ایرنا/ پژوهشگران دانشگاهی در مطالعه‌ای روی ۴۰۵ نفر از دانشجویان دانشکدگان فنی دانشگاه تهران نشان دادند که کیفیت اجرای شیوه‌های تدریس همه‌شمول و فراگیر، تأثیر مستقیمی بر نگرش دانشجویان، تمایل آنان به به‌کارگیری فناوری‌های نوین و میزان آگاهی‌شان از محدودیت‌های هوش مصنوعی در آموزش مهندسی دارد.
آموزش مهندسی در عصر فناوری‌های نوین با تحولات و چالش‌های تازه‌ای روبه‌رو است. ورود ابزارهای مبتنی بر هوش مصنوعی به محیط‌های دانشگاهی، ضرورت بازنگری در شیوه‌های سنتی تدریس را بیش از پیش نمایان کرده است.
در این میان، مفهوم «تدریس همه‌شمول و فراگیر» (Inclusive Teaching) به عنوان یکی از راهبردهای اصلی برای پاسخگویی به تفاوت‌های فردی یادگیرندگان مطرح می‌شود؛ رویکردی که تلاش می‌کند فضایی فراهم کند تا تمامی دانشجویان با ویژگی‌ها و سبک‌های یادگیری متفاوت، احساس تعلق خاطر و اثربخشی بیشتری در فرایند یاددهی–یادگیری داشته باشند.
این پژوهش با عنوان «دیدگاه دانشجویان فنی دانشگاه تهران نسبت به وضعیت تدریس همه‌شمول و نقش هوش مصنوعی» به قلم بهزاد بیگ‌پوریان و علی حبیبی انجام شده و در شماره ۱۱۰ (تابستان ۱۴۰۵) فصلنامه «آموزش مهندسی ایران» انتشار یافته است.
نویسندگان در این مقاله کوشیده‌اند با بررسی دیدگاه دانشجویان فنی، خلأ پژوهشی موجود در زمینه ارتباط میان تدریس همه‌شمول و کاربرد فناوری‌های هوش مصنوعی را در نظام آموزش عالی ایران مورد تحلیل قرار دهند.
مسئله اصلی پژوهش از این واقعیت سرچشمه می‌گیرد که آموزش‌های سنتی و یک‌نواخت در دانشکده‌های مهندسی پاسخگوی نیازهای متنوع دانشجویان نیست. از سوی دیگر، اگرچه هوش مصنوعی ابزاری قدرتمند برای شخصی‌سازی یادگیری و پشتیبانی از تدریس همه‌شمول به شمار می‌رود، اما استفاده شتاب‌زده یا ناآگاهانه از آن می‌تواند چالش‌برانگیز باشد. از این رو، شناخت دیدگاه دانشجویان نسبت به وضعیت موجود تدریس و سنجش نگرش آنان نسبت به هوش مصنوعی، گامی ضروری برای سیاست‌گذاری آموزشی به شمار می‌رود.
روش‌شناسی و جامعه آماری پژوهش
این مطالعه با رویکرد کمّی و به روش توصیفی–تحلیلی اجرا شده است. جامعه آماری پژوهش را دانشجویان دانشکدگان فنی دانشگاه تهران تشکیل دادند که از میان آنان، ۴۰۵ نفر پس از پالایش پرسش‌نامه‌های ناقص به عنوان نمونه نهایی بررسی شدند.
ترکیب شرکت‌کنندگان شامل ۱۶۸ زن (۴۱.۵ درصد) و ۲۳۷ مرد (۵۸.۵ درصد) در مقاطع تحصیلی مختلف بود؛ به طوری که ۲۷۴ نفر در مقطع کارشناسی (۶۷.۷ درصد)، ۹۹ نفر در مقطع کارشناسی ارشد (۲۴.۴ درصد) و ۳۲ نفر در مقطع دکتری (۷.۹ درصد) به پرسش‌ها پاسخ دادند. از نظر رشته تحصیلی نیز دانشجویان مهندسی کامپیوتر (۲۴.۲ درصد)، مکانیک (۱۹.۵ درصد)، برق (۱۴.۶ درصد) و عمران (۹.۹ درصد) بیشترین فراوانی را به خود اختصاص دادند.
