Category: Education

  • Strive gets backing from Y Combinator to show kids that coding is fun

    کوشش کرنا ایک آن لائن لرننگ پلیٹ فارم ہے جو بچوں کو کوڈ کرنا سکھاتا ہے، لیکن یہ اس سے زیادہ کرنا چاہتا ہے۔ ایک فعال سیکھنے کے ماڈل کے ساتھ تیار کیا گیا ہے جو طلباء کو کلاسوں میں آگے بڑھنے دیتا ہے، اسٹرائیو ان میں STEM مضامین سے زندگی بھر کی محبت پیدا کرنا چاہتا ہے۔

    سنگاپور میں قائم اسٹارٹ اپ نے آج اعلان کیا ہے کہ اس نے Y Combinator کی قیادت میں $1.3 ملین سیڈ راؤنڈ اکٹھا کیا ہے (یہ ایکسلریٹر پروگرام کا ایک ایلم ہے)، جس میں سوما کیپٹل، گڈ واٹر کیپٹل اور انفرادی سرمایہ کاروں جیسے کرمسن ایجوکیشن کے سی ای او جیمی بیٹن، شریک ہیں۔ -ویسٹ برج کیپٹل کے بانی اور سیکویا انڈیا کے بانی ممبر کے پی بلاراجا، اور سیگمنٹ کے شریک بانی اور سابق سی ٹی او کیلون فرنچ اوون۔

    Strive، جو کہ 8 سے 16 سال کی عمر کے بچوں کے لیے ون آن ون کلاسز کا انعقاد کرتا ہے، ایشیا بھر میں توسیع کا ارادہ رکھتا ہے، بین الاقوامی اسکولوں میں 3.7 ملین طلباء.

    2020 میں تمیر شکلاز اور پلکیت اگروال کی طرف سے قائم کیا گیا، Strive کو اس خیال پر بنایا گیا تھا کہ AI آٹومیشن اور ٹیک کی ترقی کا مطلب ہے کہ آپ جو کچھ بھی سیکھتے ہیں وہ چند سالوں میں پرانی ہو سکتی ہے۔

    شکلاز نے کہا، \”سب سے اہم ہنر جو ہم بچوں یا کسی کو دے سکتے ہیں وہ یہ سیکھنا ہے کہ ہم آہنگ کیسے بننا ہے۔\” \”اگر آپ موافقت پذیر طلباء کی حوصلہ افزائی کرنا چاہتے ہیں، تو سیکھنا تفریحی ہونا چاہیے۔ سیکھنا خوشگوار ہونا چاہئے۔ لہذا ہم نے واقعی بچوں کو سیکھنے کے عمل سے پیار کر کے 21ویں صدی میں ترقی کی منازل طے کرنے کے بنیادی ارادے کے لیے جدوجہد کا آغاز کیا۔

    کیا چیز سٹرائیو کو بچوں کے لیے بہت سے دوسرے آن لائن کوڈنگ سیکھنے کے پلیٹ فارمز سے مختلف بناتی ہے؟ Shklaz نے کہا کہ Strive کا مقصد سیکھنے کا ایک ایسا تجربہ تخلیق کرنا ہے جو اس کے حریفوں سے زیادہ موثر اور دلکش ہو۔

    \”ہمارے پاس واقعی ناقابل یقین اساتذہ ہیں، لیکن ہم اساتذہ کی خدمات ان کی تکنیکی صلاحیت کی بنیاد پر نہیں رکھتے،\” انہوں نے کہا۔ \”یقیناً انہیں کوڈنگ سکھانے کے قابل ہونے کی ضرورت ہے، لیکن اس سے کہیں زیادہ اہم چیز طالب علم کے ساتھ ہمدردی اور تعلق رکھنے کی ان کی صلاحیت ہے۔\”

    کلاسز \”ہائپر پرسنلائزڈ\” ہوتی ہیں لہذا طلباء ان پروجیکٹس کا انتخاب کر سکتے ہیں جن پر وہ کام کرنا چاہتے ہیں — مثال کے طور پر، وہ پونگ، ریاضی کی حوصلہ افزائی یا فزکس سمولیشن جیسے گیم کو کوڈ کر سکتے ہیں۔ پروجیکٹس بصری ہوتے ہیں اور فوری رائے رکھتے ہیں۔ ایک بار جب کوئی طالب علم کوئی مسئلہ حل کر لیتا ہے اور کوڈ کی ایک نئی لائن مکمل کر لیتا ہے، تو وہ فوراً اپنی سکرین پر نتائج دیکھتے ہیں۔ \”ہم حلقوں، رنگوں اور تحریک کا استعمال کر رہے ہیں، اور یہی چیز اسے بچوں کے لیے واقعی دلکش بناتی ہے۔\”

    اگروال نے کہا کہ اگرچہ زیادہ سے زیادہ والدین اور تعلیمی نظام کوڈنگ پر زور دینا شروع کر رہے ہیں، ان کے پڑھانے کے طریقے اکثر بچوں کو منحرف اور مایوسی کا شکار بنا دیتے ہیں۔ \”زیادہ تر وقت طلباء ابھی بھی کوڈنگ سے متعارف ہو رہے ہیں اور پھر وہ اس سے دور ہو جاتے ہیں۔ وہ اس غلط نتیجے پر پہنچتے ہیں کہ کوڈنگ بہت مشکل ہے، کوڈنگ خشک ہے یا کوڈنگ میرے لیے نہیں ہے۔

    فعال سیکھنے کا مطلب یہ ہے کہ کلاس بھر میں طلباء کو لیکچر دینے کے بجائے، اساتذہ ان سے سوالات پوچھتے ہیں اور کوڈنگ کی مشقوں کے ذریعے ان کی رہنمائی کرتے ہیں، انہیں آگے بڑھنے دیتے ہیں۔

    اگروال نے مجھے ایک مختصر نمونہ کا سبق دیا، جو میرے لیے ایک دلچسپ تجربہ تھا کیونکہ میں نے کبھی کوڈنگ کا مطالعہ نہیں کیا، اس لیے میں ان بچوں کی اسی سطح سے شروع کر رہا ہوں جنہیں وہ پڑھاتے ہیں (یا اس سے بھی کم، ایمانداری سے)۔

    پہلے اگروال نے مجھ سے پوچھا کہ کیا میں اوسط سیکھنے میں دلچسپی رکھتا ہوں۔ میں نے کہا نہیں، تو اس نے مجھ سے پوچھا کہ کیا میں اس کے بجائے آرٹ بنانا چاہتا ہوں، جو میں نے کیا۔ اس نے گرڈڈ آرٹ اسکیچ پیڈ کو کوڈنگ کرنے کے مراحل میں میری رہنمائی کی، لیکن میں کلاس چلا رہا تھا، اس بات کا انتخاب کر رہا تھا کہ میں کیا نتائج چاہتا ہوں، جیسے اسکیچ پیڈ کے پس منظر کو اپنا پسندیدہ رنگ بنانا۔

    مجھے یہ بتانے کے بجائے کہ کیا کرنا ہے، اگروال نے مجھ سے ایک نمبر تبدیل کرنے کو کہا، اور پھر اس نے پوچھا کہ میں نے کیا سوچا کہ اس کارروائی کا نتیجہ نکلا (اس نے گرڈ کے متعلقہ نمبر پر ایک ڈاٹ منتقل کر دیا)۔ آخر تک، میں اپنے کرسر کا استعمال کرتے ہوئے ڈاٹ کے ساتھ شکلیں بنانے میں کامیاب ہو گیا تھا اور اپنے پہلے سکیچ پیڈ کو کوڈنگ کرنے میں کامیاب ہو گیا تھا۔ مجھے نہیں لگتا کہ میں اس تجربے کو بہت اچھی طرح سے بیان کر رہا ہوں، لیکن جب بھی میں نے نیا کوڈ داخل کیا تو کیا ہوا یہ دریافت کرنے میں مزہ آیا۔ سبق دلچسپ تھا، اور میں اپنی بیٹی کے کافی عمر رسیدہ ہونے کے بعد سائن اپ کرنے پر غور کروں گا۔

