AIEd Hifadhi ya MaarifaAIEd KB
Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

Madhana

Mbinu za Kufundisha Zinazohusiana na Kitamaduni

Imeundwa 2026-10-13

Tafsiri ya kiotomatiki ya ukurasa huu wa Kiingereza, ambayo haijakaguliwa na mzungumzaji mzawa.

Mbinu za kufundisha zinazohusiana na kitamaduni — zilizozinduliwa na Gloria Ladson-Billings (1995), zinaweka kwenye kati marejeleo ya kitamaduni ya wanafunzi waliohifadhiwa kando katika muundo wa mtaala. Zinategemea nguzo tatu: mafanikio ya kitaaluma (viwango mahimu vinavyoheshimu utambulisho wa kitamaduni), uwezo wa kitamaduni (uaminifu mahususi kuhusu kitamaduni na nguvu), na uaminifu wa kisiasa na kijamii (kuwajengea wanafunzi uwezo wa kupinga mifumo isiyo ya haki). Kadiri zana za AI zinavyoingia madarasani, CRP imekuwa lenzi kuu la kutathmini kama AI inapanua au inafuta maarifa ya kitamaduni yasiyo ya kawaida.

Maswali ya Kutafakari

  • Mbinu za kufundisha zinazohusiana na kitamaduni zinategemea mafanikio ya kitaaluma, uwezo wa kitamaduni, na uaminifu wa kisiasa na kijamii. Ni nguzo ipi kati ya hizi ni ngumu zaidi kufika na zana za AI — na kwa nini?
  • Somo moja liligundua asilimia 94 ya mipango ya masomo iliyozalishwa na AI haikuwa na maudhui ya kitamaduni mbalimbali yanayoweza kutambulika, na karibu hakuna iliyofika kiwango cha mabadiliko au hatua ya kijamii. Ikiwa AI huzalisha matokeo ya kitamaduni kimoja kwa chaguo-msingi, ni wajibu wa nani kuingiza mitazamo iliyopotea?
  • Data ya mafunzo ya AI ni zaidi ya Magharibi na ya lugha ya Kiingereza. Inamaanisha nini kwa mfumo 'kuhifadhi kwa njia inayofanya kazi' njia za kujua — na hilo tofautianaje na kutokuwepo tu wa ufikiaji?
  • Kujifunza kwa AI kwa msingi wa jamii kunapendekeza kuwa mifumo ya maarifa ya wanafunzi wenyewe inapaswa kuwa kiwango cha kutathmini matokeo ya AI, huku kukataa na kutotumia vikichukuliwa kama majibu halali. Ungewezaje kuweka maarifa ya jamii kama hakimu wa umuhimu na madhara ya AI?
  • Data iliyo na msingi wa kitamaduni inaweza kuboresha kwa kiasi kikubwa umuhimu wa AI — moja ya seti za data ya maarifa ya India iliiondoza mfano mdogo kutoka karibu sufuri hadi kushindana na mfano mkubwa wa matumizi ya jumla. Ikiwa data bora ni suluhisho, ni nani anapaswa kuijenga na kuimiliki?
  • Somo la kitamaduni mbalimbali liligundua kuwa tabia zinazolingana za matumizi ya AI zilihukumiwa za maadili katika nchi moja na zisizo za maadili katika nyingine, bila kujali sera iliyoandikwa. Hili linakuambia nini kuhusu jaribio la kutawala matumizi ya AI kwa kanuni za uwiano?

Utangulizi

Jukumu la AI la Makata Mabegi katika CRP

AI inaweza kuwasaidia walimu kufanya mafunzo kujibu kitamaduni, lakini matokeo yake ya chaguo-msingi pia yana hatari ya kuimarisha hadithi zinazotawala yasioanishwa.

