مقدمه؛ وقتی پاسخ آماده در چند ثانیه در دسترس است
دانشجویی را تصور کنید که برای نوشتن یک مقاله دانشگاهی از هوش مصنوعی کمک می‌گیرد. او موضوع را وارد می‌کند و در چند ثانیه متنی منظم و قانع‌کننده تحویل می‌گیرد. اما آیا این دانشجو موضوع را بهتر فهمیده است؟ آیا می‌تواند از نتیجه‌گیری متن دفاع کند؟ آیا منابع و ادعاهای آن را بررسی کرده است؟
پاسخ به این پرسش‌ها به نحوه استفاده از هوش مصنوعی بستگی دارد. دانشجویی که پاسخ آماده را بدون بررسی تحویل می‌دهد، ممکن است تکلیفش را سریع‌تر تمام کند؛ اما این به‌تنهایی نشان نمی‌دهد که یادگیری عمیق‌تری داشته است. در مقابل، دانشجویی که از ابزار برای بررسی استدلال، یافتن پرسش‌های تازه یا مقایسه دیدگاه‌ها استفاده می‌کند، همچنان خودش در فرایند فکرکردن مشارکت دارد.
هوش مصنوعی اکنون بخشی از محیط یادگیری دانشگاهی شده است. به همین دلیل، پرسش اصلی این نیست که آیا دانشجویان از این ابزارها استفاده می‌کنند یا نه؛ پرسش این است که این استفاده چه اثری بر تحلیل، ارزیابی شواهد و استقلال فکری آن‌ها می‌گذارد.
تفکر انتقادی در آموزش عالی یعنی چه؟
تفکر انتقادی توانایی بررسی دقیق یک موضوع پیش از پذیرفتن نتیجه است. دانشجوی دارای این مهارت می‌تواند:
- ادعای اصلی را از مثال‌ها و جزئیات فرعی جدا کند.
- کیفیت منبع و شواهد را بررسی کند.
- فرض‌های پنهان در یک استدلال را تشخیص دهد.
- دیدگاه‌های جایگزین را در نظر بگیرد.
- میان هم‌زمانی دو رویداد و رابطه علت‌ومعلولی تفاوت بگذارد.
- در صورت روبه‌روشدن با شواهد تازه، نظر خود را اصلاح کند.
در دانشگاه، تفکر انتقادی فقط برای نوشتن مقاله یا پاسخ‌دادن به سؤال امتحان لازم نیست. این مهارت کمک می‌کند دانشجو در رشته خود تصمیم‌های دقیق‌تری بگیرد، از نتیجه‌گیری شتاب‌زده دور بماند و بتواند توضیح دهد چرا به یک نتیجه رسیده است.
وقتی هوش مصنوعی وارد این فرایند می‌شود، هم موضوع بررسی است و هم می‌تواند ابزاری برای بررسی باشد. پاسخ‌های آن ممکن است مفید، ناقص یا نادرست باشند؛ بنابراین، دانشجو باید بتواند خروجی ابزار را ارزیابی کند، نه اینکه صرفاً به روان و مطمئن‌بودن متن اعتماد کند.
پژوهش‌ها درباره هوش مصنوعی و تفکر انتقادی چه می‌گویند؟
در سال‌های اخیر، پژوهش‌های زیادی درباره استفاده از هوش مصنوعی در دانشگاه‌ها منتشر شده‌اند. نتایج آن‌ها یکسان نیست و به عواملی مانند نوع تکلیف، شیوه استفاده، رشته تحصیلی و روش سنجش یادگیری بستگی دارد.
مرور پژوهش‌ها در آموزش عالی
مقاله‌ای در سال ۲۰۲۵ با عنوان Integrating Critical Thinking and Artificial Intelligence in Higher Education پژوهش‌های مرتبط با هوش مصنوعی و تفکر انتقادی در آموزش عالی را مرور کرده است. نویسندگان موضوعاتی مانند وابستگی به ابزار، سواد هوش مصنوعی، اخلاق دانشگاهی و طراحی آموزشی را بررسی می‌کنند.
