Kwenye ukurasa huu

Soma ukurasa huu kwa Kiingereza

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

Elimu ya ufundi na mafunzo — sehemu ya elimu inayowaandaa watu kwa kazi zenye majina, biashara na majukumu ya kiufundi, iliyopangwa kuzunguka uwezo unaokaribia mazoezi badala ya maarifa ya somo. Pale ambapo mafunzo ya mahali pa kazi yanataja kuboresha ustadi kwa wale tayari wanaajiriwa, VET inajumuisha maandalizi ya awali ya biashara; pale ambapo elimu ya juu inaitaja masomo ya digrii, VET mara nyingi si ya digrii na inaundwa na mifumo ya kitaifa ya sifa. Vipengele vyake vya kufafanua ni kwamba wanafunzi wanathminiwa juu ya kile wanaweza kufanya na vifaa, kwamba mafunzo yanatokea karibu na warsha, kigunduzi au eneo la kazi, na kwamba wakufunzi wa binadamu wanaobeba mafunzo ya vitendo mara nyingi ni kizuizi cha kufunga. Katika utafiti wa AI, VET inaonekana wote kama idadi tofauti ya wanafunzi — moja ambayo ujasiri wa kitaaluma unahusishwa na ustadi ulioonyeshwa na utambulisho wa kazi — na kama msingi tofauti wa ushahidi, nyembamba na mgawanyiko zaidi kuliko nyaraka za shule au chuo kikuu.

Maswali ya Kuzingatia

  • Ikiwa sifa inathibitisha kile mwanafunzi anaweza kufanya, ni kiasi gani cha mafunzo yanayosaidiwa na AI yanahesabiwa kama mazoezi halisi na ni kiasi gani kinachukua nafasi ya kurudia ambayo hujenga uwezo?
  • Nini hupotea wakati wakala wa AI anacheza jukumu la mwenzake — mgonjwa, rubani, mteja — ambalo mwakufunzi wa binadamu alikuwa akicheza? Ni hukumu gani ambazo mwenzake wa kizushi hawezi kuunda mfano?
  • Tathmini ya mdomo haupanui vizuri na ukubwa wa darasa. Ikiwa AI inatoa ushahidi lakini hahukumu, ni sehemu gani za uwezo wa tathmini zinaepuliwa na ni zipi zinasukumwa tu kwa mwalimu?
  • Hakuna somo katika msingi wa ushahidi wa AI-katika-VET lililowekwa katika mahali pa kazi, lakini VET inafafanuliwa na mafunzo ya msingi wa kazi. Utafiti wa kuaminika mahali mafunzo yanatokea ungehitaji nini?
  • Sheria ya EU AI Act inachukulia AI inayotathmini matokeo ya mafunzo katika mafunzo ya ufundi kama hatari kubwa, huku baadhi ya mifumo ikikuwa na hakuna. Je, manunuzi yanapaswa kufuata kiwango kali zaidi kinachopatikana?

Utangulizi

Elimu ya ufundi na mafunzo inaandaa watu kwa kazi mahususi — wataalamu wa magari, wadhibiti wa trafiki ya anga, wabunifu wa ndani, wafanyakazi wa huduma ya uangalizi — na sarafu yake ni uwezo ulioonyeshwa badala ya alama zilizokusanywa. Tathmini inaelekea kuwa ya msingi wa utendaji, mafunzo yameunganishwa na vifaa, na wakufunzi wenye ustadi wanaosimamia mazoezi ni haba.

Majirani yake katika hifadhi hii ya maarifa yanatofautiana hasa katika upeo. Kujifunza Kazini inashughulikia kuboresha ustadi wa mahali pa kazi na wa kampuni, hasa kwa watu tayari wanaajiriwa; VET inashughulikia maandalizi ya awali ya kazi pia. Wanafunzi Wazima inaitaja sifa za mwanafunzi badala ya uhalisia wa kazi. Elimu ya Juu inaitaja masomo yanayotoa digrii, huku mengi ya VET yamepangwa na mifumo ya sifa kama viwango vya vitengo vya NZQA au EQF. Elimu ya STEM na VET zimeingiliana katika nyanja za kiufundi, lakini elimu ya STEM inalenga uelewa wa dhana huku VET ikilenga utaratibu unaoweza kutumika. Maendeleo ya Kazi na Uandali inaitaja mwelekeo wa uajira ambao programu za VET huhukumiwa navyo; VET inaitaja mfumo wa mafunzo unaowajibika kuzalisha.

Kile kilicho cha kipekee kuhusu AI katika VET ni pengo kati ya kile sekta inasema inataka na kile inajenga: nadharia ya ujenzi inatangazwa kwa wingi huku mifumo ya tabia ya mazoezi-na-matendo ikitawala na mifumo ya wakala wa mwanafunzi ikibaki nadra. Swali la mara kwa mara la ubunifu si kama AI inaweza kutoa mafunzo, lakini kama inaweza kuchukua sehemu za mafunzo ya ufundi ambazo ni ghali kwa wafanyakazi — hali halisi, maoni ya wakati, washirika wanaocheza, ushahidi wa mdomo — bila kuondoa mazoezi yanayozalisha uwezo.