ابزار گردآوری داده‌ها شامل پرس‌نامه‌های استاندارد مبتنی بر چارچوب طراحی فراگیر برای یادگیری (UDL) بود که در ۲۴ مؤلفه، وضعیت تدریس همه‌شمول را در سه بعد اصلی («انگیزه برای مشارکت»، «ارائه و انتقال محتوا» و «مشارکت در فرایند یادگیری») می‌سنجید.
همچنین برای سنجش متغیرهای نگرش به هوش مصنوعی، از پرس‌نامه‌های استاندارد سنجش تمایل به استفاده و آگاهی از محدودیت‌های هوش مصنوعی مولد استفاده شد که پایایی آن‌ها با آلفای کرونباخ بالاتر از ۰.۷۰ تأیید گردید. داده‌های جمع‌آوری‌شده با استفاده از نرم‌افزار SPSS 27 و به کمک آزمون‌های آمار توصیفی و تحلیل واریانس یک‌طرفه (ANOVA) مورد تجزیه‌وتحلیل قرار گرفت.
وضعیت موجود تدریس همه‌شمول از نگاه دانشجویان فنی
نتایج توصیفی پژوهش نشان داد که در برخی مؤلفه‌ها مانند استفاده مدرسان از منابع رقمی و دیجیتال متنوع یا ارائه کمک‌های بصری در کلاس، سطح توافق دانشجویان بالا بوده است (به عنوان مثال، حدود ۷۰ درصد موافق بودند که مدرس از قالب‌های گوناگون آموزشی بهره می‌گیرد). با این وجود، در برخی ابعاد دیگر نظیر فراهم کردن فضای تعاملی محترمانه، وضوح در تشریح برنامه درسی و ارائه انعطاف در ارتباطات خارج از کلاس، درصد پاسخ‌های «ممتنع» یا انتقادی قابل توجه (گاهی میان ۲۰ تا ۳۰ درصد) گزارش شد.
این یافته‌ها حاکی از آن است که اگرچه زیرساخت‌ها یا ابزارهای الکترونیک تا حدی در کلاس‌های درس حضور دارند، اما اجرای همه‌جانبه اصول تدریس فراگیر و شخصی‌سازی‌شده در تمامی ابعاد آموزشی دانشکده‌های فنی نیازمند بازنگری و بهبود جدی است. دانشجویان تأکید کرده‌اند که دسترسی به منابع دیجیتال به‌تنهایی کافی نیست، بلکه نحوه به‌کارگیری آن‌ها توسط مدرس و توجه به تفاوت‌های یادگیری اهمیت اساسی دارد.
تحلیل نگرش دانشجویان به هوش مصنوعی بر اساس گروه‌بندی‌های آموزشی
یکی از بخش‌های اصلی این مطالعه، مقایسه نگرش دانشجویان به «تمایل به استفاده از هوش مصنوعی» و «آگاهی از محدودیت‌های آن» پس از دسته‌بندی پاسخ‌ها به سه گروه موافق، ممتنع و مخالف با وضعیت تدریس موجود بود. نتایج تحلیل واریانس یک‌طرفه نشان داد که میان گروه‌های مختلف، تفاوت‌های معناداری وجود دارد (p<0.05).
بر اساس یافته‌های تحلیلی، دانشجویانی که ارزیابی مثبت‌تری از وضعیت تدریس همه‌شمول و ارتباطات آموزشی داشتند (گروه موافقان)، از تمایل آگاهانه بالاتری برای به‌کارگیری هوش مصنوعی در یادگیری برخوردار بودند. به عنوان مثال، در پرسش‌های مربوط به شفافیت اهداف سخنرانی و انعطاف‌پذیری ارتباط با استاد خارج از کلاس، گروه موافقان تفاوت معناداری با سایر گروه‌ها نشان دادند و درک عمیق‌تری از محدودیت‌ها و خطاهای هوش مصنوعی داشتند.
