آموزش زبان
کاربردهای هوش مصنوعی

کاربرد هوش مصنوعی در آموزش زبان ؛ چطور فناوری کار را برای ما آسان می‌کند

    0
    زمان مطالعه: ۵ دقیقه

    هوش مصنوعی در حال رشد است، این را از محبوبیت روزافزون دستیارهای صوتی مانند الکسا و بسیاری نشانه‌های دیگر می‌توان دریافت. بااین‌حال پیش از آنکه بتوان از هوش مصنوعی به‌عنوان جایگزین مدرس زبان حقیقی استفاده و به کاربرد آن در آموزش زبان اشاره کرد، باید به شاخص‌هایی کلیدی دست پیدا کرد: خودانگیختگی، خلاقیت و دانش مشترک.

    هوش مصنوعی با واسط نوشتاری یا گفتاری، می‌تواند در آینده زندگی ما را آسان‌تر کند. هم‌اکنون دستیارهایی مانند سیری محصول اپل و گلکسی محصول سامسونگ این قابلیت را در گوشی‌های هوشمند ایجاد کرده‌اند که عملیاتی را با استفاده از نرم‌افزارهای تشخیص و سنتز زبان انجام دهند، درحالی‌که سیستم گفت‌وگوی آمازون به نام الکسا به‌زودی خانه‌های هوشمند ما را کنترل خواهد کرد.

    به‌این‌ترتیب شرکت‌های مستقر در سیلیکون‌ ولی، چشم‌اندازی را از آینده ترسیم می‌کنند که در آن تعامل زبانی مستقیم با یک دستیار مجازی، نقشی حیاتی ایفا می‌کند. کاربردهای هوش مصنوعی بسیار فراتر از دادنِ فرمانِ صوتی به گوشی هوشمند برای پخش فهرست خاصی از موسیقی است و شامل طراحی‌های پیچیده‌تری مانند بازی‌های آنلاین و اسباب‌بازی‌های تعاملیِ دارای واسط زبانی (مانند Hello Barbie از شرکت متل) نیز می‌شود و همچنین به‌عنوان معلم مجازی در محیط‌های آموزش مجازی (مانند اِد ربات معلم در نرم‌افزار آموزشی SAP) نیز به کار رفته است.

    بنابراین طبیعی به نظر می‌رسد که از فناوری‌های نوین در آموزش زبان خارجی هم بهره ببریم. تولیدکنندگان تجاری و مؤسسات غیرتجاری، در حال توسعۀ برنامه‌هایی کاربردی هستند که از رویکردهای فنی کاملاً متفاوتی پیروی و استفاده می‌کنند. این مقاله در یادداشتی انتقادی به شما کمک می‌کند تفاوت میان آنها را متوجه شوید.

    ساختارهای فنی پایه‌ای نرمافزار آموزش زبان

    رابط کاربری گرافیکی معمول (+تشخیص گفتار)

    زبان‌آموزان با کلیک‌ کردن بر روی تمرین‌های دیجیتال کار خود را پیش می‌برند. این کار عمیقاً یادآور تمرین‌های کتاب‌های درسی سنتی هستند. عملِ کشیدن و انداختن برای مطابقت کلمات با تصاویر یا پر کردن جاهای خالی در متن استفاده می‌شود. اگر بخواهیم دقیق‌تر صحبت کنیم، چنین طرح‌های آموزشی‌ای حتی زیرمجموعه تحقیقات هوش مصنوعی محسوب نمی‌شوند زیرا مبتنی بر محیط دسکتاپ مرسوم هستند.

    از منظر روان‌شناسی یادگیری، مشکل این روش این است که زبان‌آموز در اصل متن‌های ازپیش‌تعریف‌شده را پس و پیش می‌کند؛ بنابراین به‌ندرت آموزش می‌بیند که چگونه به‌صورت خلاقانه و خودانگیخته در مباحث شرکت داشته باشد. بسیاری از برنامه‌های کاربردیِ تجاری آموزش زبان با همین روش کار می‌کنند؛ برخی مانند رزتا استون تک‌زبانه هستند و برخی، مانند بابل، از ترجمه استفاده می‌کنند. در دنیای آموزشی، حتی شرکت‌های پیشرو در بازار هم برنامه‌های خود را بر اساس مفاهیم قدیمی مانند روش ترجمه یا تمرین‌های الگو پایه‌گذاری می‌کنند؛ دلیلش هم این است که مدل‌سازی قالب‌های طرح‌واره‌ای بسیار آسان‌تر است.

