Elimu ya Teknolojia ya Habari

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

Elimu ya Teknolojia ya Habari — tawi la elimu ya hesabu linalowaandaa wataalam kuchagua, kusambaza, kulinda, kusimamia, na kutawala mifumo ya kiufundi-kijamii ambayo mashirika huyafanya kazi kweli, badala ya kujifunza hesabu kama taaluma yenyewe. Jirani yake wa karibu, na chanzo cha utata mkubwa wa mipaka, ni Elimu ya Sayansi ya Kompyuta (CS): elimu ya sayansi ya kompyuta inazingatia algoriti, programu, na msingi rasmi, huku elimu ya IT ikizingatia usanidi wa vitendo, usalama wa mtandaoni, usimamizi wa data na taarifa, na Utawala wa AI wa kiutawala wa mifumo hiyo. Generative AI inafika uwanja huu mara mbili — kama kitu ambacho wanafunzi wanapaswa kujifunza kutathmini, kulinda, na kudhibiti, na kama chombo kinachowafundisha, kinabainisha maswali yao, na kwa upole kinaandaa upya njia za kitaalamu wanazotayarishwa.

Maswali ya Kutafakari

Ikiwa AI inapunguza mizunguko ya kujenga-kushindwa-kurekebisha ambayo kihistoria ilizalisha utaalam wa IT, ni uwezo gani wa msingi ambao mtaala unapaswa kulinda kwa makusudi, na ni upi unaoweza kukabidhiwa kwa zana?
Wanafunzi wanajua kanuni za taasisi zao na bado hawawezi kusema kama matumizi yao yanatiiza. Je, hiyo ni kushindwa kwa mawasiliano, au ni chombo cha kanuni ni kigezo kisicho sahihi kwa mazoezi yanayotokea kibinafsi kwenye akaunti binafsi?
Elimu ya IT ipo kati ya sayansi ya kompyuta, biashara, na elimu ya ufundi. Ni nani anapaswa kumiliki uwezo wa utawala wa AI — kozi, uzi wa mtaala, au matokeo ya kiwango cha programu?
Ikiwa kibainishi cha transformer kinatenga maswali ya mwanafunzi wa kiwango cha juu kwa usahihi wa takribani 79%, je, programu za IT zinapaswa kuendesha maoni ya uundaji kwa njia ya kiotomatiki juu ya kuuliza maswali kabisa?
Mifano mingi ya akili ya wanafunzi ya GenAI ni ya kielelezo na ya kina kidogo. Je, hilo linatabiri matumizi mabaya, au ni uwezekano tu wa kutoeleza maamuzi ambayo wanafunzi wanafanya kwa usahihi?

Utangulizi

Elimu ya teknolojia ya habari ni mkono wa vitendo wa hesabu. Inafundisha watu kufanya mifumo ifanye kazi ndani ya mashirika — mitandao, hifadhidata, shughuli za usalama, usimamizi wa taarifa za afya, huduma za e-serikali — na wahitimu wake kwa kawaida huthminiwa na vyombo vya kitaalamu na waajiri badala ya na taasisi tu. Utofauti kwa Elimu ya Sayansi ya Kompyuta (CS) ni kitu cha uchanganuzi. Elimu ya CS inachukua programu na algoriti kama vitu vyake; elimu ya IT inachukua mfumo uliosambazwa na hukumu ya mtaalam juu yake. Ambapo CS inajadili kama utengenezaji wa msimbo wa AI unaodhoofisha ujuzi wa programu, IT inajadili kama utatuzi wa matatizo wa AI unaodhoofisha ujuzi wa uchunguzi, kama hati za sera zilizoundwa na AI zinawafunga watu yoyote, na kama wahitimu wanaweza kutawala mifumo ya data wanayosimamia.

Nadharia za jirani zinapatana kwa njia tofauti. Elimu ya STEM ni kategoria ya mzazi na inashiriki vyombo vyake, lakini elimu ya IT mara nyingi ni digrii ya uzamifu wa kitaalamu au ya kwanza ya vitendo ambayo wahitimu wake wanaingia maeneo yaliyodhibitiwa ya kazi. Elimu ya Biashara ni ya karibu kupitia mifumo ya taarifa na programu za e-serikali, ambazo mara nyingi hushiriki kozi na wanafunzi na mitaala ya IT. Elimu ya Ufundi na Mafunzo ni jirani mwingine wa kazi: sehemu zote mbili hufundisha kwa mazoezi, lakini programu za ufundi zinalenga uwezo wa kiwango cha fundi katika biashara zilizoelezwa, huku elimu ya IT ikidhania mawazo ya mifumo ya kufikiri na ikizalisha watu wanaoandika hati za utawala na vile vile wanaozifuata. Elimu ya Juu inataja kiwango badala ya uwanja, na uwanja unabeba eneo la uidhinishaji na utiifu — uidhinishaji wa informatics ya afya, majukumu ya HIPAA na FERPA kwa data ambazo wanafunzi hushughulikia — ambao umeunda kile kinachohesabika kama mtaala halali.