این مقاله مرور پژوهش‌هاست، نه آزمایش مستقیمی که ثابت کند هوش مصنوعی تفکر انتقادی را افزایش یا کاهش می‌دهد. همچنین در مقاله درباره تعداد مطالعاتی که عمیق‌تر بررسی شده‌اند، ناسازگاری وجود دارد: چکیده از ۲۳ مطالعه و بخش روش و نتایج از ۲۲ مطالعه نام می‌برد. این مورد اهمیت بررسی دقیق خود منابع را یادآوری می‌کند؛ حتی مقاله‌های علمی نیز ممکن است خطا یا ناهماهنگی داشته باشند.
تعامل دانشجو با ChatGPT
مطالعه‌ای در سال ۲۰۲۵، رابطه تعامل دانشجویان با ChatGPT و مهارت‌های تفکر انتقادی را بررسی کرد. پژوهشگران ۲۱۳ دانشجوی ایتالیایی را مطالعه کردند و دریافتند تعامل فعال‌تر با ابزار با عملکرد بهتر در آزمون استدلال انتقادی همراه بود.
اما این پژوهش به‌تنهایی ثابت نمی‌کند که استفاده از ChatGPT باعث تقویت تفکر انتقادی شده است. ممکن است دانشجویانی که از ابتدا مهارت بهتری داشته‌اند، شیوه سنجیده‌تری برای تعامل با ابزار انتخاب کرده باشند. نتیجه محتاطانه این است که چگونگی تعامل با هوش مصنوعی اهمیت دارد؛ صرف استفاده‌کردن از آن تضمین‌کننده یادگیری نیست.
عملکرد هنگام استفاده از ابزار با یادگیری مستقل تفاوت دارد
در یک آزمایش تصادفی درباره یادگیری ریاضی در دبیرستان، دسترسی به نسخه عمومی GPT-4 هنگام تمرین به بهبود عملکرد دانش‌آموزان کمک کرد، اما گروه استفاده‌کننده در آزمون بعدی که بدون ابزار برگزار شد، نتیجه ضعیف‌تری نسبت به گروه کنترل گرفت. در نسخه‌ای که برای آموزش طراحی شده بود و ابزار پاسخ کامل را مستقیماً ارائه نمی‌کرد، این افت تا حد زیادی دیده نشد.
این پژوهش درباره دانش‌آموزان دبیرستانی و درس ریاضی بود؛ بنابراین نمی‌توان نتیجه آن را مستقیماً به تمام دانشجویان و رشته‌های دانشگاهی تعمیم داد. بااین‌حال، نکته مهمی را نشان می‌دهد: عملکرد بهتر هنگام دسترسی به ابزار، لزوماً به معنای یادگیری مستقل نیست.
«اول خودت فکر کن، بعد از ابزار کمک بگیر»
پژوهشی در سال ۲۰۲۶، ۱۹۶ دانشجو را در سه وضعیت بررسی کرد: کار مستقل، استفاده آزاد از ChatGPT و استفاده هدایت‌شده‌ای که در آن دانشجو پیش از مراجعه به ابزار، ابتدا ایده خودش را تولید می‌کرد.
گروهی که از ChatGPT بدون مرحله اولیه فکرکردن استفاده کرد، در تکلیف اول ایده‌های خلاقانه‌تری ارائه داد؛ اما این برتری در تکلیف تازه‌ای که باید بدون ابزار انجام می‌شد، باقی نماند. گروهی که ابتدا ایده خودش را نوشته و بعد برای اصلاح آن از ابزار کمک گرفته بود، در تکلیف مستقل عملکرد بهتری داشت.
موضوع این مطالعه خلاقیت در تکالیف مشخص بود، نه همه ابعاد تفکر انتقادی. بااین‌حال، نتایج آن از یک روش کاربردی پشتیبانی می‌کنند: پیش از پرسیدن از هوش مصنوعی، فرصتی به ذهن خودتان بدهید تا مسئله را بررسی کند.
آموزش هدایت‌شده در نوشتن دانشگاهی
در مطالعه‌ای در سال ۲۰۲۶، گروهی از زبان‌آموزان انگلیسی در عربستان سعودی طی یک برنامه چند‌هفته‌ای، بازنویسی، بررسی ادعاها و منابع و استفاده مسئولانه از هوش مصنوعی را تمرین کردند. پژوهشگران در پایان، بهبودهایی در نوشتن و مقیاس تفکر انتقادی دیجیتال گزارش کردند.