    جب اسٹرائیو کا آغاز ہوا تو اس میں 16 طلباء تھے اور ہر روز شکلاز اور اگروال چھ گھنٹے پڑھاتے تھے تاکہ وہ مختلف مواد اور معیارات کو جانچ سکیں۔ Strive کے ملازمین بشمول اس کے بانیوں کو اب بھی کم از کم ایک طالب علم کو پڑھانے کی ضرورت ہے۔ مثال کے طور پر، اسٹرائیو کی ہیڈ آف آپریشنز کوڈ کرنا نہیں جانتی، لیکن وہ اپنے اساتذہ کے ساتھ کوڈنگ کی کلاسز لے رہی ہے تاکہ اسے طالب علم کا مقابلہ کرنے کے لیے تیار کیا جا سکے۔

    اپنی ترقی کی حکمت عملی کو عملی جامہ پہنانے کے دوران Strive کو درپیش چیلنجوں میں سے ایک اس کے ماڈل کی توسیع پذیری ہے۔ شکلاز نے کہا کہ ان کے پاس دو حل ہیں۔ ایک فی کلاس طلباء کی تعداد میں تھوڑا سا اضافہ کر رہا ہے، ایک سے ایک سے چار تک۔ دوسرا یہ کہ Strive میں ممکنہ اساتذہ کا ایک بڑا ذخیرہ ہے، کیونکہ یہ یونیورسٹی کے بہت سے طلباء کو ملازمت دیتا ہے جو کوڈنگ کا مطالعہ کر رہے ہیں۔ شکلاز نے کہا کہ اسٹرائیو ایک تربیتی عمل اور بنیادی ڈھانچہ تشکیل دے گا تاکہ اس بات کو یقینی بنایا جا سکے کہ تدریسی معیار مستقل رہے۔

    Strive کی موجودہ گاہک کے حصول کی حکمت عملی بنیادی طور پر بچوں اور ان کے والدین کی طرف سے زبانی حوالہ جات ہے۔ اس کی نئی فنڈنگ ​​کا کچھ حصہ اس کے کوڈ ایڈیٹر کو تیار کرنے کے لیے استعمال کیا جائے گا، جس میں اضافی تصورات اور نصاب شامل کیے جائیں گے جو مختلف بچوں کی دلچسپیوں کے لیے ذاتی نوعیت کے ہیں۔ اسٹرائیو کی خدمات حاصل کرنے والے پہلے لوگوں میں سے ایک اس کے چیف لرننگ آفیسر نک میکانٹائر تھے، جن کے پس منظر میں K-8 میکر اسپیس چلانا، ہائی اسکول کی ریاضی اور کمپیوٹر سائنس پڑھانا اور گوگل سمر آف کوڈ کے ذریعے انڈرگریڈز کی رہنمائی کرنا شامل ہے۔ McIntyre اور Agarwal Strive کے کورس کے زیادہ تر مواد کو تخلیق کرنے کے ذمہ دار ہیں اور اسے کوڈنگ سے آگے دوسرے STEM موضوعات میں لے جانے کا ارادہ رکھتے ہیں۔

    شکلاز نے کہا کہ بچوں کو کوڈ کرنے کا طریقہ سکھانا \”مطلوبہ نتائج میں سے ایک ہے، جو کہ سوچنے اور مسائل کو حل کرنے اور ان کو اسی طرح کوڈ کرنے کے قابل ہونا ہے جس طرح آپ زبانوں کے لیے روانی پیدا کریں گے،\” شکلاز نے کہا۔ \”لیکن اس سے کہیں زیادہ اہم ہے اعتماد اور سیکھنے کی خوشی۔\”



    Source link

  • ‘Conversation has just begun’ for French second-language education reforms: Higgs – New Brunswick | Globalnews.ca

    نیو برنسوک پریمیئر بلین ہِگز نے پیر کو اٹلانٹک پریمیئرز کی کونسل میں فرانسیسی وسرجن اصلاحات کی ضرورت کو دوگنا کر دیا، وزیر تعلیم بل ہوگن کے اعلان کے صرف تین دن بعد متنازعہ مجوزہ تبدیلیوں کو ختم کرنا جمعہ کو.

    \”جب کہ میں وزیر ہوگن کا احترام کرتا ہوں کہ ہم جہاں تھے وہاں تبدیلی لانا پڑی، مجھے امید ہے کہ بات چیت ابھی ابھی شروع ہوئی ہے،\” ہگز نے ختم شدہ اصلاحات کے بارے میں ایک سوال کے جواب میں کہا۔

    اصلاحات کا مقصد موجودہ وسرجن پروگرام کو تبدیل کرنا تھا، جس میں انگلو فون کے طلباء جو اپنی تعلیم کا 90 فیصد حصہ فرانسیسی زبان میں حاصل کرتے ہیں، جس میں تمام اینگلو فون طلباء اپنی نصف تعلیم فرانسیسی زبان میں حاصل کرتے ہیں۔

    مزید پڑھ:

    NB انگریزی اسکولوں میں فرانسیسی وسرجن کو ختم کرنے پر پیچھے ہٹ گیا۔

    اگلا پڑھیں:

    سورج کا کچھ حصہ آزاد ہو کر ایک عجیب بھنور بناتا ہے، سائنسدانوں کو حیران کر دیتے ہیں۔

    کہانی اشتہار کے نیچے جاری ہے۔

    مجوزہ اصلاحات کو سخت مخالفت کا سامنا کرنا پڑا، سینکڑوں والدین عوامی مشاورت میں جمود کے لیے جذباتی طور پر بحث کر رہے تھے۔

    مجوزہ پروگرام کے ناقدین نے محسوس کیا کہ اس نے فرانسیسی دوسری زبان کی مہارت کے لیے پابندی کو \”گفتگو کرنے والی فرانسیسی\” پر سیٹ کر کے کم کر دیا ہے۔

    \”بدقسمتی سے ان سیشنوں میں، بجائے اس کے کہ ہم اس کی اصل وجہ تک پہنچیں کہ ہم اسے کیسے ٹھیک کرتے ہیں … یہ ایک شور مچانے والا سیشن بن جاتا ہے اور یہ اصل نکتے کے لحاظ سے مشغول ہو جاتا ہے،\” ہِگز نے پیر کو عوامی مشاورت کے بارے میں کہا۔

    ہوگن نے جمعہ کو جاری ہونے والی ایک خبر میں اصلاحات کو ختم کرنے کی وجہ کے طور پر عوامی مخالفت کا حوالہ دیا۔

    ریلیز میں کہا گیا ہے کہ \”ہم نے جو کچھ سنا ہے اسے لے لیا ہے اور اسے اپنے فیصلے میں شامل کر لیا ہے۔\”

    مزید پڑھ:

    نیو برنسوک فرانسیسی وسرجن اصلاحات دو لسانی ازم کے لیے کم کرنے والی بار: وکالت گروپ

    اگلا پڑھیں:

    خصوصی: جیمز اسمتھ کری نیشن کے قتل سے پہلے بیوہ کی 911 کال پر تشدد کا انکشاف

    کینیڈا کے والدین کے فرانسیسی ایگزیکٹو ڈائریکٹر کرس کولنز نے کہا کہ انہیں یہ سن کر خوشی ہوئی کہ وزیر ہوگن نے جمعہ کو اصلاحات کی مخالفت کرنے والے والدین کی آوازیں سنی ہیں۔

    \”اب میں تھوڑا مایوس ہوں کیونکہ یہ واضح ہے کہ پریمیئر نے نیو برنزوک صوبے میں والدین، اساتذہ اور دادا دادی سے نہیں سنا ہے،\” انہوں نے ہگز کے تبصروں کو \”عجیب و غریب\” اور \”متعلقہ\” قرار دیتے ہوئے کہا۔

    کہانی اشتہار کے نیچے جاری ہے۔

    ہِگز نے زور دیا کہ اس کا مقصد ایک ہی سائز ہے جو وسرجن کے تمام انداز میں فٹ بیٹھتا ہے، یہ کہتے ہوئے کہ موجودہ پروگرام بچوں کو وسرجن اور انگلش پرائم کے درمیان انتخاب کر کے مختلف گروہوں میں تقسیم کرتا ہے۔

    \”یہ ختم نہیں ہوا ہے،\” ہگز نے کہا۔ \”یہ ہمارے اینگلو فون سسٹم کو ٹھیک کرنے کی شروعات ہے۔\”

    &copy 2023 Global News، Corus Entertainment Inc کا ایک ڈویژن۔





    Source link

  • COLUMN: New climate legislation could create 9 million jobs. Who will fill them?


