"AI კოდირების დამრიგებლის პარადოქსი — განათლების სისტემა კოდის წერის სწავლებას გადახედავს"

AI კოდირების დამრიგებლის პარადოქსი — როდესაც ხელოვნური ინტელექტი სწავლასა და დამოკიდებულებას შორის ზღვარს აბუნდოვნებს

წარმოიდგინეთ საკლასო ოთახი, სადაც სტუდენტებს ხელთ უჭირავთ უძლიერესი იარაღი — ChatGPT, GitHub Copilot, Claude — რომლებსაც შეუძლიათ დაწერონ კოდი ნებისმიერ ენაზე, ნებისმიერი სირთულის დავალებისთვის, წამებში. თქვენ, როგორც პროფესორმა, იცით, რომ ინდუსტრია ამ ინსტრუმენტებს იყენებს. მაგრამ როგორ შეაფასოთ სტუდენტის რეალური ცოდნა, როცა AI-ს შეუძლია ნებისმიერი ტესტის გადაჭრა?

ეს არის AI კოდირების დამრიგებლის პარადოქსი — ის, რაც დღეს საუნივერსიტეტო განათლების ერთ-ერთ ყველაზე მწვავე გამოწვევად იქცა. AI ინსტრუმენტები, რომლებსაც შეუძლიათ შეასრულონ შესავალი კურსების ტიპიური პროგრამირების დავალებები საშუალო სტუდენტის დონეზე, აიძულებენ პედაგოგებს გადახედონ არა მხოლოდ იმას, როგორ ასწავლიან, არამედ იმასაც, რისი სწავლება ღირს.

გლობალური კვლევა: რას ფიქრობენ 763 პედაგოგი 49 ქვეყნიდან

ACM-ის (Association for Computing Machinery) სპეციალურმა სამუშაო ჯგუფმა — "ACM Task Force on Generative AI and Programming Assessment" — ჩაატარა ფართომასშტაბიანი კვლევა, რომელიც მოიცავს 763 პედაგოგს 49 ქვეყნიდან. გამოკითხვა ჩატარდა 2025 წლის მაისიდან ოქტომბრამდე, საიდანაც 500-მდე სრულად შევსებული ანკეტა გაანალიზდა. შედეგები საგანგაშო და ამავდროულად გამჭრიახია.

აქ არის ყველაზე მნიშვნელოვანი მაჩვენებლები:

• 69% — პედაგოგთა ამ რაოდენობას მიაჩნია, რომ AI-მ რადიკალურად შეცვალა ის უნარები, რაც პროგრამისტებს სჭირდებათ
• 87% — მთავარი საზრუნავი: სტუდენტების AI-ზე დამოკიდებულების ზრდა
• 72% — შემდეგი უდიდესი პრობლემა: მოტყუება და პლაგიატი
• 64% — უკვე შეცვალეს სწავლების მეთოდები
• 68% — შეცვალეს შეფასების მეთოდები

ეს ციფრები გვიჩვენებს, რომ AI-ს გავლენა განათლებაზე არ არის მომავლის საკითხი — ის უკვე აქ არის, და ის ცვლის ყველაფერს.

სწავლების ტრანსფორმაცია: კოდის ნულიდან წერიდან მის გააზრებამდე

ალბათ, ყველაზე მნიშვნელოვანი ცვლილება, რასაც კვლევა ავლენს, არის ის, თუ როგორ იცვლება სწავლების ფილოსოფია. 64% პედაგოგთა უკვე გადავიდა ტრადიციული მიდგომიდან — "დაწერე კოდი ნულიდან" — ახალ მეთოდოლოგიაზე, რომელიც ფოკუსირებულია:

• კოდის გაგებაზე — იმის ანალიზი, თუ რას აკეთებს მზა კოდი
• Debugging-ზე — შეცდომების პოვნა და გასწორება
• პრობლემების გადაჭრაზე — არქიტექტურისა და ალგორითმების დაპროექტება
• Prompt Engineering-ზე — როგორ სწორად მივცეთ მითითებები AI-ს

39 პასუხში პირდაპირ იყო ნახსენები AI-ს გამოყენების სწავლება და prompt engineering, როგორც ცალკე თემა. ზოგიერთი პედაგოგი AI ინსტრუმენტებს კლასში დემონსტრირებს, რათა აჩვენოს მათი შესაძლებლობები და შეზღუდვები.

„ჩვენ ვიცით, რომ სტუდენტები, სავარაუდოდ, AI ინსტრუმენტებით იმუშავებენ, როცა შრომის ბაზარზე გავლენ", — ამბობს სტივენ გორდონი, ოჰაიოს სახელმწიფო უნივერსიტეტის პროფესორი და კვლევის მთავარი ავტორი. „მთავარია, მოვამზადოთ კურსდამთავრებულები, რომლებიც კომპეტენტურები იქნებიან პროგრამირებაში და გაიგებენ AI-ს როგორც შესაძლებლობებს, ისე შეზღუდვებს".