این مطالعه نمونه کوچکی داشت و گروه‌ها بر اساس کلاس‌های موجود شکل گرفته بودند؛ بنابراین، نمی‌توان سهم هوش مصنوعی را از سهم آموزش و تمرین جدا کرد. نتیجه آن امیدوارکننده است، اما برای تعمیم به دانشجویان رشته‌ها و دانشگاه‌های دیگر به پژوهش‌های بیشتری نیاز داریم.
هوش مصنوعی چه فرصت‌هایی برای تقویت تفکر انتقادی دارد؟
اگر دانشجو پرسشگر و فعال بماند، هوش مصنوعی می‌تواند چند نوع کمک فراهم کند.
۱. بررسی استدلال از زاویه‌های دیگر
دانشجو می‌تواند از ابزار بخواهد فرض‌های پنهان یک استدلال را پیدا کند، دیدگاه مخالفی ارائه دهد یا مشخص کند برای دفاع از یک نتیجه چه شواهدی لازم است.
برای مثال، به‌جای اینکه بپرسد «جواب این تکلیف چیست؟»، می‌تواند بپرسد:
«این استدلال من است. کدام فرض‌ها را در نظر نگرفته‌ام؟ چه پرسش‌هایی ممکن است یک منتقد مطرح کند؟»
خروجی ابزار باز هم باید بررسی شود، اما پرسش درست می‌تواند نقطه شروعی برای تحلیل دقیق‌تر باشد.
۲. توضیح مفاهیم دشوار
هوش مصنوعی می‌تواند یک مفهوم را با بیان ساده‌تر، مثال تازه یا سطحی متناسب با نیاز دانشجو توضیح دهد. این ویژگی به‌خصوص زمانی مفید است که دانشجو بخواهد پیش از خواندن منابع تخصصی، تصویری اولیه از موضوع پیدا کند.
بااین‌حال، توضیح روان همیشه توضیح دقیق نیست. دانشجو باید مفهوم را با کتاب درسی، مقاله علمی یا منبع معتبر رشته خود مقایسه کند.
۳. کمک به شکل‌دادن پرسش پژوهشی
گاهی شروع پژوهش از نوشتن پرسش مناسب دشوارتر است. ابزار می‌تواند چند صورت‌بندی پیشنهادی ارائه دهد یا نشان دهد که سؤال بیش از حد گسترده، مبهم یا جهت‌دار است. تصمیم نهایی درباره محدوده و هدف پژوهش همچنان باید با دانشجو و استاد باشد.
۴. دریافت بازخورد اولیه روی نوشته
هوش مصنوعی می‌تواند به پیدا‌کردن جمله‌های مبهم، بخش‌های تکراری یا گام‌های جاافتاده در یک استدلال کمک کند. چنین بازخوردی برای بازبینی اولیه مفید است، اما جای نظر استاد، داور تخصصی یا ویراستار علمی را نمی‌گیرد.
خطرهای استفاده نادرست چیست؟
پذیرفتن پاسخ روان به‌عنوان پاسخ درست
هوش مصنوعی ممکن است اطلاعات نادرست یا ارجاع‌هایی تولید کند که واقعی نیستند. در پژوهشی درباره منابع تولیدشده توسط نسخه‌های قدیمی ChatGPT، پژوهشگران هم ارجاع‌های ساختگی و هم خطاهایی در مشخصات منابع واقعی پیدا کردند. این پژوهش نرخ خطای نسخه‌های امروزی را مشخص نمی‌کند؛ اما نشان می‌دهد ظاهر مرتب یک فهرست منابع، اعتبار آن را ثابت نمی‌کند.
برای استفاده دانشگاهی، نام مقاله، نویسنده، مجله و محتوای منبع را در پایگاه یا وب‌سایت ناشر بررسی کنید. سپس مطمئن شوید آن منبع واقعاً از ادعایی که به آن نسبت داده‌اید پشتیبانی می‌کند.