    منگل کے اسٹیٹ آف دی یونین خطاب میں، صدر جو بائیڈن نے افراط زر میں کمی کے قانون (IRA) کو \”موسمیاتی تبدیلیوں میں اب تک کی سب سے اہم سرمایہ کاری\” قرار دیا۔ کبھی۔ یوٹیلیٹی بلوں کو کم کرنا، امریکی ملازمتیں پیدا کرنا، دنیا کو صاف توانائی کے مستقبل کی طرف لے جانا۔\”

    لیکن اس نے تعلیم میں کسی نئی سرمایہ کاری کا ذکر نہیں کیا تاکہ لوگوں کو ان تمام ملازمتوں کو بھرنے میں مدد ملے۔

    آئی آر اے میں تقریباً 400 بلین ڈالر کے نئے اخراجات، موسمیاتی اور صحت کے بل پر صدر بائیڈن نے اگست میں دستخط کیے تھے، اس کے مطابق اگلی دہائی تک سالانہ 537,000 ملازمتیں پیدا ہوں گی۔ BW ریسرچ کی طرف سے ایک تجزیہ نیچر کنزروینسی کی طرف سے کمیشن. اور اس میں نجی سرمایہ کاری سے پیدا ہونے والی ملازمتیں شامل نہیں ہیں، جو بل میں ٹیکس مراعات کے ذریعے حوصلہ افزائی کی جاسکتی ہیں۔ جب ان کو شامل کیا جاتا ہے، یونیورسٹی آف میساچوسٹس ایمہرسٹ نے پایا کہ افراط زر میں کمی کا ایکٹ اس سے زیادہ پیدا کرے گا۔ 9 ملین نئی ملازمتیں اگلی دہائی میں.



    Source link

  • What Happens When AI Doesn\’t Understand Students? An example for creative and equitable AI policy in education

    از: رسل شلنگ، پی ایچ ڈی

    ہم میں سے اکثر لوگوں نے اب تک کسی ایسے آلے سے بات کرنے کی مایوسی کا تجربہ کیا ہے جو اسپیچ ریکگنیشن کا استعمال کرتا ہے لیکن یہ سمجھنے میں ناکام رہتا ہے کہ ہم کیا کہہ رہے ہیں۔ صارفین کی مصنوعات میں، صارفین ان مصنوعات کا استعمال چھوڑ دیں گے جو ان کی ضروریات کو پورا نہیں کرتی ہیں، لیکن طلباء کے پاس کلاس روم میں یہ اختیار نہیں ہے۔ AI ڈیٹا سیٹس میں غیر موثر الگورتھم اور تعصب تعلیم کے محققین اور معلمین کے لیے بنیادی تشویش ہیں، جو فکر مند ہیں کہ درخواستیں ہمارے ملک کے کلاس رومز میں طلباء کے وسیع تنوع میں مؤثر نہیں ہوں گی۔ یہ خدشات یقینی طور پر صرف امریکہ تک محدود نہیں ہیں بلکہ عالمی تشویش کی نمائندگی کرتے ہیں۔ حکومت، اضلاع، اور یہاں تک کہ سرکاری اور نجی فنڈنگ ​​کے ذرائع سے پالیسی رہنمائی کی کمی کے پیش نظر، تقریر کی شناخت کی تاثیر کو منظم طریقے سے حل کرنا مشکل ہے۔ تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    خبروں میں روشنی ڈالی گئی بہت سی حالیہ بات چیت نے مختلف ٹیکنالوجیز اور ایپلیکیشنز کے بارے میں تشویش کا اظہار کیا ہے جو AI تعصب کا شکار ہیں۔ پھر بھی، ایک بہترین مثال جو edtech میں زیادہ توجہ کا مستحق ہے وہ ہے اسپیچ ریکگنیشن ایپلی کیشنز جن میں خودکار اسپیچ ریکگنیشن (ASR) اور نیچرل لینگویج پروسیسنگ (NLP) کی ضرورت ہوتی ہے۔ مختلف صارفین پر مبنی مصنوعات، کھلونوں، گیمز، پیداواری ایپس، اور تعلیم میں تقریر کی پہچان پھیل گئی ہے۔ تقریر کی درست شناخت نے مزید فطری ایڈٹیک مصنوعات اور کلاس روم میں تقریر، زبان اور پڑھنے کی دشواریوں میں ابتدائی مداخلت کے لیے حقیقی وقت کے جائزے کے مواقع کا دروازہ کھولا ہے۔ تاہم، یہ سسٹم فی الحال ان صارفین کے وسیع تنوع میں اچھی طرح سے کام نہیں کرتے ہیں جس تک وہ پہنچنے کی خواہش رکھتے ہیں۔ مثال کے طور پر، ASR سسٹم مختلف بولیوں، عمر کے گروپوں، یا بولنے میں دشواری والے افراد کے خلاف یکساں طور پر کام نہیں کرتے ہیں۔

    لہٰذا، اس قسم کے تعصب کے نتیجے میں تعلیم میں مایوسی اور منفی نتائج برآمد ہوں گے۔ تاہم، ASR میں تعصب، بہت سے AI تعصب کے مسائل کی طرح، تعصب کے ذرائع کو پہچان کر، قابل توسیع حل کے لیے تحقیقی پروگراموں کو نافذ کرنے، اور تقریر کی شناخت پر مبنی مصنوعات کے کلاس روم تک پہنچنے سے پہلے قابل اعتماد افادیت کے مطالعے کی ضرورت کے ذریعے بڑی حد تک حل کیا جا سکتا ہے۔

    تعصب کی ایک مخصوص مثال پر توجہ مرکوز کرتے ہوئے، عمر میں کمی کے ساتھ ASR کی درخواستیں تیزی سے غلط ہو جاتی ہیں۔ بچوں کی تقریر بالغوں سے کافی مختلف ہوتی ہے، بشمول فریکوئنسی سپیکٹرا، پرسوڈی، اور جملے کی ساخت کی پیچیدگی۔ ہمارے اسکولوں میں بولیوں اور قومیتوں کی وسیع اقسام پر غور کرتے ہوئے، ہمیں ایک پیچیدہ چیلنج کا سامنا ہے جس کے لیے مارکیٹ میں اختراعی، موثر، اور قابل توسیع حل لانے کے لیے محققین، ماہرین تعلیم، پروڈکٹ ڈویلپرز، اور فنڈرز کے درمیان تعاون کی ضرورت ہے۔ ترقی کے بہت سے حصے ہیں، جیسے Soapbox Labs، ایک کمپنی کی ایک بہترین مثال ہے جو روانی اور تقریر کے مسائل کا جائزہ لینے کے لیے مزید نمائندہ ڈیٹا سیٹ تیار کرنے کے لیے سخت معیار کو لاگو کرنے کی کوشش کر رہی ہے۔ ہمیں ان خطوط پر مزید کوششوں اور پالیسی معاونت کی ضرورت ہے تاکہ اس بات کو یقینی بنایا جا سکے کہ تمام طلبا کی ضروریات پوری کی جائیں، نہ صرف ان کی جن کی ضروریات کو فی الحال دستیاب آف دی شیلف سسٹمز کے ساتھ آسانی سے پورا کیا جاتا ہے۔

    جب کہ چیزیں بہتر ہو رہی ہیں، فیلڈ ابھی بھی اس سطح پر نہیں ہے جس کی ہمیں تعلیمی ٹولز، تشخیصات، یا اسپیچ تھراپی کو مؤثر طریقے سے اور مستقل طور پر لاگو کرنے کی ضرورت ہے جو تمام بچوں کے لیے درست طریقے سے کام کریں۔ جس چیز کی ضرورت ہے وہ بہتر ڈیٹا سیٹس (کارپورا) اور لسانیات کی تحقیق سے متعلق اضافی تحقیقی فنڈنگ ​​اور پالیسی ہے جس کا مقصد بہتر الگورتھم تیار کرنا ہے۔ میدان کو آگے بڑھانے کے لیے کئی پالیسی سفارشات دی جا سکتی ہیں۔

    تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    رسل شلنگ، پی ایچ ڈی

    سب سے پہلے، بین الضابطہ ٹیموں کی تشکیل اور فنڈنگ ​​اہم ہے۔ ڈیفنس ایڈوانسڈ ریسرچ پراجیکٹس ایجنسی میں پروگرام آفیسر کی حیثیت سے اپنے وقت سے (ڈارپا) اور ان فلسفوں اور تکنیکوں کو لاگو کرنا تعلیم، میں نے سیکھا ہے کہ فنڈنگ ​​ٹیمیں جو فکر اور مہارت کے تنوع کی عکاسی کرتی ہیں، نسلی تنوع کے علاوہ، اختراع کے لیے اہم ہیں۔ اس معاملے میں، ہمیں ماہرین لسانیات، کمپیوٹر سائنسدانوں، ڈیٹا سائنسدانوں، اور ماہرین نفسیات کو ٹیم میں شامل کرنے اور اس عمل میں اخلاقیات کے ماہرین سے مشورہ کرنے کی ضرورت ہے۔

    دوسرا، ہمیں ڈیٹا سیٹس کے معیار اور سائز کو بہتر بنانے کی ضرورت ہے جو قدرتی ماحول میں ہماری ہدف کی آبادی کے تنوع کی نمائندگی کرتے ہیں، بشمول عمر، نسل، جنس، سماجی اقتصادی پس منظر، زبان کے مسائل، اور بولیاں۔ اور نقل و حرکت اور نقل مکانی کے عالمی رجحانات کے پیش نظر، ہمیں مزید متنوع اور نمائندہ ASR ڈیٹا سیٹ بنانے کے لیے بین الاقوامی تعاون کو فروغ دینا چاہیے۔

    تیسرا، ڈیٹا سیٹ، الگورتھم کے ساتھ، جانچ کے لیے کھلا ہونا چاہیے۔ ہمیں اس بات کو یقینی بنانا چاہیے کہ الگورتھم، ڈیٹا سیٹ، اور تشخیص منصفانہ اور شفاف ہوں۔ ڈیٹا اور تشخیصات امتحان کے لیے دستیاب ہونے چاہئیں، اور جب بھی ممکن ہو ڈیٹا سیٹس اور الگورتھم کھلے ہونے چاہئیں۔

    آخر میں، ماڈلز اور ڈیٹا کی تشخیص حل اپنانے کے بعد بھی مسلسل ہونی چاہیے تاکہ ہدف کی آبادی کے ردعمل میں تعصب یا بڑھے کا پتہ لگایا جا سکے۔ یہ پالیسی حکمت عملی تمام ایڈٹیک کے لیے تجویز کی جاتی ہے، نہ کہ صرف AI پر مبنی حل کے لیے۔

    اوپر دی گئی پالیسی کی سفارشات سب پر مشتمل نہیں ہیں لیکن ASR کو مزید موثر اور منصفانہ بنانے کے آغاز کی نمائندگی کرتی ہیں۔ یہ سفارشات اسپیچ ریکگنیشن ٹیکنالوجیز کے اطلاق کے لیے منفرد نہیں ہیں۔ وہ ریاستہائے متحدہ اور بیرون ملک AI ایڈٹیک مسائل کی ایک وسیع رینج کے مطابق ڈھال سکتے ہیں۔

    رسل شلنگ، پی ایچ ڈی., EdSafe AI الائنس کے سینئر مشیر ہیں، جو edtech R&D اختراع کے ماہر ہیں اور بحریہ کے سابق کپتان، DARPA پروگرام مینیجر، اور اوباما انتظامیہ کے دوران محکمہ تعلیم کے لیے STEM لیڈ ہیں۔

    دی EdSAFE AI الائنس موجود ہے عالمی پالیسی کو مطلع کرنا اور اس پر اثر انداز ہونا اور مصنوعی ذہانت (AI) بہتر تعلیمی ٹیکنالوجیز (edtech) کے استعمال کے لیے معیارات تیار کرنا۔ بنیادی مقصد یہ ہے کہ کھلے، اختراعی ماحول کو برقرار رکھتے ہوئے edtech کو محفوظ، محفوظ اور موثر بنا کر عوام کے اعتماد اور اعتماد کو یقینی بنایا جائے۔ EdSAFE AI الائنس میں، ہم ان مسائل سے نمٹنے کے لیے ماہرین تعلیم، محققین، پالیسی سازوں، اور فنڈنگ ​​کرنے والی تنظیموں کی جانب سے ان پٹ اور فعال شرکت کا خیرمقدم کرتے ہیں اور AI سسٹمز کے ذریعے متعارف کرائے گئے بے شمار اضافی چیلنجوں سے تعلیم میں خلل ڈالنے والے لیکن دلچسپ اضافے کا خیرمقدم کرتے ہیں۔



    Source link

  • What Happens When AI Doesn\’t Understand Students? An example for creative and equitable AI policy in education

    از: رسل شلنگ، پی ایچ ڈی

    ہم میں سے اکثر لوگوں نے اب تک کسی ایسے آلے سے بات کرنے کی مایوسی کا تجربہ کیا ہے جو اسپیچ ریکگنیشن کا استعمال کرتا ہے لیکن یہ سمجھنے میں ناکام رہتا ہے کہ ہم کیا کہہ رہے ہیں۔ صارفین کی مصنوعات میں، صارفین ان مصنوعات کا استعمال چھوڑ دیں گے جو ان کی ضروریات کو پورا نہیں کرتی ہیں، لیکن طلباء کے پاس کلاس روم میں یہ اختیار نہیں ہے۔ AI ڈیٹا سیٹس میں غیر موثر الگورتھم اور تعصب تعلیم کے محققین اور معلمین کے لیے بنیادی تشویش ہیں، جو فکر مند ہیں کہ درخواستیں ہمارے ملک کے کلاس رومز میں طلباء کے وسیع تنوع میں مؤثر نہیں ہوں گی۔ یہ خدشات یقینی طور پر صرف امریکہ تک محدود نہیں ہیں بلکہ عالمی تشویش کی نمائندگی کرتے ہیں۔ حکومت، اضلاع، اور یہاں تک کہ سرکاری اور نجی فنڈنگ ​​کے ذرائع سے پالیسی رہنمائی کی کمی کے پیش نظر، تقریر کی شناخت کی تاثیر کو منظم طریقے سے حل کرنا مشکل ہے۔ تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    خبروں میں روشنی ڈالی گئی بہت سی حالیہ بات چیت نے مختلف ٹیکنالوجیز اور ایپلیکیشنز کے بارے میں تشویش کا اظہار کیا ہے جو AI تعصب کا شکار ہیں۔ پھر بھی، ایک بہترین مثال جو edtech میں زیادہ توجہ کا مستحق ہے وہ ہے اسپیچ ریکگنیشن ایپلی کیشنز جن میں خودکار اسپیچ ریکگنیشن (ASR) اور نیچرل لینگویج پروسیسنگ (NLP) کی ضرورت ہوتی ہے۔ مختلف صارفین پر مبنی مصنوعات، کھلونوں، گیمز، پیداواری ایپس، اور تعلیم میں تقریر کی پہچان پھیل گئی ہے۔ تقریر کی درست شناخت نے مزید فطری ایڈٹیک مصنوعات اور کلاس روم میں تقریر، زبان اور پڑھنے کی دشواریوں میں ابتدائی مداخلت کے لیے حقیقی وقت کے جائزے کے مواقع کا دروازہ کھولا ہے۔ تاہم، یہ سسٹم فی الحال ان صارفین کے وسیع تنوع میں اچھی طرح سے کام نہیں کرتے ہیں جس تک وہ پہنچنے کی خواہش رکھتے ہیں۔ مثال کے طور پر، ASR سسٹم مختلف بولیوں، عمر کے گروپوں، یا بولنے میں دشواری والے افراد کے خلاف یکساں طور پر کام نہیں کرتے ہیں۔

    لہٰذا، اس قسم کے تعصب کے نتیجے میں تعلیم میں مایوسی اور منفی نتائج برآمد ہوں گے۔ تاہم، ASR میں تعصب، بہت سے AI تعصب کے مسائل کی طرح، تعصب کے ذرائع کو پہچان کر، قابل توسیع حل کے لیے تحقیقی پروگراموں کو نافذ کرنے، اور تقریر کی شناخت پر مبنی مصنوعات کے کلاس روم تک پہنچنے سے پہلے قابل اعتماد افادیت کے مطالعے کی ضرورت کے ذریعے بڑی حد تک حل کیا جا سکتا ہے۔