  • Msaada kwa walimu: Wang et al. (2025) walijenga CulturAIEd, mfumo unaoendeshwa na LLM unaowasaidia walimu wa K-12 kubuni shughuli za Ujuzi wa AI zinazojibu kitamaduni kwa kuunganisha taarifa za idadi ya wanafunzi na mwongozo unaotegemea rubriki (orodha ya CRT iliyoingizwa katika uzalishaji). Katika majaribio ya walimu wanne iliongeza ujasiri wa walimu katika kutambua fursa za kujibu kitamaduni na katika kubadilisha shughuli zilizopo, huku 78% wakipata mapendekezo ya AI kuwa ya msaada katika kuleta mseto katika nyenzo. Zana inalenga moja kwa moja vikwazo vya muda, mafunzo, na rasilimali vinavyozuia utekelezaji wa CRP.
  • Hatari ya matokeo ya kitamaduni kimoja: Trust et al. (2025) walichanganua mipango 310 ya masomo ya elimu ya uraia iliyozalishwa na AI (shughuli 2,230): 94% haikuwa na maudhui ya kitamaduni mbalimbali yanayoweza kutambulika, na katika 144 zilizokuwa nazo, 137 zilikuwa katika kiwango cha chini zaidi cha "Nyongeza" — moja tu ilifika "Mabadiliko" na hakuna iliyofika "Hatua ya Kijamii." Chatbots zote tatu zilizalisha violezo vya masomo vilivyo na muundo sawa na vya kitamaduni kimoja. Hili ni ushahidi halisi kwamba AI huzalia mitaala ya uwiano isipokuwa walimu wakishiriki kwa njia inayofanya kazi.

Kuhifadhiwa kwa Epistemiki katika Mifumo ya AI

Zaidi ya uzalishaji wa masomo, CRP inaungana na ukosoaji wa kina zaidi: data ya mafunzo ya AI na michakato ya ubuni yanaweka mifumo ya maarifa ya Magharibi na ya lugha ya Kiingereza inayohifadhi kando njia zingine za kujua.

  • Ukoloni wa maarifa: Tali-Otmani (2026) anadai kuwa mifumo ya GenAI si ya upatano wa maarifa — data ya mafunzo yenye mwelekeo mkubwa wa Magharibi inawahifadhi kwa njia inayofanya kazi watu wenye maarifa yaliyowekwa kando, ikizalisha "uhifadhishaji maradufu" kwa wanafunzi wenye ulemavu ambao mifumo yao ya maarifa haiwakilishi vizuri katika data ya mafunzo na imetengwa kutoka ubuni. Hii inapanua mazungumzo ya usawa kutoka ufikiaji hadi maarifa ya nani yanathibitishwa.
  • Kugawa upya mamlaka ya maarifa: Ojeda-Ramirez, Gyles na Peppler (2026) wanapendekeza kujifunza kwa AI kwa msingi wa jamii, mfumo unaoweka upya mifumo ya maarifa ya maisha na ya jamii ya wanafunzi kama kiwango cha kutathmini matokeo ya AI. Ahadi zake tatu — kurekebisha kwa ufahamu, kugawa upya mamlaka, na hali ya kupambanua — husawazisha uaminifu dhidi ya historia za mahali pao na utaalam wa jamii, ikichukulia kukataa na kutotumia kwa makusudi kama majibu halali ya CRP kwa AI.

Data Yenye Msingi wa Kitamaduni na Tathmini

Mwili wa kazi unaotoka hifadhi ya maarifa unashughulikia mapengo ya maudhui na tathmini yanayosababisha CRP.

