همیشه یک بحث طولانی مدت در آموزش و پرورش در مورد مجموعه مهارت هایی که دانش آموزان باید بیاموزند و چگونه یادگیری آنها باید ارزیابی شود وجود داشته است. با این حال، ظهور هوش مصنوعی نیاز فوری به بازنگری در مدل ها و روش های آموزشی فعلی ایجاد کرده است. چه بخواهیم چه نخواهیم، هوش مصنوعی اکنون جایگزین بسیاری از تمرکز سنتی مربیان بر آموزش و ارزیابی دانش‌آموزان شده است، از جمله با تولید محتوا، ترکیب ایده‌ها در مقاله‌های منسجم، نقد نوشتن و حتی حل مسائل پیچیده. اکنون بسیاری از مربیان نمی‌دانند که کدام مجموعه مهارت‌ها باید محور آموزش آنها باشد و چگونه باید پیشرفت دانش‌آموزان را از این مهارت‌ها ارزیابی کنند.
بازنگری در ارزیابی در عصر هوش مصنوعی
نظریه هوش چندگانه هوارد گاردنر (MI) که اولین بار در کتاب او در سال 1983 منتشر شد. چارچوب های ذهن¸ یکی از اولین نظریه هایی بود که روش های سنتی را که صرفاً بر آموزش و ارزیابی توانایی های شناختی اولیه متمرکز بود زیر سوال برد. نظریه گاردنر نشان می دهد که افراد با توانایی های متنوع و مستقلی به دنیا می آیند که شامل هوش زبانی، منطقی-ریاضی، دیداری-فضایی، بدنی- حرکتی، موسیقیایی، بین فردی، درون فردی و طبیعت گرایانه است. نظریه او پیامدهای آموزشی و ارزشی قابل توجهی دارد. از مفاهیم سنتی هوش و روش‌های ارزیابی که عمدتاً بر آموزش و ارزیابی دانش‌آموزان در مورد توانایی‌های شناختی تمرکز می‌کنند که می‌توانند به‌طور دقیق و محدود با آزمون‌های استاندارد اندازه‌گیری شوند، فاصله می‌گیرد. در عوض، نظریه گاردنر، مربیان را تشویق می‌کند تا اهداف آموزشی، رویکردها و روش‌های ارزشیابی خود را برای پاسخگویی به توانایی‌های دانش‌آموزان مختلف در کلاس درس متنوع کنند.
در زمانی که هوش مصنوعی جایگزین بسیاری از توانایی های شناختی اولیه انسان شده است، نظریه گاردنر و پیامدهای آن بیش از هر زمان دیگری مرتبط هستند. به طور خاص، امروزه نیاز به تمرکز بر تجهیز دانش آموزان به مجموعه مهارت هایی وجود دارد که هوش مصنوعی (هنوز) نمی تواند جایگزین آنها شود. اینها شامل تفکر انتقادی درجه بالاتر و کاربرد عملی مهارتهای خلاقانه، تأملی، اجتماعی و اخلاقی است. سپس این سؤال پیش می‌آید: چگونه ما مربیان دانش‌آموزان را بر روی چنین مجموعه‌ای از مهارت‌ها و ویژگی‌ها تجهیز و ارزیابی می‌کنیم، به‌ویژه که نمی‌توان آنها را به روش‌های استاندارد شده مرسوم اندازه‌گیری کرد؟
به گفته دسای (2025)، یکی از راه حل های ممکن تمرکز آموزش و ارزشیابی بر فرآیند تفکر دانش آموزان در مقابل نتایج نهایی آنچه دانش آموزان تولید می کنند است. به عبارت دیگر، اگر هوش مصنوعی بتواند مقاله‌ها و راه‌حل‌هایی تولید کند، تمرکز مربیان باید از ارزیابی محصولات نهایی به تجهیز و ارزیابی دانش‌آموزان برای تفکر انتقادی، خودتنظیمی و مهارتهای انگیزشی تغییر کند. تکنیک های ارزیابی موثر باید بینشی را در مورد فرآیندهای فکری یادگیرنده در زمان واقعی فراهم کند.