    برخی از برنامه‌ها مجهز به نرم‌افزار تشخیص زبان هستند که قادرند تلفظ‌های درست یا نادرست کاربر را تشخیص دهند. طبیعتاً این قابلیت نمی‌تواند جایگزین درس‌های آواشناسی باشد، زیرا ارزیابی فنی داده صوتی مبتنی بر معیاری کاملاً متفاوت است؛ مانند تخمین احتمال رشته‌های صوتی. بنابراین تشخیص صدا می‌تواند تحت‌تأثیر تلفظ نامفهوم، زمزمه کردن یا صدای پس‌زمینه قرار بگیرد، همچنین زبان‌آموز می‌تواند عمداً برنامه را فریب دهد. علاوه بر این، برنامه‌ها هیچ بازخوردی به فرد نمی‌دهند تا به او نشان دهند کجا اشتباه کرده است. اگر زبان‌آموزان در پاسخ به ورودی‌های گفتاری خود مرتباً پیام خطا دریافت کنند، احتمالاً بیش از آنکه تلفظ‌شان بهبود پیدا کند، سرخورده می‌شوند.

    رابط زبانی با قابلیت مکالمه

    سیستم مکالمه تلاشی است برای شبیه‌سازی تعامل گفتاری طبیعی با استفاده از یک مدرس مجازی که می‌تواند، هرچند در مفهومی محدودتر، به‌عنوان هوش مصنوعی توصیف شود. این سیستم‌های مکالمه‌ای از اصول یک ربات چت ساده استفاده می‌کنند که به زبان‌آموز امکان می‌دهد مستقیم با استفاده از زبان طبیعی ارتباط برقرار کند. زبان‌آموزان آزادانه جملاتی شفاهی‌ تولید می‌کنند و فناوری آنها را برای وجود کلیدواژه‌های ازپیش‌تعریف‌شده، تحلیل می‌کند.

    اگر کلیدواژه درست استفاده شده باشد، پاسخ مناسب از‌پیش‌تعریف‌شده از طرف مدرس مجازی به‌عنوان خروجی انتخاب می‌شود. ورودی و خروجی زبانی می‌توانند نوشتاری یا گفتاری باشند. مثلاً نسخۀ انگلیسی برنامۀ آموزش زبان دولینگو از یک ربات چت مبتنی بر نوشتار به‌عنوان مدرس استفاده می‌کند. مشکل اینجاست که بیشتر سیستم‌ها تنها به کلیدواژه‌های ساده پاسخ می‌دهند و در ارزیابی درستیِ دستورزبان ورودی مشکل دارند؛ فارغ از اینکه جمله متناسب با زمینه گفت‌وگو هست یا خیر. این سیستم‌های تدریس تعاملی مصنوعی بر اساس طرح‌های تعریف‌شده با مکالمه‌های پیش‌بینی‌پذیر و تعیین خطاهای مربوط به آنها عمل می‌کنند.

    در این بستر‌ها، می‌توانند مطالب جدید آموزش دهند، سؤال کنند و با سرعت پیشرفت ازپیش‌تعیین‌شده (و کاملاً گزینشی)، بازخورد ارائه دهند. بااین‌حال از این فناوری به اندازه‌ای که پتانسیل آن وجود دارد، به شکل گسترده در آموزش زبان خارجی استفاده نمی‌شود. در مقابل، هم‌اکنون از آن تا حدودی در تدریس دانشگاهی مانند آموزش مجازی زبان‌شناسی، دستورزبان و املای آلمانی استفاده می‌شود که بخشی از مدرس مجازی جذابِ دانشگاه لایب‌نیتس هانوفر، به نامEl Lingo   را تشکیل می‌دهد.


     محیطهای آموزش مجازی با سیستم‌عاملهای آموزشی

    امروزه پیشرفته‌ترین تکنولوژی ساخته‌شده، در سیستم‌های مکالمۀ مجهز به آواتارهای (چهرک‌های) پیشرفته نمود می‌یابد که حتی می‌توانند حالت‌های بدن و صورت را هم نشان دهند. مثلاً در دانشگاه بیله‌فلد، آموزشگری به نام مکس به‌عنوان راهنمای مجازی موزه در حال توسعه است. بازدیدکنندگان موزه می‌توانند با او راجع به آثار نمایش‌داده‌شده صحبت کنند، مادامی که به مکالمه‌های پیش‌فرض پایبند باشند و از آن منحرف نشوند.

    در آموزش زبان خارجی مشکل این است توسعه‌دهندگان سؤالات و پاسخ‌هایی متناهی را پیش‌بینی کرده‌اند و تعامل با آموزشگر تنها درصورتی درست کار می‌کند که زبان‌آموزان به همین سؤالات بسنده کنند. بااین‌حال پاسخ‌های انسانی تنها تاحدی پیش‌بینی‌پذیر هستند. گفت‌وگوهای خارج از حوزۀ برنامه‌ریزی‌شده برای ربات‌های چت یا سیستم‌عامل‌ها، نامنظم، نامنسجم و مستعد خطا هستند. این گفت‌وگوها نمی‌توانند الگویی برای زبان‌آموزان باشند.

