پاسخهای بهتر، تفکری گستردهتر: دستاورد دانشجویان از ChatGPT و آموزش تفکر انتقادی
در آزمایشی تصادفی با بیش از ۱٬۰۰۰ دانشجو، دسترسی به ChatGPT و آموزش استدلال علّی به شیوههایی مکمل، کار دانشجویان را بهبود بخشید.
وقتی دانشجویان در یک تکلیف واقعی از ChatGPT استفاده میکنند، چه اتفاقی میافتد؟ آیا بهبود کیفیت به بهای کاهش اصالت تمام میشود؟
آزمایش جدید پژوهشگران دانشگاه بوکونی با همکاری واحد پژوهش اقتصادی OpenAI نشان داد که دسترسی به ChatGPT و آموزش تفکر انتقادی، آثاری متفاوت و مکمل دارند. دسترسی به ChatGPT کیفیت و انسجام کار دانشجویان را بهبود بخشید، درحالیکه تمرین استدلال علّی—نوعی تفکر انتقادی—باعث شد دانشجویان ایدههای منحصربهفردتری ارائه کنند. دانشجویانی که هم به ChatGPT دسترسی داشتند و هم آموزش دیدند، هر دو اثر را نشان دادند.
نتایج همچنین بر اهمیت رویکردی جامع برای ارزیابی پیشرفت دانشجویان تأکید میکند. با آسانتر شدن تولید پاسخهای صیقلخورده به کمک هوش مصنوعی، شاید لازم باشد تکالیف برای سنجش ویژگیهای مطلوب دیگری مانند اصالت تغییر کنند.
در این آزمایش، بیش از ۱٬۰۰۰ دانشجوی سال اول کارشناسی دانشگاه بوکونی روی یک مسئله واقعی کسبوکار کار کردند و برای فروشگاه محصولات دانشگاه پیشنهادهای بازاریابی ارائه دادند.
دانشجویان بر اساس نوبت کلاس، بهصورت تصادفی در یکی از چهار گروه قرار گرفتند: دسترسی به ChatGPT (GPT‑4o)، آموزش استدلال علّی، هر دو، یا هیچکدام. استدلال علّی نوع مشخصی از تفکر انتقادی است که به پیوند میان علت و معلول و توضیح این موضوع میپردازد که چرا راهکاری مشخص ممکن است مؤثر باشد یا نباشد. آموزشی که دانشجویان دریافت کردند ارتباطی با هوش مصنوعی نداشت؛ بلکه مفاهیم استدلال علّی را با تمرینی شامل بازی، مثال، پرسش و بازخورد آموزش میداد.
ارزیابان انسانی آموزشدیده، پاسخهای دانشجویان را با یک معیارنامه پنجامتیازی ارزیابی کردند. پژوهشگران همچنین با تحلیل خودکار متن، تعداد و تنوع ایدههای هر پاسخ، نشانههای استدلال علّی و شباهت آن به پاسخهای سه متخصص را جداگانه سنجیدند.
دانشجویانی که به ChatGPT دسترسی داشتند، در مقیاس پنجامتیازی تقریباً یک امتیاز کامل بیشتر گرفتند. پاسخهای آنها ایدههای بیشتری داشت، از منطق روشنتری پیروی میکرد و به پیشنهادهای نوشتهشده توسط متخصصان شبیهتر بود. بهعبارت دیگر، هوش مصنوعی به افراد تازهکار کمک کرد کاری حرفهایتر ارائه دهند. نکته مهم این است که دانشجویان صرفاً تکالیف خود را به ChatGPT واگذار نکردند. آنها همچنان باید تصمیم میگرفتند چه بپرسند، پاسخها را ارزیابی میکردند و موارد مناسب برای پاسخ نهایی خود را برمیگزیدند.
تمرین تفکر انتقادی نتیجهای غیرمنتظرهتر به همراه داشت. دانشجویانی که تمرین را انجام دادند، روشنتر توضیح دادند که چرا ایدههایشان ممکن است مؤثر باشد و چه زمانی احتمال شکست آنها وجود دارد؛ اما در معیارنامه ارزیابی امتیاز بیشتری نگرفتند، زیرا این معیارنامه فقط میزان تحقق دو هدف رایج بازاریابی را میسنجید: افزایش آگاهی از فروشگاه دانشگاه و افزایش استفاده از آن.
