در حال حاضر، بخش آموزش هوش مصنوعی (AI) در سطح جهانی برای کودکان (از کودکستان تا کلاس دوازدهم) در یک نقطه عطف مهم قرار دارد. این موضوع فراتر از یک نوآوری ساده فناوری است و به یک تغییر عمیق آموزشی تبدیل شده است که آماده است نحوه آموزش، یادگیری و ارزیابی ما را تغییر دهد. این گزارش یک تحلیل جامع از توسعه جهانی این صنعت نوظهور ارائه می‌دهد و از طریق بررسی استراتژیک پویایی بازار، سیاست‌های ژئوپلیتیکی، برنامه‌های آموزشی، اکوسیستم تجاری، چالش‌های اصلی و روندهای آینده، بینش‌های تصمیم‌گیری را برای سیاست‌گذاران، سرمایه‌گذاران و رهبران آموزشی فراهم می‌کند.
یافته‌های کلیدی گزارش عبارتند از:
رشد بازار انفجاری است، اما پیش‌بینی‌ها ناسازگار هستند: بازار جهانی آموزش هوش مصنوعی به سرعت در حال رشد است و نرخ رشد سالانه مرکب (CAGR) آن بیش از 30٪ است و انتظار می‌رود تا سال 2030 به ده‌ها میلیارد دلار برسد. با این حال، تفاوت‌های قابل توجهی در پیش‌بینی‌های موسسات تحقیقاتی مختلف وجود دارد که نشان‌دهنده مرحله اولیه بازار، ابهام و ماهیت بسیار پویای آن است. این عدم اطمینان هم خطرات و هم فرصت‌هایی را ارائه می‌دهد.
واگرایی استراتژیک ژئوپلیتیکی قابل توجه است: سه مدل متمایز از سیاست آموزش هوش مصنوعی جهانی وجود دارد. چین در حال اجرای یک مدل بالا به پایین و دولتی است که آموزش هوش مصنوعی را از طریق دوره‌های اجباری در سیستم آموزش پایه ملی ادغام می‌کند تا به سرعت نسلی از «بومی‌های هوش مصنوعی» را توسعه دهد و رهبری فناوری جهانی را به دست گیرد. از سوی دیگر، ایالات متحده از یک مدل غیرمتمرکز و انگیزه‌محور استفاده می‌کند که متکی به راهنمایی فدرال، مشارکت‌های دولتی-خصوصی و خودمختاری در سطح ایالت است که منعکس‌کننده سنت‌های بازارمحور و غیرمتمرکز محلی آن است، اما همچنین منجر به تکه تکه شدن و فقدان استانداردها در سراسر اجرای آن در یک چشم‌انداز «غرب وحشی» می‌شود. از سوی دیگر، اتحادیه اروپا یک چارچوب ارزش‌محور را ترویج می‌کند که بر اخلاق، برابری و شهروندی دیجیتال تأکید دارد و در عین حال به دنبال ایجاد تعادل بین توسعه فناوری و حمایت از حقوق بشر است. رقابت بین این سه مدل اساساً رقابتی بین فلسفه‌های مختلف حکمرانی در زمینه جهانی آموزش علم و فناوری است.
تناقضات اصلی در برنامه‌های آموزشی وجود دارد: کاربردهای هوش مصنوعی در کلاس درس در درجه اول در سه زمینه متمرکز است: یادگیری انفرادی تطبیقی، وظایف اداری خودکار و آموزش سواد هوش مصنوعی. با این حال، ناهماهنگی شناختی آشکاری بین ذینفعان اصلی (دانش‌آموزان، معلمان و والدین) وجود دارد. دانش‌آموزان عموماً هوش مصنوعی را به عنوان یک «ابزار بهره‌وری» برای بهبود کارایی تکالیف خود می‌بینند. معلمان تمایل دارند از آن برای کاهش بار اداری آماده‌سازی درس و نمره‌دهی استفاده کنند، در حالی که همچنان نسبت به رفتارهای «تقلب» دانش‌آموزان بسیار محتاط هستند. و «انقلاب آموزشی» که توسط سیاست‌گذاران و مدافعان فناوری تصور می‌شود و هدف آن پرورش تفکر سطح بالاتر است، هنوز به جریان اصلی تبدیل نشده است.
آموزش معلمان بزرگترین گلوگاه برای توسعه صنعت است: علیرغم سرمایه‌گذاری‌های عظیم در فناوری و سرمایه، ظرفیت هوش مصنوعی معلمان به محدودیت اصلی در رشد کل صنعت تبدیل شده است. بیش از نیمی از معلمان K-12 هرگز آموزش رسمی هوش مصنوعی دریافت نکرده‌اند و دوره‌های دانشکده تربیت معلم به شدت عقب مانده است. این «گلوگاه انسانی» استفاده از ابزارهای پیشرفته آموزش هوش مصنوعی را برای رسیدن به پتانسیل کامل خود در کلاس درس دشوار می‌کند و بزرگترین خطر عملیاتی برای کل صنعت را ایجاد می‌کند.
