وقتی شرکت اوپن ای آی (OpenAI) در ژوییه 2025 حالت مطالعه (study mode) را عرضه کرد، به تعریف و تمجید از مزایای آموزشی چت جی پی تی (ChatGPT) پرداخت.

به نقل از کانورسیشن، معاون آموزشی اوپن ای آی در مراسم رونمایی از این محصول به خبرنگاران گفت: وقتی چت جی پی تی برای تدریس یا آموزش خصوصی ترغیب می شود، می تواند عملکرد تحصیلی را به طور قابل توجهی بهبود ببخشد. اما هر معلم متعهدی حق دارد از خود بپرسد که آیا این فقط بازاریابی است یا تحقیقات علمی واقعاً چنین ادعاهایی را تأیید می کنند؟

اگرچه فناوری های مبتنی بر هوش مصنوعی مولد با سرعت برق در حال ورود به کلاس های درس هستند، اما پژوهش ها درباره سؤال مورد بحث به این سرعت پیشرفت نکرده اند. برخی از پژوهش های اولیه، مزایایی را برای گروه های خاصی مانند دانشجویان برنامه نویسی و زبان آموزان انگلیسی نشان داده اند و تعدادی از پژوهش های خوش بینانه دیگر نیز پیرامون نقش هوش مصنوعی در آموزش انجام شده اند؛ از جمله پژوهشی که در مه 2025 در مجله Nature به چاپ رسید و نشان داد که چت بات ها ممکن است به تقویت یادگیری و تفکر کمک کنند. با وجود این، پژوهشگران این حوزه به نقاط ضعف روش شناختی قابل توجهی در بسیاری از این مقالات پژوهشی اشاره کرده اند.

پژوهش های دیگر، تصویر تیره تری را ترسیم می کنند و نشان می دهند که هوش مصنوعی ممکن است عملکرد یا توانایی های شناختی مانند مهارت های تفکر انتقادی را مختل کند. یک مقاله پژوهشی نشان داد که هرچه دانش آموز بیشتر هنگام یادگیری از چت جی پی تی استفاده کند، بعداً برای انجام دادن وظایف مشابه در زمانی که چت جی پی تی در دسترس نیست، عملکرد بدتری خواهد داشت.

به عبارت دیگر، تحقیقات اولیه تازه شروع به بررسی اجمالی این موضوع کرده اند که هوش مصنوعی واقعاً چگونه در بلندمدت بر یادگیری و شناخت تأثیر خواهد گذاشت. در کجا می توانیم به دنبال سرنخ های دیگری باشیم؟ برایان استون (Brian Stone)، دانشیار روانشناسی شناختی در دانشگاه ایالتی بویزی (Boise State University) با مطالعه نحوه استفاده دانشجویان دانشگاه از هوش مصنوعی دریافته است که حوزه کاری او راهنمایی های ارزشمندی را برای شناسایی زمانی که هوش مصنوعی می تواند تقویت کننده مغز باشد و زمانی که خطر تبدیل شدن به فرار مغزها را دارد، ارائه می دهد.

مهارت از تلاش حاصل می شود

استدلال روانشناسان شناختی این است که افکار و تصمیم های ما نتیجه دو حالت پردازش هستند که معمولاً با عنوان سیستم 1 و سیستم 2 شناخته می شوند.

سیستم 1، سیستمی از تطبیق الگو، شهود و عادت است. این سیستم سریع و خودکار است و به توجه آگاهانه یا تلاش شناختی کمی نیاز دارد. بسیاری از فعالیت های روزمره ما - لباس پوشیدن، درست کردن قهوه و دوچرخه سواری تا محل کار یا مدرسه - در این گروه قرار می گیرند. از سوی دیگر، سیستم 2 عموماً کند و آگاهانه است و به توجه آگاهانه تر و گاهی تلاش شناختی دردناک نیاز دارد، اما اغلب با خروجی های قوی تری همراه است.