    آموزش زبان

    تحلیل کلان داده

    اخیراً کارایی هوش مصنوعی، به‌ویژه به لطف گسترش عظیم حجم داده‌های ذخیره‌شده، بسیار بهبود یافته است. تحلیل حجم زیادی از داده‌ها با استفاده از الگوریتم‌ها و مدل‌های آماری در دروس زبان خارجی نیز می‌توانند به کار بروند؛ ازجمله برای تمرین‌های ترجمه و فرهنگ‌های لغت مبتنی بر پیکره. وقتی مجموعه بزرگی از داده‌ها، شامل شیوه‌های تلفظ سخن‌گوهای بومی به زبان مادری‌شان، برای آموزش استفاده می‌شود این مزیت را ایجاد می‌کند که زبان‌آموز زبان را نه از طریق سازوکاری انتزاعی، بلکه همان‌گونه که در واقعیت استفاده می‌شود، می‌آموزد.

    مشکل دیگر این است که تحلیل داده، وابسته به یک الگوریتم ازپیش‌تعیین‌شده است که نمی‌تواند همه چیزهایی که باید را جست‌وجو کند و تحویل دهد. دسترسی به حجم زیاد داده، باید سیستم‌های مکالمه مانند واتسون محصول آی‌بی‌ام را نیز بهبود ببخشند. به همین دلیل، این سیستم تمام گفت‌وگو را ضبط می‌کند؛ امری که به‌شدت از منظر امنیت داده نگران‌کننده است و در آینده نزدیک، زمانی که در کلاس درس مورد استفاده قرار گرفت، باید مد نظر قرار گیرد.

    ظرفیت‌ها و محدودیتهای هوش مصنوعی

    بالاخره هوش مصنوعی چه ظرفیت‌ها و محدودیت‌هایی دارد؟ مشکل سیستم‌های تعاملی این است که بر اساس پایگاهی کاملاً قطعی طراحی شده‌اند، یعنی از برنامه خاصی پیروی می‌کنند و تنها به منابع دانش محدودی، از قبیل دانش اجتماعی یا فرهنگی، دسترسی دارند. ارتباط انسانی کاملاً روشی متضاد دارد. ما انسان‌ها فرض می‌کنیم که دانش مشترک زیادی داریم و در ارتباطات خود بسیار کارآمد هستیم زیرا آنچه را به یک موقعیت ارتباطی خاص وابسته است تشخیص می‌دهیم. هم‌زمان می‌توانیم منعطف و خودبه‌خود عمل کنیم. سیستم‌های هوش مصنوعی قادر به انجام چنین کاری نیستند، زیرا فاقد پیش‌نیازی بنیادی، یعنی آگاهی خودکاوانه، هستند.

    هرچند ممکن است در آینده، برنامه‌های آموزش الکترونیکی که رابط کاربری گرافیکی دارند بتوانند جایگزین کتاب‌های درسی شوند، اما هوش مصنوعی قادر نخواهد بود که در آینده نزدیک جایگزین معلم واقعی شود. طرح‌های آموزش الکترونیکی با مدرس‌های مجازی جایگزین آموزش کلاسی نیستند، بلکه رویکردی جدید برای پشتیبانی از زبان‌آموزان در جلسات خودآموزی آنان است. برای برخی از زبان‌آموزان، بسیار انگیزه‌بخش است که به‌یادسپاری واژگان را به‌صورت تعاملی با سیستم‌عامل آموزشی انجام دهند یا تمرین‌های زبان را در یک بازی رایانه‌ای کامل کنند. بسیاری دیگر از طریق تعامل اجتماعی در یک گروه واقعی از زبان‌آموزان بهتر یاد می‌گیرند و از مزیتِ نظارت معلمی واقعی بهره‌مند می‌شوند.

    سیستم‌های تعاملی آموزش زبان در شرایطی که راهی غیر از آن برای آموزش وجود ندارد، ابزاری مفید است. مثلاً افرادی که تمام‌وقت کار می‌کنند و فرصت شرکت در کلاس‌های حضوری را ندارند می‌توانند در روزهای تعطیل، از برنامه‌های کاربردی آموزش زبان برای فراگیری مهارت‌های پایه‌ای استفاده کنند. علاوه بر این، پناهندگان هم می‌توانند از برنامه‌های GFL مانند آنچه مؤسسه گوته فراهم کرده است استفاده کنند تا واژگان پایه را در زمان انتظار طولانی‌مدت پذیرش فرا بگیرند. بنابراین، فناوری تنها برای نوآموزان و به‌عنوان ابزاری کمکی یا برای ایجاد آمادگی جهت شرکت در کلاس‌های درس با مدرسِ واقعی مناسب است.

    به نظر شما هوش مصنوعی در زمینه آموزش زبان می‌تواند جایگزین انسان شده و آموزشگاه‌ها را حذف کند؟

    انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

    این مطلب چه میزان برای شما مفید بوده است؟
    [کل: ۲ میانگین: ۴]

    رویداد رایگان بین‌المللی پیوند هوش مصنوعی، اینترنت اشیاء و فناوری بلاک‌چین برگزار شد

    مقاله قبلی

    مسیر پردازشی یادگیری عمیق و نحوه تسریع فرایند مراحل آن

    مقاله بعدی

    شما همچنین ممکن است دوست داشته باشید

    نظرات

    پاسخ دهید

    نشانی ایمیل شما منتشر نخواهد شد.