آموزش سواد دیجیتال از دبستان تا دانشگاه

سارا طاهریخبرنگار

در دنیایی که هوش مصنوعی نه‌تنها ابزار آینده، بلکه زبان مشترک علوم مختلف در زمان حال شده است، تمام دانشگاه‌ها در سراسر دنیا در حال بازتعریف مأموریت‌های آموزشی، پژوهشی و فناورانه خود هستند. در این میان، دانشگاه آزاد نیز گام‌های بلندی در مسیر تحول ساختار آموزش عالی و پیوند آن با فناوری‌های نوین برداشته است؛ گام‌هایی که در قالب شکل‌گیری «دانشکده‌های موضوع‌محور» و مدل نوآورانه‌ای موسوم به «هندسه یادگیری» خود را نشان داده‌اند.
علی هارون‌آبادی، رئیس دانشکدگان فضای مجازی، هوش مصنوعی و فناوری‌های پیشرفته، در گفت‌وگوی خود با «فرهیختگان» تحلیلی درباره مسیر جدید این نهاد علمی در حوزه هوش مصنوعی ارائه داده است. او معتقد است آموزش هوش مصنوعی باید از وضعیت محدود به یک‌رشته خاص فراتر رفته و به‌صورت میان‌رشته‌ای در سایر گروه‌های دانشی گسترش پیدا کند. ظرفیتی که به گفته او در دانشگاه آزاد وجود دارد. او گفت دانشگاه آزاد صرفاً به دنبال آموزش صرف ابزار‌های هوش مصنوعی نیست، بلکه هدف توانمندسازی دانشجو در دو حوزه است؛ هم شناخت دقیق ابزار‌های هوش مصنوعی و هم درک عمیق از رشته تخصصی‌اش. او در بخش دیگری از این گفت‌وگو با تبیین فلسفه شکل‌گیری دانشکده‌های موضوعی و تشریح مأموریت‌های متفاوتی که برای ۲۹ واحد دانشگاهی سراسر کشور طراحی شده، تأکید کرد هدف نهایی، عبور از مرز‌های سنتی آموزش، حرکت به‌سوی تولید محصولات فناورانه، پاسخ به نیاز‌های واقعی جامعه و صنعت و ارتقای جایگاه دانشگاه به‌عنوان یک نهاد مسئله‌محور است. او در ادامه از شاخص‌های ارزیابی عملکرد دانشکده‌ها، همکاری با سرا‌های نوآوری، طراحی داشبورد‌های مبتنی بر مدل‌های زبانی بزرگ تا نقش دروس عرصه و توانمندسازی استادان و دانشجویان در حوزه اخلاق و سواد دیجیتال در هوش مصنوعی سخن گفت و تصویر روشنی از آینده دانشگاه نسل چهارم در ایران و نقش راهبردی دانشگاه آزاد در این مسیر ارائه داد. مشروح این گفت‌وگو را در ادامه از نظر می‌گذرانید.

لزوم گسترش آموزش هوش مصنوعی در سایر گروه‌های دانشی

مهر سال 1402 به‌عنوان رئیس دانشکدگان هوش مصنوعی دانشگاه آزاد منصوب شدید. پیش از ورود به برنامه‌ها و اقدامات شما، لطفاً ابتدا بفرمایید که به طور کلی وضعیت کیفیت آموزش هوش مصنوعی در دانشگاه آزاد را چطور ارزیابی می‌کنید؟
در دانشگاه آزاد اسلامی، چه در قالب دروس مرتبط با هوش مصنوعی و چه در قالب رشته/ گرایش تخصصی آن، اقدامات قابل‌توجهی انجام شده است. بااین‌حال باید آموزش هوش مصنوعی را از وضعیت محدود به یک‌رشته خاص فراتر ببریم و آن را به‌صورت میان‌رشته‌ای در سایر گروه‌های دانشی گسترش دهیم. ظرفیت ارزشمندی برای این رویکرد در دانشگاه وجود دارد که می‌تواند موجب هم‌افزایی علمی میان دانشکده‌های موضوعی مختلف شود. هوش مصنوعی این توانایی را دارد که به‌عنوان یک حلقه اتصال عمل کند و دانش و فناوری را در رشته‌های گوناگون پیوند دهد. فعالیت‌های ارزشمندی در این زمینه آغاز شده، اما لازم است این مسیر به شکل منظم و مستمر ادامه یابد تا بتوانیم از همه ظرفیت‌های موجود بهره‌مند شویم. از نظر پژوهش و تولید محصول نیز تلاش ما این است که فعالیت‌ها تنها به مقالات و پژوهش‌های نظری محدود نشود، بلکه به توسعه ابزار‌ها، نرم‌افزار‌ها و محصولات فناورانه منجر شود. با توجه به وجود دانشکده‌های موضوعی هوش مصنوعی، می‌توانیم از این شبکه برای توسعه محصولات بین‌رشته‌ای و پاسخ به نیاز‌های واقعی جامعه و صنعت بهره ببریم.

