دلیل بالاخره شروع به تغییر کرده است. اول این که فناوری آموزشی به طور فزاینده و از راه های پیچیده ای می تواند با دانش آموزان تعامل داشته باشد. مطالعات اخیر نشان می دهد، نرم افزارلهایی که نقش مسئولیت پذیری معلم را تقلید می کنند، به جای این که فقط سوالات و پاسخ ها را طرح کنند، در واقع موجب تسریع یادگیری کودکان نیز می شوند.

دلیل دوم این که تجربه تعداد رو به رشد مدارسی مانند کی.ال.اس، ثابت کرده است که آنها از فناوری آموزشی تنها به عنوان راهی برای انجام کارها استفاده نمی کنند بلکه از نرم افزارهای جدید برای تغییر نحوه وقت گذراندن دانش آموزان و معلمان بهره می برند و به نظر می رسد هر دو طرف بهره وری بهتری دارند.
 
برای دهه ها مبتکران عرصه آموزش با خوشحالی پایان دوران «مدل کارخانه ای» آموزش را پیش بینی می کردند. به همین دلیل بچه هایی به همان سن، به طور گسترده ای از همان راه و از همان معلمان آموزش می گرفتند؛ با این حال این مدل همچنان پابرجاست. حالا دست کم در برخی جاها، به نظر می رسد که روزهای عمر آن روش به شماره افتاده است.
 
یادگیری ماشینی، آینده آموزش

سرمایه گذاران چه از روی بشر دوستی با دلایل دیگر، هیجان زده هستند. فناوری آموزشی یکی از اولویت های صندوق سرمایه گذاری است که مارک زاکربرگ و همسرش چان زاکربرگ مبتکر آن بوده اند. او می خواهد اغلب مدارس آمریکا با روش جدید آموزشی سازگار شوند که احتمالا این امر یک دهه طول خواهد کشید و پس از آن به گسترش این طرح در سراسر جهان کمک کنند. ارزش تلفیق شده بازار فناوری آموزشی آمریکای شمالی و اروپا (که تصحیلات متوسطه و عالی را نیز مثل مدارس شامل می شود) بر اساس طرح شرکت تحقیقاتی «تکناویو» طوری برنامه ریزی شده که از 75 میلیارد دلار در سال 2014 به 120 میلیارد دلار در سال 2019 برسد.

تحقیق در دو حوزه این فناوری جدید را شکل می دهد: هوش مصنوعی اجازه می دهد که ماشین ها با استفاده از داده هایی که در فرآیند استفاده دانش آموزان از آنها تولید می شود، درباره آنها چیزهایی فرا بگیرند و تحقیق روی روانشناسی، علوم شناختی و سایر رشته ها بینشی کاربردی در خصوص «علم یادگیری» به دست می دهد.

بنجامین بلومز، روانشناس متاخر آمریکایی، بسیاری از متخصصان آموزش را متقاعد کرده که غلبه بر ناکامی های مدل کارخانه ای آموزش، مستلزم این است که دستورالعم لآموزش گروهی بیشتر شبیه تدریس خصوصی شود که مطالعات او نشان می دهد موثرترین شکل آموزش است.

نرم افزار «یادگیری سازار شده» که ابتدا در سال 1970 توسط دانشمندان علوم کامپیوتری ابداع شد، تلاش می کند که نقاط قوت آموزش یک به یک را تقلید کند. چنین برنامه هایی از پاسخ های دانش آموزان برای طراحی سوالات بعدی و تنظیم سختی سوالات متناسب با پیشرفت دانش آموزان استفاده می کنند.

یادگیری ماشینی شاخه ای از هوش مصنوعی است که اجازه می دهد کامپیوترها الگوهایی که مشخصا برای درک آنها برنامه ریزی نشده اند را انتخاب کنند و خودشان را به خوبی وقف این هدف کنند. اما این ضروری نیست. برنامه «مایندر اسپارک» که توسط شرکت هندی «اجیو کیشال اینیتی اِیتیوز» (Educationa Intiatives) طراحی شده، به سادگی بانکی از 45 هزار پرسش طراحی کرده که روزانه دو میلیون پاسخ نیز تولید می کند.
 