Kilicho mahususi kuhusu AI katika uwanja huu ni kuwa teknolojia ile ile ni maudhui ya mtaala na mbinu za kufundisha. Ushahidi uliokusanywa unakusanyika kwenye mada moja isiyo rahisi: ajenda ya sasa ya AI ya elimu ya IT inatawaliwa na uadilifu na kupokea zana, huku uwezo wa utawala, usalama, na maadili ya data ambao maeneo ya kazi ya uwanja yanahitaji yakionekana zaidi nje ya hati ambazo wanafunzi hupata kweli.

Jinsi AI inavyoonekana katika Elimu ya Teknolojia ya Habari

Mafunzo ya usalama wa mtandaoni ya mchezo. Li na wenzake walijenga michezo kadhaa mifupi, rafiki ya simu inayojumuisha usalama wa nywila hadi utambuzi wa ulaghai wa maandishi na simu, wakichanganya miundo ya maswali, ya hadithi, na ya Uigaji na fomati za mwingiliano kama TikTok Mini-Games, yakimotishwa na ushiriki mdogo na ufanisi mdogo wa mafunzo ya kawaida ya video (Security Education in Higher Education through AI-Powered Gamification). Tathmini yao ya viwango viwili na wanafunzi 59 wa chuo (9 wataalam wa kiufundi, 50 watumiaji wa jumla) inaripoti uwezekano wa kuboresha ushiriki na umakini kwa usalama wa mtandaoni badala ya manufaa ya kujifunza yaliyoonyeshwa.
GenAI kama ngazi za msaada au njia fupi katika kujifunza kwa kujidhibiti. Utafiti wa mbinu mchanganyiko wa wanafunzi 187 wa baada ya shahada ya IT nchini Australia unatofautisha Kupunguza Mzigo wa Kiakili yenye ngazi za msaada (wanafunzi wanafafanua malengo, wanazalisha mawazo, wanapata Maoni wanayokosoa na kubadilisha, hivyo Wakala wa Mwanafunzi unabaki nao) na kupunguza mzigo wa kubadilisha (matokeo yanakubaliwa na uthibitishaji mdogo, udhibiti ukihamia kwa zana) (Scaffold or Shortcut? Postgraduate IT Students' Use of Generative AI and Self-Regulated Learning). Kujiamini kuliumba mwelekeo: wanafunzi wenye kujiamini walitekeleza uhuru katika kuweka malengo na kufuatilia, huku wenzao wenye kujiamini kidogo wakimwona GenAI kama njia fupi au kama mwenendo mbaya. Kikundi kilikuwa cha tofauti, si chenye ujuzi wa AI wa kawaida; waandishi wanapendekeza kuhitaji wanafunzi kuthibitisha au kubadilisha matokeo ya AI kama hatua ya Muundo wa Kujifunza ya wazi.
Njia zilizopunguzwa za utaalam katika mazoezi ya kitaalamu. Mahojiano kumi na nne ya nusu-iliyoandaliwa na wataalam wa IT yaligundua GenAI ikitenda kama mfunzi kama mwalimu na zana ya kupunguza ngazi katika utatuzi wa matatizo, uandishi wa hati, na uthibitishaji wa mfumo (Unanticipated Effects of Generative AI on Expertise Pathways and Performance Perception in System Administration). Utendaji wa haraka katika vikoa visivyojulikana unapunguza mfiduo kwa mizunguko ya kujenga-kushindwa-kurekebisha ambayo kihistoria ilijenga utaalam; kasi ya kusaidiwa na AI pia inaweka upya matarajio ya timu na binafsi, ikizalisha utamaduni wa kasi mbili na hatia ya tija. Utafiti unabeba wasiwasi wa darasa kuhusu gharama ya metaji na kudhoofika kwa ujuzi kwenda Kujifunza Kazini na kujifunza kazini.

