گذار از آموزش سنتی به عصر هوش مصنوعی؛ بازتعریف نقش استاد، پژوهش هدفمند و چالشهای نوین دانشگاهی
گفتوگو با دکتر علیرضا گلی، دانشیار گروه مهندسی صنایع و آیندهپژوهی دانشگاه اصفهان و پژوهشگر دو درصد برتر دانشمندان جهان
جهان علم و فناوری با سرعتی بیسابقه در حال دگرگونی است؛ تحولاتی که مرزهای سنتی آموزش، پژوهش و مهارتهای شغلی را درنوردیده و دانشگاهها را در برابر ضرورت یک بازآفرینی بنیادین قرار داده است. ورود ابزارهای هوش مصنوعی و نسل جدید فناوریها، مفاهیمی چون مرجعیت علمی، ارزیابی اصالت پایاننامهها و شیوههای انتقال دانش را دستخوش دگرگونی کرده است. در این میان، پیوند هوش مصنوعی با دانش مهندسی صنایع و آیندهپژوهی، افقهای نوینی را برای تصمیمگیریهای دادهمحور و بهینهسازی سیستمهای پیچیده گشوده است.
به گزارش پایگاه خبری، دکتر علیرضا گلی، عضو هیاتعلمی گروه مهندسی صنایع و آیندهپژوهی دانشگاه اصفهان که برای چند سال پیاپی در زمره دو درصد برتر دانشمندان پراستناد دنیا قرار گرفته و عنوان پژوهشگر برتر استان را در کارنامه دارد، در این گفتوگوی تفصیلی و صریح، به تحلیل الزامات نوین زیست دانشگاهی پرداخته است.
وی با تشریح دستاوردهای پژوهشی خود از جمله هدایت آزمایشگاه «تصمیمگیری هوشمند دادهمحور»، پروژه لجستیک توزیع ملزومات بهداشتی در دوران کرونا و ابداع نقشههای ذهنی برای سادهسازی مفاهیم پیچیده علمی، بر ضرورت بازتعریف رسالت استادان دانشگاه از انتقالدهنده صرف دانش به راهنمایان فکری و ارتباطگران مؤثر با نسل جدید تأکید میکند.
چالشهای سنجش اصالت علمی در عصر هوش مصنوعی، لزوم ارتقای مهارتهای سال ۲۰۳۰ نظیر تفکر انتقادی و سیستمی، و اهمیت تشکیل اتاقهای فکر مشورتی در مدیریت کلان دانشگاه، از دیگر محورهای اصلی این گفتوگوی خواندنی است.
مشروح مصاحبه:
جناب دکتر گلی، برای شروع بفرمایید فعالیت علمی شما در دانشگاه اصفهان از چه زمانی آغاز شد و چه مسیری را برای رسیدن به حوزههای نوین تحقیقاتی سپری کردید؟
بنده از اواخر سال ۱۳۹۹ به عنوان عضو هیاتعلمی گروه مهندسی صنایع در دانشگاه اصفهان توفیق خدمت پیدا کردم. در ابتدای مسیر، تمرکز تحقیقاتی ما عمدتاً بر حوزههای کلاسیک مهندسی صنایع نظیر زنجیره تأمین و لجستیک متمرکز بود؛ گرایشی که خوشبختانه طی سالهای اخیر در دانشگاه اصفهان نیز پایهگذاری و تثبیت شده است.
با گذر زمان و با توجه به ضرورتهای علمی روز دنیا، تحقیقاتمان را به سمت هوش مصنوعی و فناوریهای نسل جدید سوق دادیم. یکی از رخدادهای ارزشمند در این فرایند، راهاندازی «آزمایشگاه تصمیمگیری هوشمند دادهمحور» بود. مأموریت بنیادین این آزمایشگاه آن است که بتواند با بهرهگیری تلفیقی از ابزارهای هوش مصنوعی و دانش کلاسیک مهندسی صنایع، به بخشهای صنعتی و سازمانها در اتخاذ تصمیمگیریهای دقیقتر، هوشمندانهتر و بهینهتر یاری رساند؛ مسیری که با مشارکت فعال دانشجویان نخبه شتاب بسیار خوبی به خود گرفت.