 یادگیری ماشینی، آینده آموزش
 
توسعه دهندگان این برنامه اشتباهات رایج را نیز با استفاده از داده های ارزشمند بیش از یک دهه ای دانش آموزان و کدنویسی برای تشخیص خطا، پیش بینی کرده اند. برای مثال بچه ها همیشه می گویند 3.27 بزرگتر از 3.3 است یا 4.56 بزرگتر از 4.9 است؛ عبه این علت که آنها 27 و 56 بعد از ممیز را می بینند و خیال می کنند از 3 و 9 بزرگ تر است؛ خطایی که به عنوان «تفکر تعداد کلی»، مایند اسپارک چنین الگوهای خطایی را بر می دارد و تمرینات خاص راهگشای دیگری را توصیه می کند.

برنامه های جدیدتری در سراسر جهان به رهبری برندهای آمریکایی شامل «الکس» (ALEKS)، «نوتون» (Knewton) و «دریم باکس لرنینگ» (DreamBox Learning)، در حال توسعه هستند که از یادگیری ماشینی برای یافتن الگوهای توانایی یا خطایِ خاص هر دانش آموز استفاده می کنند.

«سیاوولا پرکتیس» (Siyavula Practice) که محصول آفریقای جنوبی است، برای تدریس ریاضی و علوم توسط بیش از 32 هزار دانش آموز در 388 مدرسه استفاده می شود. «گیگی» (Geekie) توسط 415 هزار دانش آموز در مدارس عمومی سائوپائولو و توسط خیلی ها در خانه استفاده می شود. «بای جوز» (Byju’s) دیگر شرکت آموزشی هندی در سرمایه گذاری که سال 2016 توسط «سی زد آی» (موسسه ابتکارات چان زاکربرگ) انجام شد، 50 میلیون دلار به دست آورد. در چین برنامه «17 زویی» (با هم، تکلیف خانه»، از نرم افزار تشخیص صدا استفاده می کند تا به دانش آموزان کمک کند انگلیسی یاد بگیرند. اگر بچه ای بگوید «هفت تا سیب زمینی» یا «9 تا سیب»، این برنامه حالت جمع این کلمات را پیشنهاد می کند.

پیشرفت سریع در برنامه های تشخیص گفتار و تغییر نسل ممکن است چنین برنامه هایی را به پیش ببرد. محققان در موسسه پژوهشی «آرتیکیو لب» در دانشگاه «کارنگی ملون» از فناوری تشخیص صدا برای توسعه «الکس» که یک «همکار مجازی» است استفاده کردند. الک سمی تواند با بچه ها در کلاس به زبان محلی صحبت کند که باعث می شود بچه ها در کلاس بیشتر احساس راحتی کنند. یافته های آنان نشان می دهد برخی از بچه های سیاه پوست، وقتی با یک همکار مجازی که به زبان آفریقایی – آمریکایی محلی صحبت می کند، تعامل دارند، نسبت به وقتی که با یکی که با گویش عادی صحبت می کند سروکار دارند، علوم را سریع تر یاد می گیرند.
 
یادگیری ماشینی، آینده آموزش

برخی از این شرکت ها توجه دقیقی به علم یادگیری دارند. الگوریتم های سیاوولا سوالات را طوری چینش می کند که کاربران در حدود 70 درصد مواقع پاسخ درست را بیابند. این شرکت می گوید این میزان تقریبی، موفقیت است و یادگیرندگان را نه خسته می کند و نه تخریب.

در همین حال الکس (ALEKS) از سوالات چند گزینه ای فرار می کند. در عوض این برنامه که روشی بیشتر متن محور دارد، از کاربران می خواهد پاسخ های خود را بنویسند. هر دو برنامه به صورت دوره ای به سرفصل ها بر می گردند و مطالعات نیز نشان می دهد که ایجاد این وقفه در تمرین، به تثبیت آموخته ها کمک می کند.

مقاله ای که فلیپ اوریوپولس و آندره نیکاو در آینده ای نزدیک برای «جِی - پال» منتشر خواهند کرد – گروهی در «ام.آی.تی» که به دنبال شواهدی هستند که نشان دهد عامل اصلی موثر در کاهش فقر چیست؛ ده ها نفر را که با فناوری آموزشی سروکار داشتند به طور تصادفی آزمایش کردند.

تقریبا تمام 41 تحقیقی که دانش آموزان را با استفاده از نرم افزارهای انطباقی با همسالان شان که به روش های مرسوم تدریس شده بودند مقایسه می کنند، نشان می دهند آن دسته از دانش آموزان که با کمک نرم افزار درس خوانده اند، نمرات بالاتری کسب می کنند. همچنین در اغلب این مطالعات نمره زبان بالاتر بوده است. آقای اوریوپولس می گوید: «مداخلات زیاد دیگری وجود ندارد که با شواهد معتبر چنین تاثیری را نشان دهد.»

