دلالتهای فلسفی کاربرد هوش مصنوعی در آموزش و یادگیری | ||
| پژوهش در روشهای آموزش | ||
| دوره 3، شماره 5 - شماره پیاپی 13، اسفند 1404، صفحه 178-195 اصل مقاله (1.53 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22091/jrim.2025.14009.1392 | ||
| نویسنده | ||
| زهرا کاظمی زاده* | ||
| دکتری فلسفه تعلیم و تربیت اسلامی، دانشگاه علامه طباطبایی، تهران، ایران. رایانامه | ||
| چکیده | ||
| هدف مقاله حاضر، بررسی دلالتهای فلسفی کاربرد هوش مصنوعی در آموزش و یادگیری است. در این پژوهش، روش تحقیق، توصیفی- تحلیلی است و ابزار گردآوری اطلاعات به صورت فیشبرداری از کتب، مقاله و سایر اسناد علمی است. یافتههای تحقیق نشان میدهد که کاربرد هوش مصنوعی در آموزش، مسائل و دلالتهای فلسفی گستردهای را به همراه دارد؛ چراکه استفاده از هوش مصنوعی در آموزش توسط معلمان و دانشآموزان، نهتنها یک چالش فنی، بلکه یک پرسش فلسفی عمیق و بنیادی است. این موضوع شامل جنبههای معرفتشناختی و انسانشناختی گوناگونی میشود، از جمله: تعریف و ماهیت دانش و یادگیری در انسان و سیستمهای هوش مصنوعی، شیوههای بازنمایی دانش و پردازش اطلاعات توسط این دو، مفهوم اصالت دانش و معرفت، منابع معرفت و شناخت در انسان و هوش مصنوعی، تفاوتهای بنیادین در فرایندهای شناختی میان آنها و نقشهای متحولشده معلم و متربی در فرایند یادگیری. چالشهای فلسفی پیرامون اصالت دانش تولیدشده توسط هوش مصنوعی، وابستگی زیادی به تعریف ما از دانش و اصالت دارند و این موضوع، دیدگاههای متفاوتی را ایجاد کرده است. علاوهبر این، تفاوتهای اساسی و قابلتوجه در شیوه یادگیری انسان و هوش مصنوعی، نقش دانشآموزان را به مشارکتکنندگان فعال و نقش معلمان را به طراحان تجربیات یادگیری تغییر میدهد. ازاینرو، بررسی این مباحث و مسائل فلسفی پیچیده برای طراحی و پیادهسازی موفقیتآمیز سیستمهای آموزشی مبتنی بر هوش مصنوعی ضروری است تا بتوانیم از اثرات مثبت این فناوری در ارتقای کیفیت آموزش و یادگیری بهرهمند شویم. | ||
تازه های تحقیق | ||
در هوش مصنوعی، دانش از طریق ساختارهایی چون قواعد منطقی، شبکههای معنایی، چارچوبها و مدلهای یادگیری ماشین بازنمایی میشود که هر یک بخشی از جنبههای استنتاجی، مفهومی و دادهمحور دانش انسانی را مدلسازی میکنند، اما قادر به بازتاب کامل پیچیدگیهای شناختی انسان مانند تجربه، آگاهی و احساس نیستند. در سطح معرفتشناسی، دانش تولیدشده توسط مدلهای زبانی بزرگ، فاقد اصالت منبع بهسبب نداشتن تجربه و نیت فاعلی است، بااینحال در اصالت ساختاری و کاربردی از طریق ترکیبهای زبانی نو و ارائه پاسخهای کارآمد، جلوهای از خلاقیت و اصالت ظاهری مییابد که برای ناظر انسانی قابل پذیرش و معتبر جلوه میکند. منابع دانش هوش مصنوعی شامل دادههای جمعآوریشده (متن، تصویر، صدا)، مدلهای ریاضی از تحقیقات، زیرساختهای محاسباتی، و تخصص انسانی توسعهدهندگان است؛ اعتبار این منابع متغیر بوده و نیازمند ارزیابی انتقادی کاربر برای تفکیک اطلاعات قابل اعتماد از سایر ورودیهاست. هوش مصنوعی در آموزش، چالشهای فلسفی پیرامون اصالت دانش تولیدی را مطرح میکند. دو دیدگاه اصلی وجود دارد: اول، اگر دانش صرفاً مجموعهای از حقایق و الگوها باشد، هوش مصنوعی بیشتر ابزاری پردازشگر است تا منبع دانشی اصیل. دیدگاه دوم، اگر دانش را توانایی درک، استدلال و کاربرد اطلاعات بدانیم، هوش مصنوعی با توانایی کشف روابط، حل مسائل پیچیده و حتی دستیابی به یافتههای نوین، به سمت تولید دانش اصیل حرکت میکند. با این حال، وابستگی هوش مصنوعی به دادهها، فقدان درک عمیق و محدودیت در خلاقیت، موانعی برای تولید دانش کاملاً اصیل محسوب میشوند. در نهایت، اصالت دانش هوش مصنوعی به تعریف ما از دانش و اصالت بستگی دارد. یادگیری در هوش مصنوعی از طریق الگوریتمهایی چون نظارتشده، بدون نظارت و تقویتی بر پایه استخراج الگو از حجم عظیم دادههای دیجیتال صورت میگیرد؛ این فرایند، هرچند هدف مشترک بهبود عملکرد با انسان دارد، اما مکانیسمهای آن، بهویژه فقدان درک معنایی، تجربه زیسته، و فراشناخت زیستی و عصبی، آن را از یادگیری انسانی که مبتنی بر زمینه، احساس و خلاقیت است، متمایز میسازد. در حالی که هر دو به دنبال بهبود عملکرد و درک هستند و از دادهها برای یادگیری استفاده میکنند، انسانها از تجربیات، احساسات و تعاملات اجتماعی بهره میبرند، اما هوش مصنوعی بر الگوریتمها و مدلهای ریاضی با دادههای دیجیتال گسترده متکی است. انسانها قادر به درک مفاهیم انتزاعی، خلاقیت و خودآگاهی هستند که هوش مصنوعی در حال حاضر فاقد آن است، هرچند هوش مصنوعی با نیاز به دادههای کمتر و درک زمینه، در حال تکامل است و برخی جنبههای یادگیری انسان را تقلید میکند، اما تفاوتهای قابل توجهی همچنان باقی است. | ||
| کلیدواژهها | ||
| هوش؛ هوش مصنوعی؛ مبانی فلسفی؛ آموزش | ||
| عنوان مقاله [English] | ||
| Philosophical Implications for Using Artificial Intelligence in Teaching and Learning | ||
| نویسندگان [English] | ||
| Zahra Kazemi Zadeh | ||
