نقاط رئيسية هي:
بينما نكافح جميعًا على الطريق نحو الشمول التعليمي الحقيقي، فإننا نواجه أربع ركائز للمساواة كما وصفها روشيل جيتريز: الوصول والنجاح والقوة والهوية.
عادةً ما يتفوق المعلمون الذين لديهم اهتمام بالمساواة في إمكانية الوصول. يعد فتح الأبواب لجميع الطلاب خطوة واضحة. ومع ذلك، يجب علينا أن ندفع الأنظمة باستمرار حتى يتمكن جميع الطلاب من تحقيق النجاح في الأماكن التي يمتلكون فيها الملكية ويشعرون بالانتماء (الهوية). وبخلاف ذلك، فإن المساواة والشمول لا يزالان مجرد حلم.
وبينما ندرك أن بعض هذه العناصر تتطلب تغييرًا كبيرًا في الأنظمة، فإننا نريد أيضًا أن نتحدى جميع معلمي علوم الكمبيوتر ليكونوا قدوة. إن أخذ علوم الكمبيوتر، بتاريخها الطويل من الاستبعاد، نحو مستقبل شامل سوف يؤدي إلى تأثيرات مضاعفة في جميع مجالات المحتوى . الاستفادة من مبادئ AiiCE، التي توصي باتخاذ مناهج تستجيب لهويات الطلاب (التحالف من أجل تعليم الحوسبة الشاملة للهوية، 2023)، سنقترح خطوات نحو طرق تدريس تعليمية شاملة مع التصميم العالمي للتعلم (UDL) وشركاء فكر الذكاء الاصطناعي التوليدي.
يمكن القيام بالخطوة الأولى نحو التعليم الشامل من خلال اعتماد التصميم الشامل للتعلم. بحسب ال CSTA: طرق التدريس الشاملة"UDL هو نهج تخطيط تعليمي مصمم لمنح جميع الطلاب فرصة متساوية للتعلم عن طريق إزالة الحواجز التي تمنع الطلاب من المشاركة الكاملة في مجتمعات الفصول الدراسية الخاصة بهم" (وايت، 2023). ومع ذلك، فهذه مهمة تستغرق وقتًا طويلاً (وإن كانت جديرة بالاهتمام) بالنسبة للمعلمين الخاضعين للضريبة بالفعل.
في إطار العمل بشكل أكثر ذكاءً، وليس بجدية أكبر، سنصف طريقة للبدء في دمج مبادئ التصميم الشامل للتعلم في الدروس، والتحرك نحو قدر أكبر من المساواة والشمول من خلال استخدام أدوات الذكاء الاصطناعي التوليدي (GenAI). النموذج التوليدي المستخدم هو ChatGPT 3.5 (للاستخدام الأمثل نوصي بـ ChatGPT 4).
لم يكن التدريس للطالب العادي فعالاً على الإطلاق. يمتلك طلابنا مجموعة واسعة من العقول المختلفة، مع قدرات حسية ومعالجة مختلفة. يجد المعلمون الجيدون طرقًا لتلبية احتياجات التعلم لجميع هذه العقول المتنوعة داخل نفس الفصل الدراسي.
يستخدم UDL أساسيات من علم الأعصاب لإعطاء المعلمين إطار العمل لتمكين جميع المتعلمين (CAST, 2018). التصميم الشامل للتعلم هو عملية، وليس منتجًا، ويتطلب من المعلمين إعادة التفكير في تخطيطهم وتقديمهم للتعليم. على الرغم من أن هذا لا يتطلب بالضرورة من المعلمين بذل المزيد من الجهد، إلا أنه يطلب منهم بالتأكيد القيام بشيء مختلف. بينما يتصارع المعلمون من أجل تحويل ممارساتهم التعليمية، يوفر الذكاء الاصطناعي التوليدي فرصًا قوية. عندما نقوم بإقران إطار عمل قائم على الأبحاث مثل UDL مع الذكاء الاصطناعي، فإن ذلك يجعلنا نقترب خطوة أخرى من هدف الإدماج الحقيقي لجميع المتعلمين في فصول علوم الكمبيوتر.
يتطلب تنفيذ التصميم الشامل للتعلم إعادة التفكير في تطوير الدروس وتخطيطها. يقدم لنا رالاباتي (2016) خمسة أسئلة أساسية تسمح للمعلمين بالبدء في تغيير ممارساتهم. وبينما يتبنى المعلمون هذا التحول، يمكن للذكاء الاصطناعي التوليدي أن يكون شريكًا فكريًا في استخدام الأسئلة الأساسية الخمسة بكفاءة. تدور هذه الأسئلة حول إمكانية الوصول والمرونة وعدم التحيز والصلاحية والموثوقية لأنشطة التعلم لدينا.