یکی از مطالعات گروه جی - پال، مقاله ای به قلم کارتیک مورالیداران، آلخاندرو گانیمیان و آبیجیت سینگ است که به یک طرح فوق برنامه مدرسه در هند نگاهی دارد، که در آن بچه ها به مدت چهار ماه و نیم از برنامه مایند اسپارک استفاده کرده بودند. آنان دریافتند پیشرفت آن دانش آموزان در مورد زبان و ریاضی، از اغلب مطالعات آموزشی دیگر در کشورهای فقیر – و از نظر کسر هزینه های جاری یک مدرسه دولتی – بالاتر بوده است.

بخشی از این اتفاق عملکرد یک پایه ضعیف است. برنامه های درسی هندی بیش از حد بلندپروازانه هستند؛ حاصل دورانی که مدارس جایگاه حفظ نخبگان بودند و در هر زمانی یک چهارم معلمان غایب خواهند بود. حدود نیمی از هندی های ده ساله نمی توانند پاراگرافی را که برای یک کودک هفت ساله معنادار است بخوانند. یک جنبه بسیار دلگرم کننده این مطالعات آن بود که به نظر می رسید کسانی که کمترین میزان بهره مندی از توزیع متداول دانش را داشته اند، بیشترین بهره را از آن برده بودند. فقیرترین کاربران بیشتر از کسانی که قبلا در حال دریافت آموزش بودند، بهبود احساس می کردند.

ممکن است تحلیل مطالعات منتشر شده تصویر کاملی از پیشرفت های این عرصه به دست ندهد؛ همانطور که در بسیاری از زمینه های تحقیق، مطالعاتی که نتایج مبهم یا منفی دارند ممکن است هرگز منتشر نشوند. همچنین قضاوت فناوری در موضوعات یا حوزه های نرم تر سخت تر است؛ جایی که تقلید از یک مدرس بدون شک بسیار دشوارتر است.
 
یادگیری ماشینی، آینده آموزش

چگونگی بهبود استدلال یک مقاله تاریخی، چیزی نیست که فناوری آموزشی به آسانی بفهمد؛ بیشتر از آن می توان توصیه کرد به عنوان یک شوخی در کلاس درام نویسی استفاده شود! اما این همچنان می تواند به ارزیابی معلمان در این حوزه ها کمک کند. شرکت بریتانیایی «نو مور مارکینگ» گزیده ای از مقالات دانش آموزان را که معلمان به یکدیگر متصل کرده اند، نشان می دهد و از آنها می خواهند که بگویند کدام بهتر است. با اتمام چنین مقایسه ای، سپس الگوریتم های «قضاوت نسبی» می توانند دانش آموزان را مقایسه کنند. این روش در وقت معلمان صرفه جویی می کند. به نظر می رسد آنها تا زمان آخرین مقاله از این که معلم خسته یا گرسنه باشد کمتر اذیت می شوند.

سایه تاریکی وجود ندارد

همچنین شایان ذکر است که یک سیستم می تواند در آزمایشات متفاوت اثرات متفاوتی نشان دهد. مطالعاتی که در سال 2019 منتشر شد با استفاده از یک آزمون استاندارد دریافته بود دانش آموزانی که از برنامه «تیچ تو وان، مث» استفاده کردند ریاضی را سریع تر از میانگین کشوری یاد گرفتند اما تحقیقی که یک سال بعد منتشر شد، نتوانست نتیجه ای برای اثبات تاثیر این برنامه به دست آورد. مطالعه دیگری روی یک سیستم دیگر یعنی «نرم افزار یادگیری دریم باکس» به این نتیجه رسید که تاثیرات آن از مدرسه ای به مدرسه دیگر متفاوت است. زمانی که طبق نظر تهیه کنندگان آن برنامه، بین 60 تا 90 دقیقه در هفته از آن استفاده شد و پیشنهادات آنان برای کارایی بیشتر پیگیری شد، تاثیرات بسیار بهتری داشت.