شکاف برابری در حال گسترش است: به جای تسهیل‌کننده برابری آموزشی، گسترش هوش مصنوعی خطر تشدید نابرابری‌ها را دارد. مناطق مدرسه مرفه از نظر تهیه ابزار هوش مصنوعی و آموزش معلمان بسیار جلوتر هستند، در حالی که مناطق مدرسه پرجمعیت از نظر فقر بسیار عقب مانده‌اند. این چرخه «ثروتمندتر شدن ثروتمندان» هوش مصنوعی را از یک متعادل‌کننده بالقوه به یک تقویت‌کننده قوی نابرابری تبدیل می‌کند.
چشم انداز آینده: همکاری انسان و ماشین و دور جدیدی از چالش‌ها: در بلندمدت، هدف نهایی آموزش هوش مصنوعی K-12 توسعه برنامه‌نویسان نیست، بلکه توسعه شهروندان آینده است که بتوانند با هوش مصنوعی همکاری کنند، دارای مهارت‌های تفکر انتقادی، خلاقیت و همدلی و سایر «مهارت‌های قرن بیست و یکم» باشند. در عین حال، ادغام هوش مصنوعی با فن آوری‌های همه جانبه مانند Metaverse، نویدبخش جهش بعدی در تجربیاتآموزشی است، اما ممکن است چالش‌های هزینه و برابری بیشتری را نیز به همراه داشته باشد.
به طور خلاصه، صنعت جهانی آموزش هوش مصنوعی K-12 آینده آموزش را با سرعت و مقیاس بی‌سابقه‌ای تغییر می‌دهد. با این حال، مسیر توسعه آن نه تنها به پیشرفت‌های فناوری، بلکه مهمتر از آن به چگونگی پرداختن به چالش‌های اجتماعی عمیقی مانند تامین نیروی انسانی معلمان، برابری و حکمرانی بستگی دارد. کشورها، مناطق و مشاغلی که بتوانند به طور موثر به این مسائل رسیدگی کنند، در موقعیت پیشرو در بازارهای آموزش و کار جهانی آینده قرار خواهند داشت.
بخش 1: چشم انداز بازار جهانی آموزش هوش مصنوعی K-12
1.1 اندازه بازار و پیش‌بینی‌های رشد: پیش‌بینی‌های انفجاری اما ناسازگار
بخش آموزش جهانی در حال گذراندن یک تغییر پارادایم مبتنی بر هوش مصنوعی است که مدل‌های اساسی آموزش و یادگیری را از نو تصور می‌کند. هوش مصنوعی در حال تحول از یک ابزار کمکی به یک لایه اساسی از سیستم آموزشی در سراسر جهان است و کاربردهایی از یادگیری شخصی‌سازی‌شده و اتوماسیون مدیریت اداری گرفته تا ارزیابی دانش‌آموز و روش‌های جدید آموزش تعاملی را شامل می‌شود. این حرکت اساساً تحول‌آفرین، بازار آموزش هوش مصنوعی را به دوران توسعه تصاعدی سوق داده است.
با این حال، انجام یک تحلیل کمی دقیق از این بازار با رشد سریع می‌تواند دشوار باشد. سازمان‌های تحقیقاتی بازار ارقام بسیار متفاوتی را در مورد اندازه بازار و پیش‌بینی‌های نرخ رشد منتشر می‌کنند که نشان دهنده ویژگی‌های اولیه و ضعیف تعریف شده بازار است.
پیش‌بینی‌های بازار کلان:
یک گزارش پیش‌بینی کرد که اندازه کل بازار جهانی آموزش هوش مصنوعی از 3.79 میلیارد دلار در سال 2022 به 20.54 میلیارد دلار در سال 2027 افزایش می‌یابد، نرخ رشد سالانه مرکب (CAGR) 45.6٪.
گزارش دیگری ارزش بازار را 4.17 میلیارد دلار در سال 2023 تخمین زد و پیش‌بینی کرد که تا سال 2030 به 53.02 میلیارد دلار برسد، CAGR 43.8٪.
تحلیل دیگری نشان داد که بازار از 4.7 میلیارد دلار در سال 2024 به 26.43 میلیارد دلار در سال 2032 رشد خواهد کرد، با CAGR 37.68٪.
داده‌های بازار K-12:
- تحلیل های متمرکز بر بخش K-12 نشان داد که اندازه بازار جهانی آموزش هوش مصنوعی K-12 در سال 2024 برابر با 1.8392 میلیارد دلار بود و پیش‌بینی می‌شود تا سال 2030 به 9.8142 میلیارد دلار افزایش یابد، CAGR 32.2٪.
اختلافات در این ارقام ناشی از تعدادی از عوامل است. اولاً، دامنه اصطلاح «آموزش هوش مصنوعی» توسط سازمان‌های مختلف متفاوت تعریف می‌شود، به طوری که برخی بر نرم‌افزار و پلتفرم‌ها تمرکز می‌کنند و برخی دیگر سخت‌افزار هوشمند و سیستم‌های مدیریت پشتیبان را در آمار خود لحاظ می‌کنند. ثانیاً، ماهیت بسیار پویای بازار، جمع‌آوری داده‌ها و مدل‌های پیش‌بینی را برای همگام شدن با تکرار سریع فناوری‌ها و برنامه‌ها دشوار می‌کند. این واگرایی و سردرگمی در داده‌های پیش‌بینی، دقیق‌ترین تصویر از مرحله اکتشافی اولیه بازار است که فرصت‌هایی را ارائه می‌دهد اما در عین حال سطح بالایی از عدم اطمینان و خطر را برای سرمایه‌گذاران و سیاست‌گذاران به همراه دارد.
