اگه این چند سال اخیر رو یه کم دنبال کرده باشین، حتماً دیدین که روباتها دیگه فقط واسه کارخونهها و کارای صنعتی نیستن؛ دارن کمکم وارد دانشگاهها و فضاهای آموزشی هم میشن و کلی تاثیر دارن میذارن روی روشهایی که درس میخونیم و یاد میگیریم. شاید قبلاً بیشتر مقالات و نقدها درباره روباتها تو آموزش حرفهای بوده، ولی خیلی از اونها یا قدیمین یا اینکه روی تاثیر دقیقشون تو آموزش عالی تمرکز نکردن.
دمت گرم، این مقاله که میخوام برات تعریفش کنم، دقیقا همین خلاء رو پر کرده و اومده بررسی کنه که روباتها تو دانشگاهها (یعنی همون higher education خودمون!) چه جور تاثیرایی داشتن، چه چالشهایی هست و چه فرصتهایی پیش اومده.
واسه اینکه اطلاعات دقیق و بروز باشه، نویسندهها گشتن تو دیتابیسای علمی معروف مثلاً PubMed، Scopus، IEEE Xplore (اینها بانک دادههای عظیم مقالات علمی هستن که محققان کلی ازشون استفاده میکنن!) و خلاصه از بین کلی مقاله، ۱۱ تا مطالعه رو انتخاب کردن که هرکدوم یه جور به کاربرد روباتها تو دانشگاهها پرداخته بودن.
کاربردایی که بررسی کردن هم خیلی جالبه:
— روباتهای آموزشی (educational robotics): یه جور روبات که میاد تو کلاس و کمک میکنه به یادگیری دانشجوها یا بهشون مسائل رو نشون میده؛ بیشتر واسه شبیهسازی و تجربه عملی استفاده میشه.
— روباتهای تلهپرزنس (robotic telepresence): مثلا فکر کن یه نفر دورادور میتونه از طریق یه روبات با کلاس در تماس باشه، انگار خودش تو کلاس نشسته؛ یعنی یه نوع آموزش ترکیبی که هم حضوریه و هم راه دور.
— تعامل انسان و روبات (human-robot interaction): اینم یعنی وقتی دانشجوها یا اساتید مستقیم با روباتها کار کنن یا سوال و جواب داشته باشن.
— کاربرد هوش مصنوعی (AI applications): مثلاً معلمهای مجازی که با هوش مصنوعی کار میکنن و میتونن یادگیری رو شخصیسازی کنن، یعنی واسه هر دانشجو برنامه مخصوص خودش رو بچینن.
یه سری نتایج خیلی جالب هم داشتن:
—for example، وقتی از Educational Robotics استفاده میکنیم، دانشجوها خیلی با انگیزهتر و درگیرتر میشن. مثلاً یه مدلی طراحی شده که میتونه با دقت ۹۸.۷۸ درصد پیشبینی کنه که دانشجوها چقدر تو کلاس فعال و درگیر درس شدن!
— Telepresence هم خیلی به درد دورههایی میخوره که بعضیا نمیتونن حضوری بیان. یعنی کمک میکنه آموزش ترکیبی بهتر پیش بره و کسایی که راهشون دوره یا دلیل خاصی دارن، از کلاس عقب نمونن.
— روباتهای اجتماعی و معلمهای هوش مصنوعی (AI-based tutors) هم ثابت کردن که میتونن یادگیری رو شخصیسازی کنن؛ یعنی مثلاً برنامه درسی و سوالاشون رو بر اساس نیاز هر دانشجو تغییر بدن.
ولی خب، با همه این پیشرفتها هنوز چالشهای مهمی سر راهشون هست، مثلاً:
— روشهای ارزیابی موفقیت این روباتها هنوز جای کار داره و باید دقیقتر بشه (یعنی، چطور درست بفهمیم روباتها واقعاً دارن کمک میکنن؟)
— بحث دسترسی (accessibility) و عدالت آموزشی (educational equity) مهمه: یعنی همه دانشجوها تو هر جایی که هستن، بتونن یکسان از این امکانات استفاده کنن و هیچکس جا نمونه.
نتیجهگیریشون هم این بوده که اگه تحقیقات آینده تمرکزش رو بذاره روی حل این چالشها—مثلاً بهبود روشهای ارزیابی، یا قویتر کردن زیرساختها برای همه—در نهایت میتونیم روباتها رو خیلی بهتر و کارآمدتر وارد آموزش بکنیم و تجربه دانشجوها رو ارتقا بدیم.
آها! راستی، این تحقیق هم تو Open Science Framework با این کد ثبت شده: 10.17605/OSF.IO/KHDTU (که نشون میده اطلاعاتش قابل اعتماد و شفافه). خلاصه، هر کی دنبال یادگیری دیجیتال و تکنولوژیهای جدید تو دانشگاهه، احتمالا باید این بحث روباتها رو جدیتر بگیره!
منبع: +