| Ph.D. in Philosophy of Islamic Education, Allameh Tabatabaei University, Tehran, Iran. | ||
| چکیده [English] | ||
| The aim of this article is to examine the philosophical implications of using artificial intelligence in education and learning. In this study, the research method is descriptive-analytical and the data collection tool is in the form of taking notes from books, articles and other scientific documents. The research findings show that the use of artificial intelligence in education brings with it extensive philosophical issues and implications; because the use of artificial intelligence in education by teachers and students is not only a technical challenge, but also a deep and fundamental philosophical question. This issue includes various epistemological and anthropological aspects, including: the definition and nature of knowledge and learning in humans and artificial intelligence systems, the methods of representing knowledge and processing information by these two, the concept of the authenticity of knowledge and cognition, the sources of knowledge and cognition in humans and artificial intelligence, the fundamental differences in cognitive processes between them and the changing roles of teachers and learners in the learning process. Philosophical challenges surrounding the authenticity of knowledge generated by AI depend heavily on our definition of knowledge and authenticity, and this has led to different perspectives. In addition, fundamental and significant differences in the way humans and AI learn change the role of students to active participants and the role of teachers to designers of learning experiences. Therefore, examining these complex philosophical issues and debates is essential for the successful design and implementation of AI-based educational systems so that we can benefit from the positive effects of this technology in improving the quality of teaching and learning. | ||
| کلیدواژهها [English] | ||
| intelligence, artificial intelligence, philosophical foundations, education | ||
| مراجع | ||
|
Abhishek, P. (2013). The relationship between artificial intelligence and psychological theories. International Journal of Conceptions on Computing and Information Technology, Vol. 1, Issue. 1. Abdollahi, M. H & Zare, H. (2019). Cognitive Psychology. Tehran: Samt. (in Persian) Bishop, K. (2023). Pattern Recognition and Machine Learning (A, Hadipour, Trans). Ati Negar. (in Persian) Boden, M. (1992). The Philosophy of Artificial Intelligence. Oxford University Press. Born, R. (1988). Artificial Inteligence. The Case Against. Routledg. Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford University Press. Dreyfus, H. (1992). Making A Mind Versus Modelling of Artificial Intelligence. Oxford University Press. Floridi, L. (2023). The Ethics of Artificial Intelligence: Principles, Challenges, and Opportunities. Oxford University Press. Hafez Nia, M. (2015). Research method in humanities. Tehran: Side. [in Persian] Kodratoff, Y, & Bares, M. (1999). Base terminologiques de I intelligence artificielle, editeur Lavoisire Tee et Doc. Lowe, E.J. (2001). An Introduction to the Philosophy of Mind. Cambridge University Press. McCarthy, J. & Hayes, P.J. (1969). Some Philosophical Problems from the Standpoint of Artificial Intelligence. Vol. 4, Edinburgh University Press. McDermott, D. & Charniak, E. (1985). Introduction to Artificial Intelligence. Addison-Wesley. McCarthy, J. (1998). Human Level AI: The Logical Road. Stanford University. Minsky, M. (2007). The Emotion Machine: Commonsense Thinking, Artificial Intelligence, and the Future of the Human Mind. Simon & Schuster. Russell, S. & Norvig, P. (2020). A New Approach to Artificial Intelligence. (Translated by Abbas Bagheri Yazdi). Dibagaran Tehran. (in Persian) Russel, S & Norvig. P. (2010). Intelligence Artificielle. Pearson editeyr. Ross Ashby, W. (1940). Design for a Brain: The Origin of Adaptive Behavior. Chapman and Hall. Smith, CH. (2006). The History of Artificial intelligence. University of Washington. Wiener, N. (1965). Cybernetics: Or Control and Communication in the Animal and the Machine. Cambridge, MA :The MIT Press.
| ||
|
آمار تعداد مشاهده مقاله: 73 تعداد دریافت فایل اصل مقاله: 53 |
||
