បញ្ហា/ប្រធានបទ (The Problem/Topic)៖ ឯកសារនេះពិភាក្សាអំពីការធ្វើសមាហរណកម្មយ៉ាងឆាប់រហ័សនៃបញ្ញាសិប្បនិម្មិតបង្កើតថ្មី (Generative AI) ក្នុងការអប់រំឧត្តមសិក្សា ដោយថ្លឹងថ្លែងពីសក្តានុពលផ្លាស់ប្តូររបស់វាសម្រាប់ការបង្រៀននិងរដ្ឋបាល ទល់នឹងហានិភ័យផ្នែកសីលធម៌ ការសិក្សា និងប្រតិបត្តិការ។
វិធីសាស្ត្រ (Approach)៖ របាយការណ៍នេះផ្តល់នូវការត្រួតពិនិត្យយ៉ាងទូលំទូលាយលើអក្សរសិល្ប៍ និងករណីសិក្សាជាក់ស្តែង (Use Cases) ដោយផ្តោតលើតួអង្គសំខាន់ៗចំនួនបីក្នុងវិស័យឧត្តមសិក្សា៖ អ្នកអប់រំ និស្សិត និងគ្រឹះស្ថានសិក្សា។
សេចក្តីសន្និដ្ឋានសំខាន់ៗ (Key Conclusions)៖
របាយការណ៍នេះបង្ហាញថា បញ្ញាសិប្បនិម្មិតបង្កើតថ្មី (Generative AI) កំពុងផ្លាស់ប្តូរការអប់រំឧត្តមសិក្សាយ៉ាងខ្លាំង តាមរយៈការផ្តល់ជូននូវការរៀនសូត្រតាមតម្រូវការផ្ទាល់ខ្លួន និងការសម្រួលកិច្ចការរដ្ឋបាល ប៉ុន្តែវាក៏នាំមកនូវហានិភ័យធ្ងន់ធ្ងរពាក់ព័ន្ធនឹងការលួចចម្លង ការបាត់បង់ការគិតស៊ីជម្រៅ និងភាពលម្អៀងនៃទិន្នន័យផងដែរ។
| ការរកឃើញ (Finding) | ព័ត៌មានលម្អិត (Detail) | ភស្តុតាង (Evidence) |
|---|---|---|
| ការបរាជ័យនៃឧបករណ៍ចាប់ការលួចចម្លង (Failure of AI Detection Tools) | កម្មវិធី ឬឧបករណ៍ដែលប្រើសម្រាប់ចាប់អត្ថបទបង្កើតដោយ AI គឺមិនមានប្រសិទ្ធភាព និងមិនគួរទុកចិត្តបាននោះទេ ដោយសារតែវាមានអត្រានៃការចាប់ខុស (false positives) និងការរំលង (false negatives) ខ្ពស់ ដែលធ្វើឲ្យប៉ះពាល់ដល់សុចរិតភាពសិក្សា។ | ការសិក្សាដោយ Dalalah & Dalalah (2023) និង Weber-Wulff et al. (2023) បានរកឃើញថា អត្ថបទបង្កើតដោយ ChatGPT ភាគច្រើនអាចគេចផុតពីការចាប់បានរបស់កម្មវិធីត្រួតពិនិត្យ។ |
| ហានិភ័យនៃការបាត់បង់ការគិតស៊ីជម្រៅ (Risk to Critical Thinking & Autonomy) | ការពឹងផ្អែកខ្លាំងពេកលើប្រព័ន្ធ AI ដើម្បីស្វែងរកចម្លើយ ធ្វើឲ្យនិស្សិតបាត់បង់សមត្ថភាពដោះស្រាយបញ្ហាដោយខ្លួនឯង បាត់បង់ការគិតស៊ីជម្រៅ និងអាចកាត់បន្ថយជំនាញប្រាស្រ័យទាក់ទងសង្គម។ | របាយការណ៍ដកស្រង់ពី Memarian and Doleck (2023) ដែលបញ្ជាក់ថា ការពឹងផ្អែកលើ AI នាំឱ្យមានការថយចុះនៃការវាយតម្លៃខ្លួនឯង និងការគិតស៊ីជម្រៅក្នុងចំណោមនិស្សិត។ |