შეფასების რევოლუცია: ზეპირი გამოცდები, კოდის დაცვა, ქაღალდზე წერა

თუ სწავლების მეთოდები იცვლება, შეფასების მეთოდები კიდევ უფრო დრამატულად გარდაიქმნება. 68% რესპონდენტმა შეცვალა გამოცდების ფორმატი. კვლევამ გამოავლინა რამდენიმე ძირითადი ტენდენცია:

• 56 რესპონდენტი — ზრდის პროქტორირებულ (ზედამხედველობით) გამოცდებს
• 38 — ამცირებს საშინაო დავალების წონას
• 36 — ნერგავს ზეპირ გამოცდებსა და კოდის დაცვის სესიებს
• 35 — უბრუნდება ქაღალდზე ჩატარებულ ტესტებს
• 34 — ზრდის პროექტზე დაფუძნებულ შეფასებას

განსაკუთრებით საინტერესოა კოდის დაცვის სესიები — სტუდენტი წერს კოდს, შემდეგ კი ზეპირად უხსნის პროფესორს, რატომ მიიღო ესა თუ ის გადაწყვეტილება. ეს მეთოდი AI-ს გამოყენებას არ კრძალავს, მაგრამ მოითხოვს სტუდენტის ღრმა გააზრებას. ზოგიერთი უნივერსიტეტი სტუდენტებს სთხოვს, წარადგინონ AI-სთან ურთიერთობის ლოგები — ChatGPT-სა და GitHub Copilot-თან მიმოწერის სრული ისტორია.

ინსტიტუციური პოლიტიკის ქაოსი

კვლევამ აჩვენა, რომ უნივერსიტეტების პოლიტიკა AI-ს მიმართ უკიდურესად არაერთგვაროვანია. მხოლოდ 45%-ს აქვს ოფიციალური მითითებები AI-ს გამოყენების შესახებ, ხოლო 39%-ს საერთოდ არ გააჩნია რაიმე პოლიტიკა. დანარჩენები სხვადასხვა მიდგომას იყენებენ — სრული აკრძალვიდან დაწყებული, აქტიურ წახალისებამდე, იმ პირობით, რომ გამოყენება დოკუმენტირებული იქნება.

ეს ქაოსი ასახავს უფრო ღრმა პრობლემას: უმაღლესი განათლება ჯერ კიდევ ეძებს პასუხს კითხვაზე, თუ როგორ იარსებოს AI-ს ეპოქაში. ერთი მხრივ, ინდუსტრია AI-ს აქტიურად იყენებს და უნივერსიტეტები ვალდებულნი არიან მოამზადონ სტუდენტები რეალური სამყაროსთვის. მეორე მხრივ, მათ უნდა უზრუნველყონ, რომ სტუდენტებმა რეალურად აითვისონ საფუძვლები.

საუკეთესო პრაქტიკების კრიზისი: 48%-ს არ აქვს მითითებები

კვლევის ერთ-ერთი ყველაზე გამაფრთხილებელი დასკვნა ისაა, რომ 48% პედაგოგთა არ ფლობს საუკეთესო პრაქტიკებს AI-ს ინტეგრაციისთვის. 28%-ს არ აქვს საკმარისი გამოცდილება AI-სთან, ხოლო 20% ვერ ხედავს AI-ს ინტეგრაციის საჭიროებას საერთოდ.

მაგრამ ყველაზე მეტად ის გვაფიქრებინებს, რომ 74% პედაგოგთა ითხოვს ტრენინგს სწავლების ეფექტურ მეთოდებზე, ხოლო 66%-ს სჭირდება დახმარება შეფასების მეთოდების რედიზაინში. ეს მაჩვენებლები მიუთითებს, რომ პედაგოგები ცვლილების სურვილს გამოთქვამენ, მაგრამ მხარდაჭერის გარეშე რჩებიან.

ACM-ის სამუშაო ჯგუფმა უკვე შექმნა ვებსაიტი, რომელიც აგროვებს პრაქტიკულ მაგალითებსა და რესურსებს პედაგოგებისთვის. „ეს ცვლილებები მოხდება, ნებით თუ უნებლიეთ," — ამბობს კვლევის ავტორი. „მთავარია, მივცეთ პედაგოგებს ინსტრუმენტები, რომლებიც მათ ამ გადასვლაში დაეხმარება".

კვლევები ადასტურებს: AI ზრდის ქულებს, მაგრამ ასუსტებს სწავლას

ACM-ის კვლევა მხოლოდ ერთი ნაწილია უფრო დიდი სურათისა. ბოლო პერიოდში გამოქვეყნებულმა რამდენიმე კვლევამ აჩვენა, რომ AI-ს გამოყენებისას სტუდენტების ქულები იზრდება, თუმცა რეალური ცოდნა მცირდება. მოდით განვიხილოთ რამდენიმე მათგანი:

Anthropic-ის კვლევა: AI-ს გამოყენება 17%-ით ამცირებს ცოდნის ტესტის შედეგებს

Anthropic-მა ჩაატარა კვლევა, რომელშიც პროგრამისტებს ახალი Python ბიბლიოთეკის შესწავლა სთხოვეს. ერთ ჯგუფს AI დახმარება ჰქონდა, მეორეს — არა. შედეგი: AI-ს მომხმარებელმა ჯგუფმა 17%-ით დაბალი ქულა აჩვენა შემდგომ ცოდნის ტესტზე. ყველაზე თამამი მომხმარებლები, რომლებმაც კოდირება მთლიანად AI-ს გადააბარეს, დავალებები ყველაზე სწრაფად შეასრულეს, მაგრამ ცოდნის ტესტზე საშუალოდ მხოლოდ 39% დააგროვეს.

