ماشین در خدمت آموزش انسان

سال‌هاست در محافل آموزشی این باور دست‌به‌دست می‌شود که آموزش فردی، یعنی یک معلم برای یک شاگرد، عملکرد یادگیرنده را حدود دو انحراف معیار بالا می‌برد؛ و اگر ماشینی بتواند همین نقش را برای همه بازی کند، آموزش دگرگون می‌شود. این رؤیا امروز با ظهور مدل‌های زبانی بزرگ جان تازه‌ای گرفته است.

شواهد اما تصویری فروتنانه‌تر و در عین حال امیدوارکننده‌تر نشان می‌دهد. مرور جامع ون‌لن نشان داد اثر آموزش فردی انسانی بسیار کمتر از آن باور رایج است و اندازهٔ اثر آن حدود ۰٫۷۹ بوده است؛ نکتهٔ جالب‌تر اینکه سامانه‌های آموزش هوشمند با اندازهٔ اثر حدود ۰٫۷۶ تقریباً به همان سطح رسیده بودند ^[۱]. پیام این یافته ساده است: سامانه‌های آموزشی پیش از دوران مدل‌های زبانی توانسته بودند به معلم خوب نزدیک شوند، اما نه به افسانه‌ای که از معلم ساخته‌ایم.

این نوشته می‌کوشد با تکیه بر پژوهش‌های معتبر به پرسشی کاربردی برای متخصصان سلامت و یاری‌رسانی پاسخ دهد: فناوری، و به‌ویژه هوش مصنوعی، کجا در خدمت آموزش انسان است و کجا ممکن است جای آن را به شکلی زیان‌بار بگیرد؟

پیش از ورود مدل‌های زبانی، ده‌ها ارزیابی کنترل‌شده دربارهٔ سامانه‌های آموزش هوشمند انجام شده بود. فراتحلیل کولیک و فلچر بر پایهٔ ۵۰ ارزیابی، میانهٔ اثر را حدود ۰٫۶۶ انحراف معیار گزارش کرد؛ یعنی یادگیرنده‌ای که بدون این سامانه‌ها در صدک پنجاهم قرار داشت، با آن‌ها تقریباً به صدک هفتاد و پنجم می‌رسید ^[۲]. همین پژوهش دو هشدار مهم هم داشت: اثرها روی آزمون‌های محلی و ساخته‌شده برای همان مطالعه بسیار بزرگ‌تر از آزمون‌های استاندارد بود، و وقتی سامانه بد پیاده شده بود، اثر ناچیز می‌شد.

فراتحلیل ما و همکاران، با ۱۰۷ اندازهٔ اثر از بیش از ۱۴ هزار شرکت‌کننده، مقایسه‌ها را دقیق‌تر نشان می‌دهد ^[۳]:

خلاصه آنکه آموزش شخصی‌سازی‌شده با ماشین از کلاس سخنرانی‌محور و مطالعهٔ صرفِ کتاب بهتر بوده، اما از آموزش فردی و گروه کوچک انسانی پیشی نگرفته است. این مطالعات به دوران پیش از مدل‌های زبانی تعلق دارند و ناهمگونی زیادی میانشان هست.

«انطباقی» بودن را هم نباید با یکی از باورهای پرطرفدار و بی‌پشتوانه یکی گرفت. مرور پاشلر و همکاران نشان داد تقریباً هیچ شاهدی برای این ایده وجود ندارد که آموزش باید با «سبک یادگیری» دیداری یا شنیداری هر فرد جور شود ^[۴]. انطباق مفید یعنی تنظیم دشواری، سرعت و بازخورد بر پایهٔ عملکرد واقعی یادگیرنده، نه برچسب زدن به او.

در آموزش حرفه‌های سلامت، شبیه‌سازی یکی از پشتوانه‌دارترین روش‌هاست. مرور نظام‌مند کوک و همکاران، که ۶۰۹ مطالعه با بیش از ۳۵ هزار فراگیر را تجمیع کرد، در مقایسه با نبودِ آموزش اثرهای بزرگی بر دانش و مهارت یافت؛ اما اثر بر پیامدهای مستقیم بیمار متوسط بود (حدود ۰٫۵) ^[۵]. یعنی فاصلهٔ میان «یاد گرفتن در محیط شبیه‌سازی» و «بهتر شدن مراقبت واقعی» را هنوز باید با احتیاط سنجید؛ به‌ویژه که مقایسه با گروه بدون آموزش بوده است، نه با روش‌های آموزشی دیگر.