شما چند سال متوالی است که در زمره دو درصد برتر دانشمندان پراستناد جهان و جزو رتبههای برتر کشوری در مهندسی صنایع قرار دارید. این استمرار و تداوم موفقیت از چه استراتژی پژوهشی حاصل شده است؟
لطف پروردگار و ثمره تلاشهای تیمی، دانشجویان مستعد و همکاران گرامی بوده است. از سالهای گذشته همواره در پایگاههای استنادی مختلف جزو ۱۰ دانشمند و پژوهشگر برتر کشور در حوزه مهندسی صنایع بودهایم؛ رتبههای چهارم، ششم و هفتم کشور را تجربه کردهایم و سال گذشته نیز افتخار کسب عنوان پژوهشگر برتر استان نصیبمان شد.
اگر بخواهم دلیل اصلی این تداوم کیفیت و استنادهای بالای بینالمللی را خلاصه کنم، باید بگویم کلید واژه اصلی، «پرهیز از پراکندهکاری» و داشتن یک «نقشه راه پژوهشی پیوسته» است. پراکندهکاری پاشنه آشیل هر پژوهشگری است. اگر شما بر یک ایده و حوزه تخصصی مشخص تمرکز کنید و سالبهسال در همان راستا دست به تعمیق بزنید و مقالات وزینتر و باکیفیتتر منتشر کنید، جهش و ارتقای مداوم رخ خواهد داد. تا کنون علاوه بر داوری بیش از صدها مقاله و همکاری با افزون بر ۱۰ ژورنال تراز اول جهان به عنوان داور یا ادیتور مهمان، نگارش و تألیف فصولی از کتب علمی معتبر انگلیسی را نیز در کارنامه داشتهام.
یکی از نمونههای بارز این تحقیقات هدفمند، انتشار مقالهای در دوران همهگیری کووید-۱۹ پیرامون بهینهسازی زنجیره تأمین، توزیع ماسک و جمعآوری پسماندهای عفونی با مطالعه موردی استان تهران بود که به عنوان مقاله داغ (Hot Paper) در سطح جهانی بسیار دیده شد و استنادات گستردهای دریافت کرد.
یکی از اقدامات نوآورانه شما، استفاده از نقشههای ذهنی (Mind Map) در انتقال دانش است؛ این ایده چگونه شکل گرفت و چه کارکردی دارد؟
امروز حجم تولید مقالات در جهان انفجاری است؛ مطالعه صدها مقاله نهتنها بهشدت زمانبر است، بلکه لزوماً تسلط و کیفیت لازم را هم برای پژوهشگر به ارمغان نمیآورد و همه اساتید نیز بر تمامی ابعاد یک حوزه اشراف کامل ندارند. ایده ما این بود که فضاهای بسیار پیچیده و گسترده علمی را در قالب یک نقشه ذهنی (مایند مپ) جامع و خلاصه بازآفرینی کنیم.
این طرح با مشارکت ۶ تا ۷ ماهه تیمی از دانشجویان علاقهمند به ثمر نشست. جالب است بدانید برای این کار هیچ پروژه درسی، امتیاز آییننامهای یا نمرهای تعریف نشده بود، اما خروجی آن به ابزاری کاربردی تبدیل شد تا پژوهشگران بتوانند با نگاهی ساختارمند، کل اکوسیستم یک موضوع را درک کنند. بازخوردهای بسیار درخشانی از این متدولوژی دریافت کردیم و آن را به عنوان الگویی موفق برای سایر حوزههای دانشگاهی پیشنهاد دادیم.
به کار تیمی و انگیزش دانشجویان اشاره کردید. با توجه به چالشهای روزافزون در انگیزه نسل جوان، چگونه دانشجویان تحصیلات تکمیلی را بدون اجبار آییننامهای به سمت پژوهشهای بینالمللی هدایت میکنید؟
من عمیقاً باور دارم که دانشجو نیازی به «تشویق زبانی و نصیحت» ندارد؛ زمانی که دانشجو پویایی، صداقت علمی، وقتگذاری و تعهد استاد خود را به چشم ببیند، خودبهخود برانگیخته میشود. من از روز اول حضورم در دانشگاه، حتی یکصدم نمره را به پذیرش یا نگارش مقاله گره نزدهام؛ با زور و اجبار نمیتوان محقق واقعی تربیت کرد.