    تعصب کی ایک مخصوص مثال پر توجہ مرکوز کرتے ہوئے، عمر میں کمی کے ساتھ ASR کی درخواستیں تیزی سے غلط ہو جاتی ہیں۔ بچوں کی تقریر بالغوں سے کافی مختلف ہوتی ہے، بشمول فریکوئنسی سپیکٹرا، پرسوڈی، اور جملے کی ساخت کی پیچیدگی۔ ہمارے اسکولوں میں بولیوں اور قومیتوں کی وسیع اقسام پر غور کرتے ہوئے، ہمیں ایک پیچیدہ چیلنج کا سامنا ہے جس کے لیے مارکیٹ میں اختراعی، موثر، اور قابل توسیع حل لانے کے لیے محققین، ماہرین تعلیم، پروڈکٹ ڈویلپرز، اور فنڈرز کے درمیان تعاون کی ضرورت ہے۔ ترقی کے بہت سے حصے ہیں، جیسے Soapbox Labs، ایک کمپنی کی ایک بہترین مثال ہے جو روانی اور تقریر کے مسائل کا جائزہ لینے کے لیے مزید نمائندہ ڈیٹا سیٹ تیار کرنے کے لیے سخت معیار کو لاگو کرنے کی کوشش کر رہی ہے۔ ہمیں ان خطوط پر مزید کوششوں اور پالیسی معاونت کی ضرورت ہے تاکہ اس بات کو یقینی بنایا جا سکے کہ تمام طلبا کی ضروریات پوری کی جائیں، نہ صرف ان کی جن کی ضروریات کو فی الحال دستیاب آف دی شیلف سسٹمز کے ساتھ آسانی سے پورا کیا جاتا ہے۔

    جب کہ چیزیں بہتر ہو رہی ہیں، فیلڈ ابھی بھی اس سطح پر نہیں ہے جس کی ہمیں تعلیمی ٹولز، تشخیصات، یا اسپیچ تھراپی کو مؤثر طریقے سے اور مستقل طور پر لاگو کرنے کی ضرورت ہے جو تمام بچوں کے لیے درست طریقے سے کام کریں۔ جس چیز کی ضرورت ہے وہ بہتر ڈیٹا سیٹس (کارپورا) اور لسانیات کی تحقیق سے متعلق اضافی تحقیقی فنڈنگ ​​اور پالیسی ہے جس کا مقصد بہتر الگورتھم تیار کرنا ہے۔ میدان کو آگے بڑھانے کے لیے کئی پالیسی سفارشات دی جا سکتی ہیں۔

    تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    رسل شلنگ، پی ایچ ڈی

    سب سے پہلے، بین الضابطہ ٹیموں کی تشکیل اور فنڈنگ ​​اہم ہے۔ ڈیفنس ایڈوانسڈ ریسرچ پراجیکٹس ایجنسی میں پروگرام آفیسر کی حیثیت سے اپنے وقت سے (ڈارپا) اور ان فلسفوں اور تکنیکوں کو لاگو کرنا تعلیم، میں نے سیکھا ہے کہ فنڈنگ ​​ٹیمیں جو فکر اور مہارت کے تنوع کی عکاسی کرتی ہیں، نسلی تنوع کے علاوہ، اختراع کے لیے اہم ہیں۔ اس معاملے میں، ہمیں ماہرین لسانیات، کمپیوٹر سائنسدانوں، ڈیٹا سائنسدانوں، اور ماہرین نفسیات کو ٹیم میں شامل کرنے اور اس عمل میں اخلاقیات کے ماہرین سے مشورہ کرنے کی ضرورت ہے۔

    دوسرا، ہمیں ڈیٹا سیٹس کے معیار اور سائز کو بہتر بنانے کی ضرورت ہے جو قدرتی ماحول میں ہماری ہدف کی آبادی کے تنوع کی نمائندگی کرتے ہیں، بشمول عمر، نسل، جنس، سماجی اقتصادی پس منظر، زبان کے مسائل، اور بولیاں۔ اور نقل و حرکت اور نقل مکانی کے عالمی رجحانات کے پیش نظر، ہمیں مزید متنوع اور نمائندہ ASR ڈیٹا سیٹ بنانے کے لیے بین الاقوامی تعاون کو فروغ دینا چاہیے۔

    تیسرا، ڈیٹا سیٹ، الگورتھم کے ساتھ، جانچ کے لیے کھلا ہونا چاہیے۔ ہمیں اس بات کو یقینی بنانا چاہیے کہ الگورتھم، ڈیٹا سیٹ، اور تشخیص منصفانہ اور شفاف ہوں۔ ڈیٹا اور تشخیصات امتحان کے لیے دستیاب ہونے چاہئیں، اور جب بھی ممکن ہو ڈیٹا سیٹس اور الگورتھم کھلے ہونے چاہئیں۔

    آخر میں، ماڈلز اور ڈیٹا کی تشخیص حل اپنانے کے بعد بھی مسلسل ہونی چاہیے تاکہ ہدف کی آبادی کے ردعمل میں تعصب یا بڑھے کا پتہ لگایا جا سکے۔ یہ پالیسی حکمت عملی تمام ایڈٹیک کے لیے تجویز کی جاتی ہے، نہ کہ صرف AI پر مبنی حل کے لیے۔

    اوپر دی گئی پالیسی کی سفارشات سب پر مشتمل نہیں ہیں لیکن ASR کو مزید موثر اور منصفانہ بنانے کے آغاز کی نمائندگی کرتی ہیں۔ یہ سفارشات اسپیچ ریکگنیشن ٹیکنالوجیز کے اطلاق کے لیے منفرد نہیں ہیں۔ وہ ریاستہائے متحدہ اور بیرون ملک AI ایڈٹیک مسائل کی ایک وسیع رینج کے مطابق ڈھال سکتے ہیں۔

    رسل شلنگ، پی ایچ ڈی., EdSafe AI الائنس کے سینئر مشیر ہیں، جو edtech R&D اختراع کے ماہر ہیں اور بحریہ کے سابق کپتان، DARPA پروگرام مینیجر، اور اوباما انتظامیہ کے دوران محکمہ تعلیم کے لیے STEM لیڈ ہیں۔

    دی EdSAFE AI الائنس موجود ہے عالمی پالیسی کو مطلع کرنا اور اس پر اثر انداز ہونا اور مصنوعی ذہانت (AI) بہتر تعلیمی ٹیکنالوجیز (edtech) کے استعمال کے لیے معیارات تیار کرنا۔ بنیادی مقصد یہ ہے کہ کھلے، اختراعی ماحول کو برقرار رکھتے ہوئے edtech کو محفوظ، محفوظ اور موثر بنا کر عوام کے اعتماد اور اعتماد کو یقینی بنایا جائے۔ EdSAFE AI الائنس میں، ہم ان مسائل سے نمٹنے کے لیے ماہرین تعلیم، محققین، پالیسی سازوں، اور فنڈنگ ​​کرنے والی تنظیموں کی جانب سے ان پٹ اور فعال شرکت کا خیرمقدم کرتے ہیں اور AI سسٹمز کے ذریعے متعارف کرائے گئے بے شمار اضافی چیلنجوں سے تعلیم میں خلل ڈالنے والے لیکن دلچسپ اضافے کا خیرمقدم کرتے ہیں۔



    Source link

  • What Happens When AI Doesn\’t Understand Students? An example for creative and equitable AI policy in education