جایگزین‌شدن فکرکردن با ویرایش پاسخ آماده
دانشجو ممکن است متنی آماده بگیرد و تنها واژه‌ها یا جمله‌های آن را تغییر دهد. در این حالت، ظاهر تکلیف تغییر کرده اما ممکن است درک دانشجو از موضوع پیشرفت نکرده باشد.
اگر دانشجو نتواند استدلال اصلی متن را توضیح دهد، شواهد آن را معرفی کند یا به پرسش‌های استاد پاسخ دهد، باید بررسی شود که آیا فرایند یادگیری واقعاً رخ داده است یا نه.
وابستگی و کاهش مشارکت ذهنی
یک پیمایش از کارکنان دانشی در سال ۲۰۲۵ نشان داد اطمینان بیشتر به توانایی ابزار با گزارش تفکر انتقادی کمتر هنگام انجام کار همراه بود. این مطالعه خودگزارشی بود و درباره کارکنان انجام شد، نه دانشجویان؛ بنابراین، نتیجه آن را نباید به‌عنوان اثبات کاهش قطعی توانایی شناختی در دانشجویان تفسیر کرد. بااین‌حال، این پرسش را پیش می‌کشد که آیا اعتماد زیاد به پاسخ ابزار باعث می‌شود کاربر زودتر از بررسی دست بکشد.
یکسان‌شدن ایده‌ها
اگر گروه بزرگی از دانشجویان برای یک موضوع مشابه از ابزار و درخواست‌های مشابه استفاده کنند، ممکن است متن‌ها و زاویه‌های نگاهشان شبیه هم شود. این خطر قطعی و همیشگی نیست، اما استاد می‌تواند با درخواست تجربه شخصی مرتبط، انتخاب نمونه از منابع درسی یا توضیح مسیر شکل‌گیری ایده، عمق کار دانشجو را بهتر بسنجد.
مسئله حریم خصوصی و اخلاق دانشگاهی
اطلاعات شخصی، داده‌های محرمانه پژوهشی یا محتوایی که مجوز انتشار ندارد، نباید بدون بررسی شرایط ابزار در آن وارد شود. همچنین، قوانین هر درس یا دانشگاه درباره کمک‌گرفتن از هوش مصنوعی ممکن است متفاوت باشد. دانشجو باید دستور استاد را بخواند و نوع استفاده خود را شفاف بیان کند.
چگونه از هوش مصنوعی استفاده کنیم و همچنان خودمان فکر کنیم؟
روش زیر یک پیشنهاد آموزشی برای حفظ مشارکت دانشجو در فرایند کار است؛ همه مراحل آن در یک پژوهش واحد آزمایش و تأیید نشده‌اند.
گام اول: قبل از پرسیدن، برداشت خودتان را بنویسید
در چند جمله پاسخ اولیه‌تان را ثبت کنید. بنویسید چه می‌دانید، چه چیزی برایتان مبهم است و فعلاً به چه نتیجه‌ای رسیده‌اید. این کار کمک می‌کند خروجی ابزار به نقطه شروع فکر شما تبدیل شود، نه جایگزین آن.
گام دوم: یک درخواست محدود و روشن مطرح کنید
به‌جای سپردن کل تکلیف، از ابزار برای یک بخش مشخص کمک بگیرید:
- «سه فرض پنهان در این استدلال را مشخص کن.»
- «یک دیدگاه مخالف ارائه بده و بگو چه شواهدی برای بررسی آن لازم است.»
- «کدام جمله‌های این متن ادعای کلی دارند و به منبع نیاز دارند؟»
- «این توضیح را ساده‌تر کن، اما اگر مطمئن نیستی مشخص کن کدام بخش نیاز به راستی‌آزمایی دارد.»
گام سوم: ادعاها و منابع را بررسی کنید
هر عدد، نقل‌قول یا ارجاع مهم را جداگانه بررسی کنید. اگر منبعی پیدا نکردید یا مقاله از ادعای موردنظر پشتیبانی نمی‌کرد، آن ادعا را حذف کنید یا محتاطانه‌تر بنویسید.