1.2 محرک‌های اصلی رشد و پویایی بازار
بسیاری از نیروهای به هم پیوسته، گسترش پرسرعت بازار آموزش هوش مصنوعی K-12 را به پیش می‌برند و به یک موتور قوی رشد تبدیل می‌شوند.
نیاز مبرم به آموزش شخصی‌سازی‌شده: مهمترین محرک این است. تکنیک‌های آموزش مرسوم «یک اندازه برای همه» دیگر نمی‌توانند نیازهای یادگیری متنوع را برآورده کنند. فن آوری‌های هوش مصنوعی امکان شخصی‌سازی عمیق یادگیری در مقیاس را فراهم می‌کنند. پلتفرم‌های یادگیری تطبیقی هوش مصنوعی می‌توانند پیشرفت و سبک‌های یادگیری دانش‌آموزان را در زمان واقعی نظارت کنند و به طور پویا محتوا و دشواری آموزش را برای بهبود مشارکت دانش‌آموز و نتایج یادگیری تغییر دهند. این تقاضا از سوی مربیان، والدین و موسسات آموزشی بنیاد بازار را تشکیل می‌دهد.
حمایت قوی از سوی دولت‌ها و سرمایه خطرپذیر: دولت‌ها و نهادهای بخش خصوصی در سراسر جهان سرمایه‌گذاری زیادی در EdTech انجام می‌دهند. به عنوان مثال، سرمایه‌گذاری EdTech در ایالات متحده در سال‌های اخیر از 3 میلیارد دلار فراتر رفته است، اتحادیه اروپا از طرح اقدام آموزش دیجیتال رونمایی کرده است و هند سیاست ملی آموزش سال 2020 را منتشر کرده است. این طرح‌های استراتژیک دولتی، تضمین‌های سیاستی و مشوق‌های مالی برای توسعه زیرساخت‌های آموزش هوش مصنوعی و پذیرش گسترده را ایجاد می‌کند. در همان زمان، مشارکت فعال شرکت‌های سرمایه‌گذاری خطرپذیر، شرکت‌ها و انکوباتورهای غیرانتفاعی نشان می‌دهد که بازار سرمایه دید مثبتی نسبت به آموزش هوش مصنوعی در بلندمدت دارد.
افزایش کارایی عملیاتی و کاهش فشار بر معلمان: برنامه‌های کاربردی هوش مصنوعی در آموزش نه تنها برای بهبود کیفیت آموزش، بلکه برای رسیدگی به چالش‌های عملیاتی که سیستم‌های آموزشی با آن مواجه هستند، طراحی شده‌اند. معلمان در سطح جهانی با مشکلات اضافه بار کاری بیش از حد، مسئولیت‌های پیچیده اداری و کمبود پرسنل مواجه هستند. ابزارهای هوش مصنوعی می‌توانند فعالیت‌های تکراری را مانند تصحیح تکالیف، برنامه‌ریزی کلاس‌ها و تولید گزارش‌ها خودکار کنند و معلمان را از وظایف اداری رها کرده و به آنها اجازه می‌دهد زمان و انرژی بیشتری را صرف تعاملات آموزشی ارزش افزوده و مشاوره دانش‌آموز کنند. این افزایش بهره‌وری معلمان به عنوان یک نکته فروش حیاتی برای محصولات هوش مصنوعی در مدارس ظاهر شده است.
بلوغ و محبوبیت زیرساخت‌های فناوری: پیشرفت‌های فن آوری راه را برای پذیرش گسترده هوش مصنوعی در زمینه آموزش هموار کرده است. به ویژه، استفاده گسترده از مدل‌های استقرار مبتنی بر ابر به طور قابل توجهی هزینه و موانع فنی مرتبط با پیاده‌سازی و نگهداری سیستم‌های هوش مصنوعی توسط مدارس را کاهش داده است و به موسسات با منابع محدود اجازه می‌دهد تا از ابزارهای آموزشی پیشرفته استفاده کنند. در سطح فناوری اصلی، پیشرفت در پردازش زبان طبیعی (NLP) و یادگیری ماشینی (ML) به ویژه مهم هستند. فناوری NLP به ایجاد سیستم‌های آموزشی هوشمند، چت‌بات‌ها و ارزیابی‌های خودکار نوشتاری کمک می‌کند.