مشاهده «تیچ تو وان مث» در مرحله عمل، این نکته را مشخص می کند که چه میزان تغییرات نیاز است تا این نرم افزار به درستی کار کند؛ این کار ممکن است توضیح دهد که چرا در برخی مطالعات نسبت به مطالعات دیگر کمتر مفید است. وقتی دانش آموزان در مدرسه «اسند» در ایالت اوکلند، به کلاس ریاضی یک ساعت و نیمی خود رسیدند، به مانیتورهای خود نگاه کردند و دیدند که شبیه صفحه اطلاعات فرودگاه است که به آنها می گوید امروز چه چیزی را چگونه یاد خواهند گرفت. یکی از بچه ها باید در یک گروه روی جغرافی کار کند و دیگری سوالات جبر را روی لپ تاپ خود خواهد داشت.

سه معلم در فضای باز اطراف راه می روند و پیشرفت بچه ها را بررسی می کنند. در پایان جلسه، بچه ها آزمون کوتاهی می دهند که توسط توسعه دهندگان برنامه «نیو کلس روم» (موسسه خیریه ای که پشتیبان برنامه «تیج تو وان» است) به کار می رود تا برنامه روز بعد بچه ها را تنظیم کنند.

وندی بیتی، دبیر ریاضی مدرسه، از علاقه مندان این روش است. او می گوید دانش آموزان بازخوردهایی می گیرند که «حتی بهترین معلم ها نیز نمی توانند به همه کلاس بدهند.» چندین نفر از دانش آموزان نیز می گویند دوست دارند که بتوانند با سرعت خودشان یاد بگیرند. اما دیگران اذعان داشتند که این تجربه را گیج کننده یافته اند.
 
یادگیری ماشینی، آینده آموزش

به جای چند ساعت کار در یک مدرسه معمولی، دیگر اصلاح طلبان عرصه آموزش، مدارس خود را تاسیس می کنند. «آلت اسکول» (AltSchool) یکی از تلاش های گسترده برای استفاده از فناوری آموزشی برای ارائه «یادگیری شخصی سازی شده» است؛ سنتی که پیشینه اش به ژان ژاک روسو و ماریا مونتسوری می رسد.

این نهاد توسط مکس ونتیلا – از مهندسان پیشین گوگل- تاسیس شده که مثل خیلی های دیگر توسط «سی.زد.آی» و شبکه امیدیار که توسط پیر امیدیار بنیانگذار «ای.سی» تاسیس شده، پشتیبانی میشود. در هر کدام از هفت «مدرسه آزمایشگاهی» موسسه «آلت اسکول» در کالیفرنیا و نیویورک، دانش آموزان با دو نرم افزار روی تبلت های خود سروکار دارند.
 
اولی نرم افزار ««پرتریت» است که پیشرفت بچه ها در موضوعات آکادمیک و مهارت های اجتماعی را ضبط می کند. (یکی از معیارها این است که آیا دانش آموزان می توانند با وجود ترس و شگفتی پاسخ بدهند؟)، دومی نرم افزار «پلی لیست» است که در آن دانش آموزان به ماده خام دسترسی بیشتری دارند و کارشان را تکمیل می کنند.

شاید برای مدرسه ای که به نرم افزار وابسته است غافلگیر کننده و در عین حال اطمینان بخش باشد که مدت دیدن صفحه نمایش به 20 تا 30 درصد طول روز محدود شده است. تاکید روی کار پروژه ای به این معنی است که دانش آموزان با یکدیگر همکاری می کنند. در مدرسه ای آلت اسکول، واقع در یربا بائونای سانفرانسیسکو، هوگوی دوازده ساله می گوید اینجا نسبت به همسالانش در مدرسه قبلی، بیشتر یاد می گیرد. معلمان این مدرسه نیز می گویند با کنار گذاشتن علامت زدن یا برنامه ریزی درس های آینده در وقت خود صرفه جویی می کنند. در عوض، داده ها را روی برنامه «پرتریت» دانش آموزان تجزیه و تحلیل می کنند و مشکلات فردی آنان را آموزش می دهند. هوگو می گوید: «احساس می کنم اینجا معلمان واقعا من را می شناسند.»

صرف چنین توجهی به بچه ها کار ارزانی نیست. والدین هوگو سالانه 27 هزار دلار بابت آن می پردازند؛ بیش از دو برابر میانگین پرداخت هر دانش آموز در کشورهای عضو سازمان همکاری های اقتصادی و توسعه (که اغلب شامل کشورهای آمریکای شمالی، اروپا و استرالیا و ژاپن است).
 
