Original Post

Πλήρες Κείμενο:

ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΣΧΟΛΙΚΗ ΕΡΓΑΣΙΑ ΣΤΟ ΣΠΙΤΙ: ΜΙΑ ΣΥΖΗΤΗΣΗ ΓΙΑ ΓΟΝΕΙΣ ΚΑΙ ΜΑΘΗΤΕΣ Τα σχολεία αρχίζουν.

Μαζί με τις τσάντες, τα βιβλία και τα ωρολόγια προγράμματα, εκατομμύρια γονείς σε όλη την Ευρώπη ξανασκέφτονται ένα ερώτημα που πριν από τρία χρόνια δεν υπήρχε: τι κάνουμε με την τεχνητή νοημοσύνη; Την επιτρέπουμε στην εργασία για το σπίτι; Την απαγορεύουμε; Κάνουμε πως δεν βλέπουμε; Το πρόβλημα με αυτή τη διατύπωση είναι ότι μας παγιδεύει σε ένα «ναι ή όχι» που δεν βοηθά κανέναν.

Τα παιδιά μας δεν πρόκειται να μεγαλώσουν σε έναν κόσμο χωρίς τεχνητή νοημοσύνη, ακριβώς όπως και εμείς δεν μεγαλώσαμε σε έναν κόσμο χωρίς υπολογιστές ή αριθμομηχανές.

Το ζητούμενο δεν είναι πλέον να προετοιμάσουμε τα παιδιά για τον κόσμο που ξέρουμε εμείς, αλλά για αυτόν που πραγματικά θα ζήσουν αυτά.

Και σήμερα, έχουμε δεδομένα για να κάνουμε αυτή τη συζήτηση σοβαρότερα.

Τι δείχνει η μεγαλύτερη, μέχρι σήμερα, μελέτη Μία πρόσφατα δημοσιευμένη ερευνητική εργασία μελέτησε την επίδραση των προγραμμάτων τεχνητής νοημοσύνης στις σχολικές επιδόσεις.

Πρόκειται για τη μεγαλύτερη και πιο μακροχρόνια, μέχρι σήμερα, σχετική μελέτη.

Οι ερευνητές παρακολούθησαν, συστηματικά και για 30 μήνες, 26.811 μαθητές γυμνασίου και λυκείου σε μια κινεζική επαρχία, σε εννέα διαφορετικά μαθήματα.

Σε μία πρώτη ανάγνωση, τα αποτελέσματα έμοιαζαν με διαφήμιση της τεχνητής νοημοσύνης.

Κατά μέσο όρο έξι μήνες μετά την υιοθέτηση της χρήσης μεγάλων γλωσσικών μοντέλων, οι βαθμοί στις εργασίες για το σπίτι αυξήθηκαν κατά 18%, ενώ ο μέσος χρόνος ολοκλήρωσης έπεσε από 64 σε 45 λεπτά.

Ωστόσο, οι επιδόσεις στα διαγωνίσματα εντός της τάξης, χωρίς χρήση προγραμμάτων τεχνητής νοημοσύνης, μειώθηκαν κατά 20%. Ακόμα χειρότερα, στις εξετάσεις εισαγωγής σε λύκειο και πανεπιστήμιο, οι βαθμοί των μαθητών μειώθηκαν μεσοσταθμικά κατά 24% και 18% αντίστοιχα, ενώ φαίνεται ότι μετά από περίπου δύο χρόνια συστηματικής εξάρτησης από τα μοντέλα, πολλοί μαθητές εμφανίζουν πρόσθετα μαθησιακά προβλήματα.