| ព័ត៌មានមិនពិត និងភាពលម្អៀង (Hallucinations and Bias Reinforcement) | ប្រព័ន្ធ AI មិនមែនជាមូលដ្ឋានទិន្នន័យនៃការពិតទេ វាអាចបង្កើតព័ត៌មានខុសស្រឡះ (Hallucinations) និងអាចពង្រីកភាពលម្អៀងដែលមានស្រាប់នៅក្នុងសង្គម ទាក់ទងនឹងយេនឌ័រ វប្បធម៌ និងការវាយតម្លៃនិស្សិត។ | អ្នកនិពន្ធរបាយការណ៍បានសាកល្បងឱ្យ ChatGPT បង្កើតមេរៀនជាភាសាព័រទុយហ្គាល់ ហើយវាបានប្រឌិតឯកសារយោង (References) ដែលមិនមានពិតទាំងអស់។ ឯកសារ UNESCO (2023a) ក៏ព្រមានពីការរើសអើងដោយក្បួនដោះស្រាយ (Algorithmic discrimination) ផងដែរ។ |
| ការផ្លាស់ប្តូរតួនាទីអ្នកអប់រំ និងហានិភ័យការងារ (Shift in Educator Roles & Job Displacement) | AI អាចជួយសាស្ត្រាចារ្យកាត់បន្ថយពេលវេលាលើកិច្ចការរដ្ឋបាល និងការផ្តល់ពិន្ទុ ប៉ុន្តែវាក៏គំរាមកំហែងដល់ការងាររបស់ជំនួយការបង្រៀន (Teaching Assistants - TAs) ដែលជារឿយៗជានិស្សិតក្រោយឧត្តមសិក្សាដែលត្រូវការប្រាក់ចំណូល។ | ការសិក្សាដោយ Felten et al. (2023) បង្ហាញថា មុខរបរបង្រៀននៅឧត្តមសិក្សា (Post-secondary educators) ស្ថិតក្នុងចំណោមការងារកំពូលទាំង ២០ ដែលរងផលប៉ះពាល់ខ្លាំងជាងគេពី AI។ |
ដើម្បីទាញយកអត្ថប្រយោជន៍ពី Generative AI ខណៈពេលកាត់បន្ថយហានិភ័យ របាយការណ៍បានផ្តល់អនុសាសន៍ជាយុទ្ធសាស្ត្រសម្រាប់គ្រប់ភាគីពាក់ព័ន្ធ។
| គោលដៅ (Target) | សកម្មភាព (Action) | អាទិភាព (Priority) |
|---|---|---|
| គ្រឹះស្ថានឧត្តមសិក្សា (Higher Education Institutions) | បង្កើត និងអនុម័តគោលការណ៍ណែនាំច្បាស់លាស់អំពីការប្រើប្រាស់ GenAI ប្រកបដោយក្រមសីលធម៌ និងតម្រូវឲ្យមានតម្លាភាពក្នុងការប្រើប្រាស់ ព្រមទាំងដាក់បញ្ចូលកម្មវិធីបណ្តុះបណ្តាលអក្ខរកម្ម AI ទៅក្នុងកម្មវិធីសិក្សាសម្រាប់គ្រប់ជំនាញ។ | ខ្ពស់ (High) |
| សាស្ត្រាចារ្យ និងអ្នកអប់រំ (Educators) | ផ្លាស់ប្តូរវិធីសាស្ត្រវាយតម្លៃនិស្សិត ដោយងាកចេញពីការសរសេរតែងសេចក្តីនៅផ្ទះ ទៅជាការប្រឡងផ្ទាល់មាត់ ការធ្វើបទបង្ហាញ ការធ្វើការងារក្រុម និងការប្រឡងសរសេរក្នុងថ្នាក់ផ្ទាល់ ដើម្បីទប់ស្កាត់ការលួចចម្លងដោយ AI។ | ខ្ពស់ (High) |
| គ្រឹះស្ថានឧត្តមសិក្សា (Higher Education Institutions) | ផ្តល់ការបណ្តុះបណ្តាលវិជ្ជាជីវៈជាប្រចាំដល់សាស្ត្រាចារ្យនិងបុគ្គលិក អំពីរបៀបបញ្ចូល AI ទៅក្នុងការបង្រៀន និងរបៀបត្រួតពិនិត្យភាពលម្អៀង (Bias detection) ព្រមទាំងការពារទិន្នន័យឯកជនភាពរបស់និស្សិត។ | មធ្យម (Medium) |