Jinsi AI inavyoonekana katika elimu ya ufundi na mafunzo

  • Msingi wa ushahidi mwanga, mgawanyiko, na uliokusanyika kijiografia. Mapitio ya kwanza ya mfumo ya AI katika VET (Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness) yalitambua masomo 26 ya vitendo yaliyo chapishwa 2015–2026 kupitia ERIC, Web of Science na Elicit chini ya miongozo ya PRISMA: tisa ya nyanja za kiufundi, tisa ya jumla ya nyanja, tano katika usimamizi wa biashara na tatu katika afya. Mipangilio ilikuwa sita ya darasa, nane ya mtandaoni, minne ya mchanganyiko na nane ya msingi wa kigunduzi — na hakuna katika mahali pa kazi, licha ya tabia ya VET ya msingi wa kazi. Kumi na saba kati ya 26 yalitoka Asia; masomo tisa tu yalishirikiana angalau rejea moja na hakuna yaliyorudiana. Matano yalikuwa majaribio ya nasibu na 21 yalitumia mifumo ya awali ya jaribio au karibu ya jaribio, kwa kiasi kikubwa yakipima matokeo mara moja baada ya mwingiliko, na matatu tu yaliwapa wanafunzi jukumu hai katika ubunifu unaoendeshwa na AI. Waandishi wanaonya juu ya "Mtego wa Turing" wa elimu — kutumia AI kurudia mafunzo ya binadamu badala ya kuongeza hukumu ya binadamu — na wanaitia mwingiliko kwa hali za kushindwa na hali za mipaka badala ya hadithi ya mafanikio inayotawala.

  • Kigunduzi kinachukua nafasi ya mchezaji mdogo. ASTRA: A Scalable Next-Generation ATCO Training Simulator with Autonomous Simpilots inalenga kizuizi cha uwezo katika mafunzo ya udhibiti wa trafiki ya anga: simpilots, wakufunzi maalum wa binadamu wanaocheza jukumu la rubani na wadhibiti katika anga la kigunduzi. ASTRA inachukua nafasi ya sim-pilots zinazoendeshwa na LLM za kujitegemea, ikihifadhi ugumu wa hali huku ikaondoa kizuizi cha wafanyakazi na ikiruhusu mazoezi ya inayobadilika kwa wingi. Ni maelezo ya mfumo badala ya jaribio la ufanisi, lakini inaitaja mfumo unaojirudia kati ya AI katika VET: pale ambapo kipengele cha haba ni binadamu mwenye ustadi anayecheza mwenzake, wakala anaweza kushikilia jukumu na kuruhusu mazoezi kupanuka.

  • Kazi ya mradi inayoegemea na kusaidwa na wakala inaweza kupandisha uwezo wa ubunifu — kwa uteuzi. Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments inaeleza AI-IVE-PBL, mfano wa vipengele vinne na awamu tano (ugunduzi, kubuni, kuunda mfano, mawasiliano, ukamilishaji) unaoendeshwa katika VR na msaidizi wa binadamu-mtandaoni unaoendeshwa na LLM katika kozi ya ubunifu wa ndani ya mwaka wa kwanza katika chuo cha ufundi cha China. Katika karibu-jaribio la vikundi viwili la wiki 12 (majibu 64 halali; 31 dhidi ya 32), hali ya kuvumbua-wakala ilipata alama za juu katika uwezo wa ubunifu (η²p = .138) na uwezo wa ubunifu (η²p = .111) chini ya ANCOVA, na mwingiliano wa fikra d = 0.90, mwingiliano wa tabia d = 0.75, motisha d = 0.74, kuridhika d = 0.69, na mzigo wa fikra wa chini (d = −0.52). Mawazo ya ubunifu na mwingiliano wa hisia hayakufikia maana, yaliyoshukiwa na waandishi kwa vizingiti vya muda mfupi juu ya mifumo ya fikra iliyoshikamana. Kila matokeo ni ya kujiripoti, bila vitu vya ubunifu au ukadiriaji wa wataalam. Kusomwa dhidi ya Generative AI and Extended Reality in Collaborative Architectural Design Education: An Exploratory Studio Study, ambapo mtiririko wa GenAI-plus-XR ulizalisha Uwezo Binafsi ya ubunifu inayopungua na hakuna faida ya jopo lililofichwa, tofauti inaonekana kidogo kama vifaa na zaidi kama nani anashikilia muundo wa awamu na rubriki.

