درس ۷ از ۵

ب AI Fluency for Students

عنوان اصلی: AI Fluency for Students حجم: ۵ lecture، حدود ۳۰ دقیقه ویدیو + ۳ ساعت تمرین هدف یادگیری زیر-فصل: تمایز «استفاده از AI» با «fluent بودن با AI»؛ پاسخ به این کشش مرکزی: «چطور می‌توانم از AI برای یادگیری و مسیر شغلی استفاده کنم بدون این‌که رشد و یکپارچگی خودم را قربانی کنم؟» چرخه‌ی غالب: Delegation-Diligence loop — چون مرز academic integrity و «human in the loop» هسته‌ی این دوره است.

درس ۷.ب.۱ — خوش‌آمد و قاب‌بندی integrity

این دوره با یک تشخیص شروع می‌شود: «کار کردن با AI» با «fluent بودن با AI» فرق دارد. اولی شخصی است که فقط prompt می‌نویسد و خروجی را می‌چسباند. دومی شخصی است که می‌داند کجا واگذار کند، چطور توصیف کند، چطور خروجی را نقد کند، و چطور disclosure را رعایت کند.

بازوزن‌دهی 4D برای دانشجو، خصوصاً نسبت به استاد:

  • Delegation = پرسش integrity. قاعده‌ی سرانگشتی: هرگز همان «تفکری که تکلیف برای آموختن آن طراحی شده» را واگذار نکن.
  • Description = برای دانشجو سخت‌تر از حرفه‌ای است، چون دانشجو هنوز واژگان رشته را در حال یادگیری است؛ توصیف‌کردن، خودش یک عمل یادگیری است.
  • Discernment = به‌خصوص دشوار است چون AI می‌تواند مطمئن‌تر از تخصص نوپای دانشجو به نظر برسد. anti-pattern: «اگر AI گفت، حتماً درست است».
  • Diligence = پایبندی به سیاست نهاد + درستی شخصی.

درس ۷.ب.۲ — مرور چارچوب با مثال دانشجویی

مثال کاربردی: دانشجوی سال سوم روان‌شناسی در حال کار روی review ادبیات «نظریه‌ی attachment در روابط بزرگ‌سالی».

  • Description: «من دانشجوی سال سوم روان‌شناسی هستم و درباره‌ی نظریه‌ی attachment در روابط بزرگ‌سالی کار می‌کنم؛ یک نقشه‌ی مفهومی از Bowlby، Ainsworth، و Hazan & Shaver بساز با خلاصه‌ی دو جمله‌ای، و جاهایی که میدان اختلاف نظر دارد را علامت بگذار».
  • Discernment: سه ادعا را قبل از نقل، در PsycINFO راستی‌آزمایی کن.
  • Delegation: اجازه بده AI نقشه‌ی مفهومی بسازد؛ اما اجازه نده پاراگراف‌های نهایی review را برای submission بنویسد.
  • Diligence: استفاده از AI را طبق سیاست سرفصل درس افشا کن.

درس ۷.ب.۳ — AI به‌عنوان شریک یادگیری (AI as Study Partner)

این هسته‌ی دوره است: کجا AI یادگیری را تقویت می‌کند، کجا یادگیری را دور می‌زند.

مثال عملی ایرانی: دانشجوی کنکوری در حال آماده‌سازی برای آزمون سراسری

  • استفاده‌ی سالم (study partner): تولید سوال تمرینی با سختی فزاینده؛ توضیح یک مفهوم به پنج روش متفاوت تا یکی جا بیفتد؛ آزمون گرفتن از تعریف‌ها؛ تولید فهرست «اگر من ممتحن بودم، چه می‌پرسیدم»؛ مناظره‌ی Socratic روی یک موضع.
  • استفاده‌ی مخرب (bypass): نوشتن انشای امتحان به‌جای دانشجو؛ حل کامل تمرین خانگی verbatim؛ تولید استناد جعلی؛ جا زدن به‌عنوان دانشجو.

آزمون study-partner: اگر برداشتن AI، فهم شما را هم بردارد، یادگیری را دور زده‌اید. اگر برداشتن AI، فقط سرعت را بردارد، خوب استفاده کرده‌اید.

نگرانی‌های خاص دانشجو:

  • hallucination در بدترین زمان — استناد غلط، فرمول غلط، تاریخ غلط. دانشجو موظف است در برابر منبع اصیل راستی‌آزمایی کند.
  • سوگیری پنهان در قاب‌بندی — به‌ویژه در علوم انسانی و اجتماعی. آموزش Discernment اینجا تعیین‌کننده است.
  • erosion ناشی از over-reliance — یافته‌ای مکرر: استفاده‌ی سنگین از AI در تمرین، یادآوری مستقل در آزمون closed-book را کاهش می‌دهد.

درس ۷.ب.۴ — AI در برنامه‌ریزی شغلی (Career Planning)

دانشجو می‌تواند از AI برای خودشناسی، اکتشاف، و آماده‌سازی استفاده کند، بدون این‌که خود انتخاب را واگذار کند.

نمونه کاربردها: کاوش مسیر شغلی («پنج مسیر شغلی که علوم محیط و سیاست‌گذاری را ترکیب می‌کنند، با کار روزانه، مسیر ورود معمول، و trade-off ها معرفی کن»)؛ پیش‌نویس رزومه و cover letter (سپس critique توسط AI در برابر آگهی شغل، سپس بازنویسی توسط دانشجو — هرگز متن AI به‌صورت دست‌نخورده ارسال نشود)؛ مصاحبه‌ی تمرینی با AI در نقش مصاحبه‌گر سخت‌گیر با بازخورد روی ساختار STAR؛ پیش‌نویس پیام networking با discernment بر این‌که هنوز صدای خود دانشجو در آن باشد.

فهرست واگذارناپذیر دانشجو: Decisions, Direction, Mission, Values — این‌که چه رشته‌ای بخوانی، برای چه شغلی apply کنی، چه نوع زندگی‌ای بسازی. AI اطلاعات و تامل می‌دهد؛ تصمیم با توست.

درس ۷.ب.۵ — Human in the Loop / گواهینامه

«being the human in the loop = حفظ agency، judgment، و responsibility در حین کار سنجیده با AI». این جمله، چارچوب دائمی نقش دانشجو در رابطه با AI است.

best practiceهای رسمی Anthropic که در پایان دوره خلاصه می‌شوند:

  • AI را شریک تفکر بدان، جایگزین تفکر نه.
  • یک personal AI policy بنویس — چه وقت، برای چه، با چه disclosure ای.
  • استفاده از AI را طبق سیاست نهاد و صداقت شخصی افشا کن.
  • ادعای واقعیت‌محور را مستقل راستی‌آزمایی کن؛ AI منبع citation نیست.
  • اولین نشانه‌های over-reliance را بشناس و عمداً عقب بکش.