Οι ερευνητές ονομάζουν το φαινόμενο “generative AI learning penalty”, στα ελληνικά θα μπορούσαμε να το αποδώσουμε ως «το μαθησιακό τίμημα της χρήσης γενετικής τεχνητής νοημοσύνης»… Το μέλλον δεν είναι όπως νομίζουμε Το 2013, ο τότε Βρετανός πρωθυπουργός David Cameron ανακοίνωσε ότι όλα τα παιδιά, σε όλα τα σχολεία, θα μάθαιναν προγραμματισμό, ώστε να έχουν «τις δεξιότητες για να πετύχουν στον 21ο αιώνα». Δεκατρία χρόνια αργότερα, το 90% του κώδικα για το εργαλείο Claude Code της Anthropic γράφεται από το ίδιο το μεγάλο γλωσσικό μοντέλο.

Οι δεξιότητες που υποτίθεται ότι θα προστάτευαν τα παιδιά για μια ζωή, έγιναν σχεδόν περιττές πριν καν τα παιδιά τελειώσουν το σχολείο.

Είναι αλήθεια ότι δεν ξέρουμε ποιες συγκεκριμένες δεξιότητες θα είναι «ασφαλείς» σε πέντε ή δέκα χρόνια.

Το ερώτημα λοιπόν είναι πώς προετοιμάζουμε τα παιδιά για μια πραγματικότητα που ούτε καν μπορούμε να προβλέψουμε; Η πρώτη απάντηση ακούγεται συντηρητική αλλά είναι επαναστατική στο σημερινό πλαίσιο: επιστροφή στα βασικά.

Από το 2009, οι ικανότητες των νέων, αλλά και των ενηλίκων, στο χειρισμό της γραφής και των αριθμών μειώνονται συστηματικά σε όλο τον κόσμο, σύμφωνα με τους δείκτες PISA του ΟΟΣΑ.

Αυτό είναι από μόνο του πολύ ανησυχητικό και θα μπορούσε να αποβεί καταστροφικό στην εποχή της τεχνητής νοημοσύνης… Υπάρχουν δύο βασικοί λόγοι για αυτό.

Πρώτον, όσο σύνθετες κι αν είναι οι μελλοντικές δεξιότητες που θα παίζουν μεγάλο ρόλο (κρίση, δημιουργικότητα, ερμηνεία), τα θεμέλια τους παραμένουν τα ίδια: κατανόηση κειμένου, συνειρμός, μαθηματικός συλλογισμός, ικανότητα συγκρότησης επιχειρημάτων.

Δεύτερον, η τεχνητή νοημοσύνη κάνει συχνά λάθη και δίνει με πειστικότητα απαντήσεις που είναι φτιαχτές… Το πρόβλημα των μαθητικών επιδόσεων με τη βοήθεια τεχνητής νοημοσύνης είναι ήδη αισθητό και στα ελληνικά σχολεία.

Αν το 50% των μαθητών παραδίδει εργασίες φτιαγμένες κυρίως από μεγάλα γλωσσικά μοντέλα, οι βαθμοί των εργασιών παύουν να είναι αξιόπιστη ένδειξη μάθησης.

Οι εκπαιδευτικοί ήδη ανανεώνουν τη διαδικασία αξιολόγησης με προφορικές εξετάσεις, εργασίες μέσα στην τάξη, αιτιολόγηση της διαδικασίας αντί μόνο του αποτελέσματος.

Για το τέλος, κρατάω μία ακόμη παρατήρηση του Susskind: «Πόσο συχνά ακούμε να κατηγορούν μαθητές ότι εξαπατούν όταν χρησιμοποιούν τεχνητή νοημοσύνη; Σε ποιο σημείο όμως εξαπατούμε εμείς τα ίδια τα παιδιά, αποτυγχάνοντας να ανανεώσουμε τον τρόπο με τον οποίο τα εκπαιδεύουμε;» Όλο το άρθρο εδώ: https://www.dnews.gr/eidhseis/texnologia/609621/i-texniti-noimosyni-sta-thrania-mia-epeigousa-syzitisi-grafei-o-antonis-mavropoulos

Η επιλογή των posts/links γίνεται με ένα στατιστικό μοντέλο και μπορεί να μην απεικονίζει επακριβώς τη σειρά δημοτικότητάς τους