الذكاء الاصطناعي
مُعَلم ذكاء اصطناعي يتجاوز حاجز 1.0 انحراف معياري في دورة جامعية حقيقية, وهذه أهمية ذلك
مُعلم ذكاء اصطناعي جديد تم اختباره في كلية دارتموث حقق حجم تأثير يصل إلى 1.30 انحراف معياري في دورة حقيقية، وهو أعلى بكثير من التدخلات التعليمية النموذجية. تشير النتائج إلى أن الذكاء الاصطناعي يمكنه الآن تقديم تعليم شخصي على نطاق واسع، لكن تبقى أسئلة حول قابلية التعميم والاحتفاظ بالمعلومات على المدى الطويل.
ورقة بحثية نُشرت على خادم جامعي هولندي في وقت سابق من هذا الأسبوع تحظى باهتمام وثيق من الباحثين التربويين ومستثمري تكنولوجيا التعليم. الموضوع: مُعلم ذكاء اصطناعي تم نشره في دورة بكلية دارتموث، حقق مكاسب تعليمية نادرًا ما تُرى خارج نطاق التدريس الفردي البشري. أولمو-إيفال من Ai2 يمنح مطوري LLM ميكروسكوبًا لكل نقطة تفتيش
الدراسة الأولية، المستضافة على uu.nl والتي نُشرت على Hacker News، تبلغ عن حجم تأثير يتراوح من 0.71 إلى 1.30 انحراف معياري. الطرف الأعلى يتجاوز عتبة 1.0 SD التي تفصل الأدوات الواعدة عن الأدوات التحويلية حقًا. للسياق، التدخل الصفي النموذجي يحوم حول 0.4 SD. مشكلة 2 سيجما لبلوم، وهي فكرة أن التعلم الإتقاني والتدريس الفردي يمكن أن يرفعا الطلاب بانحرافين معياريين، حددت هدفًا طموحًا لم تقترب منه سوى القليل من الأنظمة البرمجية. ما تخبرنا به الورقة البحثية 2606.23050 (عمرها 5 أيام)…
هذا المُعلم يقترب بشكل ملحوظ أكثر من معظمها.
كيف عملت الدراسة
استبدل التدخل جزءًا من دورة جامعية كاملة الفصل الدراسي. استخدم الطلاب المُعلم الذكي كمكمل، وليس بديلاً للمحاضرات والمواد. لا تذكر الورقة موضوع الدورة تحديدًا، لكن حجم التأثير يشير إلى أن النظام تعامل مع الأسئلة الخاصة بالموضوع، والاختيار التكيفي للمسائل، والتغذية الراجعة الفورية بشكل جيد بما يكفي لدفع الفهم إلى ما هو أبعد من خط الأساس بشكل كبير.
الرقم 0.71 يمثل على الأرجح تحليلًا تحفظيًا لنية العلاج يشمل الطلاب الذين بالكاد استخدموا الأداة. الرقم 1.30، بناءً على تحليل البروتوكول أو الجرعة، يلتقط ما يحدث عندما ينخرط الطلاب فعليًا. كلا الرقمين لهما دلالة إحصائية ومعنى تعليمي في مجال مليء بالنتائج الصفرية.
لماذا يُعتبر تجاوز 1.0 SD أمرًا مهمًا
عتبة 1.0 SD ليست اعتباطية. في أبحاث الفعالية التعليمية، يتوافق تقريبًا مع نقل طالب من المئين 50 إلى 84. قلة جدًا من التدخلات القائمة على البرمجيات تتجاوزها. تحليل تلوي لأنظمة التدريس الذكية نُشر في Review of Educational Research وجد متوسط أحجام تأثير حول 0.4 إلى 0.7 SD، مع أنظمة عالية الأداء تلامس أحيانًا 0.9. تجاوز 1.0 في دورة جامعية حية مقابل بيئة مختبرية خاضعة للرقابة هو أمر نادر بما يكفي لاستحقاق الاهتمام.
النتيجة تعيد إحياء نقاش خامل منذ فترة طويلة: هل يمكن للذكاء الاصطناعي أخيرًا الوفاء بوعد التدريس التكيفي المحوسب؟ يعود هذا الحلم إلى PLATO في الستينيات وقد ولّد عشرات المقابر للشركات الناشئة منذ ذلك الحين.