ساختار یافته با صدای بلند به عنوان یک راه حل مبتنی بر تحقیق
پروتکل‌های بلند فکر کردن، که در آن دانش‌آموزان افکار و اعمال خود را در حین تکمیل یک تکلیف یادگیری بیان می‌کنند، روشی مؤثر برای ارزیابی مهارتهای تفکر دانش‌آموزان است. مطالعه‌ای که در سال 2012 با دکتر لینیا اری انجام دادم نشان داد که تفکر با صدای بلند می‌تواند فراتر از افشای فرآیندهای فکری یادگیرنده باشد، زیرا ساختار آنها به گونه‌ای است که رشد مهارتهای مهم فراشناختی، خودتنظیمی و تفکر انتقادی را در دانش‌آموزان تسهیل می‌کند – که همگی در چشم‌انداز فعلی هوش مصنوعی ضروری هستند. در مطالعه خود، ما به طور تصادفی 70 دانش آموز را به یک وضعیت فکر-بلند ساختاریافته یا یک گروه کنترل، یک شرایط فکر-بلند بدون ساختار اختصاص دادیم، و از هر دو گروه خواستیم یک کار یادگیری آنلاین واژگان را تکمیل کنند.
از دانش‌آموزان در روش ساخت‌یافته فکر بلند خواسته شد که به طور مداوم در مورد هدف یادگیری خود با صدای بلند فکر کنند و ارزیابی کنند که آیا اقدامات آنلاین آنها در کمک به آنها در دستیابی به هدف یادگیری مؤثر است یا خیر. در شرایط گروه کنترل بدون ساختار، به سادگی از دانش آموزان خواسته شد که با صدای بلند فکر کنند، اما نه به روش ساختار یافته ای که شرایط دیگر وجود دارد. نتایج نشان داد که دانش‌آموزان در وضعیت بلند فکری ساختاریافته مهارتهای فراشناختی و خودتنظیمی به‌طور قابل‌توجهی بهتر و به نوبه خود، عملکرد کلی بالاتری نسبت به همسالان کنترل خود نشان دادند (ابنر و اهری، 2013). اگرچه این مطالعه قبل از ظهور هوش مصنوعی انجام شده است، اما به ویژه در دنیای هوش مصنوعی امروزی مرتبط است، زیرا قدرت روش‌های فکری ساختاریافته را به عنوان وسیله‌ای ممکن نه تنها برای کشف، بلکه تجهیز دانش‌آموزان به مجموعه‌ای از مهارتهای درجه بالاتر که برای پیمایش موفقیت‌آمیز و ارزیابی انتقادی محتوای تولید شده توسط هوش مصنوعی ضروری هستند، نشان می‌دهد.
به جای ترس یا محدود کردن استفاده دانش آموزان از برنامه های هوش مصنوعی، مربیان باید هوش مصنوعی را به عنوان یک فرصت آموزشی برای توسعه تفکر انتقادی درجه بالاتر و مهارت های یادگیری فراشناختی و خودتنظیمی دانش آموزان بپذیرند. مربیان با داشتن تفکر بلند به روشی ساختاریافته که از آنها می‌خواهد اهداف یادگیری خود را به خاطر بسپارند، اثربخشی اقدامات آنلاین خود را ارزیابی کنند و محتوای تولید شده توسط هوش مصنوعی را ارزیابی انتقادی کنند، مربیان می‌توانند رشد مهارتهای درجه بالاتر دانش‌آموزان را با دقت بیشتری ارزیابی کنند.
روشی عملی برای ارزیابی استفاده از هوش مصنوعی در کلاس درس
به عنوان مثال، اگر دانش‌آموزان برای نوشتن یک مقاله تحقیقاتی در کلاس تاریخ محول شوند، رتبه‌بندی فقط محصولات نهایی آنها می‌تواند مشکل‌ساز باشد، زیرا تشخیص اینکه آیا آنها از هوش مصنوعی مولد برای کمک به نوشتن مقاله‌های خود استفاده کرده‌اند یا خیر، مشکل است. در عوض، مهم است که تمرکز را نه تنها به ارزیابی مقاله نهایی، بلکه به فرآیندهای یادگیری و تفکری که دانش‌آموز برای تحقیق و نوشتن مقاله استفاده می‌کند، تغییر دهیم. استفاده از روش تفکر بلند ساختار یافته می تواند در این زمینه مفید باشد.