در مقابل، گروه ممتنع که کمترین تجربه را از شیوه‌های تعاملی و نوین آموزشی داشتند، پایین‌ترین سطح آگاهی را نسبت به محدودیت‌های فناوری‌های هوش مصنوعی مولد نشان دادند. این موضوع نشان می‌دهد ضعف در بازخورددهی استادان، عدم دسترسی مناسب به مدرس و حاکمیت تکالیف سطحی، زمینه را برای استفاده «جبرانی» و بدون شناخت از هوش مصنوعی فراهم می‌کند؛ وضعیتی که در آن دانشجو بدون درک ساختاری، به پاسخ‌های آماده هوش مصنوعی اتکا می‌کند.
نقش بنیادین طراحی آموزشی در بهره‌برداری خردمندانه از فناوری
بحث و نتیجه‌گیری نویسندگان نشان می‌دهد که دانشجویان از نظر سبک‌های یادگیری، ویژگی‌های شخصیتی و توانمندی‌ها با یکدیگر متفاوت هستند و یک نسخه واحد نمی‌تواند پاسخگوی نیازهای جامعه مهندسی باشد. طراحی آموزشی فراگیر و همه‌شمول به‌طور معناداری هم بر تمایل به استفاده سازنده از هوش مصنوعی و هم بر افزایش آگاهی از محدودیت‌های آن تأثیر می‌گذارد.
پژوهشگران بر این باورند که ارتقای کیفیت تعاملات در کلاس‌های درس، تنوع‌بخشی به روش‌های ارزشیابی و توجه به نیازهای فردی دانشجویان، پیش‌نیاز اصلی تربیت مهندسانی است که بتوانند فناوری‌های هوش مصنوعی را به شکلی انتقادی، خلاقانه و مسئولانه به کار گیرند. فناوری هوش مصنوعی در خلاء عمل نمی‌کند؛ بلکه کیفیت بهره‌برداری از آن بازتاب‌دهنده کیفیت طراحی آموزشی و تعاملات انسانی در دانشگاه است.
در نهایت، مطالعه «دیدگاه دانشجویان فنی دانشگاه تهران نسبت به وضعیت تدریس همه‌شمول و نقش هوش مصنوعی» که در تابستان ۱۴۰۵ در فصلنامه «آموزش مهندسی ایران» منتشر شده است، زوایای تازه‌ای از ضرورت تحول در آموزش عالی مهندسی را روشن می‌سازد و به دست‌اندرکاران نظام آموزشی پیشنهاد می‌کند برای مواجهه هوشمندانه با عصر هوش مصنوعی، بیش از پیش به پیاده‌سازی اصول تدریس فراگیر و شخصی‌سازی‌شده اهتمام ورزند.
تیترهای پیشنهادی برای این مطلب (با جامعیت و دربرگیری بالا):
چالش‌ها و فرصت‌های هوش مصنوعی در آموزش مهندسی؛ رابطه تنگاتنگ تدریس همه‌شمول با نگرش دانشجویان فنی
ارتقای سواد هوش مصنوعی در گروه‌های مهندسی؛ چگونه تدریس فراگیر می‌تواند استفاده مسئولانه از فناوری را شکل دهد؟
بازنگری در شیوه‌های آموزش عالی با رویکرد هوش مصنوعی؛ دستاوردهای یک پژوهش در دانشکدگان فنی دانشگاه تهران
تلفیق آموزش همه‌شمول و فناوری‌های نوین؛ نقش کیفیت تدریس دانشگاهی در بهره‌برداری آگاهانه از هوش مصنوعی
