חבר טוב או מחליף מרצה עתידי?

כיום, לבינה מלאכותית (AI) יש השפעה עמוקה יותר ויותר על היבטים רבים של החיים. תחום החינוך וההכשרה אינו יוצא מן הכלל. ישנן שאלות רבות סביב הסוגיה האם בינה מלאכותית יכולה להחליף מרצים בעתיד או לא?

נציגים ממוזיאונים וארכיונים מקומיים וכן צוות RMIT וייטנאם חוו את השימוש בטכנולוגיית תלת-ממד מתקדמת לשימור מורשת תרבותית. צילום: RMIT

האם תפקידו של המרצה מושפע מבינה מלאכותית?

על פי מחקר של ד"ר נגוין ואן דונג (אוניברסיטת סייגון), חדשנות בהשכלה הגבוהה חיונית לחיבור ההוראה עם פיתוח הטכנולוגיה. השימוש בבינה מלאכותית (AI) מציע פוטנציאל גדול לשיפור ניהול החינוך בהשכלה הגבוהה באמצעות אופטימיזציה של תהליך ההוראה והלמידה.

מחקרים מראים כי לבינה מלאכותית יש פוטנציאל גדול לשנות את נוף ההשכלה הגבוהה לכיוון של אינטגרציה ופיתוח.

ראשית, בינה מלאכותית מאפשרת שיטות למידה המותאמות לצרכים אישיים. בעזרת ניתוח נתונים מעמיק של סגנונות הלמידה וההתקדמות של התלמידים, מערכות למידה אדפטיביות בנויות כך שיספקו חוויות למידה יעילות ויעילות יותר.

שנית, בינה מלאכותית יכולה לנתח נתונים היסטוריים כדי לחזות התנהגות תלמידים, כגון ביצועים אקדמיים, נוכחות או אפילו קשיי למידה פוטנציאליים. זה מאפשר למוסדות לנקוט באמצעי מניעה או להתערב מוקדם כדי לעזור לתלמידים נזקקים.

כל היתרונות הללו מראים שבינה מלאכותית היא כלי המשמש לתמיכה במרצים בהוראה יעילה.

באותו נושא, ד"ר נגוין מין הויאן טראנג - סגן ראש המחלקה לענייני סטודנטים, אוניברסיטת הו צ'י מין סיטי הלאומית, אישר: "אין ספק שבינה מלאכותית אינה יכולה להחליף מרצים. משום שסטודנטים אינם יכולים לנצל ביעילות את הטכנולוגיה הזו מבלי שיספקו להם ידע רקע מהמרצים."

גב' טראנג הסבירה שאם לא יקבלו לסטודנטים ידע רקע, הם לא יוכלו לוודא שהטיוטות והתוכן המסופקים על ידי בינה מלאכותית סבירים ומדויקים. לדבריה, יש להתייחס להשפעות של בינה מלאכותית באופן חיובי. משום שבינה מלאכותית היא כלי המסייע בשיפור איכות ההשכלה הגבוהה.

הבעיה היא שכדי לספק ידע לסטודנטים, המרצים עצמם צריכים לעדכן את הידע שלהם. היא מאמינה שמוסדות להשכלה גבוהה צריכים להשקיע בתשתיות, יחד עם הכשרת מרצים שיהיו בעלי יכולת להשתמש, ליישם ולנצל טכנולוגיית בינה מלאכותית.

מחקר נוסף של שני מחברים, וואהיודי וסונארסי (2021), בנושא המחקר "יתרונות יישום ניהול ידע על ביצועי מרצים במהלך מגפת הקורונה" הראה כי בינה מלאכותית מסייעת בשמירה על יעילות הפעילויות החינוכיות של מרצים. על פי המחקר, ניהול ידע מעודד את הופעתה של מערכת לימוד מקוונת מבוססת טכנולוגיה, כך שביצועי המרצים במגזר החינוך לא יופחתו.

אתגרים לשימוש יעיל בבינה מלאכותית בהוראה

ככל שמערכות בינה מלאכותית מתקדמות הופכות לנפוצות יותר ויותר, סטודנטים יצטרכו ללמוד כיצד להשתמש בבינה מלאכותית באופן ביקורתי, אתי ובאופן המתאים למטרה ולהקשר. צילום: RMIT

למרות שהיא מציעה פוטנציאל גדול לפיתוח חינוכי, עדיין ישנם אתגרים בשימוש יעיל בבינה מלאכותית.

המחקר "יישום בינה מלאכותית בניהול אוניברסיטאות: פוטנציאל ואתגרים" מאת שני המחברים פאם טי פואנג דונג והו שואן וין (אוניברסיטת הונג וונג, הו צ'י מין סיטי) הצביע על אתגרים בולטים עבור מרצים בפרט ומוסדות להשכלה גבוהה בכלל.

