Звичайно, це дуже сильний контраст, навіть угорський. У Стенфорді студенти бездоганно орієнтуються на системи управління навчаннями, що працюють за технологією штучного інтелекту, які передбачають їхні потреби, пропонують оптимальні графіки навчання та надають миттєву відгук про завдання.У той же час, за три тисячі миль, підлітки в недофінансованих державних школах Детройта виглядають на піксельних екранах, бореться з застарілими інтерфейсами, які зривають середнє призначення. Вітаємо вас з парадоксом «індуїстичного» освіти.Утопічне бачення, обгорнуте алгоритмічними обіцянками, але прикріплене до тих самих системних нерівностей, які протягом десятиліть турбують американську освіту. Міраж цифрового народження "AI-native - це людина, яка буде виховуватися, роблячи всю (або більшу частину) своєї роботи з можливістю отримати допомогу від AI", - пояснює Бріана Моррісон, чиє дослідження в Університеті Вірджинії висвітлило помилки, що виникають у прийнятті освітніх технологій. Ми були на цьому шляху раніше.Пам'ятайте, коли ми позначили ціле покоління "цифрових корінних жителів"? Ця поширена припущення - що діти, які виросли з смартфонами, автоматично володіли вишуканою технологічною грамотністю - виявилася катастрофічно неправильною. Тепер ми знову робимо ту саму помилку.Тільки цього разу ставки значно вищі. Припущення, засноване на AI, свідчить про те, що завтрашні студенти інтуїтивно переглядатимуть інструменти штучного інтелекту з такою ж легкістю, як їхні попередники прийняли соціальні медіа.Але дослідження Моррісона розкриває більш складну реальність.Студенти можуть широко використовувати генеративний AI - часто не усвідомлюючи цього - але залишаються фундаментально непідготовленими до критичного мислення, етичного міркування та технічної грамотності, які вимагає справжнє партнерство з AI. Нерівномірний старт лінії "Ті, хто не має ресурсів, будуть чекати на місцеві вимоги (і фінансування), - зауважує Моррісон, її слова несуть вагу історичного прецеденту. У 1980-х і 90-х роках заможні райони придбали комп'ютерні лабораторії, в той час як сільські та міські школи чекали років на базовий апарат. Елітні інститути наймають консультантів з інтелектуальної грамотності та впроваджують складні платформи аналізу навчання. Вони експериментують з персоналізованими викладачами інтелектуальної інтелекту, автоматизованими системами оцінки та прогнозними моделями, які ідентифікують студентів, які стикаються з труднощами, перш ніж вони опинилися позаду. Державні школи продовжують боротися за надійний інтернет. У той час як стартапи Силіконової долини розробляють навчальні програми на базі штучного інтелекту, щоб залучити капіталістів, в школах по всій Африці на південь від Сахари не вистачає електроенергії для живлення основних комп'ютерів. Криза вчителя, про яку ніхто не говорить "Щоб зробити це, ви повинні спочатку мати освітян, які мають знання", - підкреслює Моррісон, враховуючи, можливо, найбільш критичний бар'єр у прийнятті освіти, заснованого на AI. Ось незручна правда: більшість вчителів не готові до цього переходу.Не тому, що вони некомпетентні або стійкі до змін, а тому, що система не інвестувала в їх підготовку.Професійні семінари з розробки інструментів штучного інтелекту залишаються рідкісними, поверхневими або повністю відсутніми в багатьох районах. Деякі викладачі, які отримують навчання, часто стикаються з програмами, розробленими технологами, а не педагогічними експертами.Вони вчаться працювати з інтерфейсами AI, не розуміючи основних принципів, упереджень або обмежень.Це як навчити когось керувати автомобілем, не пояснюючи закони дорожнього руху або механічні основи. У той же час, бюрократична інерція ускладнює проблему.Комітети навчального плану рухаються з льодовиковим темпом, обговорюючи переваги технологій, які будуть застаріли, коли буде впроваджена політика.Державні освітні департаменти розробляють правила для інструментів штучного інтелекту, які вони ледве розуміють, створюючи рамки дотримання, які часто пропускають повністю. Це системне затримка має глибокі наслідки. покоління учнів може закінчити навчання без необхідних навичок інтелектуального інтелекту - не тому, що технологія не була доступною, а тому, що їхні викладачі не були оснащені ефективним навчанням. Коли автоматизація прискорює нерівність Дослідження Міради Паркер з прийому освітніх технологій розкриває тривожну закономірність: заможні студенти постійно отримують ранній доступ до трансформаційних інструментів, розширюючи прогалини в досягненнях, перш ніж неблагополучні населення потрапляють. Освіта, оснащена штучним інтелектом, експоненціально розширює цю динаміку. Розглянемо системи навчання AI. На поверхні, вони обіцяють персоналізоване навчання в масштабі – потенційно демократизуючи доступ до високоякісної інструкції. Але реальність є більш складною. Розширені вчителі AI вимагають вишуканих алгоритмів, підготовлених на великих наборах даних, дорогої обчислювальної інфраструктури та безперервного технічного обслуговування.