قانونمند شدن یادگیری ترکیبی در دوران پس از همه‌گیری: همه‌گیری COVID-19 محیط آموزشی را برای همیشه تغییر داد و مدل‌های یادگیری ترکیبی که اجزای آنلاین و آفلاین را ترکیب می‌کنند به حالت عادی جدید تبدیل شدند. این مدل استانداردهای بالاتری را برای انعطاف‌پذیری و تداوم آموزشی تعیین می‌کند. معلمان مجازی مبتنی بر هوش مصنوعی، سیستم‌های ارزیابی خودکار و ابزارهایی برای ردیابی مشارکت دانش‌آموزان، پشتیبانی فنی قوی برای یادگیری ترکیبی با اتصال یکپارچه زمینه‌های مختلف یادگیری فراهم می‌کنند.
1.3 تحلیل عمیق بازارهای منطقه‌ای: دنیایی با اولویت‌های متفاوت
افزایش جهانی در بازار آموزش هوش مصنوعی K-12 یکنواخت نیست و مناطق مختلف به دلیل تفاوت در مبنای اقتصادی، راهنمایی سیاسی و زمینه فرهنگی، ویژگی‌های منطقه‌ای متمایزی را نشان می‌دهند.
آمریکای شمالی: آمریکای شمالی، که در حال حاضر بزرگترین بازار جهانی است، به دلیل قابلیت‌های فنی قوی، سرمایه‌گذاری سرمایه‌ای قابل توجه و زیرساخت‌های جا افتاده، بر بازار مسلط است. غول‌های فناوری مانند Microsoft، Google و IBM در این منطقه مقر دارند و آنها از طریق اکوسیستم‌های آموزشی گسترده خود، پذیرش هوش مصنوعی را ترویج می‌کنند. گشودگی منطقه به فن آوری‌های پیشرفته و پذیرش اولیه، آن را به عنوان یک شاخص برای توسعه بازار تثبیت کرده است.
آسیا-اقیانوسیه (APAC): این سریع‌ترین رشد بازار در جهان است. توسعه سریع منطقه ناشی از پایگاه بزرگ دانش‌آموزان، تمایل زیاد به سرمایه‌گذاری در آموزش و برنامه‌های دیجیتالی‌سازی که توسط دولت هدایت می‌شوند، است.
چین با اندازه بازار پیشرو در جهان و حمایت قوی دولت، رهبر بازار آسیا-اقیانوسیه است. در همین حال، با جمعیت جوان قابل توجه و ابتکارات دولتی «هند دیجیتال»، انتظار می‌رود هند در سال‌های آینده در میان کشورهایی با بالاترین CAGR باشد. کشورهایی مانند کره جنوبی نیز به طور فعال در حال پیگیری ابتکارات یادگیری دیجیتال هستند.
اروپا: بازار اروپا پس از آمریکای شمالی و آسیا-اقیانوسیه قرار دارد و کشورها با موفقیت هوش مصنوعی را در استراتژی‌های ملی آموزش دیجیتال ادغام می‌کنند. برخلاف ایالات متحده و چین که رهبری فناوری را دنبال می‌کنند، اروپا تأکید بیشتری بر توسعه یک اکوسیستم آموزش هوش مصنوعی تنظیم‌شده، عادلانه و انسان محور دارد. به عنوان مثال، استراتژی ملی هوش مصنوعی آلمان قول می‌دهد که تا سال 2025، 5 میلیارد یورو به اجرای هوش مصنوعی اختصاص دهد که اکثریت این بودجه از طریق پروژه توافقنامه دیجیتالی‌سازی مدارس به بخش آموزش سرازیر می‌شود و آن را به بزرگترین بازار آموزش هوش مصنوعی اروپا تبدیل می‌کند. با این حال، اروپا نیز با چالش‌هایی در مورد سیاست و افکار عمومی روبرو است. به عنوان مثال، بیش از 60٪ آلمانی‌ها مخالف استفاده از هوش مصنوعی در مدارس هستند که موانعی را برای اجرای سیاست ایجاد می‌کند.
بخش 2: بازی سه استراتژی: تحلیل تطبیقی سیاست‌های چین، ایالات متحده و اروپا
توسعه جهانی آموزش هوش مصنوعی K-12 صرفاً یک رفتار فناوری یا بازار نیست. این Intrinsically به روایت بزرگ ژئوپلیتیک مرتبط است. از آنجایی که سه بازیگر اصلی جهان، سیاست‌های متفاوت چین، ایالات متحده و اتحادیه اروپا، اکوسیستم‌های صنعتی داخلی خود را تعریف می‌کنند و رقابت برای حاکمیت فناوری جهانی آینده و ایده‌های آموزشی را مژده می‌دهند. اینها نه تنها سیاست‌های آموزشی، بلکه استقرار استراتژیک رقابت پذیری آینده ملت‌ها نیز هستند.
2.1 دستورالعمل‌های چین: یک مدل بالا به پایین و متمرکز
استراتژی آموزش هوش مصنوعی چین با قدرت اداری بالا، اهداف واضح و اجرای کارآمد متمایز می‌شود. این استراتژی که یک مدل بالا به پایین هدایت شده توسط دولت است، به هدف گسترده این کشور برای تبدیل شدن به مرکز اصلی نوآوری هوش مصنوعی جهان تا سال 2030 خدمت می‌کند. این استراتژی یک شبه ایجاد نشد، بلکه پس از سال‌ها آماده‌سازی سیاست، نقطه عطف اصلی، طرح توسعه نسل جدید هوش مصنوعی شورای دولتی بود که در سال 2017 منتشر شد، که برای اولین بار به وضوح توصیه کرد که دوره‌های مرتبط با هوش مصنوعی در مدارس ابتدایی و متوسطه گنجانده شود.
