کانال تلگرامی اویدنس مطلبی با عنوان «دوازده نکته برای آموزش مهارتهای پژوهشی در عصر هوش مصنوعیِ عاملمحور: راهنمایی برای مدرسان حرفههای سلامت» نوشته است که متن آن را در ادامه میخوانید.
مقاله زیر در ۷ جولای ۲۰۲۶ در مجله Medical Teacher منتشر شده است:
Twelve tips for teaching research skills in the age of agentic AI: A guide for health professions educators
متن کامل را در پیوست این پست بخوانید و اما خلاصهای از ۱۲ نکته:
1. فرض را بر این بگذارید که دانشجویان از AI استفاده میکنند؛ بهجای ممنوعیت، استفاده از آن را در قالب چارچوبهای مشخص ساماندهی کنید.
شواهد نشان میدهد بسیاری از دانشجویان از AI استفاده میکنند. بنابراین، به جای منع کامل، باید مشخص شود کدام فعالیتهای پژوهشی با کمک AI مجاز است، کدام مهارتها ابتدا باید بدون AI آموخته شوند و دانشجو چگونه استفاده از AI را مستند و راستیآزمایی کند.
2. چشمانداز هوش مصنوعی در پژوهش را برای دانشجویان ترسیم کنید.
دانشجویان باید بدانند AI از ابزارهای کمکی ساده تا عاملهای خودمختار را دربرمیگیرد. همچنین لازم است تفاوت بین کارهایی که AI بهخوبی انجام میدهد و وظایفی که همچنان به قضاوت، تجربه و تعامل انسانی نیاز دارند را بشناسند.
3. چارچوبی برای سطوح مختلف نظارت انسان بر AI آموزش دهید.
به دانشجویان بیاموزید که برخی وظایف هرگز نباید به AI واگذار شوند، برخی نیازمند بررسی مداوم انسان هستند (human-in-the-loop) و در برخی موارد تنها نظارت کلی کافی است (human-on-the- loop). بدون درک یک فرایند، نظارت مؤثر بر عملکرد AI نیز امکانپذیر نیست.
4. درباره خطر “دید تونلی پژوهشی” ناشی از AI هشدار دهید.
هوش مصنوعی ممکن است منابع جعلی، تحلیلهای نادرست یا متنهای روان اما فاقد استدلال علمی تولید کند. همچنین معمولاً پژوهش را به سمت موضوعات دادهمحور سوق میدهد و مسائل انسانی، اخلاقی و عدالت سلامت را کمتر مورد توجه قرار میدهد.
5. تدوین سؤال پژوهش و اخلاق پژوهش را بهعنوان مهارتهای غیرقابل واگذاری حفظ کنید.
انتخاب اینکه چه سؤالی ارزش تحقیق دارد و تصمیمگیری درباره ملاحظات اخلاقی، حریم خصوصی، رضایت آگاهانه و پیامدهای پژوهش باید همواره بر عهده پژوهشگر باشد؛ AI فقط میتواند در نگارش یا سازماندهی این موارد کمک کند.
6. تفسیر آماری را مهمتر از انجام محاسبات بدانید.
با توجه به اینکه AI میتواند بسیاری از محاسبات و کدنویسیهای آماری را انجام دهد، آموزش باید بر درک نتایج، تشخیص سوگیریها، ارزیابی طراحی مطالعه و تفسیر صحیح یافتههای آماری متمرکز شود.
7. آموزش پژوهشهای کیفی و مبتنی بر زمینه را حفظ کنید.
اگرچه AI در کدگذاری دادههای کیفی کمککننده است، اما هنوز نمیتواند تفسیر عمیق، درک زمینه، تأملورزی انتقادی و قضاوت پژوهشگر را جایگزین کند. بنابراین آموزش روشهای کیفی باید همچنان بخش مهمی از برنامه درسی باشد.
8. ارزیابی نقادانه را به مهمترین مهارت پژوهشی تبدیل کنید.
دانشجویان باید بتوانند نه تنها مقالات علمی، بلکه خلاصهها، تحلیلها، پروتکلها و متنهای تولیدشده توسط AI را از نظر صحت منابع، استدلال، شواهد و اهمیت عملی بهصورت نقادانه بررسی کنند.
9. راستیآزمایی خروجیهای AI را به یک عادت آموزشی تبدیل کنید.
دانشجویان باید بهطور منظم استنادها، خلاصهها، کدها، تحلیلهای آماری و نتایج تولیدشده توسط AI را با منابع اصلی تطبیق دهند و این فرایند را مستند کنند تا راستیآزمایی بخشی از رفتار حرفهای پژوهش باشد.
10. نگارش پرامپت و دستوردهی به عاملهای AI را مانند طراحی پژوهش آموزش دهید.
پژوهشگران آینده باید بیاموزند چگونه دستورهای دقیق، هدفمند و دارای زمینه کافی برای AI طراحی کنند و در صورت استفاده از عاملهای هوشمند، جریان کار و نقاط مداخله انسانی را نیز مشخص نمایند.
11. افشای استفاده از AI، نویسندگی و مسئولیتپذیری را جزئی از حرفهگرایی پژوهشی بدانید.
دانشجویان باید بدانند استفاده از AI باید شفاف گزارش شود، AI نویسنده مقاله محسوب نمیشود و مسئولیت علمی و اخلاقی تمام محتوای منتشرشده همواره بر عهده پژوهشگران انسانی است.
12. ارزشیابی پژوهش را بازطراحی کنید تا عملکرد واقعی دانشجو مشخص باشد.
روشهای ارزیابی باید به گونهای طراحی شوند که هم توانایی مستقل دانشجو و هم نحوه استفاده مسئولانه او از AI قابل سنجش باشد؛ بهویژه در مهارتهایی مانند تدوین سؤال پژوهش، استدلال علمی، تفسیر نتایج و ارزیابی نقادانه.
خلاصه اینکه:
AI آموزشِ پژوهش را منسوخ نمیکند، بلکه مهارتهای موردنیاز آن را تغییر میدهد. بنابراین، برنامههای آموزشی باید بهجای ممنوعیت AI، برای استفاده مسئولانه از آن بازطراحی شوند. مهمترین شایستگی پژوهشگر در عصر AI، ارزیابی نقادانه، راستیآزمایی و پذیرش مسئولیت نتایجی است که با AI تولید میشوند.
انتهای پیام