الفرق هذه المرة هو بنية النموذج الأساسية. على عكس المعلمين القائمين على القواعد الأوائل مثل Cognitive Tutor من Carnegie Learning الذي اتبع رسومًا بيانية معرفية مصنوعة يدويًا، يستخدم المعلمون الحديثون نماذج لغوية كبيرة مضبوطة بدقة على البيانات التربوية. يمكنهم توليد التفسيرات، واكتشاف المفاهيم الخاطئة في الاستجابات النصية الحرة، وتكييف الصعوبة في منتصف الجلسة بطرق لم تستطع الأجيال السابقة القيام بها. mيمالوك، حصان العمل الصغير في مايكروسوفت، يعمل بهدوء…
تحفظات لا تخفيها الورقة
المؤلفون حريصون على ذكر القيود. العينة هي دورة واحدة في جامعة واحدة. قد لا يعمم التأثير على التعليم من الروضة حتى الصف الثاني عشر، أو الكليات المجتمعية، أو المواد غير العلمية. تأثير هوثورن، حيث يؤدي الطلاب بشكل أفضل لأنهم يعرفون أنهم مراقبون، من الصعب استبعاده عندما يكون التدخل جديدًا وطوعيًا. والورقة، التي لا تزال دراسة أولية، لم تكمل مراجعة الأقران.
هناك سؤال حول ما يقيسه الرقم 1.30 فعليًا. إذا كان التحليل يختار فقط الطلاب الذين أكملوا كل جلسة، فقد يبالغ في تقدير ما سيحققه الاعتماد في العالم الحقيقي. في الممارسة العملية، حتى أدوات التعلم الفعالة للغاية تعاني من التسرب: يتوقف الطلاب عن استخدامها بعد زوال الحداثة.
الحد الأدنى 0.71 SD هو بحد ذاته نتيجة قوية. معظم شركات تكنولوجيا التعليم ستحتفل بتأثير 0.5 SD في دراسة صارمة. فاصل الثقة هنا واسع، لكن قاعه يقع فوق متوسط المجال بشكل جيد.
ماذا يعني هذا للصناعة
التوقيت مناسب. التدريس بالذكاء الاصطناعي يشهد لحظة: Khanmigo من Khan Academy، ودروس Duolingo المدعومة بالذكاء الاصطناعي، والشركات الناشئة مثل Querium وPhotomath تدفقت في هذا المجال بنتائج متباينة. Khanmigo، المبني على GPT-4، أظهر وعودًا لكنه نشر بيانات فعالية خاضعة للرقابة محدودة. نتيجة دارتموث، إذا تم تكرارها، تضع معيارًا جديدًا لما يبدو عليه التدريس المبني على الأدلة بالذكاء الاصطناعي. الذكاء الاصطناعي كامتداد للذكاء البشري وليس بديلاً عنه
تأتي النتائج أيضًا بينما تجرب الجامعات مساعدي الذكاء الاصطناعي لدورات ذات أعداد كبيرة من الطلاب حيث لا يمكن للمساعدين البشريين التوسع. مُعلم ذكاء اصطناعي يمكنه التعامل مع المحتوى الخاص بالدورة، واكتشاف متى يكون الطالب مرتبكًا، والتكيف في الوقت الفعلي، والقيام بذلك بحجم تأثير أعلى من 1.0 SD، يمكن أن يغير اقتصاديات التعليم العالي. يمكن لمُعلم ذكاء اصطناعي واحد، نظريًا، أن يحل محل العديد من المساعدين البشريين في جلسات الأسئلة والأجوبة والتدريبات الروتينية.
لكن هذا يفترض التبني المؤسسي، وثقة أعضاء هيئة التدريس، وهياكل التكلفة التي تجعل الترخيص لكل طالب ممكنًا. لا شيء من هذه الأمور بديهي.
الأسئلة المفتوحة
لا تذكر الورقة اسم الشركة أو النموذج مفتوح المصدر وراء النظام. هذا الاختيار المتعمد يترك المجتمع يتخيل حول البنية، وبيانات التدريب، وتكاليف الاستدلال. معرفة هذه التفاصيل ضرورية لتقييم ما إذا كان النهج يمكن أن يتوسع. نظام يكلف 5 دولارات لكل طالب في الفصل الدراسي شيء؛ نظام يكلف 50 دولارًا شيء آخر تمامًا. كيف تقوم نماذج الذكاء الاصطناعي المحلية مثل Gemma و…
بيانات الاحتفاظ الطولية غائبة أيضًا. قد ينسى الطالب الذي يؤدي أداءً جيدًا في اختبار لاحق مباشرة بعد استخدام المُعلم المواد بعد أسابيع. الإتقان الحقيقي يتطلب استرجاعًا متباعدًا وممارسة تراكمية، وليس مجرد دفعة واحدة.
نتيجة دارتموث هي إشارة تستحق المتابعة، وليست حكمًا نهائيًا. تكنولوجيا التعليم مليئة بنتائج أولية قوية فشلت في التكرار. لكن تجاوز 1.0 SD في بيئة جامعية حية، حتى في دراسة أولية، هو حدث. يجب على المجتمع الضغط على المؤلفين لنشر النظام، وفتح البيانات، ودعوة التكرارات المستقلة. إذا صمد التأثير، فقد يكون المُعلم الذكي أخيرًا أكثر من مجرد عرض توضيحي.