رایان توماس لی یک مدرس مستقر در چیانگ مای، تایلند، و یک محقق کارشناسی ارشد در رشته روانشناسی و علوم اعصاب بهداشت روان در برنامه کارشناسی ارشد در کینگز کالج لندن است. او بنیانگذار JAI Behavioral است، یک مشاوره در حال توسعه چارچوب های مدیریت شناختی و نهادی مبتنی بر شواهد برای مدارس بین المللی. ممیزی تجربی او از سیاست هوش مصنوعی در آسیای جنوب شرقی و خاورمیانه در مجموعه مقالات IEEE SAMYRAD 2026 در دست بررسی است.
هنگام ارزیابی نحوه مدیریت هوش مصنوعی مولد توسط بخش آموزش، داده‌ها یک گسست اساسی بین علم سیاست و توسعه را نشان می‌دهند. در ممیزی اخیر 99 مدرسه بین‌المللی مستقل در آسیای جنوب شرقی و خاورمیانه، 89 موسسه سیاست هوش مصنوعی مستقلی نداشتند. (1). در موارد نادری که دستورالعمل‌ها وجود داشت، تا حد زیادی با شروط سنتی دانشگاهی و سرقت ادبی مرتبط بود.
راهنمای آموزشی تقریباً به طور کامل بر درجه بندی یکپارچگی تمرکز دارد و هوش مصنوعی مولد را به عنوان وسیله ای برای تقلب در نظر می گیرد. در حالی که این مهم است، در انجام این کار همان مؤسسات نقطه کور رشدی بزرگی را از نظر معماری شناختی دانش آموزان ایجاد کرده اند.
مکانیک تخلیه شناختی
ابزارهایی برای کمک به جستجوی شناختی چیز جدیدی نیستند. بنابراین تخلیه شناختی چیست؟ عمل تکیه بر محیط خارجی برای تغییر الزامات پردازش اطلاعات ما. رشد شناخت عنصر اساسی هوش انسان است (2). ماشین حساب یک نمونه کلاسیک از تخلیه خوش خیم است. در آموزش، ما معمولاً فقط پس از تسلط بر مکانیک اساسی حساب به دانش آموزان اجازه می دهیم از ماشین حساب استفاده کنند. اولین مسیرها باید به طور محکم ایجاد شوند و اطمینان حاصل شود که ابزار به جای جایگزینی از فرآیند شناختی پشتیبانی می کند.
هوش مصنوعی مولد یک خطر اساسی متفاوت را معرفی می کند: اضافه بار شناختی زودرس. از آنجایی که اکثر مدارس فاقد حاکمیت ساختاری برای تعیین زمان مناسب بودن این ابزارها هستند، دانش‌آموزان برای ترکیب اطلاعات، ساختار استدلال‌ها و حل مشکلات پیچیده قبل از ایجاد ظرفیت داخلی برای انجام مستقل، به هوش مصنوعی روی می‌آورند.
ادبیات اخیری که هوش مصنوعی را در زمینه‌های آموزشی بررسی می‌کند، این سوال را مطرح می‌کند که آیا دانش‌آموزان به سادگی متفاوت یاد می‌گیرند یا فعالانه کمتر فکر می‌کنند (3). شواهد حاکی از یک تغییر نگران کننده است. وقتی دانش آموزی از هوش مصنوعی برای دور زدن ناامیدی یک کار پیچیده استفاده می کند، قبل از اینکه معماری شناختی خود از نظر ساختاری پایدار باشد، داربست را برون سپاری می کند.
از تخلیه تا انتقال شناختی
استفاده از هوش مصنوعی صرفاً یک کار کارآمد نیست و به سرعت به یک اجتناب فعال از مبارزه مولد تبدیل می شود. محققان رفتارشناسی این پدیده را نه تنها به عنوان بارگذاری، بلکه به عنوان “انتقال شناختی” طبقه بندی کرده اند. (4). هوش مصنوعی مولد به طور یکپارچه با ارائه ترکیب فوری و بسیار مطمئن، استدلال تحلیلی و پرتلاش را دور می زند.
هنگامی که سیستم‌های آموزشی این ابزارها را بدون نرده‌های رشدی یکپارچه می‌کنند، دو مکانیسم روان‌شناختی حیاتی بلافاصله به خطر می‌افتند:
-
فراشناخت: توانایی نظارت و تنظیم فرآیند فکر خود تا حد زیادی به اصطکاک درونی بستگی دارد و از خود سؤالاتی مانند “آیا این منطقی است؟” یا “شکاف های منطق من کجاست؟” وقتی یک مدل هوش مصنوعی فوراً یک خروجی تمیز را ترکیب می کند، این فرآیند نظارت داخلی پاک می شود. چه هوش مصنوعی مقاله دانش‌آموز را آماده کند یا خلاصه درس معلم را تولید کند، کاربر نهایی پاسخ را دریافت می‌کند اما فرآیند آگاهی لازم برای یادگیری عمیق را از دست می‌دهد.
-
تمرکززدایی: این توانایی شناختی برای دور شدن از دیدگاه خودمحور و حفظ چندین متغیر متضاد به طور همزمان است. وقتی مغز در حال رشد با منابع تاریخی متناقض دست و پنجه نرم می کند، به طور فعال تمرکززدایی را انجام می دهد. هنگامی که فناوری آموزشی برای حل این تضادها در یک روایت یکپارچه مداخله می کند، مبارزه شناختی سازنده مورد نیاز برای ایجاد این ظرفیت را خودکار می کند.