    از: رسل شلنگ، پی ایچ ڈی

    ہم میں سے اکثر لوگوں نے اب تک کسی ایسے آلے سے بات کرنے کی مایوسی کا تجربہ کیا ہے جو اسپیچ ریکگنیشن کا استعمال کرتا ہے لیکن یہ سمجھنے میں ناکام رہتا ہے کہ ہم کیا کہہ رہے ہیں۔ صارفین کی مصنوعات میں، صارفین ان مصنوعات کا استعمال چھوڑ دیں گے جو ان کی ضروریات کو پورا نہیں کرتی ہیں، لیکن طلباء کے پاس کلاس روم میں یہ اختیار نہیں ہے۔ AI ڈیٹا سیٹس میں غیر موثر الگورتھم اور تعصب تعلیم کے محققین اور معلمین کے لیے بنیادی تشویش ہیں، جو فکر مند ہیں کہ درخواستیں ہمارے ملک کے کلاس رومز میں طلباء کے وسیع تنوع میں مؤثر نہیں ہوں گی۔ یہ خدشات یقینی طور پر صرف امریکہ تک محدود نہیں ہیں بلکہ عالمی تشویش کی نمائندگی کرتے ہیں۔ حکومت، اضلاع، اور یہاں تک کہ سرکاری اور نجی فنڈنگ ​​کے ذرائع سے پالیسی رہنمائی کی کمی کے پیش نظر، تقریر کی شناخت کی تاثیر کو منظم طریقے سے حل کرنا مشکل ہے۔ تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    خبروں میں روشنی ڈالی گئی بہت سی حالیہ بات چیت نے مختلف ٹیکنالوجیز اور ایپلیکیشنز کے بارے میں تشویش کا اظہار کیا ہے جو AI تعصب کا شکار ہیں۔ پھر بھی، ایک بہترین مثال جو edtech میں زیادہ توجہ کا مستحق ہے وہ ہے اسپیچ ریکگنیشن ایپلی کیشنز جن میں خودکار اسپیچ ریکگنیشن (ASR) اور نیچرل لینگویج پروسیسنگ (NLP) کی ضرورت ہوتی ہے۔ مختلف صارفین پر مبنی مصنوعات، کھلونوں، گیمز، پیداواری ایپس، اور تعلیم میں تقریر کی پہچان پھیل گئی ہے۔ تقریر کی درست شناخت نے مزید فطری ایڈٹیک مصنوعات اور کلاس روم میں تقریر، زبان اور پڑھنے کی دشواریوں میں ابتدائی مداخلت کے لیے حقیقی وقت کے جائزے کے مواقع کا دروازہ کھولا ہے۔ تاہم، یہ سسٹم فی الحال ان صارفین کے وسیع تنوع میں اچھی طرح سے کام نہیں کرتے ہیں جس تک وہ پہنچنے کی خواہش رکھتے ہیں۔ مثال کے طور پر، ASR سسٹم مختلف بولیوں، عمر کے گروپوں، یا بولنے میں دشواری والے افراد کے خلاف یکساں طور پر کام نہیں کرتے ہیں۔

    لہٰذا، اس قسم کے تعصب کے نتیجے میں تعلیم میں مایوسی اور منفی نتائج برآمد ہوں گے۔ تاہم، ASR میں تعصب، بہت سے AI تعصب کے مسائل کی طرح، تعصب کے ذرائع کو پہچان کر، قابل توسیع حل کے لیے تحقیقی پروگراموں کو نافذ کرنے، اور تقریر کی شناخت پر مبنی مصنوعات کے کلاس روم تک پہنچنے سے پہلے قابل اعتماد افادیت کے مطالعے کی ضرورت کے ذریعے بڑی حد تک حل کیا جا سکتا ہے۔

    تعصب کی ایک مخصوص مثال پر توجہ مرکوز کرتے ہوئے، عمر میں کمی کے ساتھ ASR کی درخواستیں تیزی سے غلط ہو جاتی ہیں۔ بچوں کی تقریر بالغوں سے کافی مختلف ہوتی ہے، بشمول فریکوئنسی سپیکٹرا، پرسوڈی، اور جملے کی ساخت کی پیچیدگی۔ ہمارے اسکولوں میں بولیوں اور قومیتوں کی وسیع اقسام پر غور کرتے ہوئے، ہمیں ایک پیچیدہ چیلنج کا سامنا ہے جس کے لیے مارکیٹ میں اختراعی، موثر، اور قابل توسیع حل لانے کے لیے محققین، ماہرین تعلیم، پروڈکٹ ڈویلپرز، اور فنڈرز کے درمیان تعاون کی ضرورت ہے۔ ترقی کے بہت سے حصے ہیں، جیسے Soapbox Labs، ایک کمپنی کی ایک بہترین مثال ہے جو روانی اور تقریر کے مسائل کا جائزہ لینے کے لیے مزید نمائندہ ڈیٹا سیٹ تیار کرنے کے لیے سخت معیار کو لاگو کرنے کی کوشش کر رہی ہے۔ ہمیں ان خطوط پر مزید کوششوں اور پالیسی معاونت کی ضرورت ہے تاکہ اس بات کو یقینی بنایا جا سکے کہ تمام طلبا کی ضروریات پوری کی جائیں، نہ صرف ان کی جن کی ضروریات کو فی الحال دستیاب آف دی شیلف سسٹمز کے ساتھ آسانی سے پورا کیا جاتا ہے۔

    جب کہ چیزیں بہتر ہو رہی ہیں، فیلڈ ابھی بھی اس سطح پر نہیں ہے جس کی ہمیں تعلیمی ٹولز، تشخیصات، یا اسپیچ تھراپی کو مؤثر طریقے سے اور مستقل طور پر لاگو کرنے کی ضرورت ہے جو تمام بچوں کے لیے درست طریقے سے کام کریں۔ جس چیز کی ضرورت ہے وہ بہتر ڈیٹا سیٹس (کارپورا) اور لسانیات کی تحقیق سے متعلق اضافی تحقیقی فنڈنگ ​​اور پالیسی ہے جس کا مقصد بہتر الگورتھم تیار کرنا ہے۔ میدان کو آگے بڑھانے کے لیے کئی پالیسی سفارشات دی جا سکتی ہیں۔

    تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    رسل شلنگ، پی ایچ ڈی

    سب سے پہلے، بین الضابطہ ٹیموں کی تشکیل اور فنڈنگ ​​اہم ہے۔ ڈیفنس ایڈوانسڈ ریسرچ پراجیکٹس ایجنسی میں پروگرام آفیسر کی حیثیت سے اپنے وقت سے (ڈارپا) اور ان فلسفوں اور تکنیکوں کو لاگو کرنا تعلیم، میں نے سیکھا ہے کہ فنڈنگ ​​ٹیمیں جو فکر اور مہارت کے تنوع کی عکاسی کرتی ہیں، نسلی تنوع کے علاوہ، اختراع کے لیے اہم ہیں۔ اس معاملے میں، ہمیں ماہرین لسانیات، کمپیوٹر سائنسدانوں، ڈیٹا سائنسدانوں، اور ماہرین نفسیات کو ٹیم میں شامل کرنے اور اس عمل میں اخلاقیات کے ماہرین سے مشورہ کرنے کی ضرورت ہے۔

    دوسرا، ہمیں ڈیٹا سیٹس کے معیار اور سائز کو بہتر بنانے کی ضرورت ہے جو قدرتی ماحول میں ہماری ہدف کی آبادی کے تنوع کی نمائندگی کرتے ہیں، بشمول عمر، نسل، جنس، سماجی اقتصادی پس منظر، زبان کے مسائل، اور بولیاں۔ اور نقل و حرکت اور نقل مکانی کے عالمی رجحانات کے پیش نظر، ہمیں مزید متنوع اور نمائندہ ASR ڈیٹا سیٹ بنانے کے لیے بین الاقوامی تعاون کو فروغ دینا چاہیے۔

    تیسرا، ڈیٹا سیٹ، الگورتھم کے ساتھ، جانچ کے لیے کھلا ہونا چاہیے۔ ہمیں اس بات کو یقینی بنانا چاہیے کہ الگورتھم، ڈیٹا سیٹ، اور تشخیص منصفانہ اور شفاف ہوں۔ ڈیٹا اور تشخیصات امتحان کے لیے دستیاب ہونے چاہئیں، اور جب بھی ممکن ہو ڈیٹا سیٹس اور الگورتھم کھلے ہونے چاہئیں۔

    آخر میں، ماڈلز اور ڈیٹا کی تشخیص حل اپنانے کے بعد بھی مسلسل ہونی چاہیے تاکہ ہدف کی آبادی کے ردعمل میں تعصب یا بڑھے کا پتہ لگایا جا سکے۔ یہ پالیسی حکمت عملی تمام ایڈٹیک کے لیے تجویز کی جاتی ہے، نہ کہ صرف AI پر مبنی حل کے لیے۔

    اوپر دی گئی پالیسی کی سفارشات سب پر مشتمل نہیں ہیں لیکن ASR کو مزید موثر اور منصفانہ بنانے کے آغاز کی نمائندگی کرتی ہیں۔ یہ سفارشات اسپیچ ریکگنیشن ٹیکنالوجیز کے اطلاق کے لیے منفرد نہیں ہیں۔ وہ ریاستہائے متحدہ اور بیرون ملک AI ایڈٹیک مسائل کی ایک وسیع رینج کے مطابق ڈھال سکتے ہیں۔