| និស្សិត (Students) | ត្រូវរៀនពីរបៀបប្រើប្រាស់ឧបករណ៍ GenAI ឲ្យបានត្រឹមត្រូវ ជាជំនួយក្នុងការបង្កើតគំនិត មិនមែនជាអ្នកធ្វើកិច្ចការជំនួស និងត្រូវចេះផ្ទៀងផ្ទាត់ព័ត៌មាន (Fact-checking) ដើម្បីជៀសវាងព័ត៌មានមិនពិត (Hallucinations)។ | ខ្ពស់ (High) |
របាយការណ៍នេះមានសារៈសំខាន់ខ្លាំងសម្រាប់ប្រទេសកម្ពុជា ស្របពេលដែលសាកលវិទ្យាល័យនានាកំពុងជំរុញការអប់រំឌីជីថល។ ការយល់ដឹងពីសក្តានុពល និងហានិភ័យនៃ GenAI នឹងជួយស្ថាប័នអប់រំកម្ពុជារៀបចំគោលនយោបាយបានទាន់ពេលវេលា ការពារគុណភាពអប់រំ និង thuact គម្លាតឌីជីថល។
ការហាមឃាត់ GenAI មិនមែនជាជម្រើសដែលអាចអនុវត្តបានយូរអង្វែងទេ។ សាកលវិទ្យាល័យនៅកម្ពុជាត្រូវតែប្រែក្លាយបញ្ហាប្រឈមនេះទៅជាឱកាស ដោយផ្តោតលើការបង្រៀនអក្ខរកម្ម AI (AI Literacy) និងពង្រឹងការគិតស៊ីជម្រៅរបស់និស្សិត។
ដើម្បីអនុវត្តតាមអនុសាសន៍នៃរបាយការណ៍នេះ គួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Generative AI | បច្ចេកវិទ្យាបញ្ញាសិប្បនិម្មិតដែលអាចបង្កើតមាតិកាថ្មីៗ (អត្ថបទ រូបភាព កូដ) ដោយស្វ័យប្រវត្តិ។ ក្នុងការអប់រំ វាត្រូវបានប្រើដើម្បីជួយសរសេរ សង្ខេបមេរៀន ឬបង្កើតវិញ្ញាសា ប៉ុន្តែទាមទារការគ្រប់គ្រងដើម្បីកុំឲ្យសិស្សពឹងផ្អែកពេក ដែលធ្វើឲ្យប៉ះពាល់ដល់ការគិតស៊ីជម្រៅ។ | ដូចជាជំនួយការឌីជីថលដ៏ឆ្លាតវៃម្នាក់ដែលអាចសរសេរតែងសេចក្តី ឬគូររូបឲ្យយើងបានភ្លាមៗដោយគ្រាន់តែយើងប្រាប់ពីអ្វីដែលយើងចង់បាន។ |
| Intelligent Tutoring Systems (ITS) | ប្រព័ន្ធកុំព្យូទ័រដែលផ្តល់ការបង្រៀននិងមតិកែលម្អផ្ទាល់ខ្លួនដល់សិស្សម្នាក់ៗ ដោយផ្អែកលើកម្រិតយល់ដឹងរបស់ពួកគេ។ វាជួយសាកលវិទ្យាល័យក្នុងការតាមដានការវិវត្តរបស់និស្សិត និងជួយសម្រាលបន្ទុករបស់សាស្ត្រាចារ្យក្នុងការបង្រៀន។ | ដូចជាគ្រូបង្រៀនគួរឯកជនម្នាក់ដែលតាមដានការរៀនរបស់យើងជាប់ជានិច្ច ហើយដឹងច្បាស់ថាយើងខ្សោយចំណុចណា និងត្រូវបង្រៀនបន្ថែមរបៀបណា។ |
| Hallucinations | បាតុភូតដែលប្រព័ន្ធ AI បង្កើតនិងផ្តល់ព័ត៌មានមិនពិត ឬប្រឌិតឯកសារយោងដោយមានទំនុកចិត្តខ្ពស់។ នេះជាហានិភ័យដ៏ធំមួយសម្រាប់ការអប់រំនិងការស្រាវជ្រាវ ព្រោះនិស្សិតអាចយកព័ត៌មានខុសទាំងនោះទៅប្រើប្រាស់ដោយគិតថាជាការពិត។ | ដូចជាមនុស្សម្នាក់ដែលមិនដឹងចម្លើយពិតប្រាកដ ប៉ុន្តែប្រឌិតរឿងកុហកយ៉ាងរលូនដើម្បីឲ្យស្តាប់ទៅមើលឃើញថាសមហេតុផល។ |
