#یادداشت هر کاری را که می‌شود به ماشین سپرد، چرا خودمان انجام دهیم؟
هوش مصنوعی یک وسوسه بزرگ با خود آورده است: هر کاری را که می‌شود به ماشین سپرد، چرا خودمان انجام دهیم؟ اگر AI می‌تواند متن را خلاصه کند، چرا کامل بخوانیم؟ اگر می‌تواند پاسخ سؤال را بنویسد، چرا برای صورت‌بندی پاسخ تلاش کنیم؟ و اگر می‌تواند تحلیل کند، استدلال بسازد و پیشنهاد بدهد، چه مقدار از فرایند شناخت باید همچنان بر عهده خود انسان باقی بماند؟
یونسکو در سپتامبر ۲۰۲۶ و در جریان «هفته یادگیری دیجیتال»، در معرفی برندگان جایزه ICT in Education به مسئله‌ای با عنوان Cognitive Offloading یا «برون‌سپاری شناختی» توجه کرده است؛ خطری که در آن یادگیرنده به‌تدریج تفکر و قضاوت انتقادی خود را به سامانه‌های هوش مصنوعی واگذار می‌کند.
البته برون‌سپاری شناختی پدیده تازه‌ای نیست. انسان همیشه بخشی از بار ذهنی خود را به ابزارها منتقل کرده است. نوشتن حافظه را بیرونی کرد، ماشین‌حساب محاسبه را آسان کرد و موتور جست‌وجو نیاز به حفظ حجم بزرگی از اطلاعات را کاهش داد. تمدن انسانی اساساً بدون چنین ابزارهایی قابل تصور نیست.
بنابراین مسئله، برون‌سپاری «بار شناختی» نیست؛ برون‌سپاری «قابلیت شناختن» است.
ماشین‌حساب می‌تواند یک محاسبه طولانی را انجام دهد، درحالی‌که من هنوز می‌دانم مسئله چیست، چرا باید محاسبه شود و آیا پاسخ معقول است. اما اگر صورت‌بندی مسئله، انتخاب شواهد، استدلال، نقد و تصمیم را نیز یکجا به ماشین بسپارم، دیگر فقط از یک ابزار استفاده نکرده‌ام؛ بخشی از عاملیت شناختی خود را نیز واگذار کرده‌ام.
هوش مصنوعی مولد این مرز را حساس‌تر کرده است، زیرا برخلاف بسیاری از فناوری‌های قبلی، فقط «کار» را انجام نمی‌دهد؛ وارد همان فرایندهایی شده است که نظام تربیتی قرار بوده در انسان پرورش دهد: خواندن، نوشتن، تحلیل، استدلال، خلاقیت و قضاوت.
از همین‌جا یک پرسش اساسی برای آینده مدرسه شکل می‌گیرد: کدام فعالیت‌های شناختی را، حتی وقتی امکان واگذاری آنها به AI وجود دارد، نباید به ماشین واگذار کنیم؟
اگر هدف تکلیف فقط تولید یک مقاله هزارکلمه‌ای باشد، AI می‌تواند آن را انجام دهد. اما اگر هدف این بوده که دانش‌آموز مسئله‌ای را بفهمد، منابع را مقایسه کند، استدلال بسازد و از موضع خود دفاع کند، یک متن خوب دیگر نشانه کافی برای تحقق یادگیری نیست. هوش مصنوعی در واقع ضعف قدیمی نظام آموزشی را آشکار کرده است: ما بارها محصول یادگیری را با خود یادگیری اشتباه گرفته‌ایم.
نمونه‌هایی که یونسکو در سال ۲۰۲۶ برجسته کرده نیز از همین جهت جالب‌اند. در پروژه فنلاندی «Generation AI»، دانش‌آموز صرفاً مصرف‌کننده AI نیست؛ فناوری را بررسی و نقد می‌کند و در طراحی آن مشارکت دارد. در پروژه «Redação Paraná» برزیل نیز دانش‌آموز ابتدا می‌نویسد، سپس AI بازخورد می‌دهد، معلم مداخله می‌کند و دانش‌آموز دوباره متن خود را بازنویسی می‌کند.
منطق تربیتی این تجربه‌ها را می‌توان در یک جمله خلاصه کرد:
اول خودت فکر کن؛ سپس از AI کمک بگیر؛ و در نهایت دوباره خودت داوری کن.
این اصل ما را به تمایز دیگری می‌رساند: تفاوت میان اصطکاک زائد و اصطکاک تربیتی. فناوری می‌تواند جست‌وجوی مکانیکی، رونویسی یا کارهای تکراری را حذف کند؛ اما درگیری با مسئله، تحمل ابهام، اشتباه‌کردن، ساختن استدلال و دفاع از یک تصمیم، «اتلاف وقت» نیستند. بخش مهمی از تربیت دقیقاً در همین اصطکاک‌ها اتفاق می‌افتد.
از این منظر، باسوادترین فرد در عصر AI الزاماً کسی نیست که بهترین پرامپت را می‌نویسد؛ شاید کسی باشد که می‌داند چه چیزی را نباید به هوش مصنوعی واگذار کند.
همان‌طور که در عصر خودرو هنوز ورزش می‌کنیم تا بدنمان تحلیل نرود، شاید در عصر AI نیز به «ورزش شناختی» نیاز داشته باشیم؛ موقعیت‌هایی که انسان عمداً خودش می‌خواند، می‌نویسد، استدلال می‌کند و تصمیم می‌گیرد.
مسئله اصلی Cognitive Offloading این نیست که هوش مصنوعی چه مقدار از کار ذهن ما را انجام خواهد داد؛ مسئله این است که پس از سال‌ها زندگی در کنار ماشینی که می‌تواند بخواند، بنویسد و تحلیل کند، چه مقدار از توان خواندن، نوشتن، تحلیل و داوری هنوز در خود ما باقی خواهد ماند؟
و این، پیش از آنکه مسئله فناوری باشد، مسئله تربیت است.
@m_rahmani_g
هوش مصنوعی یک وسوسه بزرگ با خود آورده است: هر کاری را که می‌شود به ماشین سپرد، چرا خودمان انجام دهیم؟ اگر AI می‌تواند متن را خلاصه کند، چرا کامل بخوانیم؟ اگر می‌تواند پاسخ سؤال را بنویسد، چرا برای صورت‌بندی پاسخ تلاش کنیم؟ و اگر می‌تواند تحلیل کند، استدلال بسازد و پیشنهاد بدهد، چه مقدار از فرایند شناخت باید همچنان بر عهده خود انسان باقی بماند؟ یونسکو در سپتامبر ۲۰۲۶ و در جریان «هفته یادگیری دیجیتال»، در معرفی برندگان جایزه ICT in Education به مسئله‌ای با عنوان Cognitive Offloading یا «برون‌سپاری شناختی» توجه کرده است؛ خطری که در آن یادگیرنده به‌تدریج تفکر و قضاوت انتقادی خود را به سامانه‌های هوش مصنوعی واگذار می‌کند.البته برون‌سپاری شناختی پدیده تازه‌ای نیست. انسان همیشه بخشی از بار ذهنی خود را به ابزارها منتقل کرده است. نوشتن حافظه را بیرونی کرد، ماشین‌حساب محاسبه را آسان کرد و موتور جست‌وجو نیاز به حفظ حجم بزرگی از اطلاعات را کاهش داد. تمدن انسانی اساساً بدون چنین ابزارهایی قابل تصور نیست.
بنابراین مسئله، برون‌سپاری «بار شناختی» نیست؛ برون‌سپاری «قابلیت شناختن» است.ماشین‌حساب می‌تواند یک محاسبه طولانی را انجام دهد، درحالی‌که من هنوز می‌دانم مسئله چیست، چرا باید محاسبه شود و آیا پاسخ معقول است. اما اگر صورت‌بندی مسئله، انتخاب شواهد، استدلال، نقد و تصمیم را نیز یکجا به ماشین بسپارم، دیگر فقط از یک ابزار استفاده نکرده‌ام؛ بخشی از عاملیت شناختی خود را نیز واگذار کرده‌ام.
هوش مصنوعی مولد این مرز را حساس‌تر کرده است، زیرا برخلاف بسیاری از فناوری‌های قبلی، فقط «کار» را انجام نمی‌دهد؛ وارد همان فرایندهایی شده است که نظام تربیتی قرار بوده در انسان پرورش دهد: خواندن، نوشتن، تحلیل، استدلال، خلاقیت و قضاوت.
از همین‌جا یک پرسش اساسی برای آینده مدرسه شکل می‌گیرد: کدام فعالیت‌های شناختی را، حتی وقتی امکان واگذاری آنها به AI وجود دارد، نباید به ماشین واگذار کنیم؟
اگر هدف تکلیف فقط تولید یک مقاله هزارکلمه‌ای باشد، AI می‌تواند آن را انجام دهد. اما اگر هدف این بوده که دانش‌آموز مسئله‌ای را بفهمد، منابع را مقایسه کند، استدلال بسازد و از موضع خود دفاع کند، یک متن خوب دیگر نشانه کافی برای تحقق یادگیری نیست. هوش مصنوعی در واقع ضعف قدیمی نظام آموزشی را آشکار کرده است: ما بارها محصول یادگیری را با خود یادگیری اشتباه گرفته‌ایم.
نمونه‌هایی که یونسکو در سال ۲۰۲۶ برجسته کرده نیز از همین جهت جالب‌اند. در پروژه فنلاندی «Generation AI»، دانش‌آموز صرفاً مصرف‌کننده AI نیست؛ فناوری را بررسی و نقد می‌کند و در طراحی آن مشارکت دارد. در پروژه «Redação Paraná» برزیل نیز دانش‌آموز ابتدا می‌نویسد، سپس AI بازخورد می‌دهد، معلم مداخله می‌کند و دانش‌آموز دوباره متن خود را بازنویسی می‌کند.منطق تربیتی این تجربه‌ها را می‌توان در یک جمله خلاصه کرد:
اول خودت فکر کن؛ سپس از AI کمک بگیر؛ و در نهایت دوباره خودت داوری کن.این اصل ما را به تمایز دیگری می‌رساند: تفاوت میان اصطکاک زائد و اصطکاک تربیتی. فناوری می‌تواند جست‌وجوی مکانیکی، رونویسی یا کارهای تکراری را حذف کند؛ اما درگیری با مسئله، تحمل ابهام، اشتباه‌کردن، ساختن استدلال و دفاع از یک تصمیم، «اتلاف وقت» نیستند. بخش مهمی از تربیت دقیقاً در همین اصطکاک‌ها اتفاق می‌افتد.
از این منظر، باسوادترین فرد در عصر AI الزاماً کسی نیست که بهترین پرامپت را می‌نویسد؛ شاید کسی باشد که می‌داند چه چیزی را نباید به هوش مصنوعی واگذار کند.
همان‌طور که در عصر خودرو هنوز ورزش می‌کنیم تا بدنمان تحلیل نرود، شاید در عصر AI نیز به «ورزش شناختی» نیاز داشته باشیم؛ موقعیت‌هایی که انسان عمداً خودش می‌خواند، می‌نویسد، استدلال می‌کند و تصمیم می‌گیرد.
مسئله اصلی Cognitive Offloading این نیست که هوش مصنوعی چه مقدار از کار ذهن ما را انجام خواهد داد؛ مسئله این است که پس از سال‌ها زندگی در کنار ماشینی که می‌تواند بخواند، بنویسد و تحلیل کند، چه مقدار از توان خواندن، نوشتن، تحلیل و داوری هنوز در خود ما باقی خواهد ماند؟
و این، پیش از آنکه مسئله فناوری باشد، مسئله تربیت است.