ჩინური ლონგიტუდური კვლევა: 26,000 სტუდენტის მონიტორინგი

ჩინეთში ჩატარებულმა ხანგრძლივმა კვლევამ, რომელიც 26,000-ზე მეტ სტუდენტს აკვირდებოდა, აჩვენა, რომ AI-ს გამოყენებამ საშინაო დავალებების ქულები 18%-ით გაზარდა და შესრულების დრო 30%-ით შეამცირა. თუმცა, 6 თვის შემდეგ ჩატარებულ დახურულ გამოცდაზე, ქულები 20%-ით დაეცა. შესასვლელ გამოცდებზე კლება 18% და 24% იყო.

UC Berkeley-ის ანალიზი: 500,000+ ქულის ისტორია

კალიფორნიის უნივერსიტეტის (Berkeley) ანალიზმა, რომელმაც 500,000-ზე მეტი ქულა მოიცვა, აჩვენა, რომ ChatGPT-ს გამოშვების შემდეგ, უმაღლესი ქულების რაოდენობა მკვეთრად გაიზარდა — განსაკუთრებით იმ კურსებში, სადაც წერითი და პროგრამირების დავალებები ჭარბობდა. ყველაზე დრამატული ზრდა დაფიქსირდა იმ კურსებში, სადაც ზედამხედველობის გარეშე შესრულებული საშინაო დავალება დიდ წონას ატარებდა საბოლოო შეფასებაში. სწორედ ამ ტიპის შეფასების მეთოდებს ამცირებენ პედაგოგები ACM-ის კვლევის მიხედვით.

გეოგრაფიული განსხვავებები და კვლევის შეზღუდვები

მნიშვნელოვანია აღინიშნოს, რომ კვლევის მონაწილეები ძირითადად ACM-ისა და SIGCSE-ის ფოსტის სიებიდან და ნაციონალური პედაგოგების დირექტორიებიდან იყო დაკომპლექტებული. რესპონდენტთა გეოგრაფია ასე გამოიყურება:

• ჩრდილოეთ ამერიკა: 227 რესპონდენტი
• ევროპა: 106
• აზია: 57
• სამხრეთ ამერიკა: 10
• ოკეანია: 9
• აფრიკა: 3

გამოკითხულთა 77% უნივერსიტეტებში მუშაობს, ხოლო სკოლები და პროფესიული სასწავლებლები თითქმის არ არიან წარმოდგენილნი. ეს მიუთითებს იმაზე, რომ AI-ს გავლენა ქვედა საფეხურებზე ნაკლებად არის შესწავლილი.

ACM-ის კვლევა თავისუფლად ხელმისაწვდომია ონლაინ, ხოლო სამუშაო ჯგუფმა შექმნა ვებსაიტი, სადაც გროვდება პრაქტიკული მაგალითები და რესურსები პედაგოგებისთვის.

დასკვნა: განათლების ახალი ერა

AI კოდირების დამრიგებლის პარადოქსი იმაში მდგომარეობს, რომ AI-ს შეუძლია იყოს როგორც უძლიერესი საგანმანათლებლო იარაღი, ისე — სერიოზული დაბრკოლება რეალური სწავლისთვის. ის, რაც 2025-2026 წლებში ხდება უნივერსიტეტებში, არის არა AI-ს წინააღმდეგ ბრძოლა, არამედ ადაპტაცია ახალ რეალობასთან.

პედაგოგები თანდათან გადადიან კითხვიდან „როგოვ ავკრძალოთ AI" კითხვაზე „როგორ ვასწავლოთ ისე, რომ AI-მ გააძლიეროს, და არა დაასუსტოს, რეალური ცოდნა". ეს არის რთული, მაგრამ აუცილებელი გარდამავალი პერიოდი. განათლების სისტემა, რომელიც მოახერხებს AI-ს ინტეგრირებას ისე, რომ შეინარჩუნოს კრიტიკული აზროვნება, პრობლემების გადაჭრის უნარი და ღრმა ტექნიკური ცოდნა, იქნება ის, ვინც მოამზადებს მომავლის პროგრამისტებსა და ინჟინრებს.

როგორც ACM-ის კვლევა გვიჩვენებს, ცვლილება უკვე მიმდინარეობს. საკითხი აღარ არის თუ მოხდება ეს ცვლილებები, არამედ — რამდენად სწრაფად და რამდენად ეფექტურად მოახერხებენ უნივერსიტეტები ადაპტაციას.

📖 წყარო