سیاست‌های اصلی و جدول زمانی: وزارت آموزش و پرورش چین در آوریل 2025 دستورالعمل‌هایی را اعلام کرد که بیان می‌داشت آموزش عمومی هوش مصنوعی به طور کامل در تمام مدارس ابتدایی و متوسطه در سراسر کشور از 1 سپتامبر 2025 آغاز خواهد شد و پایتخت پکن به عنوان شهر آزمایشی عمل می‌کند. مقیاس اجباری و سراسری این سیاست بی‌سابقه است.
ساختار و الزامات برنامه درسی: طبق سیاست، کودکان مدرسه ابتدایی و متوسطه باید در حداقل 8 ساعت دوره آموزشی هوش مصنوعی در هر سال تحصیلی شرکت کنند. برنامه درسی با استفاده از یک رویکرد «ارتقاء مارپیچی» ساخته شده است و اهداف یادگیری متفاوتی بسته به گروه سنی دارد:
مرحله مدرسه ابتدایی (6-12 ساله): اولویت اصلی: تجربه و پرورش علاقه. به دانش‌آموزان اجازه می‌دهد تا ارزش فناوری هوش مصنوعی (مانند تشخیص گفتار و طبقه‌بندی تصویر) را از طریق ارتباط با دستگاه‌های هوشمند، برنامه‌های ربات و یادگیری حسی درک کنند و آگاهی و کنجکاوی اولیه را ایجاد کنند.
مرحله مدرسه راهنمایی: اهمیت بیشتری به برنامه‌های کاربردی عملی داده می‌شود. برنامه درسی از مثال‌ها برای آموزش مهارت‌های تجزیه و تحلیل داده‌ها و حل مسئله استفاده می‌کند و به دانش‌آموزان در درک و استفاده از فن آوری‌های هوش مصنوعی کمک می‌کند.
مرحله دبیرستان: بر برنامه‌های کاربردی پیشرفته، پروژه‌های نوآوری و تأمل اخلاقی تأکید می‌شود. یادگیری مبتنی بر پروژه را تشویق می‌کند، پیشرفت برنامه‌های کاربردی پیچیده هوش مصنوعی را ممکن می‌سازد و پیامدهای اجتماعی و اخلاقی هوش مصنوعی را به منظور تقویت مهارت‌های فنی و نوآورانه بررسی می‌کند.
اجرا و حفاظت: برای اجرای سیاست‌ها، دولت چین چندین گام حمایتی را اجرا کرد. آموزش هوش مصنوعی می‌تواند به عنوان یک موضوع جداگانه ارائه شود یا در سایر رشته‌ها مانند علم و فناوری اطلاعات گنجانده شود. دولت با جدیت از رویکردهای یادگیری مشارکتی «معلم-دانش‌آموز-ماشین» و مشارکت بین مدارس و مشاغل، سازمان‌های تحقیقاتی و ایجاد پایگاه‌های عملی حمایت می‌کند. دولت در حال توسعه پلتفرم آموزش هوشمند ملی مدارس ابتدایی و متوسطه نیز برای هماهنگی منابع آموزشی با کیفیت بالا و تدوین کتاب‌های درسی تخصصی هوش مصنوعی برای اطمینان از اعتبار و جهانی بودن محتوای آکادمیک است.
اثر محرک بازار: این طرح ملی بلافاصله یک بازار داخلی عظیم ایجاد و تعریف کرد. انتظار می‌رود تا سال 2030، بازار آموزش هوش مصنوعی چین به 3.3 میلیارد دلار برسد، با CAGR 34.6٪. وزارت آموزش و پرورش قصد دارد تقریباً 2 تریلیون RMB (حدود 275 میلیارد دلار) در پروژه‌های مرتبط با آموزش در چند سال آینده سرمایه‌گذاری کند، که بخش قابل توجهی از آن به EdTech و آموزش هوش مصنوعی اختصاص خواهد یافت.
2.2 پازل ایالات متحده: یک مدل انگیزه‌محور و غیرمتمرکز
استراتژی آموزش هوش مصنوعی در ایالات متحده با غیرمتمرکز بودن، بازارمحور بودن و از پایین به بالا مشخص می‌شود، برخلاف استراتژی متمرکز چین. ایالات متحده فاقد یک برنامه درسی در سراسر کشور است و قدرت بر آموزش تا حد زیادی به مناطق مدرسه ایالتی و محلی غیرمتمرکز است. این سنت آموزشی یک فضای «غرب وحشی» در زمینه آموزش هوش مصنوعی ایجاد کرده است که با فقدان برنامه‌ریزی یکنواخت و استانداردهای ناسازگار تعریف می‌شود.