ما به هر دوی این سیستم ها نیاز داریم، اما کسب دانش و تسلط بر مهارت های جدید به شدت به سیستم 2 بستگی دارد. تقلا، اصطکاک و تلاش ذهنی برای کار شناختی، به خاطر سپردن و تقویت ارتباطات در مغز بسیار مهم هستند. هر بار که یک دوچرخه سوار با اعتماد به نفس سوار دوچرخه می شود، به تشخیص الگویی که به سختی در سیستم 1 خود به دست آورده و قبلاً آن را از طریق ساعت ها کار سخت سیستم 2 برای یادگیری دوچرخه سواری ایجاد کرده است، تکیه می کند. بدون تلاش و فشار شناختی اولیه، تسلط پیدا نمی کنید و نمی توانید اطلاعات را به طور مؤثر برای پردازش سطح بالاتر تقسیم بندی کنید.

استون گفت: من به دانشجویانم می گویم که مغز خیلی شبیه به عضله است، زیرا برای دیدن پیشرفت آن، به کار سخت و واقعی نیاز داریم و بدون به چالش کشیدن، بزرگتر نخواهد شد.

چه می شود اگر یک ماشین این کار را برای شما انجام دهد؟

رباتی را تصور کنید که شما را تا باشگاه همراهی می کند و وزنه های سنگین را برای شما برمی دارد؛ بدون این که نیازی به تلاش از طرف شما باشد. با این کار، خیلی زود عضلات شما تحلیل می روند و حتی برای کارهای ساده ای مانند جابه جایی یک جعبه سنگین در خانه به ربات متکی خواهید شد.

هوش مصنوعی نیز اگر به طور نامناسب مورد استفاده قرار بگیرد - مثلاً برای تکمیل یک آزمون یا نوشتن یک مقاله - باعث می شود دانش آموزان و دانشجویان از چیزی که برای توسعه دانش و مهارت به آن نیاز دارند، غافل شوند. این کار، تمرین ذهنی را از بین می برد.

استفاده از فناوری برای انجام دادن تمرین های شناختی می تواند تأثیر مخربی را بر یادگیری و حافظه داشته باشد و باعث شود که افراد درک یا توانایی های خود را اشتباه تفسیر کنند و خطاهای فراشناختی پیش بیایند. پژوهش ها نشان داده اند که عادت کردن به مسیریابی خودرو با GPS ممکن است حافظه مکانی را مختل کند و استفاده از یک منبع بیرونی مانند گوگل برای پاسخ به پرسش ها، افراد را به دانش و حافظه شخصی خود بیش از حد مطمئن کند.

یکی از پژوهش های انجام شده در این حوزه نشان داد دانش آموزانی که به جای جست وجوی سنتی در وب، با کمک چت جی پی تی درباره موضوعی تحقیق می کنند، بار شناختی کمتری را دارند، زیرا آنها مجبور نیستند به سختی فکر کنند. دانش آموزان این پژوهش، استدلال بدتری را درباره موضوع تحقیق ارائه دادند. استفاده سطحی از هوش مصنوعی ممکن است به معنای بار شناختی کمتر در لحظه باشد و شبیه به این است که به یک ربات اجازه دهید تمرین های ورزشی شما را در باشگاه انجام دهد. این کار در نهایت به شکل گیری مهارت های تفکر ضعیف تر منجر می شود.

در یک پژوهش دیگر، دانش آموزانی که از هوش مصنوعی برای اصلاح مقاله های خود استفاده می کردند، نسبت به دانش آموزانی که مقاله های خود را اغلب با کپی کردن و چسباندن جملات چت جی پی تی اصلاح می کردند، نمرات بالاتری داشتند اما این دانش آموزان در مقایسه با همسالان خود که بدون هوش مصنوعی کار می کردند، هیچ افزایشی را در دانش یا انتقال دانش نشان ندادند. پژوهشگران هشدار می دهند که این تنبلی فراشناختی ممکن است بهبود عملکرد را در کوتاه مدت به همراه داشته باشد اما به رکود مهارت ها در بلندمدت منجر می شود.

