پایگاه خبری بام | ساختار سنتی دانشگاهها که بر محوریت استاد، سخنرانیهای خطی و نظام نمرهدهی ثابت استوار بوده، با ظهور هوش مصنوعی به لرزه افتاده است. ظرفیت این فناوری برای تولید متن، تحلیل و پاسخهای تخصصی در سطح پژوهشهای تحصیلات تکمیلی، نقش تکالیف کلاسیک را از جایگاه سنجش یادگیری خارج کرده و کارآمدی ارزیابیهای قدیمی را با پرسشهای بنیادی روبهرو ساخته است این وضعیت، دانشگاهها را ناگزیر به بازنگری در شیوههای تشخیص یادگیری واقعی کرده است؛ امری که به سرعت به یکی از چالشهای محوری آموزش عالی تبدیل شده است.
حضور مداوم و قابلاطمینان هوش مصنوعی در فرآیند یادگیری، شیوههای رایج تدریس را نیز دستخوش تغییر کرده است. یادگیری دیگر نه به زمانبندیهای محدود کلاس وابسته است و نه به یک منبع دانشی واحد؛ بلکه در قالب گفتوگوی مداوم میان دانشجو و ابزارهای هوش مصنوعی جریان مییابد این الگو، امکان تمرکز عمیقتر بر تفکر انتقادی، فراشناخت و فرایندهای حل مسئله را فراهم کرده و فضای آموزشی را از حالت انتقال یکسویه دانش خارج کرده است.
دگرگونی دیگر، در حوزه دسترسی آموزشی در حال شکلگیری است. ابزارهای هوش مصنوعی که در قالب دستیاران دیجیتال یادگیری فعالیت میکنند، فضایی برای آموزش کمهزینه و با کیفیت فراهم کردهاند این قابلیت، یکی از محدودیتهای دیرپای آموزش عالی —تعارض میان کیفیت، هزینه و دسترسی— را کمرنگ کرده و امکان دسترسی گستردهتر به آموزش تخصصی را فراهم آورده است این تحول، مفهوم امتیاز جغرافیایی و نهادی را نیز زیر سؤال برده و شرایط برابرتری برای یادگیری ایجاد کرده است.
در افق پیشِرو، دانشگاهها ناچار خواهند بود نقش و کارکرد خود را بر مبنای معیارهایی تازه بازتعریف کنند با افول اعتبار نظام نمرهدهی کلاسیک، سنجش میزان یادگیری به سمت خروجیهای قابل مشاهده، پروژههای فردی، دستاوردهای عملی و توانایی حل مسائل واقعی حرکت خواهد کرد چنین تغییری، دانشگاه را از نهادی مبتنی بر تدریس، به نهادی مبتنی بر یادگیری و تولید معنا تبدیل میکند؛ تغییری که اکنون نه یک امکان، بلکه یک ضرورت ساختاری برای بقا در عصر هوش مصنوعی به شمار میرود.
