به گزارش ایراسین و به نقل از اس‌اف، محققان جونا برگر(Jonah Berger) و اولیویه توبیا (Olivier Toubia) توضیح می‌دهند که نحوه بیان افکار و ایده‌هایتان می‌تواند نمرات نهایی شما را در مدرسه نشان دهد. پژوهشگران دریافتند دانشجویانی که بین مفاهیم یا ایده‌های بسیار متفاوت در مقاله‌های خود ارتباط برقرار می‌کنند، بعدها در دانشگاه نمرات بالاتری کسب می‌کنند. این موضوع در مورد استفاده از کلمات خاص صادق نبود، بلکه در مورد چگونگی ساختار بخشیدن به افکار و ترکیب ایده‌های مختلف با یکدیگر بود.

تصور کنید هر ایده یا مفهوم مانند یک شهر روی نقشه است. مقاله‌های برخی از دانشجویان در یک محله کوچک باقی می‌ماند و فقط از «شهرها» یا مفاهیم مرتبط با آن دیدن می‌کردند. با این حال، دانشجویانی که به موفقیت‌های بالایی دست یافتند، در سراسر نقشه سفر کردند، از شهرهای دوردست زیادی بازدید کردند و این ایده‌های مرتبط با هم را در مقالات خود با هم ترکیب کردند.

برگر و توبیا این گستره را یک «حجم معنایی» بزرگ نامیدند که درست مانند کاوش در یک منطقه جغرافیایی وسیع است. آن دسته از دانشجویانی که مقاله‌هایی در زمینه‌های فکری بیشتری داشتند، در نهایت به معدل دانشگاهی بهتری دست یافتند.

این مطالعه با کمک هوش مصنوعی نشان داد که فقط مسئله وسعت مفهومی مطرح نیست. محققان همچنین به «سرعت معنایی» نگاه کردند که در آن نویسندگان در حین نوشتن مقالات خود چقدر راحت بین ایده‌های مختلف حرکت می‌کنند. دانشجویان برتر به طور تصادفی بین مطالب کاملاً نامرتبط پرش نمی‌کردند. در عوض، آن‌ها به‌طور مناسبی یک مسیر منطقی را در پیش می‌گرفتند و قبل از جست‌وجو در جاهای دیگر، به طور منسجم بین خوشه‌های مجاور ایده اصلی حرکت می‌کردند.

این مانند یک سفر جاده‌ای بود که یک مسیر کارآمد بین شهرها برای آن برنامه‌ریزی شده و به طور نامنظم در سراسر نقشه منتقل نمی‌شود. گفته می‌شود که این کاوش یکپارچه و ساختار یافته از مفاهیم مختلف، مهارت‌های تفکر خلاق را در کنار توانایی‌های استدلال تحلیلی قوی نشان می‌دهد.

بدیهی است که برگر و توبیا یک توپ کریستالی از هوش مصنوعی نساختند که ابرقهرمانان آینده را شکار کند، اما این برنامه جدید به بسیاری از اطلاعات مشابه نگاهی می‌اندازد.

این برنامه هوش مصنوعی همچنین بر نمره اس‌ای‌تی (SAT) یک فرد، تحصیلات والدین، جنسیت، قومیت، رشته دانشگاهی، موضوعات مقاله و طول مقاله برای پیش‌بینی اینکه دانشجو به کجا خواهد رفت، نگاه می‌کند. با این حال، این مطالعه نشان داده که این عوامل آنقدر که فکر می‌کنید در نتیجه نهایی نقشی ندارند.

هوش مصنوعی توانست به طور خودکار «جغرافیای معنایی» مقالات را با استفاده از پردازش زبان طبیعی پیشرفته تجزیه و تحلیل کند. تنها با مدل‌سازی مفاهیم پوشش‌دهی شده و مسیرهای طی شده در فضای ایده، هوش مصنوعی می‌تواند پیش‌بینی کند که کدام دانشجو در سال‌های آینده نمرات بالاتری کسب خواهد کرد و این روش حتی بهتر از نگاه کردن به مواردی مانند نمرات آزمون یا سطح درآمد خانواده است.

بنابراین، برنامه‌های هوش مصنوعی آینده به جای آزمون‌های چند گزینه‌ای، می‌توانند از این امضاهای مفهومی در نوشته‌های ما به عنوان روشی خنثی برای شناسایی استعدادهای فکری خام استفاده کنند.

اما همه این دستاوردها چه معنایی برای آینده آموزش عالی دارد؟ برای پاسخ به این سوال، جامعه ابتدا باید به این سوال پاسخ دهد: آیا مسئولین باید بر اساس پیش‌بینی‌های یک برنامه رایانه‌ای تصمیم بگیرند؟

نویسندگان مطالعه پیشنهاد می‌کنند که دانشگاه‌ها به‌جای تکیه بر قضاوت‌های ذهنی انسان درباره مقالات، می‌توانند به زودی سیستم‌های هوش مصنوعی پیشرفته را برای ارزیابی عینی قدرت استدلال و پتانسیل خلاق متقاضیان، صرفاً بر اساس نحوه رشته‌بندی کلمات در جملات، به کار گیرند. این می‌تواند فرصت‌هایی را برای شناسایی دانشجوهای با استعداد که توانایی‌هایشان ممکن است توسط معیارهای سنتی مانند آزمون‌های استاندارد نادیده گرفته شده باشد، فراهم کند.