یادگیری الکترونیکی انطباقی برای متخصصان و دانشجویان سلامت الگوی مشابهی دارد. در فراتحلیل فونتن و همکاران، اثر بر مهارت‌ها بزرگ و معنادار بود، اما اثر بر دانش از نظر آماری معنادار نشد و خطر سوگیری در مطالعات عموماً بالا بود ^[۶].

هوش مصنوعی در این میان بیش از همه در نقش «مربی بازخورددهنده» امیدوارکننده بوده است. در کارآزمایی تصادفی فضل‌اللهی و همکاران، ۷۰ دانشجوی سال‌های نخست پزشکی در یک جلسهٔ شبیه‌سازی جراحی با واقعیت مجازی تمرین کردند. گروهی که از یک مربی هوش مصنوعی بازخورد می‌گرفت، در امتیاز مهارتِ تمرین بیش از گروه آموزش از راه دورِ متخصص و گروه بدون بازخورد پیشرفت کرد؛ هرچند نمرهٔ کلی‌ای که ارزیابان انسانیِ بی‌خبر از گروه‌بندی دادند، تفاوت معناداری نشان نداد و امتیاز اصلی با الگوریتم ارزیابیِ خود گروه پژوهشی محاسبه شده بود ^[۷]. این نتیجه از یک جلسه و با فراگیران تازه‌کار به دست آمده است.

در حوزه‌ای نزدیک‌تر به کار روان‌شناختی، شارما و همکاران نشان دادند که پیشنهادهای لحظه‌ای یک عامل هوش مصنوعی به ۳۰۰ داوطلب حمایت همتا، که درمانگر حرفه‌ای نبودند، همدلی گفت‌وگوها را به‌طور معناداری افزایش داد و این افزایش در میان کسانی که حمایت از دیگران را برای خود دشوار می‌دانستند بیشتر بود ^[۸]. نکتهٔ کلیدی آن بود که پاسخ نهایی همچنان در اختیار انسان ماند. اثرها کوتاه‌مدت بودند و همدلی با روش خود پژوهشگران سنجیده شد.

بازخورد اما به‌خودی‌خود معجزه نمی‌کند. هتی و تیمپرلی یادآوری کرده‌اند که بازخورد بسته به نوع و شیوهٔ ارائه می‌تواند اثر مثبت یا منفی داشته باشد ^[۹]. فراتحلیل بعدی، با ۴۳۵ مطالعه و بیش از ۶۱ هزار یادگیرنده، اثری متوسط (حدود ۰٫۴۸) با ناهمگونی زیاد یافت و مهم‌ترین عامل را محتوای اطلاعاتی بازخورد دانست ^[۱۰]. بازخوردی که ماشین تولید می‌کند هم از همین قاعده پیروی می‌کند: اگر دقیق، مشخص و متمرکز بر تکلیف نباشد، کمکی نمی‌کند.

دو کارآزمایی تازه نشان می‌دهد که در دستیارهای زایا، طراحی از هر چیز دیگری تعیین‌کننده‌تر است. در یک کارآزمایی متقاطع در درس مقدماتی فیزیک دانشگاه هاروارد، کستین و همکاران مربی هوش مصنوعی را بر پایهٔ همان اصول آموزشی کلاس فعال طراحی کردند. دانشجویان در زمان کمتر به‌طور معناداری بیشتر یاد گرفتند و احساس درگیری بیشتری داشتند ^[۱۱]. با این حال خود نویسندگان تأکید کرده‌اند که این مربی نباید جای آموزش حضوری را بگیرد؛ نقش آن آماده کردن دانشجوست تا وقت کلاس بهتر صرف شود. این نتیجه از یک درس، یک دانشگاه و دو جلسه به دست آمده و نباید آن را به قاعده‌ای کلی مانند «با هوش مصنوعی دو برابر سریع‌تر یاد می‌گیریم» تبدیل کرد.

کارآزمایی میدانی باستانی و همکاران روی دیگر سکه را نشان داد ^[۱۲]. نزدیک به هزار دانش‌آموز دبیرستانی در درس ریاضی یکی از دو دستیار مبتنی بر GPT-4 را در اختیار گرفتند: نسخه‌ای شبیه گفت‌وگوگرهای معمولی و نسخه‌ای با حفاظ‌های آموزشی. در زمان تمرین، نمرهٔ هر دو گروه بالا رفت؛ اما وقتی دسترسی برداشته شد، گروه نسخهٔ معمولی حدود ۱۷ درصد پایین‌تر از دانش‌آموزانی عمل کرد که هرگز به ابزار دسترسی نداشتند. دانش‌آموزان از ابزار مثل عصای زیر بغل استفاده کرده بودند و حفاظ‌های نسخهٔ آموزشی تا حد زیادی جلوی این آسیب را گرفت. شرکت‌کنندگان نوجوان بودند و مطالعه به یک درس و یک بافت آموزشی محدود بود؛ اما پیام آن برای آموزش حرفه‌ای هم روشن است: عملکرد بهتر در حضور ماشین، الزاماً به معنای یادگیری بیشتر نیست.