Школи з обмеженими ресурсами часто розраховують на рудиментарні версії, які насправді можуть завдати шкоди результатам навчання. Ще гірше, алгоритмічні упередження в інструментах освіти AI можуть увічнити існуючі нерівності. Якщо дані навчання недооцінюють певні демографічні групи, системи AI можуть надавати менш ефективну підтримку студентам з цих фонів. Студенти в школах з низьким рівнем ресурсів все частіше стикаються з AI-підсиленими курсами, створеними однолітками в краще фінансованих установах. Вони відчувають з перших рук, як технологія може трансформувати навчання, але тільки для тих, хто має доступ. Політика Whack-a-Mole "Це часто відчувається як хак-а-моле", - зізнається Моррісон, описуючи поточний стан академічної політики AI. Зрозуміло, що таке порівняння – це дуже сумно. Освітні заклади забороняють ChatGPT, тому студенти переходять на Claude. Адміністратори блокують інструменти Anthropic, що викликає міграцію до Perplexity. Школи розробляють програмне забезпечення для виявлення штучного інтелекту; студенти вивчають швидкі інженерні методи, щоб уникнути виявлення. Кожна відповідь політики викликає нові стратегії обходу в нескінченному циклі технологічних котів і мишей. Основна проблема полягає не в творчості студентів, а в концептуальному плутанині щодо ролі штучного інтелекту в навчанні.Традиційний бінар «допомогти проти робити» розривається, коли інструменти штучного інтелекту можуть досліджувати, висвітлювати, розробляти, редагувати та полірувати завдання з різним ступенем людського нагляду. Де саме лінія між законною AI-допомогою і академічною нечесністю? Деякі інститути намагаються відтінковувати політику, що відрізняє використання штучного інтелекту для мозкових штурмів від кінцевої композиції. Інші дозволяють штучний інтелект для досліджень, але не пишуть. Політичний параліч відображає більш глибоку інституційну невизначеність щодо трансформаційного потенціалу штучного інтелекту. Проблема поселення пилу "Нам знадобиться пил, щоб заспокоїтися ... перш ніж ми зможемо визначити академічну політику", - припускає Моррісон, визнаючи тимчасову невідповідність між швидким технологічним прогресом і навмисними інституційними змінами. Але ось улов: пил може ніколи не оселитися. Розвиток штучного інтелекту не показує ознак уповільнення. Кожен місяць приносить нові можливості, інтерфейси та випадки використання, які перетворюють освітні можливості.Чекання на технологічну стабільність перед розробкою політики може означати очікування назавжди - в той час як цілі когорти студентів переходять до цього переходу без чіткого керівництва. Альтернатива не досконала, але вона необхідна: адаптивні рамки політики, які розвиваються з технологічними можливостями. освітні установи потребують структур управління, призначених для постійного перегляду, а не статичного регулювання. Це вимагає безпрецедентної співпраці між технологами, викладачами, етиками та постачальниками політики. Вона вимагає смирення щодо нашої нездатності досконало передбачати освітню траєкторію AI. Найголовніше, це вимагає прихильності принципам справедливості, які забезпечують, що вигоди досягають всіх студентів, а не тільки тих, хто знаходиться в добре ресурсованих установах. За межами привілейованої машини Справжня небезпека полягає не в самому штучному інтелекту - це безтурботне прийняття в рамках існуючих несправедливих систем. Освіта на основі штучного інтелекту може демократизувати доступ до персоналізованої інструкції, адаптивної оцінки та інтелектуального наставництва.Ці інструменти можуть нарешті реалізувати довгоочікуваний потенціал технології для революції навчання. Інакше ми просто кодуємо нерівність в основну інфраструктуру освіти. Студенти, які занурюються в розбиті інтерфейси в Детройті, заслуговують на ті ж можливості навчання, що й їхні колеги в елітних установах. сільські школи заслуговують на ті ж технологічні ресурси, що і передміські райони. глобальні південні освітні системи повинні брати участь в інноваціях AI, а не споживати північні інновації роками пізніше. Досягнення цих цілей вимагає навмисного втручання. Федеральна освітня політика повинна надавати пріоритет справедливому доступу до AI. Програми підготовки вчителів потребують всебічних навчальних програм з інтелектуальної інтелекту. Міжнародні організації розвитку повинні включати в свої технологічні ініціативи розвиток освітніх можливостей AI. Найбільш критично, нам потрібні чесні розмови про те, що насправді означає освіта на базі штучного інтелекту.Не маркетингова фантазія про безтурботну автоматизацію, а складна реальність співпраці людини з штучним інтелектом в середовищах навчання. Ми можемо побудувати системи, які розширюють людський потенціал у всіх популяціях, або ми можемо побудувати найсучаснішу машину привілеїв в історії. На даний момент вибір залишається нашим. Студенти навіть не усвідомлюють, що вони використовують генеративний AI. Політика освіти рухається дуже повільно. Питання не в тому, чи перетворить штучний інтелект освіту, а в тому, чи ця трансформація принесе користь всім, чи лише привілейованим.

Read My Stories

Це аудіо створено мовою оригіналу історії!

Прихована вартість AI-національних кампусів: рівність, доступ та розрив в автоматизації у вищому навчальному закладі

About Author

КОМЕНТАРІ

ПОВІСИТИ БИРКИ

ЦЯ СТАТТЯ БУЛА ПРЕДСТАВЛЕНА В

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps