#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.
بنابراین چیزی که در مقاله اَن درباره دانشگاه «formation» نامیده می‌شود، در مدرسه بسیار بنیادی‌تر است. دانش‌آموز فقط برای فهمیدن یک قضیه ریاضی به مدرسه نمی‌رود. او در مدرسه یاد می‌گیرد که چگونه با انسانی که انتخابش نکرده است در یک جهان مشترک زندگی کند؛ نوبت را رعایت کند، اختلاف را تحمل ک
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.
بنابراین چیزی که در مقاله اَن درباره دانشگاه «formation» نامیده می‌شود، در مدرسه بسیار بنیادی‌تر است. دانش‌آموز فقط برای فهمیدن یک قضیه ریاضی به مدرسه نمی‌رود. او در مدرسه یاد می‌گیرد که چگونه با انسانی که انتخابش نکرده است در یک جهان مشترک زندگی کند؛ نوبت را رعایت کند، اختلاف را تحمل ک
۲ند، دوست پیدا کند، طرد شود و دوباره رابطه بسازد، در یک کار جمعی سهم بگیرد، شکست گروهش را تجربه کند، مقابل اقتدار واکنش نشان دهد، مسئولیت بپذیرد و بفهمد خواست شخصی او تنها نیروی شکل‌دهنده جهان نیست.
اینها «محتوا» نیستند. نمی‌توان واحد درسی «همکاری» را به دانش‌آموز آموزش داد و انتظار داشت همکاری آموخته شود؛ همان‌طور که با دیدن ده ساعت ویدئوی شنا، شناگر نمی‌شویم. بخش مهمی از تربیت نه انتقال گزاره، بلکه قرارگرفتن مکرر در موقعیت است.
از اینجا یک پارادوکس مهم آشکار می‌شود که جریان مرگ مدرسه معمولاً آن را نمی‌بیند: *هرچه هوش مصنوعی یادگیری را شخصی‌تر می‌کند، نیاز تربیتی ما به فضاهای غیرشخصی‌سازی‌شده بیشتر می‌شود.
منطق هوش مصنوعی، منطق انطباق است. سیستم هرچه بیشتر مرا بشناسد، تجربه را بیشتر برای «من» تنظیم می‌کند: سطح مناسب من، سرعت مناسب من، علایق من، پرسش‌های من و حتی شیوه گفت‌وگوی مطلوب من.
اما جامعه دقیقاً از جایی آغاز می‌شود که جهان دیگر کاملاً با من منطبق نیست. «دیگری» چیزی نیست که بتوان تنظیماتش را متناسب با ترجیحات من تغییر داد. همکلاسی من ممکن است کندتر، سریع‌تر، ناسازگارتر، پرحرف‌تر، ضعیف‌تر یا متفاوت از من باشد. تربیت اجتماعی یعنی آموختن زیستن در همین اصطکاک.
بنابراین اگر آموزش به‌شدت شخصی‌سازی شود، مدرسه باید بیش از گذشته محل غیرشخصی‌سازی تربیتی باشد؛ جایی برای بیرون‌آمدن فرد از جهان تنظیم‌شده برای خودش و ورود به جهانی مشترک.
این همان نقطه‌ای است که تحلیل اَن از «کارخانه» به مفهوم دیگری می‌رسد: guild یا صنف و اجتماع حرفه‌ای. او یادآوری می‌کند که دانشگاه پیش از آنکه کارخانه باشد، نوعی اجتماع استادان و شاگردان بود. حتی یکی از تمرین‌های محوری دانشگاه قرون وسطی disputatio* بود: دانشجو باید ادعایی را در برابر دیگران طرح می‌کرد، از آن دفاع می‌کرد و زیر فشار نقد قرار می‌گرفت. آموزش، ورود به یک «اجتماعِ استدلال» بود، نه صرفاً دریافت محتوا. از نگاه اَن، AI ممکن است لایه کارخانه‌ای دانشگاه را تضعیف کند و درست به همین دلیل، منطق قدیمی‌تر آن یعنی کارآموزی درون یک اجتماع عمل دوباره اهمیت پیدا کند.
این شاید مهم‌ترین ایده برای بازاندیشی مدرسه باشد. آینده مدرسه نه در رقابت با هوش مصنوعی بر سر «چه کسی بهتر درس می‌دهد»، بلکه در تغییر واحد بنیادی تربیت است: از محتوا به موقعیت، از کلاس به اجتماع، از تکلیف به مسئله، از محصول به فرایند و از معلمِ منتقل‌کننده دانش به طراح تجربه و مربی قضاوت.
حتی الگوی «کلاس معکوس» که اَن در پاسخ‌های دانشگاه‌ها به AI به آن اشاره می‌کند، در این چارچوب معنای تازه‌ای پیدا می‌کند: آنچه ماشین می‌تواند به‌تنهایی انجام دهد، بیرون کلاس انجام شود و زمان حضور انسان‌ها کنار یکدیگر صرف چیزی شود که حضور مشترک برای آن ضروری است؛ بحث، نقد، آزمایش، ساختن، تصمیم‌گیری، همکاری و مواجهه با مسئله واقعی.
در این صورت، هوش مصنوعی الزاماً مدرسه را کوچک نمی‌کند؛ بلکه *مرز میان «یادگیری» و «مدرسه» را دوباره ترسیم می‌کند.
همه یادگیری لازم نیست در مدرسه اتفاق بیفتد. شاید حتی بخش بزرگی از آموزش محتوا در آینده خارج از مدرسه رخ دهد. اما نتیجه این گزاره «بی‌مدرسگی» نیست؛ بلکه مدرسه باید منابع محدود خود—زمان حضور، رابطه انسانی، گروه همسالان، مربی و فضای مشترک—را برای اموری هزینه کند که اساساً بدون این حضور جمعی ممکن نیستند.
از همین‌جاست که شاید بتوان تز اَن را یک گام جلوتر برد. او درباره دانشگاه می‌نویسد مسئله این نیست که وقتی دانش از دیوارهای دانشگاه بیرون رفته چگونه آن را دوباره به داخل بازگردانیم؛ مسئله این است که انسان‌هایی تربیت کنیم که بدانند با دانشی که همه‌جا حاضر است چه کنند.
در مدرسه این گزاره بنیادی‌تر می‌شود: در عصر کمیابی دانش، مأموریت مدرسه رساندن کودک به دانش بود؛ در عصر فراوانی دانش، مأموریت مدرسه باید رساندن کودک به قضاوت، عاملیت و مسئولیت باشد.
در جهانی که پاسخ‌ها فراوان شده‌اند، ارزش تربیتی مدرسه باید بیشتر در «مسئله‌سازی» باشد تا پاسخ‌دادن؛ بیشتر در تمرین انتخاب باشد تا انتقال دستور؛ بیشتر در تجربه پیامد باشد تا ارائه اطلاعات؛ و بیشتر در ساختن جهان مشترک باشد تا شخصی‌سازی جهان برای هر فرد.
از این منظر، مسئله ما دفاع از مدرسه موجود نیست. بخش بزرگی از مدرسه موجود دقیقاً همان چیزی است که هوش مصنوعی دلیل وجودی‌اش را تضعیف کرده است.
بنابراین شاید تعبیر دقیق‌تر نه «مرگ مدرسه»، بلکه مرگ مدرسه به‌مثابه کارخانه دانش* باشد.
و 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؟
اینها «محتوا» نیستند. نمی‌توان واحد درسی «همکاری» را به دانش‌آموز آموزش داد و انتظار داشت همکاری آموخته شود؛ همان‌طور که با دیدن ده ساعت ویدئوی شنا، شناگر نمی‌شویم. بخش مهمی از تربیت نه انتقال گزاره، بلکه قرارگرفتن مکرر در موقعیت است.
از اینجا یک پارادوکس مهم آشکار می‌شود که جریان مرگ مدرسه معمولاً آن را نمی‌بیند: *هرچه هوش مصنوعی یادگیری را شخصی‌تر می‌کند، نیاز تربیتی ما به فضاهای غیرشخصی‌سازی‌شده بیشتر می‌شود.
منطق هوش مصنوعی، منطق انطباق است. سیستم هرچه بیشتر مرا بشناسد، تجربه را بیشتر برای «من» تنظیم می‌کند: سطح مناسب من، سرعت مناسب من، علایق من، پرسش‌های من و حتی شیوه گفت‌وگوی مطلوب من.
اما جامعه دقیقاً از جایی آغاز می‌شود که جهان دیگر کاملاً با من منطبق نیست. «دیگری» چیزی نیست که بتوان تنظیماتش را متناسب با ترجیحات من تغییر داد. همکلاسی من ممکن است کندتر، سریع‌تر، ناسازگارتر، پرحرف‌تر، ضعیف‌تر یا متفاوت از من باشد. تربیت اجتماعی یعنی آموختن زیستن در همین اصطکاک.
بنابراین اگر آموزش به‌شدت شخصی‌سازی شود، مدرسه باید بیش از گذشته محل غیرشخصی‌سازی تربیتی باشد؛ جایی برای بیرون‌آمدن فرد از جهان تنظیم‌شده برای خودش و ورود به جهانی مشترک.
این همان نقطه‌ای است که تحلیل اَن از «کارخانه» به مفهوم دیگری می‌رسد: guild یا صنف و اجتماع حرفه‌ای. او یادآوری می‌کند که دانشگاه پیش از آنکه کارخانه باشد، نوعی اجتماع استادان و شاگردان بود. حتی یکی از تمرین‌های محوری دانشگاه قرون وسطی disputatio* بود: دانشجو باید ادعایی را در برابر دیگران طرح می‌کرد، از آن دفاع می‌کرد و زیر فشار نقد قرار می‌گرفت. آموزش، ورود به یک «اجتماعِ استدلال» بود، نه صرفاً دریافت محتوا. از نگاه اَن، AI ممکن است لایه کارخانه‌ای دانشگاه را تضعیف کند و درست به همین دلیل، منطق قدیمی‌تر آن یعنی کارآموزی درون یک اجتماع عمل دوباره اهمیت پیدا کند.
این شاید مهم‌ترین ایده برای بازاندیشی مدرسه باشد. آینده مدرسه نه در رقابت با هوش مصنوعی بر سر «چه کسی بهتر درس می‌دهد»، بلکه در تغییر واحد بنیادی تربیت است: از محتوا به موقعیت، از کلاس به اجتماع، از تکلیف به مسئله، از محصول به فرایند و از معلمِ منتقل‌کننده دانش به طراح تجربه و مربی قضاوت.
حتی الگوی «کلاس معکوس» که اَن در پاسخ‌های دانشگاه‌ها به AI به آن اشاره می‌کند، در این چارچوب معنای تازه‌ای پیدا می‌کند: آنچه ماشین می‌تواند به‌تنهایی انجام دهد، بیرون کلاس انجام شود و زمان حضور انسان‌ها کنار یکدیگر صرف چیزی شود که حضور مشترک برای آن ضروری است؛ بحث، نقد، آزمایش، ساختن، تصمیم‌گیری، همکاری و مواجهه با مسئله واقعی.
در این صورت، هوش مصنوعی الزاماً مدرسه را کوچک نمی‌کند؛ بلکه *مرز میان «یادگیری» و «مدرسه» را دوباره ترسیم می‌کند.
همه یادگیری لازم نیست در مدرسه اتفاق بیفتد. شاید حتی بخش بزرگی از آموزش محتوا در آینده خارج از مدرسه رخ دهد. اما نتیجه این گزاره «بی‌مدرسگی» نیست؛ بلکه مدرسه باید منابع محدود خود—زمان حضور، رابطه انسانی، گروه همسالان، مربی و فضای مشترک—را برای اموری هزینه کند که اساساً بدون این حضور جمعی ممکن نیستند.
از همین‌جاست که شاید بتوان تز اَن را یک گام جلوتر برد. او درباره دانشگاه می‌نویسد مسئله این نیست که وقتی دانش از دیوارهای دانشگاه بیرون رفته چگونه آن را دوباره به داخل بازگردانیم؛ مسئله این است که انسان‌هایی تربیت کنیم که بدانند با دانشی که همه‌جا حاضر است چه کنند.
در مدرسه این گزاره بنیادی‌تر می‌شود: در عصر کمیابی دانش، مأموریت مدرسه رساندن کودک به دانش بود؛ در عصر فراوانی دانش، مأموریت مدرسه باید رساندن کودک به قضاوت، عاملیت و مسئولیت باشد.
در جهانی که پاسخ‌ها فراوان شده‌اند، ارزش تربیتی مدرسه باید بیشتر در «مسئله‌سازی» باشد تا پاسخ‌دادن؛ بیشتر در تمرین انتخاب باشد تا انتقال دستور؛ بیشتر در تجربه پیامد باشد تا ارائه اطلاعات؛ و بیشتر در ساختن جهان مشترک باشد تا شخصی‌سازی جهان برای هر فرد.
از این منظر، مسئله ما دفاع از مدرسه موجود نیست. بخش بزرگی از مدرسه موجود دقیقاً همان چیزی است که هوش مصنوعی دلیل وجودی‌اش را تضعیف کرده است.
بنابراین شاید تعبیر دقیق‌تر نه «مرگ مدرسه»، بلکه مرگ مدرسه به‌مثابه کارخانه دانش* باشد.
و 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؟
۲پاسخ 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.
به قلم دکتر محمد رحمانی @m_rahmani_gمرکز راهبردی اکوسیستم تربیتی
اندیشکده مرآتwww.merat-thinktank.ir ایتا | بله | اینستاگرام
به قلم دکتر محمد رحمانی @m_rahmani_gمرکز راهبردی اکوسیستم تربیتیاندیشکده مرآتwww.merat-thinktank.ir
ایتا | بله | اینستاگرام۴
#گزارش تصویری رویداد «طرحی برای نوجوان»نشست هم‌اندیشی کنشگران عرصه نوجوان با محوریت «بعثت نوجوان و نقش نهادهای راهبر»
نشست هم‌اندیشی با حضور جمعی از فعالان عرصه تعلیم و تربیت، صاحب‌نظران و پژوهشگران حوزه نوجوان به همراه مسئولان فرهنگی کشور با عنوان رویداد «طرحی برای نوجوان» برگزار شد.
در این نشست که با حضور و سخنرانی حجت‌الاسلام والمسلمین قمی، رئیس سازمان تبلیغات اسلامی و عضو شورای عالی نوجوانان و جوانان همراه بود، حاضران ضمن تبادل نظر و ایده‌پردازی پیرامون ابعاد کنشگری و «بعثت نوجوان»، طرح‌ها و راهکارهای راهبردی خود را در راستای عمق‌بخشی به فعالیت‌های این حوزه ارائه و بررسی کردند.در این جلسه تبادلی همچنین طرح های ارائه شده مورد نقد و بررسی حضار قرارگرفتند .
مرکز راهبردی اکوسیستم تربیتیاندیشکده مرآتwww.merat-thinktank.ir
ایتا | بله | اینستاگرام۲۱
۲۱
۲۱
۲۱
۲۱بازارسال شده از گروه مشاوران مدیریت رواق
کارگاه دو روزه اصول و فنون مذاکره" /> مدرس: استاد مجتبی مالکی️ سرفصل‌ها:️چیستی مذاکره️اصول مذاکره️اهداف و استراتژی‌های مذاکره ️تاکتیک‌ها و تکنیک‌های مذاکره ️شگردهای مذاکره️ترفندها و نیرنگ‌های مذاکره ️خصوصیات یک مذاکره کننده حرفه‌ای بصورت حضوری، آنلاین و آفلاین تاریخ برگزاری : ۱۶ و ۲۳ مهرماه️ مدت زمان کارگاه : ٨ساعت(دوجلسه)هزینه کارگاه: ٧٩٠ هزار تومان
جهت ثبت نام به آیدی @ad_rwaq پیام داده و یا با شماره 09374345491تماس حاصل فرمایید.
@rwaqgroup