ابزارهای اصلی سیاست: نقش دولت فدرال بیشتر شبیه یک راهنما و انگیزه دهنده است تا یک مجری. ابزار اصلی سیاست آن، دستور اجرایی پیشبرد جوانان آمریکایی در آموزش هوش مصنوعی است که در آوریل 2025 امضا شد. علیرغم هدف دستور اجرایی برای ارتقای سواد هوش مصنوعی دانش‌آموزان در سراسر ایالات متحده، ویژگی تعیین‌کننده آن این است که هیچ بودجه اختصاصی جدیدی ایجاد نکرد، بلکه بر استفاده از منابع و سازوکارهای موجود تأکید داشت.
ابتکارات کلیدی:
ایجاد کارگروه آموزش هوش مصنوعی کاخ سفید: به رهبری دفتر سیاست علم و فناوری کاخ سفید، همراه با تعدادی از وزارتخانه‌ها از جمله وزارت آموزش و پرورش، وزارت کار و وزارت انرژی، مسئول هماهنگی تلاش‌های آموزش هوش مصنوعی فدرال است.
ترویج مشارکت‌های دولتی-خصوصی (PPPs): رویکرد کلیدی دستور اجرایی تشویق مقامات فدرال به همکاری با رهبران صنعت هوش مصنوعی، دانشگاهیان و سازمان‌های غیرانتفاعی برای ایجاد منابع آموزشی برای سواد هوش مصنوعی و تفکر انتقادی برای دانش‌آموزان K-12 است.
استفاده از برنامه‌های کمک هزینه موجود: هدایت سازمان‌هایی مانند وزارت آموزش و پرورش برای اولویت‌بندی آموزش و کاربردهای مرتبط با هوش مصنوعی در برنامه‌های کمک هزینه اختیاری موجود مانند آموزش معلمان.
برگزاری «چالش‌های هوش مصنوعی ریاست جمهوری»: دستاوردهای دانش‌آموزان و معلمان را در هوش مصنوعی از طریق مسابقات ملی برای ارتقای آموزش فناوری انگیزه می‌دهد و به نمایش می‌گذارد.
تکه‌تکه شدن اقدامات در سطح ایالت: به دلیل فقدان الزامات الزامی در سطح فدرال، اقدامات ایالتی از نظر سرعت و جهت متفاوت است. از سال 2024، 17 ایالت نوعی قانون مرتبط با هوش مصنوعی را تصویب کرده‌اند، اما محتوای آن متفاوت است. به عنوان مثال، کالیفرنیا و ویرجینیا گروه‌های کاری تأثیر هوش مصنوعی را ایجاد کرده‌اند. کانکتیکات و فلوریدا برنامه‌های آزمایشی هوش مصنوعی را مجاز کرده‌اند و تنها تنسی از مناطق می‌خواهد قوانینی را برای دانش‌آموزان و معلمان در زمینه نحوه استفاده از هوش مصنوعی تدوین کنند. این چشم انداز سیاستی «پازل» نتیجه مستقیم سنت آمریکایی غیرمتمرکزسازی آموزش است.
2.3 چارچوب اروپا: یک مدل همکاری مشترک با اولویت اخلاقی
استراتژی آموزش هوش مصنوعی اروپا مسیر جایگزینی را در پیش می‌گیرد و در حین اجرای فناوری‌ها بر اصول حاکمیت قانون، دموکراسی و احترام به حقوق بشر تأکید می‌کند. اروپا به جای رقابت با ایالات متحده و چین برای برتری فن آوری، بیشتر بر پیامدهای اجتماعی هوش مصنوعی متمرکز است، بنابراین یک اکوسیستم آموزش هوش مصنوعی مسئولانه، فراگیر و قابل اعتماد ایجاد می‌کند. این مفهوم در قانون هوش مصنوعی اتحادیه اروپا و طرح اقدام آموزش دیجیتال 2021-2027، از جمله سایر ابتکارات سطح بالا، ادغام شده است.
ابزارهای اصلی سیاست: پایه و اساس مدل اروپایی پیش نویس چارچوب سواد هوش مصنوعی در مدارس ابتدایی و متوسطه است که به طور مشترک توسط سازمان همکاری و توسعه اقتصادی (OECD) و کمیسیون اروپا تهیه شده است. این چارچوب به جای اینکه یک برنامه درسی اجباری باشد، به عنوان یک سند مرجع برای کمک به کشورهای عضو در گنجاندن آموزش سواد هوش مصنوعی در کلاس‌های درس، برنامه‌های درسی و جوامع عمل می‌کند. انتظار می‌رود نسخه نهایی این چارچوب در سال 2026 منتشر شود.
ساختار و اصول چارچوب: این چارچوب با عنوان توانمندسازی دانش‌آموزان برای عصر هوش مصنوعی، سواد هوش مصنوعی را به چهار حوزه تمرین تقسیم می‌کند: تعامل با هوش مصنوعی، خلق با هوش مصنوعی، مدیریت هوش مصنوعی و طراحی هوش مصنوعی. اصل اصلی آن فراتر از صرفاً توسعه مهارت‌های فنی است و بر سطوح بالای اخلاق، شمول و مسئولیت اجتماعی تأکید می‌کند. این چارچوب دانش‌آموزان را تشویق می‌کند تا:
- دقت نتایج تولید شده توسط هوش مصنوعی را زیر سوال ببرند.