استفاده از هوش مصنوعی برای پشتیبانی از یادگیری

با بازگشت به مثال باشگاه ورزشی می توان گفت شاید برای دانش آموزان بهتر باشد هوش مصنوعی را به عنوان یک مربی شخصی در نظر بگیرند که می تواند با ردیابی و چارچوب بندی یادگیری و ترغیب به تلاش بیشتر، آنها را بر انجام دادن وظایف متمرکز کند. هوش مصنوعی پتانسیل بالایی را به عنوان یک ابزار یادگیری مقیاس پذیر و یک معلم خصوصی با پایگاه دانش گسترده دارد که هرگز نمی خوابد.

شرکت های فناوری هوش مصنوعی نیز دقیقاً به دنبال طراحی همین هستند؛ یعنی یک معلم خصوصی نهایی. علاوه بر ورود شرکت اوپن ای آی به آموزش، شرکت آنتروپیک (Anthropic) نیز در آوریل سال جاری، حالت یادگیری خود را برای هوش مصنوعی کلود (Claude) عرضه کرد. قرار است این مدل ها در گفت وگوها، سؤال مطرح کنند و نکات را ارائه دهند، نه این که فقط پاسخ دهند.

بررسی های اولیه نشان می دهد که مربیان هوش مصنوعی می توانند سودمند باشند، اما مشکلاتی را نیز ایجاد می کنند. برای مثال، یک پژوهش نشان داد دانش آموزان دبیرستانی که ریاضی را با چت جی پی تی مرور می کردند، عملکرد بدتری نسبت به دانش آموزانی که از هوش مصنوعی استفاده نمی کردند، داشتند. برخی از دانش آموزان از نسخه پایه و برخی دیگر از یک نسخه مربی سفارشی سازی شده استفاده کرده بودند که بدون افشای پاسخ ها، نکات را ارائه می داد. وقتی دانش آموزان بعداً بدون دسترسی به هوش مصنوعی در امتحان شرکت کردند، کسانی که از چت جی پی تی پایه استفاده کرده بودند، بسیار بدتر از گروهی که بدون هوش مصنوعی درس خوانده بودند، عمل کردند اما متوجه نشدند که عملکردشان بدتر است. کسانی که با چت بات مربی درس خوانده بودند، عملکرد بهتری نسبت به دانش آموزانی که بدون هوش مصنوعی درس خوانده بودند، نداشتند، اما به اشتباه فکر می کردند که بهتر عمل کرده اند. بنابراین، هوش مصنوعی هیچ کمکی نکرد و به خطاهای فراشناختی منجر شد.

حتی با این که حالت های تدریس خصوصی اصلاح شده اند و بهبود یافته اند، دانش آموزان باید به طور فعال آن حالت را انتخاب کنند، با آن همراه شوند، ماهرانه زمینه را فراهم کنند و چت بات را از پرسش های بی ارزش، سطح پایین یا چاپلوسی دور نگه دارند.

مشکلات اخیر ممکن است با طراحی بهتر، اعلان های سیستم و رابط های کاربری سفارشی سازی شده برطرف شوند، اما وسوسه استفاده از هوش مصنوعی در حالت پیش فرض برای اجتناب از کار سخت، همچنان یک مشکل اساسی تر و کلاسیک تر در آموزش، طراحی دوره و ایجاد انگیزه در دانش آموزان برای اجتناب از میان برهایی است که تمرین شناختی آنها را تضعیف می کنند.

همان طور که درباره سایر فناوری های پیچیده مانند تلفن های هوشمند، اینترنت یا حتی خود نوشتن صدق می کند، زمان بیشتری طول خواهد کشید تا پژوهشگران بتوانند دامنه واقعی تأثیرات هوش مصنوعی بر شناخت و یادگیری را به طور کامل درک کنند. تصویر به دست آمده در نهایت احتمالاً تصویری ظریف خواهد بود که به شدت به زمینه و مورد استفاده بستگی دارد، اما آنچه درباره یادگیری می دانیم به ما می گوید که دانش عمیق و تسلط بر یک مهارت همیشه به یک تمرین شناختی واقعی نیاز دارد؛ خواه با هوش مصنوعی صورت بگیرد و خواه بدون آن.

انتهای پیام