    رسل شلنگ، پی ایچ ڈی., EdSafe AI الائنس کے سینئر مشیر ہیں، جو edtech R&D اختراع کے ماہر ہیں اور بحریہ کے سابق کپتان، DARPA پروگرام مینیجر، اور اوباما انتظامیہ کے دوران محکمہ تعلیم کے لیے STEM لیڈ ہیں۔

    دی EdSAFE AI الائنس موجود ہے عالمی پالیسی کو مطلع کرنا اور اس پر اثر انداز ہونا اور مصنوعی ذہانت (AI) بہتر تعلیمی ٹیکنالوجیز (edtech) کے استعمال کے لیے معیارات تیار کرنا۔ بنیادی مقصد یہ ہے کہ کھلے، اختراعی ماحول کو برقرار رکھتے ہوئے edtech کو محفوظ، محفوظ اور موثر بنا کر عوام کے اعتماد اور اعتماد کو یقینی بنایا جائے۔ EdSAFE AI الائنس میں، ہم ان مسائل سے نمٹنے کے لیے ماہرین تعلیم، محققین، پالیسی سازوں، اور فنڈنگ ​​کرنے والی تنظیموں کی جانب سے ان پٹ اور فعال شرکت کا خیرمقدم کرتے ہیں اور AI سسٹمز کے ذریعے متعارف کرائے گئے بے شمار اضافی چیلنجوں سے تعلیم میں خلل ڈالنے والے لیکن دلچسپ اضافے کا خیرمقدم کرتے ہیں۔



    Source link

  • What Happens When AI Doesn\’t Understand Students? An example for creative and equitable AI policy in education

    از: رسل شلنگ، پی ایچ ڈی

    ہم میں سے اکثر لوگوں نے اب تک کسی ایسے آلے سے بات کرنے کی مایوسی کا تجربہ کیا ہے جو اسپیچ ریکگنیشن کا استعمال کرتا ہے لیکن یہ سمجھنے میں ناکام رہتا ہے کہ ہم کیا کہہ رہے ہیں۔ صارفین کی مصنوعات میں، صارفین ان مصنوعات کا استعمال چھوڑ دیں گے جو ان کی ضروریات کو پورا نہیں کرتی ہیں، لیکن طلباء کے پاس کلاس روم میں یہ اختیار نہیں ہے۔ AI ڈیٹا سیٹس میں غیر موثر الگورتھم اور تعصب تعلیم کے محققین اور معلمین کے لیے بنیادی تشویش ہیں، جو فکر مند ہیں کہ درخواستیں ہمارے ملک کے کلاس رومز میں طلباء کے وسیع تنوع میں مؤثر نہیں ہوں گی۔ یہ خدشات یقینی طور پر صرف امریکہ تک محدود نہیں ہیں بلکہ عالمی تشویش کی نمائندگی کرتے ہیں۔ حکومت، اضلاع، اور یہاں تک کہ سرکاری اور نجی فنڈنگ ​​کے ذرائع سے پالیسی رہنمائی کی کمی کے پیش نظر، تقریر کی شناخت کی تاثیر کو منظم طریقے سے حل کرنا مشکل ہے۔ تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    خبروں میں روشنی ڈالی گئی بہت سی حالیہ بات چیت نے مختلف ٹیکنالوجیز اور ایپلیکیشنز کے بارے میں تشویش کا اظہار کیا ہے جو AI تعصب کا شکار ہیں۔ پھر بھی، ایک بہترین مثال جو edtech میں زیادہ توجہ کا مستحق ہے وہ ہے اسپیچ ریکگنیشن ایپلی کیشنز جن میں خودکار اسپیچ ریکگنیشن (ASR) اور نیچرل لینگویج پروسیسنگ (NLP) کی ضرورت ہوتی ہے۔ مختلف صارفین پر مبنی مصنوعات، کھلونوں، گیمز، پیداواری ایپس، اور تعلیم میں تقریر کی پہچان پھیل گئی ہے۔ تقریر کی درست شناخت نے مزید فطری ایڈٹیک مصنوعات اور کلاس روم میں تقریر، زبان اور پڑھنے کی دشواریوں میں ابتدائی مداخلت کے لیے حقیقی وقت کے جائزے کے مواقع کا دروازہ کھولا ہے۔ تاہم، یہ سسٹم فی الحال ان صارفین کے وسیع تنوع میں اچھی طرح سے کام نہیں کرتے ہیں جس تک وہ پہنچنے کی خواہش رکھتے ہیں۔ مثال کے طور پر، ASR سسٹم مختلف بولیوں، عمر کے گروپوں، یا بولنے میں دشواری والے افراد کے خلاف یکساں طور پر کام نہیں کرتے ہیں۔

    لہٰذا، اس قسم کے تعصب کے نتیجے میں تعلیم میں مایوسی اور منفی نتائج برآمد ہوں گے۔ تاہم، ASR میں تعصب، بہت سے AI تعصب کے مسائل کی طرح، تعصب کے ذرائع کو پہچان کر، قابل توسیع حل کے لیے تحقیقی پروگراموں کو نافذ کرنے، اور تقریر کی شناخت پر مبنی مصنوعات کے کلاس روم تک پہنچنے سے پہلے قابل اعتماد افادیت کے مطالعے کی ضرورت کے ذریعے بڑی حد تک حل کیا جا سکتا ہے۔

    تعصب کی ایک مخصوص مثال پر توجہ مرکوز کرتے ہوئے، عمر میں کمی کے ساتھ ASR کی درخواستیں تیزی سے غلط ہو جاتی ہیں۔ بچوں کی تقریر بالغوں سے کافی مختلف ہوتی ہے، بشمول فریکوئنسی سپیکٹرا، پرسوڈی، اور جملے کی ساخت کی پیچیدگی۔ ہمارے اسکولوں میں بولیوں اور قومیتوں کی وسیع اقسام پر غور کرتے ہوئے، ہمیں ایک پیچیدہ چیلنج کا سامنا ہے جس کے لیے مارکیٹ میں اختراعی، موثر، اور قابل توسیع حل لانے کے لیے محققین، ماہرین تعلیم، پروڈکٹ ڈویلپرز، اور فنڈرز کے درمیان تعاون کی ضرورت ہے۔ ترقی کے بہت سے حصے ہیں، جیسے Soapbox Labs، ایک کمپنی کی ایک بہترین مثال ہے جو روانی اور تقریر کے مسائل کا جائزہ لینے کے لیے مزید نمائندہ ڈیٹا سیٹ تیار کرنے کے لیے سخت معیار کو لاگو کرنے کی کوشش کر رہی ہے۔ ہمیں ان خطوط پر مزید کوششوں اور پالیسی معاونت کی ضرورت ہے تاکہ اس بات کو یقینی بنایا جا سکے کہ تمام طلبا کی ضروریات پوری کی جائیں، نہ صرف ان کی جن کی ضروریات کو فی الحال دستیاب آف دی شیلف سسٹمز کے ساتھ آسانی سے پورا کیا جاتا ہے۔

    جب کہ چیزیں بہتر ہو رہی ہیں، فیلڈ ابھی بھی اس سطح پر نہیں ہے جس کی ہمیں تعلیمی ٹولز، تشخیصات، یا اسپیچ تھراپی کو مؤثر طریقے سے اور مستقل طور پر لاگو کرنے کی ضرورت ہے جو تمام بچوں کے لیے درست طریقے سے کام کریں۔ جس چیز کی ضرورت ہے وہ بہتر ڈیٹا سیٹس (کارپورا) اور لسانیات کی تحقیق سے متعلق اضافی تحقیقی فنڈنگ ​​اور پالیسی ہے جس کا مقصد بہتر الگورتھم تیار کرنا ہے۔ میدان کو آگے بڑھانے کے لیے کئی پالیسی سفارشات دی جا سکتی ہیں۔

    تعصب کو ختم کرنے کے لیے تعلیمی ٹیکنالوجیز کی تحقیق اور ترقی کے تقاضوں پر بھی واضح رہنمائی کی ضرورت ہے۔