استراتژی ما شفافسازی مسیر و تعریف یک نقشه راه واقعبینانه دو ساله است؛ بدون کمالگراییهای دستنیافتنی که دانشجو را مضطرب کند و بدون انفعال که او را ناامید سازد. گرچه آییننامههای پایاننامه به دلیل محدودیتها، ساختاری تکنفره دارند، اما ما فرهنگ تیمورک را در خارج از آن چارچوب رسمی نهادینه کردیم؛ بچهها ایدهها را به اشتراک میگذارند، یک نفر بر متدولوژی تمرکز میکند، دیگری به تحلیل نتایج میپردازد، و عضوی دیگر ویراستاری علمی را به عهده میگیرد. استاد در این میان نقش راهنما، حامی و تنظیمکننده استانداردها را دارد. ما نباید مداوم غر بزنیم که ورودیها ضعیف شدهاند؛ اگر بستری امن، صمیمی و در عین حال قانونمند فراهم شود، نخبگان در همین شرایط شکوفا میشوند.
توصیه همیشگی من به دانشجویان تحصیلات تکمیلی این است که در گام اول به «خودشناسی» برسند؛ اینکه بدانند دقیقاً از دوره ارشد یا دکتری چه میخواهند. آیا به دنبال ورود قدرتمند به صنعت هستند یا خواهان تثبیت رزومه در مجامع بینالمللی؟ مسیر هر دو کاملاً تعریفشده و روشن است، اما برای هدفگذاری نامشخص، نمیتوان دستاوردی متصور بود.
تحولات شتابان فناوری، جایگاه سنتی اساتید و ساختار دانشگاهها را با چه چالشهایی مواجه کرده است؟
در گذشته، عضو هیاتعلمی مرجعیت انحصاری علم بود؛ دانشجو برای دریافت هر پاسخ علمی باید پشت در اتاق استاد میایستاد. امروز این مرجعیت سنتی عملاً رنگ باخته است؛ هر دانشجویی با یک فرمان متنی ساده در ابزارهای هوش مصنوعی، میتواند پاسخ اشکالات تئوریک و علمی خود را بیابد.
بر همین اساس، اگر نقش استاد صرفاً بازگویی جزوه و حل چند مثال تکراری باشد، منسوخ خواهد شد. رسالت واقعی استاد امروز، «ارتباط مؤثر با نسل جدید، جهتدهی فکری و اثرگذاری رفتاری» است. مجمع جهانی اقتصاد برای سال ۲۰۳۰ مهارتهایی را تعریف کرده که در آن، مهارتهای صرفاً عملیاتی مانند برنامهنویسی اولیه یا خواندن و نوشتن ساده تنزل درجه یافته و در صدر جدول، مهارتهایی چون «تفکر سیستمی»، «تفکر انتقادی» و «ایجاد روابط عمیق انسانی» قرار گرفته است. متأسفانه نظام آموزشی ما و حتی برخی از اعضای هیئتعلمی در این زمینهها خلأ دارند. ما نیازمند دورههای مهارتافزایی ویژه برای استادان و دانشجویان هستیم تا شیوه تفکر نقادانه و هدایت نسل آینده را بیاموزند.
با این توصیف، نفوذ هوش مصنوعی در ساختار آموزش و پژوهش کشور نیازمند چه بازنگریهای فوری و ساختاری است؟
روشهای آموزش و ارزیابی ما متأسفانه همگام با این تحول حرکت نکرده است. در گذشته ساعتها و ماهها وقت صرف یافتن یک ایده پژوهشی یا بررسی متون میشد، اما امروز در چند دقیقه میتوان به اطلاعات گسترده دست یافت. من خودم اخیراً یک گزارش مفصل ۲۵۰ صفحهای انگلیسی را با کمک هوش مصنوعی به یک پادکست صوتی ۱۵ دقیقهای تبدیل کردم و حین تردد به آن گوش دادم؛ این یعنی ابزارها شکل بهرهوری را دگرگون کردهاند.
