برنامه هوش مصنوعی همچنین به نمره SAT فرد، تحصیلات والدین، جنسیت، قومیت، رشته دانشگاهی، موضوعات مقاله و طول مقاله نگاه می کند تا پیش بینی کند دانش آموز به کجا خواهد رفت. با این حال، این مطالعه نشان داد که این عوامل آنقدر که فکر می‌کنید در نتیجه نقش مهمی ندارند.
به گزارش سرگرمی روز، آیا چیزی به سادگی یک درخواست دانشگاهی می تواند معدل دانشجو را چهار سال بعد پیش بینی کند؟ استفاده از گذشته یک فرد برای پیش‌بینی آینده، طرح هیجان‌انگیز کاپیتان آمریکا: سرباز زمستانی مارول بود و اکنون، در دنیای واقعی، دانشمندان می‌گویند هوش مصنوعی می‌تواند نحوه نوشتن مقاله‌های یک فرد را برای پیش‌بینی حرفه‌اش سال‌ها بعد مطالعه کند. دانشگاه او چه خواهد بود؟
محققان جونا برگر و اولیویر توبیا توضیح می‌دهند که شیوه بیان افکار و ایده‌هایتان می‌تواند نمرات نهایی شما را در مدرسه تعیین کند. محققان دریافته‌اند که دانش‌آموزانی که در مقالات خود بین بسیاری از مفاهیم یا ایده‌های مختلف ارتباط برقرار می‌کنند، نمرات بالاتری در دانشگاه دریافت می‌کنند. این در مورد استفاده از کلمات خاص نبود، بلکه در مورد چگونگی ساختار افکار و ترکیب ایده های مختلف با یکدیگر بود.
هر ایده یا مفهومی را به عنوان یک شهر روی نقشه تصور کنید. انشاهای برخی از دانش آموزان در محله ای کوچک ماندند و فقط از «شهرها» یا مفاهیم مرتبط بازدید کردند. با این حال، دانش‌آموزان با موفقیت در سراسر نقشه سفر کردند، از بسیاری از شهرهای دور بازدید کردند و این ایده‌های به هم پیوسته را در مقالات خود ترکیب کردند.
برگر و توبیاس این محدوده را «حجم معنایی» بزرگ نامیدند، درست مانند بررسی یک منطقه جغرافیایی بزرگ. آن دسته از دانشجویانی که مقالات تأمل برانگیز بیشتری داشتند، در نهایت با معدل دانشگاهی بهتری دست یافتند.
این تحقیق با کمک هوش مصنوعی نشان داد که این فقط در مورد وسعت مفهومی نیست. محققان همچنین به “سرعت معنایی” توجه کردند، که به این معنی است که نویسندگان به راحتی بین ایده های مختلف در حین نوشتن مقالات خود حرکت می کنند. بهترین دانش آموزان به طور تصادفی بین مطالب کاملاً نامرتبط پرش نکردند. در عوض، آنها به طور مناسب یک مسیر منطقی را انتخاب می کنند و قبل از اینکه به جای دیگری نگاه کنند، به طور متوالی بین خوشه های مجاور ایده اصلی حرکت می کنند.
مانند یک سفر جاده ای با یک مسیر کارآمد بین شهرها و بدون حرکت تصادفی در اطراف نقشه بود. گفته می شود که این مطالعه یکپارچه و ساختار یافته از مفاهیم متنوع، مهارت های تفکر خلاق را همراه با توانایی های استدلال تحلیلی قوی نشان می دهد.
بدیهی است که برگر و توبیاس یک توپ کریستالی هوش مصنوعی که ابرقهرمانان آینده را شکار کند، ایجاد نکرده‌اند، اما این برنامه جدید به اطلاعات مشابهی نگاه می‌کند.
برنامه هوش مصنوعی همچنین به نمره SAT فرد، تحصیلات والدین، جنسیت، قومیت، رشته دانشگاهی، موضوعات مقاله و طول مقاله نگاه می کند تا پیش بینی کند دانش آموز به کجا خواهد رفت. با این حال، این مطالعه نشان داد که این عوامل آنقدر که فکر می‌کنید در نتیجه نقش مهمی ندارند.
هوش مصنوعی توانست به طور خودکار «جغرافیای معنایی» مقالات را با استفاده از پردازش پیشرفته زبان طبیعی تجزیه و تحلیل کند. فقط با مدل‌سازی مفاهیم تحت پوشش و مسیرهای طی شده در فضای ایده‌ها، هوش مصنوعی می‌تواند پیش‌بینی کند که کدام دانش‌آموز در سال‌های آینده نمرات بالاتری کسب خواهد کرد، حتی بهتر از نگاه کردن به مواردی مانند نمرات آزمون یا سطح درآمد خانواده.
بنابراین، به جای آزمون‌های چند گزینه‌ای، برنامه‌های هوش مصنوعی آینده می‌توانند از این امضاهای مفهومی در نوشته‌های ما به عنوان روشی خنثی برای شناسایی استعدادهای خام فکری استفاده کنند.
اما همه این پیشرفت ها چه معنایی برای آینده آموزش عالی دارد؟ برای پاسخ به این سوال، جامعه ابتدا باید به این سوال پاسخ دهد: آیا کارکنان باید بر اساس پیش بینی های یک برنامه کامپیوتری تصمیم بگیرند؟
نویسندگان این مطالعه پیشنهاد می‌کنند که به‌جای تکیه بر قضاوت‌های ذهنی انسان در مورد مقالات، دانشگاه‌ها می‌توانند به زودی از سیستم‌های هوش مصنوعی پیشرفته برای ارزیابی عینی استدلال و پتانسیل خلاقیت متقاضیان صرفاً بر اساس نحوه ترکیب کلمات در جملات استفاده کنند. این ممکن است فرصت‌هایی را برای شناسایی دانش‌آموزان با استعدادی که توانایی‌هایشان ممکن است توسط معیارهای سنتی مانند آزمون‌های استاندارد نادیده گرفته شده باشد، فراهم کند.