گام چهارم: پیشنهادهای ابزار را ارزیابی کنید
از خودتان بپرسید:
- آیا این پیشنهاد با شواهد موجود سازگار است؟
- آیا ابزار موضوع را ساده‌تر از حد لازم کرده است؟
- آیا بخش مهمی از دیدگاه مخالف جا افتاده؟
- آیا نتیجه‌گیری از داده‌ها فراتر می‌رود؟
- آیا من می‌توانم دلیل پذیرفتن یا ردکردن این پیشنهاد را توضیح بدهم؟
گام پنجم: پاسخ را ببندید و بدون ابزار جمع‌بندی کنید
پس از بررسی، در چند جمله توضیح دهید چه چیزی یاد گرفته‌اید و نتیجه نهایی‌تان چیست. اگر نتوانید موضوع را با زبان خودتان توضیح دهید، احتمال دارد هنوز به درک کافی نرسیده باشید.
گام ششم: میزان استفاده را شفاف اعلام کنید
در پایان تکلیف، متناسب با قوانین دانشگاه توضیح دهید از ابزار برای چه کاری کمک گرفته‌اید؛ مثلاً برای پیشنهاد پرسش‌های انتقادی، بازخورد زبانی یا مرتب‌سازی ایده‌ها. نقش واقعی ابزار را بنویسید و مسئولیت تحلیل و نتیجه‌گیری را بپذیرید.
استادان چگونه می‌توانند استفاده مسئولانه را تقویت کنند؟
ممنوعیت یا آزادگذاشتن کامل ابزار، به‌تنهایی پاسخ همه مسائل نیست. استاد می‌تواند تکلیف را طوری طراحی کند که فهم و فرایند کار دانشجو نیز دیده شود:
- از دانشجو بخواهد منابع اصلی و دلیل انتخاب آن‌ها را توضیح دهد.
- پیش‌نویس اولیه و تغییرات بعدی را بخواهد.
- بخشی از نمره را به استدلال و ارزیابی شواهد اختصاص دهد.
- در کنار تکلیف نوشتاری، گفت‌وگوی کوتاه یا دفاع شفاهی در نظر بگیرد.
- قانون استفاده از هوش مصنوعی را پیش از انجام تکلیف روشن کند.
- تمرین‌هایی طراحی کند که دانشجو ناچار شود ایده‌ها را مقایسه و از انتخاب خود دفاع کند.
این‌ها پیشنهادهای آموزشی‌اند و باید با هدف درس و امکانات دانشگاه هماهنگ شوند. راهنمای یونسکو درباره هوش مصنوعی مولد در آموزش نیز بر حفظ نقش انسان، توجه به حریم خصوصی، دسترسی عادلانه و تناسب استفاده با هدف آموزشی تأکید دارد.
یک نمونه ساده برای تمرین در کلاس
فرض کنید موضوع تکلیف این است: «آیا استفاده از شبکه‌های اجتماعی باعث کاهش سلامت روان نوجوانان می‌شود؟»
دانشجو ابتدا نظر اولیه خود را در چند جمله می‌نویسد. سپس از هوش مصنوعی می‌خواهد پرسش‌های انتقادی درباره این ادعا مطرح کند؛ برای نمونه:
- منظور از «استفاده» دقیقاً چیست؟
- سلامت روان با چه معیاری سنجیده شده؟
- آیا پژوهش رابطه علت‌ومعلولی را نشان می‌دهد؟
- چه عوامل دیگری ممکن است در نتیجه نقش داشته باشند؟
بعد دانشجو یک مقاله علمی واقعی پیدا می‌کند و روش پژوهش، نمونه و محدودیت‌های آن را می‌خواند. در پایان باید توضیح دهد کدام بخش از برداشت اولیه خود را حفظ کرده، کدام را تغییر داده و چرا.
در این تمرین، هدف پیدا‌کردن جمله‌ای پیچیده‌تر با کمک هوش مصنوعی نیست؛ هدف این است که دانشجو بتواند تصمیم‌های فکری خود را توضیح دهد.