نتناول الأسئلة الأربعة الأولى من هذه الأسئلة أدناه، إلى جانب مطالبات الذكاء الاصطناعي التوليدية التي يمكن استخدامها لزيادة سرعة تنفيذ كل سؤال من هذه الأسئلة.
| سؤال | الوصف | موجه الذكاء الاصطناعي التوليدي |
| متاحة | من يستطيع المشاركة في الدرس ومن لا يستطيع؟ | من فضلك قم بفحص خطة الدرس هذه وأخبرني ما هو نوع الطالب الذي لن يتمكن من المشاركة بشكل كامل في هذا الدرس. |
| سهولة التكيّف | اختيار الطالب في كيفية تعلمهم وكيفية إظهار التعلم. | يرجى توفير طرق متعددة للطلاب لتوضيح [هدف/هدف التعلم]. |
| خالية من التحيز | ما الذي يعتبر في نشاطي التعليمي غير ملائم للطلاب عن غير قصد؟ | ما هي مكونات هذا الدرس التي تفترض معرفة مسبقة مماثلة لي أو للمدرس، أو ما هي المكونات….. |
| صالح | هل يقيم تقييمي الهدف التعليمي المحدد الذي أحاول تقييمه؟ | يرجى تغيير مستوى قراءة هذا السؤال إلى مستوى الصف السابع (اختر مستوى متاحًا لجميع الطلاب) |
السؤال الأخير يدور حول الموثوقية. تقيس الموثوقية قدرة نشاط التعلم على تحقيق أهدافه. هل التباين في أداء طلابي يرجع بالكامل إلى أدائهم، أم أن هناك تباينًا يرجع إلى تصميم النشاط (Ralabate, 2016). من المستحيل القضاء على التباين بسبب التصميم، ولكن سيتم تقليله إلى الحد الأدنى إذا تم النظر في الأسئلة الأربعة الأولى بعناية وتنفيذها في عملية التصميم. وكاختبار نهائي للموثوقية، يمكن استخدام GenAI لتثليث الدرجات - اطلب منه تقييم بيانات الطلاب مقابل قواعد التقييم. من خلال مقارنة استجابات GenAI المتعددة مع نتائج المعلم، يمكننا تقليل التحيز الضمني، والتأكد من أن الدرجات التي نمنحها هي مقاييس حقيقية لتعلم الطلاب.
تنتج الأنظمة ما صممت لإنتاجه. لقد تم إنشاء نظامنا التعليمي لتحقيق نتائج غير عادلة، وهذا ما ينتج عنه. نحن نؤمن بأن معلمي علوم الكمبيوتر يمكنهم الارتقاء إلى مستوى التحدي الحالي وإعادة صياغة تعليماتهم بطريقة تعمل بشكل فعال على تثقيف كل العقول التي لديها احتياجات متنوعة للغاية. نحن نعرف السبب (الإنصاف)، ونعرف كيف (UDL)، ومع الذكاء الاصطناعي التوليدي، لدينا الآن الوسائل اللازمة لتحقيق ما هو مطلوب في هذه اللحظة.
مراجع حسابات
التحالف من أجل تعليم الحوسبة الشامل للهوية (2023). مبادئ AIICE IIC. https://identityincs.org/resources/aiice-iic-tenets/
كاست (2018). UDL وعقل التعلم. ويكفيلد، MA. تم الاسترجاع من http://www.cast.org/products-services/resources/2018/udl-learning-brain-neuroscience
جوتيريز، ر. (2011). السياق مهم: كيف ينبغي لنا أن نتصور المساواة في تعليم الرياضيات؟. في الإنصاف في الخطاب لتعليم الرياضيات: النظريات والممارسات والسياسات (ص 17-33). دوردريخت: سبرينغر هولندا.
رالاباتي ب. (2016). مخطط دروس UDL الخاص بك: دليل خطوة بخطوة لتعليم جميع المتعلمين. بروكس للنشر.
وايت، S. V.، وآخرون. (2023، 5 يونيو). طرق التدريس الشاملة. رابطة معلمي علوم الكمبيوتر. https://csteachers.org/inclusive-teaching-pedagogies/
السير:
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.eschoolnews.com/educational-leadership/2024/01/12/educational-equity-computer-science-generative-ai/