ראשית, למען אבטחה ופרטיות. השימוש בבינה מלאכותית בניהול חינוך דורש גישה לכמויות גדולות של נתונים, כולל מידע אישי על סטודנטים, מרצים וצוות. אם מידע רגיש ידלף או יעשה בו שימוש לרעה, הדבר לא רק ישפיע על המוניטין של המוסד החינוכי אלא גם יגרום נזק לסטודנטים.

שנית, מחסור במשאבי אנוש מיומנים. מרצים ואנשי צוות רבים בחינוך אינם מאומנים בבינה מלאכותית ובניתוח נתונים. חוסר מיומנויות זה יכול להוביל ליישום טכנולוגי לא יעיל, ובזבוז משאבים. מציאת וגיוס כוח אדם מוכשר בתחום זה גם קשה, במיוחד בהקשר של תחרות עזה בין מוסדות חינוך שונים.

שלישית, הקושי בשילוב טכנולוגיה. מערכות ניהול חינוך רבות כיום אינן מתוכננות להשתלב עם בינה מלאכותית וביג דאטה, מה שמוביל לקשיים בסנכרון נתונים וזרימות עבודה. חוסר התאימות יכול להאט את תהליך הטרנספורמציה ולאלץ בתי ספר להשקיע יותר בשדרוג המערכת.

רביעית, עלויות השקעה גבוהות. הטמעת בינה מלאכותית וביג דאטה דורשת השקעות ראשוניות גדולות בתוכנה, חומרה והכשרת משאבי אנוש. מצב זה יכול להפוך לנטל כלכלי, במיוחד עבור מוסדות חינוך עם תקציבים מוגבלים. בנוסף, עלות התחזוקה והעדכון של הטכנולוגיה יכולה גם היא להיות גורם משמעותי, מה שמגביר את הלחץ הכספי על מוסדות חינוך.

לבסוף, קיים הקושי בניתוח ובקבלת החלטות. נתונים לא שלמים, לא מדויקים או מיושנים עלולים להוביל להחלטות גרועות ולהשפיע לרעה על ביצועי הלמידה והניהול. ניתוח נתונים דורש מיומנויות מיוחדות ביותר, ועובדים רבים עשויים להתקשות בגישה לכלי ניתוח מורכבים.

מה לעשות כדי להשתמש בבינה מלאכותית ביעילות בתהליך ההוראה

כדי להשתמש בבינה מלאכותית ביעילות, מחקר של בעלי התואר השני פאם טי פואנג דונג ותואר שני הו שואן וין (אוניברסיטת הונג וונג, הו צ'י מין סיטי) מציע חמישה צעדים.

ראשית, יש ליישם אמצעי אבטחה חזקים, תוך שימוש בטכנולוגיית הצפנה כדי להגן על נתונים במהלך האחסון וההעברה. זה מבטיח שגם אם הנתונים נפגעים, המידע יישאר מאובטח. יש ליישם שכבות מרובות של אימות כדי למנוע גישה לא מורשית, בנוסף לכניסה באמצעות סיסמה, המחייבת את המשתמשים לאמת באמצעות טלפון או דוא"ל.

שנית, הכשרה ופיתוח מיומנויות, מתן קורסים בנושאי בינה מלאכותית, ניתוח נתונים וטכנולוגיית מידע לסגל ולצוות. ניתן לעצב קורסים מבסיסיים ועד מתקדמים. בנוסף לכך, ארגון אירועים לשיתוף ידע וניסיון בין מומחים בתעשייה, וכן שיתוף פעולה עם חברות טכנולוגיה לארגון תוכניות הכשרה ושיתוף משאבים.

שלישית, לפני היישום, יש צורך לחקור ולבחור פתרונות טכנולוגיים שיכולים להשתלב היטב עם המערכת הקיימת. לבצע פרויקטים פיילוט כדי להעריך את היתכנות הטכנולוגיה לפני יישום מלא. לתכנן מערכת נתונים מאוחדת כך שניתן יהיה לחבר את כל מקורות הנתונים ולהשתמש בהם ביעילות.

רביעית, במקום להשקיע הרבה בהתחלה, בתי ספר יכולים להתחיל בפרויקטים קטנים ולהרחיב אותם בהדרגה בהתאם לתוצאות שהושגו. לערוך סקירות תקופתיות כדי להתאים אסטרטגיות ולמטב עלויות.

חמישית, יש לקבוע נהלים ברורים לאיסוף, אחסון ועיבוד נתונים כדי להבטיח דיוק ושלמות. לבצע ביקורות סדירות כדי לזהות ולתקן נתונים לא מדויקים. לארגן מפגשי שיתוף ידע עם מומחים כדי לשפר את ההבנה המשותפת של ניתוח נתונים כדי לתמוך בצוות ניהול הנתונים באיתור וטיפול בבעיות איכות נתונים.

מקור: https://danviet.vn/tri-tue-nhan-tao-ai-nguoi-ban-tot-hay-ke-co-the-thay-the-giang-vien-trong-tuong-lai-20241219114343297.htm