Így építhetnek az egyetemek valódi, interdiszciplináris AI-képzéseket

Kétféle képzési modell

A Computing Research Association (CRA) október 27-én ismertette az AI Integration in Interdisciplinary Academic Programs című jelentést. A dokumentum az NSF LEVEL UP AI workshop ajánlásait foglalja össze, és 30 résztvevő műhelymunkájára épül, akik 29 intézményt képviseltek.

A jelentés két megközelítést különít el. Az interdiszciplináris AI-program az AI-szakértelmet helyezi középpontba, miközben egy másik tudományterület ismereteit, fogalmait és módszereit építi be. Az AI-val bővített szakterületi program ezzel szemben egy nem AI-központú területre épül, és abba integrálja az AI-műveltséget, az eszközöket és a módszereket.

Ez a különbség hatással lehet a tantárgyi követelményekre és arra is, milyen problémák megoldására készítik fel a hallgatókat. Rebecca Allen, a Mount St. Joseph University számítástechnikai és matematikai tanszékének vezetője szerint az AI más területekre való bevitele nem merülhet ki a legújabb eszközök használatának oktatásában. A cél olyan programok létrehozása, amelyekben a hallgatók érdemi szakmai tudást szereznek, és megértik, miként hat egymásra az AI és a választott tudományterület technikai, szakmai, etikai és társadalmi szempontból.

Technikai és társadalmi tudásra is szükség van

A CRA által ismertetett ajánlás közös alapként egy olyan technikai AI-kurzust javasol, amely társadalomtechnikai témákat is tartalmaz. Emellett szükség lehet külön AI-műveltségi kurzusra, amely a felelős használatra összpontosít.

A hallgatóknak az AI-ra társadalomtechnikai rendszerként is érdemes tekinteniük. A jelentés példaként a magánszférát, az elfogultságot, az elszámoltathatóságot és a környezeti hatásokat említi. Ezek a kérdések külön tantárgyban vagy a teljes képzésen keresztül is megjelenhetnek.

Az oktatásnak azt is vizsgálnia kell, hogyan változtatja meg az AI a szakterületi tudást, a szakmai ítélőképességet és a hallgatók saját szakmai identitását. Leen-Kiat Soh, a University of Nebraska-Lincoln professzora szerint a hatékony interdiszciplináris AI-oktatásnak segítenie kell a hallgatókat abban, hogy egyszerre bízzanak a szakterületi tudásukban és a területek közötti együttműködési képességükben, miközben jobban megértik felelősségüket az interdiszciplináris területeken.

Az ajánlások a hagyományos kurzusokon túl interdiszciplináris, valós alkalmazásokra épülő záróprojekteket, egyetemi kutatást, szakmai gyakorlatokat és kooperatív képzéseket is említenek. A jelentés szerint egy olyan interdiszciplináris AI-minor is hasznos lehet, amelyet számítástechnikai és más szakok hallgatói egyaránt felvehetnek.

Az intézményi háttér ugyanolyan fontos, mint a tananyag

A képzések kialakításakor az egyetemeknek azt is meg kell vizsgálniuk, hogyan illeszthetők össze a különböző szakok tantervei. A jelentés közös követelmények kialakítását javasolja, amelyek az AI- és a partnerterület elvárásait is teljesíthetik. Ez csökkentheti a párhuzamosságokat, és több helyet teremthet a tantervben.

Az intézmények bevezető, úgynevezett híd kurzusokat kínálhatnak az AI-hallgatóknak egy másik szakterület megismerésére. A jelentés rövid, egykredites AI-laborokat is említ, amelyek gyakorlati lehetőséget adnak az AI-módszerek alkalmazására más kurzusokban. Az alkalmazott interdiszciplináris tárgyaknak valódi problémákra, adatokra és a partnerterület gyakorlatára kell épülniük.

A hallgatóknak emellett meg kell tanulniuk kommunikálni a különböző tudományterületek határain át. Ez egyaránt fontos lehet azoknak, akik AI-specialistaként dolgoznak majd szakterületi szakértőkkel, és azoknak, akik egy másik szakmában alkalmazzák az AI-t.

A CRA szerint a kurzusok önmagukban nem hoznak létre valódi interdiszciplináris programokat. Szükség van intézményi és akadémiai vezetőkre, közös értelmezésre az AI-műveltségről, valamint olyan együttműködési kultúrára, amely támogatja az AI-hoz kapcsolódó és más tanszékek közös munkáját. Ehhez a jelentés többek között közös oktatást, tanszékek közötti kinevezéseket, induló támogatásokat, oktatói ösztönzőket, bevételmegosztási megállapodásokat és egyetemi szakmai közösségeket javasol.

A cél az AI felelős alkalmazása saját szakterületen

Roderick Lee, a Pennsylvania State University docense szerint az interdiszciplináris oktatás nem támaszkodhat arra, hogy egyes oktatók informálisan találnak együttműködő partnereket, majd a meglévő feladataik mellett végzik el a többletmunkát. Az intézményeknek időt, ösztönzőket, erőforrásokat és adminisztratív támogatást kell biztosítaniuk a fenntartható együttműködéshez.

Enrico Pontelli, a New Mexico State University művészeti és tudományos karának dékánja szerint az ilyen képzésnek valódi partnerségre kell épülnie. Mindkét terület oktatóinak érdemi szerepet kell kapniuk a tanterv kialakításában és annak meghatározásában, mit tanuljanak a hallgatók.

A CRA által bemutatott keret alapján az egyetemek olyan hallgatói útvonalakat alakíthatnak ki, amelyek az AI használatán túl annak megértésére, értékelésére és felelős alkalmazására készítenek fel. A cél az, hogy a hallgatók az AI-t a saját szakterületük tudásával és gyakorlataival összekapcsolva tudják használni.