@m_rahmani_g
۶۲سند آینده نگاری نوجوان که با حمایت و پشتیبانی سازمان بسیج دانش آموزی و با کمک قریب به شصت نفر از فعالین و صاحب نظران حوزه تعلیم و تربیت در اندیشکده مرآت آماده شد
۱بازارسال شده از اندیشکده مرآت
آینده نگاری نوجوان در افق ۱۴۱۰.pdf
۱.۳۱ مگابایت
گزارش آینده‌نگاری نوجوان در افق 1410کاری از کارگروه سیاستگذاری تربیتی اندیشکده مرآتمرکز راهبردی اکوسیستم تربیتیاندیشکده مرآتwww.merat-thinktank.ir
ایتا / بله / اینستاگرامبازارسال شده از نهضت پیشرفت ایران
چطور نوجوان پیشران تربیت کنیم؟.mp3
۱۸:۵۲-۴.۸۸ مگابایت
بخش اول ارائهنشست : نقشِ نوجوان در نقشه پیشرفت(۲)- منظور از نوجوان پیشران چیست؟- نوع نگاه به نوجوان-بنیان های نظری ایده نوجوانِ پیشران ( فقهی, فلسفه اخلاق، تربیتی و...)- تربیت نوجوان در بستر چالش‌های واقعی
مقاله آینده نگاری نوجوان در افق ۱۴۱۰ :https://eitaa.com/nehzatpi/65) حجت الاسلام دکتر محمد رحمانی️نهضت پیشرفت ایران @nehzatpiگفتاری در فرهنگ | محمد رحمانی بخش اول ارائه نشست : نقشِ نوجوان در نقشه پیشرفت(۲) - منظور از نوجوان پیشران چیست؟ - نوع نگاه به نوجوان -بنیان های نظری ایده نوجوانِ پیشران ( فقهی, فلسفه اخلاق، تربیتی و...) - تربیت نوجوان در بستر چالش‌های واقعی مقاله آینده نگاری نوجوان در افق ۱۴۱۰ : https://eitaa.com/nehzatpi/65) حجت الاسلام دکتر محمد رحمانی ️نهضت پیشرفت ایران @nehzatpi
بخش اول ارائه نشست : نقشِ نوجوان در نقشه پیشرفت(۲) - منظور از نوجوان پیشران چیست؟ - نوع نگاه به نوجوان -بنیان های نظری ایده نوجوانِ پیشران ( فقهی, فلسفه اخلاق، تربیتی و...) - تربیت نوجوان در بستر چالش‌های واقعی مقاله آینده نگاری نوجوان در افق ۱۴۱۰ : https://eitaa.com/nehzatpi/65) حجت الاسلام دکتر محمد رحمانی ️نهضت پیشرفت ایران @nehzatpiبخشی از جلسه نوجوان در نقشه پیشران که صورت بندی تکمیلی از مباحث مطرح شده اخیر در نشست رویکرد انتقادی به الگوی تربیت در میدان در شهر مقدس قم بوده است.
#گزارش_تصویریدوره آموزشی مربیان تربیتی کانون‌ها و مجموعه‌های فرهنگی‌تربیتی «نوجوان پیشران»پیش آمادگی ورود مربیان به مدارس و جذب نوجوانان به مساجد و مراکز فرهنگی ۱۲ شهریورماه ۱۴۰۵ستاد هماهنگی کانون‌های فرهنگی هنری مساجد استان اصفهانبچههای مسجد – اصفهان @Fahma_Esf#یادداشتهوش مصنوعی و مرگ مدرسه؛ آنچه می‌میرد مدرسه نیست
مایکل جی. اَن در یادداشتی که ۱۸ سپتامبر ۲۰۲۶ در مؤسسه بروکینگز با عنوان How universities are affected by AI moving knowledge outside their walls منتشر کرده، بحث هوش مصنوعی و آموزش را از سطح معمول «استفاده از AI در کلاس» بالاتر می‌برد. مسئله از نظر او این نیست که استاد چگونه از ChatGPT استفاده کند یا دانشجو چگونه با آن تقلب نکند؛ مسئله این است که هوش مصنوعی دارد منطق اقتصادی و نهادی‌ای را که دانشگاه مدرن بر اساس آن شکل گرفته بود، تغییر می‌دهد. این صورت‌بندی برای فهم آینده مدرسه نیز بسیار راهگشاست.
مایکل تاریخ دانشگاه را با مفهوم کمیابی دانش توضیح می‌دهد. دانشگاه برای قرن‌ها جایی بود که دانش در آن متمرکز شده بود: کتاب، استاد، آزمایشگاه و امکان توضیح و تفسیر، همه درون دیوارهای یک نهاد قرار داشتند. اینترنت اولین ضربه را به این انحصار زد؛ اطلاعات را فراوان کرد، اما هنوز «توضیح»، «تفسیر» و «بازخورد» عمدتاً به استاد وابسته بود. اتفاق تازه با هوش مصنوعی این است که این لایه شناختی نیز از دیوارهای دانشگاه خارج شده است. AI فقط اطلاعات پیدا نمی‌کند؛ توضیح می‌دهد، سطح توضیح را تغییر می‌دهد، تمرین می‌سازد، بازخورد می‌دهد و محتوا را برای فرد بازآرایی می‌کند.