اما مسئله نگرانکننده، مواجهه ناآگاهانه با این پدیده در پژوهش و پایاننامههاست. امروز سیستمهای سنتی مانند همانندجو و ایرانداک عملاً ناکارآمد شدهاند؛ دانشجو میتواند با ابزارهای هوش مصنوعی یک متن را بهطور کلی بازنویسی و پارافریز کند به گونهای که سامانه، میزان تشابه را صفر درصد گزارش کند، در حالی که ماهیت متن کپی و عاری از خلاقیت است!
دیگر نمیتوانیم چشمهایمان را ببندیم یا با نگاه انکاری برخورد کنیم. ما باید سامانههای پیشرفته اعتبارسنجی بینالمللی مبتنی بر تشخیص هوش مصنوعی را به کار بگیریم و حدومرز تعیین کنیم؛ برای نمونه مشخص شود استفاده از ابزارهای هوش مصنوعی تا سقف ۲۰ یا ۳۰ درصد به عنوان مکمل مجاز است، اما شاکله اصلی، ایده و خلاقیت باید متعلق به خود دانشجو باشد. استادان برخی رشتهها در مواجهه با تکالیف و ارزیابیها سردرگم شدهاند چون معیارهای سنجش هنوز بر اساس الگوهای دهههای گذشته است. ما باید معیارهای ارزیابی را از «بررسی املای کلمات و محاسبات سطحی» به «ارزیابی عمق درک، خلاقیت، دفاع شفاهی و حل مسئله» تغییر دهیم.
به عنوان یکی از صاحبنظران حوزه مهندسی صنایع و آیندهپژوهی، چه ظرفیتی را برای تصمیمسازی در مدیریت دانشگاه متصور هستید؟
مهندسی صنایع و آیندهپژوهی ماهیتاً رشتههایی هستند که میتوانند به عنوان مغز متفکر و بازوی مشورتی مدیریت ارشد عمل کنند. نگاهمان نباید صرفاً اداری یا محدود به ساختار جلسات روزمره باشد. هر سازمانی که نتواند خود را با سرعت محیط تطبیق دهد، دچار زوال میشود. دانشگاهها بیش از هر نهادی به اتاقهای فکر مجهز به رویکردهای آیندهپژوهانه نیاز دارند تا تحولات پنج تا ده سال پیشرو را در تصمیمگیریهای امروز لحاظ کنند.
البته طبیعی است که مدیران ارشد به دلیل اشراف بر محدودیتها و چالشهای کلان، ممکن است نتوانند همه پیشنهادات را عملیاتی کنند، اما ایجاد بسترهای تعاملی منظم و استفاده از مدلسازیهای دادهمحور اساتید، قطعاً کیفیت حکمرانی دانشگاهی را ارتقا میدهد.
در پایان، نگاهی گذرا به پیشینه تحصیلی و چشمانداز حرفهای خود داشته باشید.
بنده ۳۷ سال سن دارم و حدود ۶ سال است که در دانشگاه اصفهان فعالیت میکنم. هر سه مقطع تحصیلیام را در رشته مهندسی صنایع سپری کردهام؛ دوره کارشناسی را در دانشکده فنی و مهندسی گلپایگان، کارشناسی ارشد را در دانشگاه صنعتی اصفهان و مقطع دکتری را در دانشگاه یزد به پایان رساندم و حدود شش ماه پس از فراغت از تحصیل، توفیق پیوستن به خانواده بزرگ دانشگاه اصفهان را پیدا کردم.
طی این سالها همواره کوشیدهام ترکیبی از پژوهشهای پیشرو، تدریس به شیوههای مدرن و اجرای پروژهها و مشاورههای صنعتی را در دستور کار قرار دهم. تمام تلاش و چشمانداز آینده من این است که به کمک همکاران فرهیخته گروه و دانشجویان باانگیزه، همواره بر لبه فناوری حرکت کنیم، ایدههای نو را به دستاوردهای ملموس علمی و رویدادهای ارزشآفرین تبدیل نماییم و گامی هرچند کوچک در اعتلای نام دانشگاه اصفهان و کشور عزیزمان برداریم.




نظر دهید