ترکیب مهارت و تخصص با مدل هندسه یادگیری

کمی درباره جایگاه دانشکدگان‌ها و به‌ویژه دانشکدگان هوش مصنوعی توضیح دهید.
بحث دانشکده‌های موضوع‌محور یکی از اقدامات مهم در دوره مدیریت شهید دکتر محمدمهدی طهرانچی، رئیس فقید دانشگاه آزاد بود. یکی از مسائل کلیدی و دیرپای آموزش عالی در کشور، وجود مرز‌های سخت و غیرقابل‌انعطاف بین رشته‌هاست. در دانشکده‌های موضوعی، هدف برداشتن این مرز‌ها و بازتعریف ساختار آموزشی است. در این مسیر از مدلی نوین با عنوان هندسه یادگیری (Learning Geometry) بهره می‌بریم. در این مدل، مسیر آموزش دانشجو صرفاً خطی و تخصص‌محور طراحی نمی‌شود، بلکه به‌صورت شبکه‌ای، مهارت‌محور و میان‌رشته‌ای شکل می‌گیرد. دانشجو در هندسه یادگیری باید بتواند آزادانه بین دانش تخصصی رشته خود و مهارت‌های فناورانه مانند هوش مصنوعی حرکت کند و در عمل مسیر یادگیری شخصی‌سازی‌شده‌ای برای خود بسازد. امروزه دانشگاه‌ها به سمت یادگیری دو مهارتی حرکت می‌کنند، یعنی دانشجو باید علاوه بر فراگیری عمیق دانش تخصصی رشته خود، مهارت استفاده از ابزار‌های فناورانه مانند چت‌بات‌ها و تحلیل داده‌ها را نیز کسب کند، به‌عنوان‌مثال در مدل «هندسه یادگیری»، دانشجوی پزشکی تنها به یادگیری فیزیولوژی یا کدنویسی محدود نمی‌شود، بلکه باید بتواند خروجی‌های سیستم‌های هوش مصنوعی را تحلیل کند، الگوریتم‌های مناسب را انتخاب کند و این خروجی‌ها را در چهارچوب دانش تخصصی پزشکی ارزیابی و نقد کند. به بیان دیگر، دانش تخصصی و مهارت‌های فناورانه باید به‌صورت همزمان و هماهنگ رشد کنند تا دانشجو بتواند در عمل از این ابزار‌ها برای ارتقای تخصص خود بهره ببرد.

یادگیری میان‌رشته‌ای با مدل dual-skilling دنبال می‌شود

یعنی هدف صرفاً آموزش ابزار‌های هوش مصنوعی نیست، بلکه تربیت متخصصانی است که بتوانند این ابزار‌ها را در حوزه تخصصی خودشان به کار ببرند؟
دقیقاً همین‌طور است. ما به دنبال آموزش صرف ابزار‌های هوش مصنوعی نیستیم، بلکه هدف توانمندسازی دانشجو در دو حوزه است، هم شناخت دقیق ابزار‌های هوش مصنوعی و هم درک عمیق از رشته تخصصی خودش. این رویکرد همان یادگیری میان‌رشته‌ای است که در سطح جهانی با عنوان یادگیری ترکیبی یا dual-skilling شناخته می‌شود و کلید موفقیت شغلی در آینده خواهد بود. به‌عنوان نمونه، آزاد بودن استفاده از چت‌بات‌های هوش مصنوعی در آزمون‌های مقطع دکتری تخصصی، تأکیدی بر این نگاه بود که در ترم جاری بر اساس سیاست‌های رئیس فقید دانشگاه تدوین شده است. همچنین به‌منظور گسترش و تقویت دانشکده‌های موضوع‌محور باید اشاره کنم در نظام‌نامه دانشی دانشگاه تأکید ویژه‌ای بر ایجاد دانشکده‌های موضوع‌محور شده است. این دانشکده‌ها با رویکردی کاربردی و مسئله‌محور طراحی شده‌اند تا بتوانند به نیاز‌های روز کشور، موضوعات منطقه‌ای و چالش‌های بین‌المللی پاسخ دهند. هدف اصلی آن‌ها حرکت از دانشگاهی صرفاً علم‌محور به سمت دانشگاهی مسئله‌محور است.

متن کامل گفت‌وگو را در روزنامه «فرهیختگان» بخوانید.