به تعبیر دیگر، ما از فراوانی اطلاعات وارد دوران فراوانی توضیح شده‌ایم. و دقیقاً همین نقطه است که باید بحث «مرگ مدرسه» را جدی گرفت. اگر مدرسه را دستگاهی برای رساندن «کسی که نمی‌داند» به «کسی که می‌داند» تعریف کنیم، هوش مصنوعی واقعاً بنیان مدرسه را تهدید می‌کند. چرا باید سی دانش‌آموز هم‌سن، رأس ساعت مشخصی وارد یک اتاق شوند، یک محتوای واحد را با سرعتی واحد از یک معلم بشنوند و سپس با یک آزمون استاندارد سنجیده شوند، وقتی هرکدام می‌توانند توضیحی متناسب با سطح، سرعت، علایق و اشکالات خود دریافت کنند؟
مایکل برای توضیح همین مسئله دانشگاه صنعتی را به کارخانه تشبیه می‌کند: دانشجویان ورودی‌اند، برنامه درسی و استاد خط تولید، زمان تحصیل زمان استاندارد تولید و مدرک محصول نهایی است. مزیت این معماری، امکان آموزش انبوه بود؛ اما مشکل امروز اینجاست که «استانداردسازی، مقیاس‌پذیری و تکرار» دقیقاً همان حوزه‌ای است که ماشین‌های هوشمند در آن مزیت دارند. بنابراین بخشی از دانشگاه که بیشتر از همه شبیه کارخانه است، بیش از همه در معرض جایگزینی قرار دارد.
این استدلال درباره مدرسه حتی رادیکال‌تر است. مدرسه مدرن نیز تا حد زیادی محصول همین منطق صنعتی است: سن یکسان، پایه یکسان، ساعت یکسان، کتاب یکسان، سرعت یکسان، امتحان یکسان و نهایتاً انتظار خروجی‌های نسبتاً استاندارد. بنابراین طرفداران «مرگ مدرسه» در تشخیص یک چیز اشتباه نمی‌کنند: مدرسه کارخانه‌ای حقیقتاً با یک بحران وجودی مواجه شده است.
اما خطای آنها در یک خلط مفهومی مهم رخ می‌دهد: *مرگ یک معماری تاریخی از مدرسه را با مرگ خودِ نهاد مدرسه یکی می‌گیرند.
اَن برای پرهیز از همین خطا درباره دانشگاه، محصول دانشگاه را از هم باز می‌کند. از نظر او دانشگاه مدرن در عمل سه چیز را در یک بسته عرضه می‌کرد: نخست، انتقال محتوا؛ دوم، اعتباردهی و مدرک؛ و سوم، چیزی که او آن را *networking and formation می‌نامد: واردشدن به شبکه‌ای از روابط و مهم‌تر از آن، شکل‌گیری قضاوت، حساسیت اخلاقی و توانایی اندیشیدن و عمل‌کردن در وضعیت‌های پیچیده.
نکته تعیین‌کننده اینجاست: هوش مصنوعی این سه کارکرد را به یک اندازه تهدید نمی‌کند. بیشترین قدرت جایگزینی AI در همان جزء اول است: انتقال محتوا، توضیح، تمرین و بخشی از بازخورد. اعتباردهی نهادی هنوز مقاومت بیشتری دارد و «تکوین» از همه کمتر قابل جایگزینی است؛ زیرا از نظر اَن، formation حاصل اطلاعات بیشتر نیست، بلکه محصول روابط پایدار انسانی، مواجهه با موقعیت‌های دشوار، تجربه مسئولیت و عضویت در یک اجتماعِ عمل است.
همین تفکیک باید درباره مدرسه نیز انجام شود. مدرسه حداقل سه کارکرد متفاوت دارد: آموزش، تنظیم اجتماعی و تربیت. هوش مصنوعی می‌تواند بخش قابل توجهی از کارکرد آموزشی مدرسه را از انحصار آن خارج کند. اما از این گزاره نمی‌توان نتیجه گرفت که دو کارکرد دیگر نیز منتفی شده‌اند. اتفاقاً در مدرسه، برخلاف دانشگاه، این دو کارکرد حاشیه‌ای نیستند. دانشگاه با انسان‌هایی نسبتاً بالغ مواجه است؛ مدرسه با کودک و نوجوانی مواجه است که هنوز بخش مهمی از شخصیت، نسبتش با دیگری و صورت کنش اجتماعی‌اش در حال تکوین است.