محدودیت‌های پژوهش‌های موجود
پژوهش درباره هوش مصنوعی و آموزش با سرعت زیادی در حال رشد است، اما بسیاری از پرسش‌ها هنوز پاسخ قطعی ندارند:
- بعضی مطالعات نمونه کوچک یا محدود به یک رشته دارند.
- نتایج یک دوره یا تکلیف کوتاه‌مدت، لزوماً به یادگیری بلندمدت تعمیم پیدا نمی‌کند.
- گزارش شخصی افراد درباره میزان فکرکردن، با سنجش مستقیم مهارت یکسان نیست.
- عملکرد بهتر هنگام استفاده از ابزار، الزاماً به معنای توانایی بهتر بدون ابزار نیست.
- پژوهش درباره یک نسخه یا نوع هوش مصنوعی را نمی‌توان بدون بررسی به نسخه‌ها و ابزارهای دیگر تعمیم داد.
همچنین، فراتحلیلی در سال ۲۰۲۵ با عنوان The Effect of ChatGPT on Students’ Learning Performance, Learning Perception, and Higher-Order Thinking در ۲۲ آوریل ۲۰۲۶ پس گرفته شد. به همین دلیل، نتایج آن را نباید به‌عنوان شاهد معتبر برای اثربخشی هوش مصنوعی مطرح کرد.
جمع‌بندی
هوش مصنوعی می‌تواند به دانشجو کمک کند ایده‌هایش را بررسی کند، پرسش‌های تازه‌ای بسازد، توضیح ساده‌تری از یک مفهوم بگیرد یا نوشته‌اش را بازبینی کند. اما پاسخ آماده، متن روان یا نمره بهتر در یک تکلیف به‌تنهایی ثابت نمی‌کند که یادگیری عمیق یا تفکر انتقادی تقویت شده است.
پژوهش‌های موجود تصویر یک‌دستی ارائه نمی‌کنند. بعضی از آن‌ها ارتباط میان تعامل فعال و مهارت‌های فکری را گزارش می‌کنند؛ بعضی دیگر نشان می‌دهند که عملکرد با کمک ابزار ممکن است با توانایی مستقل تفاوت داشته باشد. به همین دلیل، میزان مشارکت دانشجو، کیفیت آموزش و شیوه سنجش اهمیت زیادی دارند.
یک روش ساده برای استفاده آگاهانه این است: اول نظر خودتان را بنویسید، سپس از هوش مصنوعی برای بررسی و نقد کمک بگیرید، منابع را مستقلاً راستی‌آزمایی کنید و در پایان نتیجه را بدون ابزار توضیح دهید. در این فرایند، هوش مصنوعی می‌تواند بخشی از محیط یادگیری باشد؛ اما دانشجو باید بتواند نشان دهد چه چیزی را فهمیده و چرا به نتیجه نهایی رسیده است.
منابع
- Salido, A., et al. (2025). Integrating Critical Thinking and Artificial Intelligence in Higher Education: A Bibliometric and Systematic Review of Skills and Strategies. Social Sciences & Humanities Open, 12, 101924.
- Suriano, R., Plebe, A., Acciai, A., & Fabio, R. A. (2025). Student Interaction with ChatGPT Can Promote Complex Critical Thinking Skills. Learning and Instruction, 95, 102011.
- Lee, H.-P., et al. (2025). The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers. CHI 2025.
- Bastani, H., et al. (2025). Generative AI Without Guardrails Can Harm Learning: Evidence from High School Mathematics. PNAS, 122(26), e2422633122.
- Wong, S. S. H., & Qiu, S. X. (2026). Think First, ChatGPT Later: Guiding Human–AI Collaboration for Learning Gains in Independent Human Creativity. Educational Psychology Review, 38, 45.
- Alshehri, O. A. O., et al. (2026). From Tool to Scaffold: Structured Human–AI Collaboration and Its Effects on Academic Writing and Digital Critical Thinking Among Saudi EFL Learners. Frontiers in Psychology, 17, 1830103.
- Walters, W. H., & Wilder, E. I. (2023). Fabrication and Errors in the Bibliographic Citations Generated by ChatGPT. Scientific Reports, 13, 14045.
- Miao, F., & Holmes, W. (2023). Guidance for Generative AI in Education and Research. UNESCO.