    رسل شلنگ، پی ایچ ڈی

    سب سے پہلے، بین الضابطہ ٹیموں کی تشکیل اور فنڈنگ ​​اہم ہے۔ ڈیفنس ایڈوانسڈ ریسرچ پراجیکٹس ایجنسی میں پروگرام آفیسر کی حیثیت سے اپنے وقت سے (ڈارپا) اور ان فلسفوں اور تکنیکوں کو لاگو کرنا تعلیم، میں نے سیکھا ہے کہ فنڈنگ ​​ٹیمیں جو فکر اور مہارت کے تنوع کی عکاسی کرتی ہیں، نسلی تنوع کے علاوہ، اختراع کے لیے اہم ہیں۔ اس معاملے میں، ہمیں ماہرین لسانیات، کمپیوٹر سائنسدانوں، ڈیٹا سائنسدانوں، اور ماہرین نفسیات کو ٹیم میں شامل کرنے اور اس عمل میں اخلاقیات کے ماہرین سے مشورہ کرنے کی ضرورت ہے۔

    دوسرا، ہمیں ڈیٹا سیٹس کے معیار اور سائز کو بہتر بنانے کی ضرورت ہے جو قدرتی ماحول میں ہماری ہدف کی آبادی کے تنوع کی نمائندگی کرتے ہیں، بشمول عمر، نسل، جنس، سماجی اقتصادی پس منظر، زبان کے مسائل، اور بولیاں۔ اور نقل و حرکت اور نقل مکانی کے عالمی رجحانات کے پیش نظر، ہمیں مزید متنوع اور نمائندہ ASR ڈیٹا سیٹ بنانے کے لیے بین الاقوامی تعاون کو فروغ دینا چاہیے۔

    تیسرا، ڈیٹا سیٹ، الگورتھم کے ساتھ، جانچ کے لیے کھلا ہونا چاہیے۔ ہمیں اس بات کو یقینی بنانا چاہیے کہ الگورتھم، ڈیٹا سیٹ، اور تشخیص منصفانہ اور شفاف ہوں۔ ڈیٹا اور تشخیصات امتحان کے لیے دستیاب ہونے چاہئیں، اور جب بھی ممکن ہو ڈیٹا سیٹس اور الگورتھم کھلے ہونے چاہئیں۔

    آخر میں، ماڈلز اور ڈیٹا کی تشخیص حل اپنانے کے بعد بھی مسلسل ہونی چاہیے تاکہ ہدف کی آبادی کے ردعمل میں تعصب یا بڑھے کا پتہ لگایا جا سکے۔ یہ پالیسی حکمت عملی تمام ایڈٹیک کے لیے تجویز کی جاتی ہے، نہ کہ صرف AI پر مبنی حل کے لیے۔

    اوپر دی گئی پالیسی کی سفارشات سب پر مشتمل نہیں ہیں لیکن ASR کو مزید موثر اور منصفانہ بنانے کے آغاز کی نمائندگی کرتی ہیں۔ یہ سفارشات اسپیچ ریکگنیشن ٹیکنالوجیز کے اطلاق کے لیے منفرد نہیں ہیں۔ وہ ریاستہائے متحدہ اور بیرون ملک AI ایڈٹیک مسائل کی ایک وسیع رینج کے مطابق ڈھال سکتے ہیں۔

    رسل شلنگ، پی ایچ ڈی., EdSafe AI الائنس کے سینئر مشیر ہیں، جو edtech R&D اختراع کے ماہر ہیں اور بحریہ کے سابق کپتان، DARPA پروگرام مینیجر، اور اوباما انتظامیہ کے دوران محکمہ تعلیم کے لیے STEM لیڈ ہیں۔

    دی EdSAFE AI الائنس موجود ہے عالمی پالیسی کو مطلع کرنا اور اس پر اثر انداز ہونا اور مصنوعی ذہانت (AI) بہتر تعلیمی ٹیکنالوجیز (edtech) کے استعمال کے لیے معیارات تیار کرنا۔ بنیادی مقصد یہ ہے کہ کھلے، اختراعی ماحول کو برقرار رکھتے ہوئے edtech کو محفوظ، محفوظ اور موثر بنا کر عوام کے اعتماد اور اعتماد کو یقینی بنایا جائے۔ EdSAFE AI الائنس میں، ہم ان مسائل سے نمٹنے کے لیے ماہرین تعلیم، محققین، پالیسی سازوں، اور فنڈنگ ​​کرنے والی تنظیموں کی جانب سے ان پٹ اور فعال شرکت کا خیرمقدم کرتے ہیں اور AI سسٹمز کے ذریعے متعارف کرائے گئے بے شمار اضافی چیلنجوں سے تعلیم میں خلل ڈالنے والے لیکن دلچسپ اضافے کا خیرمقدم کرتے ہیں۔



    Source link

  • A customer service upgrade for HBCUs


    ایڈیٹر کا نوٹ: یہ کہانی پہلی بار اس ہفتے کے ہائیر ایجوکیشن نیوز لیٹر میں شائع ہوئی، جو مفت فراہم کی جاتی ہے۔ ہر دوسرے جمعرات کو سبسکرائبرز کے ان باکس میں۔ آج ہی سبسکرائب کریں۔!

    الاباما اسٹیٹ یونیورسٹی اپنی کم ٹیکنالوجی والی موٹرسائیکل میں ایک چمکدار نئی Cadillac کے لیے تجارت کر رہی ہے۔ اور فریڈی ولیمز، جونیئر، داخلہ اور بھرتی کے اسسٹنٹ نائب صدر، اس کے بارے میں بہت پرجوش ہیں۔

    کیڈیلک، ولیمز کے استعارہ میں، ایک نیا سافٹ ویئر ہے جو بدل دے گا کہ یونیورسٹی کس طرح طالب علموں کے ساتھ بات چیت کرتی ہے اور ان پر نظر رکھتی ہے۔ اسے کسٹمر ریلیشن شپ مینجمنٹ سسٹم کہا جاتا ہے اور یہ وہی ٹیکنالوجی ہے جو ایک یاد دہانی کا متن یا ای میل بھیجتی ہے اگر کوئی آن لائن خریدار اپنی کارٹ میں کوئی چیز خریدے بغیر چھوڑ دیتا ہے۔



    Source link

  • In New York state, students can be suspended for up to an entire school year


    BRENTWOOD, N.Y. — Steven Martinez’s life was turned upside down by an ill-conceived joke. He was a sophomore at Long Island’s Brentwood High School, a few days before Thanksgiving in 2019, when he made a post on Snapchat late one night about hiding an AK-47 at Area 51 in Nevada.

    The police arrived around 2 a.m. looking for him. Martinez spent the morning at the station being questioned, he recalled. He was then handcuffed and taken to a hospital for a psychiatric evaluation.

    Doctors determined he wasn’t a threat. The police didn’t press charges.



    Source link

  • COLUMN: New problems, recycled solutions and lots of hand wringing — how can we restore faith in higher education?


    لاس اینجلس – یہ کوئی راز نہیں ہے کہ امریکی ہیں۔ شک کرنا ان دنوں اعلیٰ تعلیم کی قدر

    شاید اسی لیے برسوں کے ڈرامائی اندراج میں کمی، طلباء کے بڑھتے ہوئے قرضے اور کساد بازاری کے خطرے کی وجہ سے امریکن کونسل آن ایجوکیشن (ACE) کے صدر ٹیڈ مچل نے گزشتہ ہفتے کالج کے منتظمین کے ایک گروپ کو سخت وارننگ جاری کی۔

    \”خاندانوں کو سب سے زیادہ کس چیز کی ضرورت ہے؟ یہ تین الفاظ پر آتا ہے: نوکریاں، نوکریاں اور نوکریاں،‘‘ مچل نے یونیورسٹی آف سدرن کیلیفورنیا (USC) میں روزیئر سکول آف ایجوکیشن کے زیر اہتمام منعقدہ ایک کانفرنس میں کہا۔ اس نے کالج کے رہنماؤں سے ڈگری کی قدر کے بارے میں مضبوط پیغامات کے ساتھ ساتھ مطالبہ کیا۔ زیادہ شفاف مالی امداد کے خطوط، بہتر کالج اور کیریئر کونسلنگ اور واضح منتقلی کے راستے – وہ تمام موضوعات جن پر ہم برسوں سے The Hechinger Report میں رپورٹ کر رہے ہیں۔



    Source link