سوالی که بعد از راهاندازی دسترسی، نهاد باید از خودش بپرسد
فرض کنید نهاد شما سیاست دسترسی را طراحی کرده و بین ساخت پلتفرم اختصاصی و راهکار آماده، تصمیم گرفته است. چند ماه بعد، یک سؤال ساده اما دشوار مطرح میشود: آیا این برنامه واقعاً کار کرده است؟ آیا دانشجویان سواد هوش مصنوعی بیشتری پیدا کردهاند، یا فقط چند حساب کاربری فعال شده که کسی از آنها استفاده نمیکند؟ بدون یک روش سنجش روشن، این سؤال معمولاً بیپاسخ میماند.
چرا سنجش «فعالیت» بهجای «نتیجه»، رایجترین اشتباه است
خیلی از نهادها، وقتی میخواهند موفقیت یک برنامه فناوری را نشان دهند، به گزارشهای فعالیت بسنده میکنند — تعداد جلسات آموزشی برگزارشده، تعداد حسابهای فعالشده، یا تعداد اسنادی که تدوین شده است. اما این اعداد، بهتنهایی، شاخص موفقیت نیستند؛ سؤال اصلی این است که این فعالیتها چه نتیجهای داشتهاند — چه تغییری در دانش یا مهارت واقعی دانشجویان ایجاد شده است. تفاوت بین «گزارش فعالیت» و «گزارش نتیجه»، دقیقاً همان تفاوتی است که یک برنامه سواد هوش مصنوعی موفق را از یک برنامهای که فقط روی کاغذ خوب بهنظر میرسد، جدا میکند.
چه شاخصهایی واقعاً معنیدار هستند
برای سنجش درست، باید فراتر از شاخصهای سطحی رفت. تعداد ورود به حساب کاربری، بهتنهایی گمراهکننده است — دانشجویی که یکبار وارد شده و دیگر برنگشته، عملاً بخشی از برنامه نبوده است. شاخص بهتر، نرخ استفاده مستمر است: چند درصد از دانشجویان مجاز، در طول یک نیمسال، بهطور منظم و نه فقط یکبار، از پلتفرم استفاده کردهاند. شاخص دیگر، عمق استفاده است — آیا دانشجویان فقط از یک قابلیت ساده استفاده میکنند، یا از چند قابلیت متفاوت (گفتوگو، پژوهش، ویرایش) بهره میبرند، که نشانه درک بهتری از کاربردهای واقعی هوش مصنوعی است.
ابزار علمی برای سنجش خود سواد هوش مصنوعی
فراتر از داده مصرف پلتفرم، سنجش واقعی «سواد» هوش مصنوعی، به یک ابزار سنجشی معتبر نیاز دارد، نه فقط حدس. نسخه فارسی پرسشنامه سواد هوش مصنوعی که برای دانشجویان دانشگاهی اعتبارسنجی شده، یکی از این ابزارهاست — پرسشنامهای که توانایی افراد در ارزیابی انتقادی فناوریهای هوش مصنوعی را میسنجد، نه صرفاً میزان آشنایی سطحی با آنها. استفاده از چنین پرسشنامهای، یکبار در ابتدای برنامه و یکبار در پایان نیمسال، به نهاد اجازه میدهد تغییر واقعی را — نه فقط حدسی از آن — اندازه بگیرد.