تحلیل متن مزیت دیگری را آشکار کرد که معیارنامه نتوانسته بود آن را بسنجد. در مجموع، دانشجویانی که تمرین را انجام دادند، دامنه گستردهتری از ایدهها ارائه کردند که در مقایسه با ایدههای همتایانشان متمایزتر بود. این نکته مهم است، زیرا یک معیارنامه سنتی مانند معیارنامه این آزمایش میتواند به پاسخی روشن و منسجم امتیاز بدهد، اما نادیده بگیرد که آیا دانشجو ایدهای ارائه کرده است که به ذهن هیچکس دیگری نرسیده باشد.
ممکن است وسوسه شویم بحث آموزش را به انتخاب میان یادگیری تفکر مستقل و یادگیری استفاده از هوش مصنوعی محدود کنیم.
این آزمایش نشان میدهد که هر دو به شیوههای متفاوتی ارزشمندند. دسترسی به هوش مصنوعی به دانشجویان کمک کرد پاسخهایی صیقلخوردهتر، غنیتر از نظر ایده و از لحاظ منطقی منسجمتر ارائه دهند. آموزش تفکر انتقادی آنها را ترغیب کرد دامنه گستردهتری از ایدههای اصیل را پرورش دهند، فرضها را زیر سؤال ببرند و توضیح دهند چرا ایدههایشان باید مؤثر باشد.
این دو در کنار هم مکمل یکدیگرند.
دانشجویانی که هم به ChatGPT دسترسی داشتند و هم تمرین تفکر انتقادی را انجام دادند، از مزایای هر دو بهرهمند شدند. تنوع ایدههای آنها با دانشجویانی برابری میکرد که فقط تمرین را انجام داده بودند. امتیاز معیارنامه و تعداد ایدههایشان نیز مشابه دانشجویانی بود که فقط به ChatGPT دسترسی داشتند. کار آنها همچنین انسجام منطقی قویتر و شواهد بیشتری از جستوجوی توضیحات و زیر سؤال بردن فرضها نشان داد. در مجموع، این گروه در گستردهترین دامنه شاخصها پیشرفت نشان داد.
طراحی تصادفی آزمایش به پژوهشگران امکان داد این عوامل مختلف را دقیقتر بررسی کنند و آثار دسترسی به ChatGPT و تمرین تفکر انتقادی را از اثر ترکیب آنها تفکیک کنند. ازاینرو، این آزمایش سهمی بسیار مفید در مجموعه پژوهشهای بهسرعت روبهرشد درباره تأثیر هوش مصنوعی بر دانشجویان و بهترین شیوه سازماندهی و پشتیبانی از یادگیری آنها دارد.
تفاوت میان تأثیر تمرین بر دانشجویان و آنچه معیارنامه سنتی ثبت کرد، از چالشی گستردهتر برای مدارس حکایت دارد.
اگر هوش مصنوعی بتواند به دانشجویان کمک کند کاری صیقلخورده و در حد متخصصان ارائه دهند، صرفاً بررسی پاسخ نهایی اطلاعات کمتری درباره درک واقعی دانشجو به ما میدهد.
بسیاری از مدرسان از هماکنون با این پیامد روبهرو هستند که شاید تکالیف و ارزیابیها نیازمند تغییر باشند. این روند ادامه الگویی چنددههای است که در آن فناوری و آموزش همزمان تکامل یافتهاند تا از مهارتهای موردنیاز دانشجویان در جامعه امروز پشتیبانی کنند.
این نتایج بر اهمیت تشویق دانشجویان به ارائه آثاری تأکید میکند که بازتابدهنده اصالت، استدلال و بررسی رویکردهای گوناگون باشند، نه صرفاً متعارفترین یا صیقلخوردهترین پاسخها.
نتیجه اصلی: هوش مصنوعی به دانشجویان کمک کرد پاسخهای بهتری ارائه دهند. آموزش تفکر انتقادی به آنها کمک کرد دامنه ایدههایشان را گسترش دهند. این دو در آمادهسازی دانشجویان برای آینده، نقشهایی مکمل دارند.