- سوگیری های الگوریتمی را ارزیابی کنند.
- پیامدهای اجتماعی و زیست محیطی پذیرش هوش مصنوعی را بسنجد.
- محدودیت‌های هوش مصنوعی و نحوه انعکاس انتخاب‌های انسانی در داده‌های آموزشی، طراحی و پیاده‌سازی را درک کنند.
اقدامات کشورهای عضو و تنش‌های اجتماعی: کشورهای عضو با راهنمایی چارچوب اتحادیه اروپا، ابتکار عمل را بر عهده می‌گیرند. همانطور که قبلاً اشاره شد، آلمان 5 میلیارد یورو به استراتژی ملی هوش مصنوعی خود اختصاص داده است که آموزش به عنوان یک تمرکز اصلی است. همچنین، مدل اروپایی با چالش منحصر به فردی در برخورد با اختلاف بین اضطراب‌های عمومی و انگیزه‌های دولت مواجه است. نظرسنجی‌ها در کشورهایی مانند ایرلند نشان می‌دهد که بسیاری از والدین و معلمان احساس آمادگی برای هدایت کودکان در استفاده ایمن از هوش مصنوعی ندارند و خواستار اطلاعات و آموزش‌های بیشتر هستند. این تأکید بر صدای ذینفعان، سیاست‌گذاری اروپا را محتاط‌تر و پیچیده‌تر می‌کند.
این سه مسیر استراتژیک جداگانه نشان‌دهنده دیدگاه‌های فلسفی منحصر به فرد هستند. مدل چین اولویت را به جهت‌گیری متمرکز با هدف کارایی و سرعت می‌دهد و با اصلاح نظام آموزشی در تلاش است تا رهبری فناوری آینده را به دست آورد. مدل ایالات متحده به بازار، آزادی و رقابت برای ایجاد حداکثر نوآوری اعتقاد دارد. و مدل اروپا، سلامتی اجتماعی را به عنوان یک شرط اساسی برای پیاده‌سازی فناوری‌ها می‌داند و تلاش می‌کند تا یک نقطه میانی بین نوآوری و کنترل پیدا کند. در نتیجه، آموزش هوش مصنوعی K-12 به یک میکروسکوپ تبدیل شده است که ایده‌های اساسی این سه نیرو در مورد چگونگی طراحی رابطه بین مردم و فناوری را به تصویر می‌کشد. موفقیت‌ها و شکست‌های بلندمدت پیامدهای گسترده‌ای برای استانداردهای فناوری جهانی، مهارت‌های کار و ساختارهای حاکمیتی آینده خواهد داشت.
بخش 3: کلاس‌های درس یکپارچه هوش مصنوعی: روندهای آموزشی، کاربردها و دیدگاه‌های ذینفعان
همانطور که فن آوری هوش مصنوعی از مفهوم به واقعیت تبدیل می‌شود، به طور چشمگیری ظاهر کلاس‌های درس K-12 را تغییر می‌دهد. نفوذ هوش مصنوعی در همه زمینه‌ها، از مواد آموزشی گرفته تا تعامل معلم و دانش‌آموز قابل توجه است. با این حال، درک و انتظارات ذینفعان مختلف
- دانش‌آموزان، معلمان و والدین
در مورد این تغییر به طور قابل توجهی متفاوت است و تصویری پیچیده و پرتنش ایجاد می‌کند.
3.1 ظهور سواد هوش مصنوعی: یک شایستگی اصلی جدید
یک روند قابل توجه در آموزش فعلی هوش مصنوعی K-12 این است که تأکید از «آموزش با هوش مصنوعی» به «آموزش درباره هوش مصنوعی» تغییر می‌کند. سواد هوش مصنوعی دیگر به عنوان یک حوزه علوم کامپیوتر در نظر گرفته نمی‌شود، بلکه به یک وضعیت مهارت اساسی قابل مقایسه با خواندن، نوشتن و حساب ارتقا یافته است.
سواد ذاتی: سواد هوش مصنوعی فراتر از درک نحوه استفاده از ابزارهای هوش مصنوعی است. این مستلزم آن است که دانش‌آموزان درک کاملی از اصول، روش‌های عملکرد، محدودیت‌های توانایی و خطرات بالقوه هوش مصنوعی به دست آورند. طبق تجزیه و تحلیل UNESCO از دوره‌های هوش مصنوعی جهانی، یک برنامه آموزشی کامل سواد هوش مصنوعی اغلب دارای سه جزء مرتبط است:
مبانی هوش مصنوعی (به عنوان مثال، سواد داده، الگوریتم‌ها)، اخلاق و تأثیر اجتماعی (به عنوان مثال، سوگیری، حریم خصوصی، انصاف) و درک، استفاده و توسعه فن آوری‌های هوش مصنوعی.