این به معنای آن نیست که نرم افزار آلت اسکول که در حال توسعه است گران خواهد بود؛ اما هزینه کلی قطعا یک مسئله است. بسیاری از مدارس عمومی که تلاش می کنند فناوری آموزشی و یادگیری شخصی سازی شده را ترکیب کنند، توسط سازمان های بشردوستانه نظیر بنیاد «گِیتس» حمایت می شوند. مطالعه سال گذشته روی متقاضیان اولیه که توسط «مرکز بازسازی آموزش عمومی» در دانشگاه واشنگتن و با سرمایه گذاری مشترک بنیاد گیتس انجام شد نتیجه گیری کرد که «ثبات مالی این مدارس در بلندمدت هنوز روشن نیست.»

شاید تاثیرگذارترین تلاش برای فهمیدن این که آیا یادگیری شخصی سازی شده با تکنولوژی پیشرفته در این مقیاس می تواند مفید و قابل قبول باشد توسط «اجلاس سران مدارس عمومی» (شبکه ای از 11 مدرسه در کالیفرنیا و واشنگتن که پذیرای دانش آموزان فقیر لاتین تبار است و از بودجه عمومی استفاده می کند)، انجام شده است. 130 «مدرسه همکار» در 27 ایالت از نرم افزارهای این نهاد استفاده می کنند و از کارکنان آن آموزش می گیرند که پلتفرم آن با نام «پرو بونو» نیز توسط مهندسان فیس بوک طراحی شده است.

اندرو گلدین، رئیس اجلاس مدارس، استدلال می کند که پلتفرم یادگیری این نهاد به دانش آموزان اجازه می دهد تا کارآمدتر از آنچه در طول هر درس توسط یک معلم انجام می شود، یاد بگیرند: «نیازی نیست که بچه ها همه مراحل را طی کنند.» این کار وقت بیشتری به آنان می دهد تا صرف پروژه هایی که نصف روز مدرسه را می گیرد کنند و توسط مربیان شان هدایت شوند.
 
یادگیری ماشینی، آینده آموزش

ابتدا کمی اطلاعات

این نوع یادگیری شخصی سازی شده، منتقدان خود را دارد. قرار دادن دانش آموزان در این تنگنا که تا چه اندازه سریع می توانند بیاموزند، برخی از دانشمندان علوم شناختی را نگران می کند. بنجامین رایلی از موسسه «دینز فور ایمپکت» که موسسه ای خیریه برای حمایت از علم یادگیری است، استدلال می کند: «ذهن ما برای فکر کردن ساخته نشده است.»

سخت فکر کردن درباره چیزها به طور طبیعی پیش نمی آید و اگر مدارس پرهیز از تفکر را ساده بگیرند، بعضی از کودکان همین کار را خواهند کرد. انتقاد دیگر این است که مردم اگر می خواهند بسیاری از حالت های خلاقیت و تفکر انتقادی را توسعه دهند، به اندوخته ای آماده از حقایق نیاز دارند. (بینشی که توسط یکی از نخستین غول های هوش مصنوعی یعنی هربرت سیمون حمایت می شود). همانطور که دانیل ویلینگهام از دانشگاه ویرجینیا بیان می کند: «دانش اندوختنی است». در دنیای تبلت ها و موبایل ها که همه چیز قابل گوگل کردن است، ممکن است برای کودکان وسوسه کننده باشد که این ذخیره را پر نکنند و معلمان شان هم زیاد نگران نباشند.

آقای گلدین استدلال می کند اجازه دادن به کود کان در خصوص کنترل یادگیری شان به آنان انگیزه می دهد. اگر دانش آموزان اصول اولیه را درک نکنند، نمی توانند در پروژه ها شرکت کنند. او همچنین به نتایج اجلاس مدارس اشاره دارد. حدودا دو سوم دانش آموزان در آزمون ریاضی کشور نمره هایی بسیار خوب و یا بهتر از پیش بینی جمعیت شناسی کسب کرده بودند. در سال 2015، 93 درصد از دانش آموزانی که وارد اجلاس مدارس شدند تا فارغ التحصیلی پیش رفتند و 10 درصد از آنان در مقایسه با مدارس مجاور، نمره بیشتری کسب کردند. از آن فارغ التحصیلان، 99 درصد به دانشگاه رفتند.

