لكن قد يجادل البعض في أن تحسين اتصالات الشبكة مهمة ضبابية أكثر من تحسين نتائج الاختبار. ما ، على وجه التحديد ، يجب أن تكون الوظيفة (الوظائف) الموضوعية؟
قد يتضمن أحد الأطر لاستكشاف ذلك التركيز على كيفية اندماج الأطفال والعائلات في الشكل وتطورها في المقام الأول. في سياق التعليم ، يتضمن ذلك مجموعة واسعة من السياسات التي تصممها المناطق التعليمية لتحديد المدارس التي يمكن للطلاب الالتحاق بها (“سياسات تعيين المدرسة”) ، جنبًا إلى جنب مع الممارسات التي تتبناها العائلات عند اختيار المدارس لأطفالهم بموجب هذه السياسات. لقد عملت مثل هذه السياسات والممارسات تاريخيًا على إدامة سمات ضارة مثل الفصل في المدارس حسب العرق والوضع الاجتماعي والاقتصادي – والتي ، على الرغم من مرور 70 عامًا تقريبًا على حظرها رسميًا ، لا تزال تحدد التعليم العام في الولايات المتحدة. يجادل العديد من العلماء بأن التكامل الديموغرافي كان من الناحية التاريخية أحد أكثر الأساليب فاعلية ليس فقط للإعداد الأكاديمي للمجموعات المحرومة تاريخيًا ، ولكن أيضًا لتعزيز التعاطف والتفاهم – لنقل أخلاقيات التعددية – عبر الأشخاص من خلفيات مختلفة.
يمكن أن يساعد الذكاء الاصطناعي في دعم تصميم سياسات تكليف مدرسية أكثر إنصافًا والتي تعزز المدارس المتنوعة والمتكاملة ، على سبيل المثال ، من خلال دعم جهود التخطيط على مستوى المنطقة لإعادة رسم “مناطق الحضور إلى المدرسة” – أي مناطق التجمعات التي تحدد الأحياء التي تغذي المدارس – بطرق تسعى إلى التخفيف من الأنماط الأساسية للفصل السكني دون فرض أعباء سفر كبيرة ومضايقات أخرى على العائلات.
تعمل الشراكات الحالية بين الباحثين والممارسين – وبعض أبحاثي الخاصة مع المتعاونين دوغ بيفرمان ، وكريستين فيجا-بورهيدريان ، وكاساندرا أوفيرني ، وباسكال فان هنتنك ، وكومار شاندرا ، وديب روي – على الاستفادة من أدوات مجتمع أبحاث العمليات والذكاء الاصطناعي القائم على القواعد مثل البرمجة المقيدة لاستكشاف سياسات التخصيص البديلة التي يمكن أن تحسن التكامل العرقي والاجتماعي والاقتصادي في المدارس.
يمكن أن تساعد هذه الخوارزميات في تبسيط عملية مرهقة بخلاف ذلك لاستكشاف عدد لا حصر له على ما يبدو من التغييرات الحدودية المحتملة لتحديد المسارات المحتملة لمدارس أكثر تكاملاً توازن بين عدد من الأهداف المتنافسة (مثل أوقات سفر الأسرة والتبديل بين المدرسة). يمكن أيضًا دمجها مع أنظمة التعلم الآلي – على سبيل المثال ، تلك التي تحاول التنبؤ باختيار الأسرة في مواجهة التغييرات الحدودية – لتقدير أكثر واقعية لكيفية تأثير السياسات المتغيرة على التركيبة السكانية للمدرسة.
بالطبع ، لا يخلو أي من تطبيقات الذكاء الاصطناعي هذه من المخاطر. يمكن أن يكون التبديل في المدرسة معطلاً للطلاب ، وحتى مع التكامل على مستوى المدرسة ، يمكن أن يستمر الفصل على مستويات أصغر مثل الفصول الدراسية والكافيتريات بسبب تتبع المناهج الدراسية ، ونقص ممارسات التدريس المستجيبة ثقافيًا ، وعوامل أخرى. علاوة على ذلك ، يجب صياغة التطبيقات في بنية تحتية اجتماعية تقنية مناسبة تدمج أصوات المجتمع في عملية صنع السياسات. ومع ذلك ، فإن استخدام الذكاء الاصطناعي للمساعدة في إبلاغ الطلاب والأسر الذين يذهبون إلى المدرسة مع بعضهم البعض قد يؤدي إلى تغييرات هيكلية أعمق تعمل على تغيير الشبكات التي يتصل بها الطلاب ، وبالتالي النتائج الحياتية التي يحققونها في نهاية المطاف.
ومع ذلك ، من غير المرجح أن تؤدي التغييرات في سياسات تعيين المدرسة دون تغييرات في سلوكيات الاختيار في المدرسة بين العائلات إلى تحولات مستدامة في الشبكات التي يتم استغلال الطلاب فيها. هنا أيضًا ، قد يكون للذكاء الاصطناعي دور يلعبه. على سبيل المثال ، تعمل منصات تصنيف المدارس الرقمية مثل GreatSchools.org بشكل متزايد على تشكيل كيفية تصنيف العائلات واختيار المدارس لأطفالها – خاصة وأن تقييماتهم غالبًا ما تكون مضمنة في مواقع الإسكان مثل Redfin ، والتي يمكن أن تؤثر على المكان الذي تختار العائلات العيش فيه.
اكتشاف المزيد من مباشر التقنية
اشترك للحصول على أحدث التدوينات المرسلة إلى بريدك الإلكتروني.