توسعه مهارت‌های اصلی: هدف اصلی آموزش سواد هوش مصنوعی توسعه تفکر انتقادی دانش‌آموزان است. برای دانش‌آموزان حیاتی است که یاد بگیرند چگونه محتوای تولید شده توسط هوش مصنوعی را ارزیابی و ارزیابی کنند تا اینکه آن را به طور منفعلانه بپذیرند. آنها باید درک کنند که نتیجه هوش مصنوعی “داده را منعکس می‌کند، نه حقیقت”، که ممکن است ظاهراً خنثی باشد اما حاوی نقص، تعصب یا اطلاعات گمراه کننده باشد. این شامل تشخیص نحوه ادغام سوگیری‌های الگوریتمی تبعیض اجتماعی را در سیستم‌های ظاهراً خنثی و همچنین درک آسیب احتمالی آنها برای جمعیت‌های کم نماینده است.
اجماع جهانی: برجسته کردن سواد هوش مصنوعی به عنوان یک اولویت آموزشی یکی از معدود اهدافی است که توسط سه مدل استراتژیک اصلی چین، ایالات متحده و اروپا به اشتراک گذاشته شده است. اهداف ایجاد شخصیت اخلاقی و توسعه مهارت‌ها با دستورالعمل‌های اجرایی ایالات متحده که بر سواد هوش مصنوعی و تفکر انتقادی تأکید دارند و چارچوب‌های اروپایی که بر استفاده مسئولانه از هوش مصنوعی تأکید دارند، همسو است. در اینجا یک هدف مشترک وجود دارد: ایجاد نسل بعدی با توانایی کنترل معقولانه فن آوری هوش مصنوعی.
3.2 موتور شخصی‌سازی: یادگیری تطبیقی در عمل
اگر سواد هوش مصنوعی “محتوای جدید” آموزش باشد، یادگیری تطبیقی شخصی‌سازی‌شده اصلی‌ترین کاربرد فن آوری هوش مصنوعی در “روش جدید” آموزش است. این در حال حاضر رایج‌ترین و بالقوه مهمترین سناریو کاربردی هوش مصنوعی در کلاس درس است.
مکانیسم اصلی: پلتفرم‌های یادگیری تطبیقی مبتنی بر هوش مصنوعی با ردیابی و تجزیه و تحلیل داده‌های یادگیری دانش‌آموزان در زمان واقعی، پروفایل‌های یادگیرنده منحصر به فردی را برای هر دانش‌آموز ایجاد می‌کنند. داده‌های پیشرفت و سبک‌های یادگیری دانش‌آموزان شامل سرعت حل مسئله، دقت و فراوانی درخواست کمک است. بر این اساس، فن آوری‌ها می‌توانند محتوا را در صورت نیاز تغییر دهند تا مناسب‌ترین مطالب را برای دانش‌آموزان تهیه کنند.
فرم‌های اصلی کاربردی:
سیستم‌های آموزشی هوشمند (ITS): یک مثال معمولی از یادگیری تطبیقی با هوش مصنوعی که به عنوان یک معلم مجازی 24/7 عمل می‌کند و بر اساس نقاط ضعف خود به افراد کمک و بازخورد مناسب ارائه می‌دهد.
ارزیابی و بازخورد خودکار: هوش مصنوعی به طور قابل توجهی کارایی ارزیابی را افزایش می‌دهد. این نه تنها سوالات عینی را به سرعت نمره می‌دهد، بلکه سوالات ذهنی مانند مقاله‌ها را با ارزیابی انسجام متن و منطق ارزیابی می‌کند. این باعث صرفه‌جویی در وقت مربیان می‌شود و به دانش‌آموزان این امکان را می‌دهد تا پیشرفت یادگیری خود را به موقع درک و ارزیابی کنند.
ایجاد و ارائه محتوا: سیستم‌های توزیع محتوا بخش‌هایی از برنامه‌های کاربردی آموزش هوش مصنوعی هستند که در حال حاضر بیشترین درآمد را ایجاد می‌کنند. هوش مصنوعی همچنین برای تولید “مواد هوشمند” مانند خلاصه کردن کتاب‌های درسی سنگین به توضیحات آسان استفاده می‌شود.
یادگیری از طریق بازی: برخی از پلتفرم‌ها مدیریت کلاس و یادگیری را با استفاده از هوش مصنوعی از طریق بازی انجام می‌دهند. به عنوان مثال، پلتفرم Classcraft از هوش مصنوعی برای نظارت بر رفتار دانش‌آموزان و ارائه مشوق‌های نوع بازی استفاده می‌کند، بنابراین بر تعهد دانش‌آموزان تأثیر می‌گذارد و یک فضای یادگیری مثبت را حفظ می‌کند.
توانمندسازی توسعه حرفه‌ای معلمان: هوش مصنوعی نه تنها به دانش‌آموزان کمک می‌کند، بلکه به عنوان یک “مربی هوشمند” برای معلمان نیز عمل می‌کند. هوش مصنوعی فیلم‌های کلاسی را تجزیه و تحلیل می‌کند تا به مربیان ارزیابی کمی و بازخورد در مورد سرعت آموزش، تکنیک‌های سوال پرسیدن، وضوح آموزش و مشارکت دانش‌آموزان ارائه دهد