مایکل جی. اَن در یادداشتی که ۱۸ سپتامبر ۲۰۲۶ در مؤسسه بروکینگز با عنوان How universities are affected by AI moving knowledge outside their walls منتشر کرده، بحث هوش مصنوعی و آموزش را از سطح معمول «استفاده از AI در کلاس» بالاتر می‌برد. مسئله از نظر او این نیست که استاد چگونه از ChatGPT استفاده کند یا دانشجو چگونه با آن تقلب نکند؛ مسئله این است که هوش مصنوعی دارد منطق اقتصادی و نهادی‌ای را که دانشگاه مدرن بر اساس آن شکل گرفته بود، تغییر می‌دهد. این صورت‌بندی برای فهم آینده مدرسه نیز بسیار راهگشاست.
مایکل تاریخ دانشگاه را با مفهوم کمیابی دانش توضیح می‌دهد. دانشگاه برای قرن‌ها جایی بود که دانش در آن متمرکز شده بود: کتاب، استاد، آزمایشگاه و امکان توضیح و تفسیر، همه درون دیوارهای یک نهاد قرار داشتند. اینترنت اولین ضربه را به این انحصار زد؛ اطلاعات را فراوان کرد، اما هنوز «توضیح»، «تفسیر» و «بازخورد» عمدتاً به استاد وابسته بود. اتفاق تازه با هوش مصنوعی این است که این لایه شناختی نیز از دیوارهای دانشگاه خارج شده است. AI فقط اطلاعات پیدا نمی‌کند؛ توضیح می‌دهد، سطح توضیح را تغییر می‌دهد، تمرین می‌سازد، بازخورد می‌دهد و محتوا را برای فرد بازآرایی می‌کند.
به تعبیر دیگر، ما از فراوانی اطلاعات وارد دوران فراوانی توضیح شده‌ایم. و دقیقاً همین نقطه است که باید بحث «مرگ مدرسه» را جدی گرفت. اگر مدرسه را دستگاهی برای رساندن «کسی که نمی‌داند» به «کسی که می‌داند» تعریف کنیم، هوش مصنوعی واقعاً بنیان مدرسه را تهدید می‌کند. چرا باید سی دانش‌آموز هم‌سن، رأس ساعت مشخصی وارد یک اتاق شوند، یک محتوای واحد را با سرعتی واحد از یک معلم بشنوند و سپس با یک آزمون استاندارد سنجیده شوند، وقتی هرکدام می‌توانند توضیحی متناسب با سطح، سرعت، علایق و اشکالات خود دریافت کنند؟
مایکل برای توضیح همین مسئله دانشگاه صنعتی را به کارخانه تشبیه می‌کند: دانشجویان ورودی‌اند، برنامه درسی و استاد خط تولید، زمان تحصیل زمان استاندارد تولید و مدرک محصول نهایی است. مزیت این معماری، امکان آموزش انبوه بود؛ اما مشکل امروز اینجاست که «استانداردسازی، مقیاس‌پذیری و تکرار» دقیقاً همان حوزه‌ای است که ماشین‌های هوشمند در آن مزیت دارند. بنابراین بخشی از دانشگاه که بیشتر از همه شبیه کارخانه است، بیش از همه در معرض جایگزینی قرار دارد.
این استدلال درباره مدرسه حتی رادیکال‌تر است. مدرسه مدرن نیز تا حد زیادی محصول همین منطق صنعتی است: سن یکسان، پایه یکسان، ساعت یکسان، کتاب یکسان، سرعت یکسان، امتحان یکسان و نهایتاً انتظار خروجی‌های نسبتاً استاندارد. بنابراین طرفداران «مرگ مدرسه» در تشخیص یک چیز اشتباه نمی‌کنند: مدرسه کارخانه‌ای حقیقتاً با یک بحران وجودی مواجه شده است.
اما خطای آنها در یک خلط مفهومی مهم رخ می‌دهد: *مرگ یک معماری تاریخی از مدرسه را با مرگ خودِ نهاد مدرسه یکی می‌گیرند.اَن برای پرهیز از همین خطا درباره دانشگاه، محصول دانشگاه را از هم باز می‌کند. از نظر او دانشگاه مدرن در عمل سه چیز را در یک بسته عرضه می‌کرد: نخست، انتقال محتوا؛ دوم، اعتباردهی و مدرک؛ و سوم، چیزی که او آن را *networking and formation می‌نامد: واردشدن به شبکه‌ای از روابط و مهم‌تر از آن، شکل‌گیری قضاوت، حساسیت اخلاقی و توانایی اندیشیدن و عمل‌کردن در وضعیت‌های پیچیده.