در مورد یک تکلیف مقاله پژوهشی، معلم می‌تواند ضبط کند یا از دانش‌آموزان بخواهد که در زمان واقعی ضبط کنند، فرآیندهای فکری و اقدامات خود را هنگام استفاده از ابزارهای هوش مصنوعی برای تحقیق و نوشتن مقاله به زبان بیان کنند. با پروتکل فکر بلند، معلمان ایده بهتری در مورد نحوه استفاده دانش آموزان از ابزارهای هوش مصنوعی و اینکه تا چه اندازه ارتباط و دقت آنها را به طور انتقادی ارزیابی می کنند، خواهند داشت.
علاوه بر این، فراتر رفتن و الزام دانش‌آموزان به تفکر با صدای بلند به روشی ساختاریافته، می‌تواند کسب مهارتهای خودتنظیمی، فراشناختی و تفکر انتقادی را در دانش‌آموزان تسهیل کند. برای مثال، مربیان می‌توانند از دانش‌آموزان بخواهند که به طور مداوم درباره اهداف تحقیقاتی خود با صدای بلند فکر کنند و دستورالعمل‌ها یا معیارهای پیشنهادی را برای ارزیابی اعتبار و ارتباط محتوای تولید شده توسط هوش مصنوعی ارائه کنند.
به طور خلاصه، ما به عنوان مربیان نقش مهمی در حصول اطمینان از استفاده موثر از هوش مصنوعی به عنوان یک ابزار آموزشی داریم که می‌تواند از قابلیت‌های عمیق‌تر و پیچیده‌تر انسانی استفاده کند که توسط هوش مصنوعی تولید نمی‌شوند. از قضا، ما باید دانش‌آموزان را برای هوش مصنوعی «هوشمند» با تمرکز بر توسعه توانایی‌های سخت‌تر اندازه‌گیری که گاردنر در نظریه اولیه MI درباره آن نوشته است، مانند اخلاق، مهارتهای بین فردی و درون فردی آماده کنیم. با تشویق دانش‌آموزان به برقراری ارتباط با افکار و ایده‌های خود در زمان واقعی با روش‌های ساختاریافته با صدای بلند، می‌توانیم دانش‌آموزان را به مهارت‌هایی که برای انجام وظیفه نیاز دارند، ارزیابی انتقادی محتوای هوش مصنوعی و مشارکت در شیوه‌های اخلاقی ارزیابی و مجهز کنیم.
دکتر ریچل ابنر، روانشناس تربیتی است که در یادگیری، آموزش و ارزیابی دانش آموزان تخصص دارد. او علاقه دیرینه ای به تحقیق، طراحی و ارزیابی روش های چندوجهی برای بهبود یادگیری دانش آموزان در داخل و خارج از کلاس دارد. تحقیقات او بر کشف راه هایی برای کمک به دانش آموزان برای تنظیم یادگیری آنلاین خود متمرکز است. دکتر ابنر در حال حاضر به عنوان مدیر ارزیابی یادگیری دانشجویان و استادیار بالینی روانشناسی در دانشگاه Yeshiva در نیویورک فعالیت می کند. او دارای مدرک کارشناسی ارشد در روانشناسی رشد از کالج معلمان دانشگاه کلمبیا و مدرک اد. در خطر و پیشگیری از دانشکده تحصیلات تکمیلی هاروارد. او دکترای خود را در روانشناسی تربیتی از مرکز آموزش عالی شهر نیویورک دریافت کرد، جایی که در یادگیری، توسعه و آموزش تخصص داشت.
مراجع
Ebner, R., & Ehri, L. (2013). یادگیری واژگان در اینترنت: با استفاده از یک روش فکری ساختاریافته. مجله سوادآموزی نوجوانان و بزرگسالان56 (6)، 472-481، بازنشر شده در سواد دیجیتال: شماره مجازی IRA برای مجلات مختلف (انجمن بین المللی کتابخوانی)
دسای، هریشیکش (2025). چه چیزی ارزش اندازه گیری دارد؟ آینده ارزیابی در عصر هوش مصنوعی. یونسکو بازیابی شده در 18 نوامبر 2025، از https://www.unesco.org/en/articles/whats-worth-measuring-future-assessment-ai-age
گاردنر، اچ (1983). چارچوب های ذهنی: نظریه هوش های چندگانه. نیویورک، نیویورک: کتاب های پایه.