  • Data ya mafunzo yasiyo ya Magharibi: IKS-Instruct inatoa seti ya data ya maelekezo ya lugha mbalimbali yenye mifano 24,795 ya kufundisha kufundisha LLM Mifumo ya Maarifa ya India katika lugha saba za lugha na mbinu 41 za kufundisha. Mfano mdogo wa taaluma ulifika alama ya kati ya hakimu ya 6.39 (dhidi ya 6.54 kwa mfano mkubwa zaidi wa matumizi ya jumla) — huku mfano wa msingi ukipata karibu sufuri katika vipimo mahususi vya IKS, ikionyesha kiasi kile data yenye msingi wa kitamaduni inavyoboresha umuhimu.
  • Vipimo vya Nchi za Kusini vipimo: Kipimo cha NSMQ Riddles kinachota vitendawili 1.8K za kisayansi na za hisabati kutoka miaka 11 ya Mashindano ya Kitaifa ya Sayansi na Hisabati ya Ghana — moja ya vipimo vya kielimu vya kwanza vya Nchi za Kusini — na kiligundua kuwa LLM za hali ya juu zaidi zinashindwa na washindani wanafunzi bora zaidi, ikifichua upendeleo wa kijiografia katika jinsi mifano inavyotathminiwa.
  • Kitamaduni juu ya sera: Dodoso la kitamaduni mbalimbali la wanafunzi wa kompyuta wa Kanada na Korea ya Kusini liligundua kuwa kitamaduni, si maandishi ya sera, ndicho kilichoongoza mitazamo ya maadili ya matumizi ya AI — tabia zinazolingana zilihukumiwa tofauti katika makundi tofauti, ikithibitisha hitaji la mawasiliano yanayojali kitamaduni badala ya kanuni za nadharia.
  • Usafiri wa kitamaduni ni mahali ambapo msaada wa AI ni dhaifu zaidi: Wanafunzi wa kimataifa waliipa AI ya mazungumzo alama ya juu zaidi kwa sarufi, muundo, na kufupisha (wastani 4.27) na ya chini zaidi kwa usafiri wa kitamaduni (wastani 3.49) (Nourian et al. (2026)).
  • Kubadilika kwa kitamaduni kama hatua za ubuni: Bashir na Afzal (2026) wanatekeleza umuhimu wa kitamaduni katika mfumo wa msaada wa Ustawi wa AI (Sukoon) kupitia hatua tatu: tathmini ya lugha mbili ya maswali 20 yenye lebo za Kiingereza na Urdu zilizo sambamba; ilani ya mfumo inayoagiza mfano kujibu kwa uthabiti na kanuni za kijamii na kitamaduni za Pakistan na kutumia misemo ya Urdu na Urdu ya Kiromani inapofaa; na ufahamu mahususi wa wazi wa wasiwasi wa mahali pao (matarajio ya familia, shinikizo la kifedha, uhusiano wa walimu-wanafunzi wenye ngazi). Uhalalishaji wao ni wa uhalisia pamoja na wa maadili — umuhimu wa kipengele uliweka uhusiano wa walimu-wanafunzi wa pili miongoni mwa watabiri wa wasiwasi — lakini wanakiri kuwa kubadilika kunaishi katika ilani badala ya kwenye mfumo wa NLP, na kuwa ufaafu wa kitamaduni ulitathminiwa tu kwa majaribio ya kawaida, si na wanafunzi ambao mfumo unawalenga.

Mwongozo wa Kivitendo

Kwa kutegemea makala za hifadhi ya maarifa yenyewe, waelimishaji na wabuni wanaweza kutumia CRP kwa AI:

  • Chukulia AI kama zalishaji wa rasimu, si mamlaka. Utafiti wa Trust et al. wa elimu ya uraia unaonyesha walimu wanapaswa kuingiza ufikiri wa kiwango cha juu na mitazamo ya kitamaduni mbalimbali ambayo AI hayaweki; hukumu ya binadamu inadumu kuwa muhimu kwa uhalisi wa kitamaduni na upatanisho wa jamii.
  • Weka muktadha wa idadi na kitamaduni katika ilani na zana. CulturAIEd na ConnectED (mfumo wa kupanga masomo wa Kivietinamu unaolingana na mtaala) wanaonyesha kuwa violezo vya ilani vilivyo na muundo, vilivyo na msingi wa mahali pao pamoja na malango ya uthibitishaji ya mwalimu huboresha ulingano wa kitamaduni kuliko uzalishaji wa jumla.
  • Weka maarifa ya jamii kama kiwango cha kutathmini. Kwa kufuata kujifunza kwa AI kwa msingi wa jamii, waachie wanafunzi kuhukumu matokeo ya AI dhidi ya vigezo vilivyo na msingi wa mahali pao vya umuhimu, madhara, na ufaafu, na heshimu miktadha ambapo kukataa au kutotumia ni chaguo sahihi.
  • Chukua na utathmini seti za data zilizo na msingi wa kitamaduni. IKS-Instruct na NSMQ Riddles zinaonyesha kuwa data maalum ya taaluma, isiyo ya Magharibi, huboresha kwa maana umuhimu na tathmini ya uaminifu.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

NgaziK 12, Higher Ed
Hadhira inayokusudiwaLearners
Teknolojia na MbinuAkili Bandia ya Kizazi, Ufafanuzi wa Akili Bandia, Mifano Mikubwa ya Lugha (LLM)
Usawa, Maadili, na Matumizi ya UwajibikajiUsawa, Kujifunza kwa Ujumla
Misingi ya Akili Bandia katika ElimuUjuzi wa AI, Kubuni Mtaala
SourceHistoryEditChat

Pachika ukurasa huu

Nakili msimbo ulio hapa chini ili kupachika ukurasa huu katika mfumo wa usimamizi wa kujifunza au tovuti nyingine. Toleo lililopachikwa linaonyesha maudhui ya ukurasa tu — linaficha kichwa cha tovuti, urambazaji, na kijachini.