Tathmini na upande wa mwanafunzi wa matumizi ya AI ya IT

Maswali ya mwanafunzi kama ishara za uchunguzi. Lee, Atif, na Kang walibainisha maswali 334 halisi ya wanafunzi kutoka kozi 12 za IT katika majukumu matatu ya mafunzo ya constructivist — mtoaji wa maarifa, mwezeshaji, na mwanafunzi-wenzake — wakifikia lebo ya makubaliano na ukaguzi wa binadamu-ndani-ya-mzunguko (Fleiss' kappa 0.60 ikipanda hadi 0.83) na kuongeza korpusi hadi maswali 582 yaliyosawazishwa (Analysing AI utilisation in education through learner question types: A constructivist approach). DeBERTa iliongoza kwa usahihi wa 86.36% na usahihi wa 96.67% kwenye maswali ya ukweli, lakini usahihi wa mwezeshaji ulishuka hadi 78.79%, na BERT iliyorekebishwa kwa ujumla ilifika kurudia kwa 92.00% kwenye vipengele vya mwanafunzi-wenzake kwa usahihi wa 74.19% tu. Makosa yalitokana na ufanano wa dhana kati ya majukumu, nia ya mwanafunzi isiyo wazi, na mifumo ya maneno ya taaluma inayosomwa vibaya kama kina cha kiakili; waandishi wanaonya kuwa ongezeko laweza kuingiza njia fupi za maneno, na korpusi ya wanafunzi 11, ya IT tu haiwezi bado kusambaa kwa sehemu zingine.
Mifano ya akili mikubwa lakini ya kina kidogo. Kutoka ramani 64 za dhana zilizotumika kutoka wanafunzi 186 wa kwanza katika kozi ya lazima ya maadili ya teknolojia, kategoria tano za mfano wa akili zilitokea: za msingi wa mchakato wa kiufundi, za msingi wa zana ya kielimu, za mpito, zinazojua matokeo, na zilizounganishwa (Uncovering Students' Mental Models of Generative Artificial Intelligence). Kila ramani ilionesha maarifa ya kielelezo, 25 zilionesha ya utaratibu, 17 ya masharti, na 9 tu zilizounganisha zote tatu. Makundi ya kiufundi na ya kisheria-kijamii yalikaa mbali sana, ambao waandishi wanasoma kama Ujuzi wa AI na ufahamu wa maadili unaojitengeneza kando; miongozo inayozingatia uadilifu, wanadai, inashughulikia kipengele kimoja tu cha jinsi wanafunzi wanavyofikiria zana.
Kanuni zinazojulikana, utiifu usio na uhakika. Utafiti wa wanafunzi 151 wa kwanza katika programu za Business Information Systems na E-Government uligundua wanafunzi wengi wakitumia GenAI kwa makusudi lakini zaidi ya nusu hawakuwa na uhakika kama matumizi yao yalitiiza kanuni za taasisi, na uhusiano dhaifu hadi wa kati tu kati ya ufahamu wa kanuni na tabia halisi, na utegemezi hasa kwa zana zinazopatikana kibinafsi badala ya za taasisi (Knowing the Rules Is Not Enough: Student Regulatory Awareness and Use of GenAI in Higher Education). Kujua kanuni hakukutabiri kwa nguvu kile wanafunzi walifanya.

Sera ya taasisi na pengo la utawala

Miongozo, si sera. Uchunguzi wa mazingira ya programu 48 zote za uzamifu wa uidhinishaji wa informatics ya afya na usimamizi wa taarifa za afya uligundua 40 (83%) zenye hati moja au zaidi za AI zinazopatikana kwa umma, lakini kifaa cha mtindo kilikuwa miongozo ya ushauri (21, 53%) badala ya sera rasmi (7, 18%) (Institutional approaches to artificial intelligence policy and guidance in health informatics and information management education: emerging trends and inconsistencies). Uadilifu wa kitaaluma ulitawala msamiati (n = 139), mbele ya nukuu (n = 59) na Tathmini (n = 50), huku HIPAA (n = 5), FERPA (n = 11), upatikanaji wa haki (n = 2), na mahitaji ya ufunuo (n = 1) yakiwa karibu hayapo, na rekodi za afya za kielektroniki hazikuelezewa kabisa. Latent Dirichlet Allocation ilizalisha mada nne zilizozunguka uadilifu, matumizi ya GenAI ya wanafunzi, zana za utafiti za chuo kikuu, na ushiriki wa ChatGPT. Kwa sababu hati za umma tu zilichanganuliwa, waandishi wanatendea kutokuwepo kwa lugha ya faragha na haki kama matokeo kuhusu miongozo iliyochapishwa, si kuhusu mazoezi ya taasisi.
Kituo kipofu cha usawa. Ujumuishaji (n = 9), upatikanaji (n = 9), marekebisho (n = 4), na upatikanaji wa haki (n = 2) yanaonekana kwa viwango ambavyo haviwezi kusaidia dai yoyote kuwa Usawa imeshughulikiwa, ingawa programu kadhaa zinahitaji matumizi ya AI katika kazi za kozi. Pamoja na matibabu membamba ya uwezo wa kitaalamu wa Utawala wa AI, hii ni kazi wazi zaidi ya ubini ambayo kifurushi kinaiacha wazi: kuunganisha kanuni za uadilifu na masharti ya upatikanaji, faragha, na utawala wa data ambazo wahitimu hao watawajibika kutekeleza.

Dhana Zilizounganishwa

Makala Zilizounganishwa

Metadata

Fani	Information Technology, Cs Education
Ngazi	Higher Ed, Adult Learning
Hadhira inayokusudiwa	Administrators, Curriculum Designers, Instructional Designers, Instructors, Learners, Policymakers
Kujifunza na Ufundishaji	Kujifunza Kazini
Taasisi na Sera	Utawala wa AI
Usawa, Maadili, na Matumizi ya Uwajibikaji	Usawa
Misingi ya Akili Bandia katika Elimu	Uadilifu wa Kitaaluma, Ujuzi wa AI, Kupunguza Mzigo wa Kiakili

Source History Edit Chat