نکته تعیین‌کننده اینجاست: هوش مصنوعی این سه کارکرد را به یک اندازه تهدید نمی‌کند. بیشترین قدرت جایگزینی AI در همان جزء اول است: انتقال محتوا، توضیح، تمرین و بخشی از بازخورد. اعتباردهی نهادی هنوز مقاومت بیشتری دارد و «تکوین» از همه کمتر قابل جایگزینی است؛ زیرا از نظر اَن، formation حاصل اطلاعات بیشتر نیست، بلکه محصول روابط پایدار انسانی، مواجهه با موقعیت‌های دشوار، تجربه مسئولیت و عضویت در یک اجتماعِ عمل است.
همین تفکیک باید درباره مدرسه نیز انجام شود. مدرسه حداقل سه کارکرد متفاوت دارد: آموزش، تنظیم اجتماعی و تربیت. هوش مصنوعی می‌تواند بخش قابل توجهی از کارکرد آموزشی مدرسه را از انحصار آن خارج کند. اما از این گزاره نمی‌توان نتیجه گرفت که دو کارکرد دیگر نیز منتفی شده‌اند. اتفاقاً در مدرسه، برخلاف دانشگاه، این دو کارکرد حاشیه‌ای نیستند. دانشگاه با انسان‌هایی نسبتاً بالغ مواجه است؛ مدرسه با کودک و نوجوانی مواجه است که هنوز بخش مهمی از شخصیت، نسبتش با دیگری و صورت کنش اجتماعی‌اش در حال تکوین است.
۲و این مرگ لزوماً خبر بدی نیست. ممکن است برای نخستین بار بعد از یک قرن، مجبور شویم از خودمان بپرسیم: اگر انتقال محتوا دیگر مزیت انحصاری مدرسه نیست، آن امر منحصراً تربیتی که ارزش جمع‌کردن چندصد کودک و نوجوان در یک مکان را دارد چیست؟
پاسخ آینده مدرسه به همین پرسش وابسته است. هوش مصنوعی دانش را از دیوارهای مدرسه بیرون می‌برد؛ وظیفه مدرسه آینده بازگرداندن دانش به داخل این دیوارها نیست. وظیفه‌اش ساختن انسان‌هایی است که وقتی دانش همه‌جا هست، بدانند چگونه با آن قضاوت کنند، چگونه با آن عمل کنند و چگونه با دیگران جهانی مشترک بسازند.
@m_rahmani_g
پاسخ آینده مدرسه به همین پرسش وابسته است. هوش مصنوعی دانش را از دیوارهای مدرسه بیرون می‌برد؛ وظیفه مدرسه آینده بازگرداندن دانش به داخل این دیوارها نیست. وظیفه‌اش ساختن انسان‌هایی است که وقتی دانش همه‌جا هست، بدانند چگونه با آن قضاوت کنند، چگونه با آن عمل کنند و چگونه با دیگران جهانی مشترک بسازند.
@m_rahmani_g
۵بازارسال شده از ایران فردا؛ رسانهٔ بسیج فرهنگیان
مدرسه؛ پرورش انسان مبارز یا تولید انسان سلطه‌پذیر؟فریره می‌گوید: مدرسه امروز فقط دو محصول دارد: انسان سلطه‌پذیر یا انسان مبارز. حد وسطی نیست.
اگر نظام تربیتی ما انسان مبارز تربیت نکند، انسان سلطه‌پذیر تربیت کرده است. ریشه‌اش این است که در پارادایم ما، نسبتی بین انسان و مبارزه، و انسان و قیام‌لله وجود ندارد.نتیجه می‌شود تربیت گلخانه‌ای: ایزوله‌سازی به‌جای واکسیناسیون. آمار خودشان می‌گوید ۸۰٪ فارغ‌التحصیل‌ها در دانشگاه ۱۸۰ درجه تغییر می‌کنند؛ چون بچه با باطل مواجه نشده و واکسینه نشده است.
حجت‌الاسلام رحمانی، پژوهشگر تعلیم و تربیتایران فردا؛ رسانهٔ بسیج فرهنگیانhttps://ble.ir/iranfarda_ir