اگر تکیهٔ بی‌وقفه بر ماشین در کلاس درس به یادگیری آسیب بزند، آیا در کار بالینی هم چنین است؟ شواهد هنوز قطعی نیست، اما هشداردهنده است. در یک مطالعهٔ مشاهده‌ای چندمرکزی در لهستان، پس از ورود ابزارهای هوش مصنوعی به کولونوسکوپی، میزان تشخیص آدنوم در کولونوسکوپی‌هایی که بدون هوش مصنوعی انجام می‌شد از ۲۸٫۴ به ۲۲٫۴ درصد کاهش یافت ^[۱۳]. این مطالعه گذشته‌نگر و از نوع پیش‌وپس بوده و تفسیرش محل بحث است؛ پس تنها می‌توان گفت که احتمال فرسایش توانایی مستقل را مطرح می‌کند، نه اینکه آن را ثابت کند.

در همین حال، سیاست‌گذاری از سرعت پذیرش عقب مانده است. یونسکو در راهنمای خود برای هوش مصنوعی زایا در آموزش و پژوهش بر رویکرد انسان‌محور، حفاظت از حریم خصوصی داده‌ها، توان نهادی برای اعتبارسنجی ابزارها و آموزش معلمان تأکید کرده و گزارش داده است که در پیمایشی از بیش از ۴۵۰ مدرسه و دانشگاه، کمتر از ۱۰ درصد راهنمای رسمی داشتند ^[۱۴].

در ایران نیز شواهد موجود عمدتاً به نگرش‌ها مربوط است، نه به پیامدهای یادگیری. در پیمایشی در دانشگاه علوم پزشکی مشهد، ۸۶٫۶ درصد از ۲۴۶ دانشجوی پزشکی و پیراپزشکی ChatGPT را می‌شناختند و ۶۵٫۵ درصد از آن استفاده کرده بودند؛ نگرش به سودمندی‌اش مثبت بود، اما نگرانی‌هایی دربارهٔ تفکر انتقادی و کیفیت پاسخ‌ها هم گزارش شد و دانشجویان از نیاز به آموزش سخن گفتند ^[۱۵]. در پیمایش دیگری، بیش از ۷۰ درصد از ۲۸۰ دانشجوی پزشکی درک بالایی از هوش مصنوعی پزشکی گزارش کردند ^[۱۶]. هر دو پیمایش خوداظهاری و تک‌دانشگاهی‌اند و کارآزمایی فارسی‌زبانی دربارهٔ اثر این ابزارها بر یادگیری هنوز در دست نیست.

آنچه از این پژوهش‌ها برمی‌آید بیش از آنکه دستورالعمل باشد، چند پرسش راهنماست برای مدرسان، سرپرستان آموزشی و متخصصانی که خود همواره در حال یادگیری‌اند:

• ماشین، مربی است یا میان‌بُر؟ ابزاری که پیش از تلاش یادگیرنده پاسخ کامل می‌دهد، با ابزاری که راهنمایی می‌کند و می‌پرسد، از نظر آموزشی دو چیز متفاوت است ^[۱۲].
• بازخوردش چه اطلاعاتی دارد؟ بازخورد کلی و تحسین‌آمیز کمکی نمی‌کند؛ بازخورد مشخص و مرتبط با تکلیف اثر بیشتری دارد ^[۱۰].
• تمرین بدون ابزار کجاست؟ برای حفظ توانایی مستقل، بخشی از تمرین و ارزیابی باید بدون ابزار انجام شود ^{[۱۲] [۱۳]}.
• واقعاً چه چیزی را می‌سنجیم؟ نمرهٔ آزمون محلی یا عملکرد در حضور ابزار، جای سنجش انتقال آموخته‌ها به کار واقعی را نمی‌گیرد ^{[۲] [۵]}.
• داده‌های چه کسی وارد ابزار می‌شود؟ برای تمرین، تنها از نمونه‌های خیالی استفاده کنید و هرگز اطلاعات قابل‌شناسایی مراجعان را برای آموزش وارد ابزارهای عمومی نکنید؛ حفاظت از حریم خصوصی، بخشی از همان رویکرد انسان‌محور است ^[۱۴].

ماشین می‌تواند آموزش انسان را گسترده‌تر، منعطف‌تر و شخصی‌تر کند؛ به شرط آنکه هدف همچنان پرورش داوری انسانی باشد، نه جایگزین کردن آن.