| Algorithmic discrimination | ការរើសអើង ឬភាពលម្អៀងដែលកើតចេញពីក្បួនដោះស្រាយរបស់ AI ដោយសារតែការប្រើប្រាស់ទិន្នន័យចាស់ៗដែលមានស្រាប់។ ក្នុងបរិបទសាកលវិទ្យាល័យ វាអាចបណ្តាលឲ្យមានការរើសអើងក្នុងការវាយតម្លៃនិស្សិត ការផ្តល់អាហារូបករណ៍ ឬការជ្រើសរើសចូលរៀន។ | ដូចជាចៅក្រមដែលកាត់ក្តីដោយពឹងផ្អែកលើសៀវភៅច្បាប់ចាស់ៗដែលមានទស្សនៈរើសអើង ធ្វើឲ្យការសម្រេចក្តីចេញមកមិនយុត្តិធម៌។ |
| Learning analytics | ការប្រមូល និងវិភាគទិន្នន័យអំពីសិស្សនិងបរិបទនៃការសិក្សារបស់ពួកគេជាប្រចាំ ដើម្បីយល់ពីតម្រូវការ កែលម្អការបង្រៀន និងទស្សន៍ទាយពីហានិភ័យនៃការបោះបង់ការសិក្សារបស់និស្សិត (Dropout)។ | ដូចជាការធ្វើតេស្តសុខភាពប្រចាំខែ ដែលពេទ្យប្រមូលទិន្នន័យឈាមរបស់យើងដើម្បីដឹងថាយើងខ្វះវីតាមីនអ្វីខ្លះ មុនពេលយើងធ្លាក់ខ្លួនឈឺ។ |
| AI literacy | សមត្ថភាពក្នុងការយល់ដឹង ប្រើប្រាស់ និងវាយតម្លៃប្រព័ន្ធ AI ប្រកបដោយការរិះគិតនិងក្រមសីលធម៌។ គោលនយោបាយសាកលវិទ្យាល័យត្រូវតែបញ្ចូលជំនាញនេះទៅក្នុងកម្មវិធីសិក្សាដើម្បីឲ្យនិស្សិតត្រៀមខ្លួនរួចរាល់សម្រាប់ទីផ្សារការងារ និងមិនចាញ់បោកព័ត៌មានក្លែងក្លាយ។ | ដូចជាការចេះអាននិងសរសេរអក្សរដែរ តែនេះគឺជាការចេះយល់ពីរបៀបប្រើប្រាស់កុំព្យូទ័រឆ្លាតវៃឲ្យបានត្រឹមត្រូវនិងមានសុវត្ថិភាព។ |
| Formative assessments | ការវាយតម្លៃជាប្រចាំក្នុងអំឡុងពេលដំណើរការរៀនសូត្រ (ដូចជាការសួរគួច ឬធ្វើលំហាត់ខ្លីៗ) ដើម្បីតាមដានការយល់ដឹងរបស់សិស្ស និងកែសម្រួលវិធីសាស្ត្របង្រៀនទាន់ពេលវេលា ដែលនេះជាវិធីសាស្ត្រមួយជួយកាត់បន្ថយការពឹងផ្អែករបស់និស្សិតទៅលើ AI ដើម្បីធ្វើកិច្ចការធំៗ។ | ដូចជាការភ្លក់រសជាតិសម្លពេលកំពុងចម្អិន ដើម្បីដឹងថាត្រូវថែមអំបិលឬស្ករ មុនពេលដួសយកទៅញ៉ាំ។ |
| Cognitive overload | ស្ថានភាពដែលខួរក្បាលទទួលរងនូវព័ត៌មាន ឬសាររំលឹក (nudges) ច្រើនពេកពីប្រព័ន្ធ AI ដែលធ្វើឲ្យនិស្សិតមានភាពតានតឹង បាត់បង់ការផ្តោតអារម្មណ៍ ថយចុះភាពជឿជាក់លើខ្លួនឯង និងបាត់បង់ម្ចាស់ការក្នុងការសិក្សា។ | ដូចជាការព្យាយាមស្តាប់មនុស្ស ៥ នាក់និយាយប្រាប់រឿងផ្សេងគ្នាក្នុងពេលតែមួយ ដែលធ្វើឲ្យយើងមិនអាចយល់ពីរឿងអ្នកណាម្នាក់សោះ។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