دستاورد اول: یک گروه از 34 مدرسه در ساحل شرقی آمریکا که به انضباط سختگیرانه شهرت دارند، مدل مشابهی را آزمایش می کنند؛ مدارسی که در شهرهای شیکاگو، نیویورک و بوستون نیز به همین ترتیب بیش از سه هزار سرپرست (مقاماتی که بخش های مدارس آمریکا را اداره می کنند) اظهار کرده اند که حدود یک سوم دانش آموزان در مدارس عمومی، تعهدنامه ای مبتنی بر «انتقال» به «یادگیری شخصی سازی شده و دیجیتالی» را امضا کرده اند.

این مدل چقدر می تواند خوب کار کند در شرایطی که گسترش آن نامشخص است. در سال 2015 شرکت «رند» (RAND) – که یک اتاق فکر است – کامل ترین تحقیقات را درباره مدارسی که از آموزش شخصی سازی شده با فناوری پیشرفته استفاده می کنند، منتشر کرد. این تحقیق نتایج آزمون دانش آموزان در 62 مدرسه با چنین امکاناتی را با دانش آموزان مشابه در مدارس عادی مقایسه کرد. دانش آموزان ابتدایی پیشرفت بیشتری داشتند، خصوصا کسانی که تقریبا از اواخر کلاس شروع کرده بودند.
 
یادگیری ماشینی، آینده آموزش
 

این گزارش به صورت گسترده، توسط آموزش شخصی سازی شده طراحی شده است. آقای زاکربرگ از این موضوع استفاده می کند که ادعا کند: «ما می دانیم که آموزش شخصی سازی شده راه بهتری است.» این کار مثل بسط دادن یک قطعه از یوگاست. این نتایج از پیشگامان اولیه مدل با معلمانی بسیار با انگیزه حاصل شده است.

محققان رند متوجه شدند کار که در مدارس انجام شده برای ارتقای نتایج شان بوده است. بدون این ادراک، گسترش این مدل مشکل خواهد بود. گزارش دیگری از رند که 11 جولای منتشر شد، این نگرانی ها را تجدید کرد.

ممکن است معلمان بیرون از «سیلیکون ولی» بیشتر شکاک باشند و والدین ممکن است بیشتر درباره حریم خصوصی نگران باشند. نرم افزار یادگیری ماشین برای تجمیع داده ها یک مشوق دارد؛ آنها پیش بینی ها را دقیق تر انجام می دهند. پلتفرم های جدید حاوی مشروحی از توانایی های یک کودک است که بسیار دقیق تر از هر کارت گزارشی است.

طرفداران مدل جدید و کسانی که به آن بدبینند، همچنان به بحث و گفتگو ادامه خواهند داد. اما هر دو طرف به دلیل تمسخر دیگری، گناهکارند. متخصصان فناوری می توانند کاری کنند که شرایط همانطور به نظر برسد. در مدارس عادی معلمان با هر دانش آموز همانطور صحبت می کنند. آنها این کار را نمی کنند؛ مطالعات بارها نشان داده است که معلمان از «دستورالعمل های متفاوت» در میان دانش آموزانی با توانایی های مختلف استفاده می کنند؛ حتی اگر نتوانند این کار را فرد به فرد انجام دهند.

اما مدارسی که از یادگیری شخصی سازی شده استفاده می کنند، تفریحگاهی بی در و پیکر نیستند. دانش آموزان ممکن است قدرت بیشتری داشته باشند، اما آنها کنترل کامل ندارند. آیلون ساموها از موسسه خیریه تحصیلات «ترنسند» می گوید: «انتخاب خام و تکامل نیافته خوب نیست. شما به استانداردها و ساختار نیاز دارید.»

اگر مدارس بتوانند شخصی سازی و سختگیری را ترکیب کنند، تصور منفعت نبردن دانش آموزان سخت است. نرم افزار آموزشی تدریس را منسوخ نمی کند، بلکه اتفاقا به مهارت آموزش اهمیت بیشتری می بخشد. این برای معلم ها و دانش آموزان یک خبر خوب است. همانطور که هوگوی دوازده ساله اشاره می کند: «بسیاری از معلمان تنها سعی می کنند به آخر روز برسند.»

نظر دادن

با ما در ارتباط باشید

خط ویژه: 88001511-021

فاكس:88001270-021 

با مهرالبرز
نشانی دانشگاه
تهران- خیابان کارگرشمالی- تقاطع جلال آل احمد- خیابان شکراله پلاک109 -کد پستی 1413684491