  • Tathmini ni mahali tatizo la uhalisi linapokuwa kali zaidi. Designing AI-Supported Oral Assessment in TVET inadokumenti AkoVoice, iliyojaribiwa katika madarasa manne ya Kiwango cha 3 ya Magari na moja ya Kiwango cha 3 ya Uhandisi, iliyoundwa ili AI itoe ushahidi wa rubriki huku mthibitishaji wa binadamu akihukumu. Kati ya wanafunzi 33 waliohojiwa, 21 (64%) walikubaliana kuwa kazi ya sauti ilikuwa halisi na uwiano uo huo walisema iliwapa njia wazi ya kuwasilisha kile walichojua; hakuna aliyekataa kuwa kuzungumza kwa wakati halisi inafaa zaidi tathmini hii ya uhalisi kulika jalada la maandishi. Hesabu za maneno kwa maswali sawa zilitofautiana mara tano hadi nane kati ya wanafunzi bila kuboresha usahihi kwa maswali ya msingi wa ukweli, na wanafunzi tisa wanaojibu kwa maneno 2 hadi 13 wote walitiwa alama kwa usahihi, mfupi zaidi ikiwa maneno mawili, "3500 kgs", yaliyolingana kwa thamani. Mzunguko kamili wa kunasa, kuhifadhi, kuandaa hukumu ya AI na kuripoti kwa mwalimu uliendeshwa bila mtandao kwa kompyuta moja ya Windows yenye kumbukumbu 8 GB ya picha (Mistral 7B kupitia Ollama, faster-whisper, Chatterbox), ikitathmini wanafunzi hadi 12 kwa wakati mmoja katika warsha ambapo fremu ya chuma inashindwa na wifi, na rekodi zimefichwa na kufutwa baada ya siku 90. Karatasi inaonya kwamba Sheria ya EU AI Act inachukulia AI inayotathmini matokeo ya mafunzo katika mafunzo ya ufundi kama hatari kubwa, huku New Zealand ikiwa na hakuna mfumo mahususi wa TVET.

  • Kusindikiza kwa mipaka badala ya mbadala. Design Principles and Observable Indicators for AI-Enabled Pedagogical Accompaniment: Evidence from the Amico Dual-Mode Prototype in Italy and China inadai kwamba thamani ya AI katika mipangilio ya kiufundi na ufundi hutegemea upatanisho wa kielimu unaowajibika badala ya ubinadamu. Kigezo chake cha Amico kinaunganisha AmicoMio, kilichoelekezwa kwa uwazi wa kiufundi na mwongozo wa kazi hatua kwa hatua, na AmicoTuo, kilichoelekezwa kwa mazungumzo ya kutafakari na maswali ya mbinu ya Socratic. Kanuni ya ubunifu ni daraja la mahusiano: mwingiliano wa muda kwa makusudi, linaloelekea kwa mawasiliano ya binadamu, na linalozuiliwa na ulinzi, na watu wazima wakihifadhi wajibu wa binadamu-katika-amri. Majaribio ya upelelezi (N = 30, Italia na China, vipindi 20 vilivyozuiliwa) vilipata washiriki wakichukulia mfumo kama zana ya msaada yenye mipaka, bila matarajio yoyote yaliyoripotiwa ya mbadala au utegemezi.

  • Mafunzo yanayosaidiwa na AI hubeba gharama ya kisaikolojia yakichukua nafasi ya juhudi. AI-Assisted Autonomous Learning and Reduced Academic Accomplishment in Vocational Higher Education: The Mediating Role of Hardiness ilisimamia wanafunzi 1,264 wa chuo cha ufundi nchini China kwa kutumia uundaji wa mlinganyo wa muundo na ilipata mafunzo huru ya kujitegemea yanayosaidiwa na AI yamehusishwa kwa njia hasi na ugumu (kujitolea, kudhibiti, changamoto) na kwa njia chanya na kupungua kwa mafanikio ya kitaaluma, kipengele cha kuchoka cha tathmini hasi ya nafsi. Ugumu ulipatanisha sehemu ya uhusiano. Ubunifu ni wa kuvuka, wa kujiripoti na wa taasisi moja, hivyo sababu imewekwa, lakini mfumo ni muhimu kwa VET: pale ambapo ujasiri unajengwa kupitia mazoezi yanayojirudia, AI kama mbadala inaweza kupunguza wote mwelekeo wa kudumu na uzoefu wa ustadi unaohisiwa.

  • Kupata uzalishaji wa mtaala bila kusalimisha uthibitishaji. AI-accelerated End-to-End Framework for Rapid Professional Upskilling inatumia AI katika awamu zote tano za kuboresha ustadi wa kitaalamu — upatikanaji wa maarifa, maendeleo ya maudhui, mapitio na uthibitishaji, kufundisha kwa msaidizi na maendeleo ya tathmini — huku ikihifadhi ubunifu wa mpango, mapitio ya somo na uandishi wa dhana potofu na wanadamu. Uthibitishaji wake wa nje unajumuisha sifa ya NASBA CPE, wanafunzi wote watatu kati ya watatu wanaopita mtihani wa NVIDIA wakitumia tu hifadhi ya maarifa ya mfumo, na benki ya maswali 530 iliyowekwa alama kwa mpango wa ustadi 53. Ni hapa kwa sababu inachukulia uthibitishaji kama awamu ya kwanza: utambuzi wa hallucination karibu haupo katika mitiririko ya elimu, na karatasi inaripoti mafunzo ya chaguomsingi ya LLM yakifika tu 52–70% ya matendo sahihi ya kielimu.

Dhana Zinazohusiana

Makala Zinazohusiana

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.