هدف از برگزاری دوره:
هدف این دوره، توانمندسازی اعضای هیئت علمی برای استفاده هدفمند، انتقادی، مسئولانه و عملی از هوش مصنوعی در فرایند آموزش دانشگاهی، طراحی و ارزیابی یادگیری، تصحیح و ارائه بازخورد، به‌روزرسانی محتوای دروس و انجام پژوهش آموزشی است؛ به‌گونه‌ای که شرکت‌کنندگان بتوانند متناسب با نیازهای آموزشی دروس کارشناسی مترجمی زبان انگلیسی، کارشناسی ارشد مطالعات ترجمه و کارشناسی ارشد آموزش زبان انگلیسی، قابلیت‌ها و محدودیت‌های هوش مصنوعی مولد، مدل‌های زبانی بزرگ و ابزارهای مرتبط را بشناسند و از آنها برای طراحی فعالیت‌های یاددهی–یادگیری، تولید و بهبود مواد آموزشی، طراحی تکالیف و آزمون‌های متناسب با شرایط عصر هوش مصنوعی، ارزیابی و تصحیح ترجمه‌ها و تکالیف دانشجویان، طراحی Rubric و ارائه بازخورد مؤثر استفاده کنند؛ همچنین بتوانند خروجی‌های تولیدشده توسط هوش مصنوعی را از نظر دقت، اعتبار، تناسب آموزشی، کیفیت زبانی، استدلال، منابع و شواهد به‌صورت انتقادی بررسی و اعتبارسنجی کنند، محتوای دروس و منابع آموزشی را در چارچوب سرفصل‌های رسمی و متناسب با تحولات جدید علمی و حرفه‌ای به‌روزرسانی نمایند، فعالیت‌های تحلیلی و پژوهش‌محور برای دانشجویان طراحی کنند، مسائل واقعی کلاس و تجربه‌های آموزشی را به موضوعات و پرسش‌های پژوهشی تبدیل کنند و از هوش مصنوعی در مراحل مختلف طراحی پژوهش، تهیه ابزار، تحلیل داده و نگارش علمی با رعایت اصول اخلاق پژوهش، محرمانگی، اصالت علمی و شفافیت استفاده نمایند؛ در نهایت، هدف دوره آن است که اعضای هیئت علمی بتوانند از هوش مصنوعی نه به‌عنوان جایگزین مدرس و قضاوت علمی، بلکه به‌عنوان یک دستیار آموزشی و پژوهشی قابل ارزیابی و کنترل‌شده استفاده کرده و شیوه‌های تدریس، ارزیابی، تولید محتوا و پژوهش خود را متناسب با نیازهای جدید آموزش عالی بازطراحی و بهبود دهند.
سرفصل‌های دوره
مفاهیم هوش مصنوعی، هوش مصنوعی مولد، مدل‌های زبانی بزرگ (LLMs)، ترجمه ماشینی (MT) و ترجمه با کمک هوش مصنوعی (AI-assisted Translation)؛ تمایز میان استفاده از هوش مصنوعی به‌عنوان مترجم و استفاده از آن به‌عنوان دستیار آموزشی و یادگیری؛ فرصت‌ها و محدودیت‌های هوش مصنوعی در آموزش ترجمه؛ کاربرد هوش مصنوعی در آموزش ترجمه انگلیسی به فارسی و فارسی به انگلیسی؛ استفاده از هوش مصنوعی برای آموزش واژگان، اصطلاحات، هم‌آیندها، اسامی خاص، عناصر فرهنگی، سبک، سطح زبان، لحن، مخاطب و بافت؛ تولید نمونه‌های ترجمه متناسب با سطح دانشجویان؛ طراحی فعالیت‌های ترجمه، ترجمه معکوس، مقایسه ترجمه‌ها، تحلیل و اصلاح خطا و بازخورددهی با کمک هوش مصنوعی؛ اصول مهندسی پرامپت برای فعالیت‌های ترجمه شامل تعیین نقش، هدف، زمینه، ورودی، محدودیت‌ها، معیارهای ارزیابی و قالب خروجی؛ شناسایی خطاهای هوش مصنوعی شامل ترجمه نادرست، حذف، اضافه، ترجمه تحت‌اللفظی، خطاهای واژگانی و اصطلاح‌شناختی، خطاهای فرهنگی و سبکی و اطلاعات ساختگی یا توهم‌زا (Hallucination)؛ و طراحی فعالیت‌های کلاسی کنترل‌شده با حضور هم‌زمان مدرس، دانشجو و هوش مصنوعی
ارزشیابی ترجمه در عصر هوش مصنوعی؛ تمایز میان ارزیابی محصول نهایی و ارزیابی فرایند ترجمه؛ تأثیر استفاده دانشجویان از ChatGPT، ترجمه ماشینی و سایر ابزارهای AI بر طراحی تکلیف و آزمون؛ طراحی تکالیف ترجمه متناسب با شرایط جدید شامل ترجمه، مقایسه ترجمه‌ها، تحلیل خطا، پس‌ویرایش، ترجمه معکوس، شرح فرایند ترجمه (Translation Commentary)، یادداشت مترجم (Translator’s Note)، پورتفولیو، گزارش فرایند (Process Log) و فعالیت پرامپت–بازنگری؛ طراحی آزمون‌هایی که تصمیم‌گیری، تحلیل، استدلال، اصلاح و توضیح انتخاب‌های ترجمه‌ای را ارزیابی می‌کنند؛ معیارهای ارزیابی ترجمه شامل دقت، کفایت، روانی، انتخاب واژه، اصطلاح‌شناسی، دستور زبان، نحو، انتقال معنا، سبک، لحن، انسجام، پیوستگی، عناصر فرهنگی و تناسب با مخاطب؛ طبقه‌بندی خطاهای حذف، اضافه، بدفهمی، ترجمه تحت‌اللفظی، انتخاب واژه نامناسب، خطای اصطلاح‌شناختی و خطای سبکی؛ مقایسه ارزیابی مدرس، ترجمه ماشینی و LLM؛ استفاده از AI برای تحلیل و طبقه‌بندی خطاها و ارائه بازخورد؛ طراحی Rubric؛ مقایسه ارزیابی مدرس و AI؛ محدودیت‌های نمره‌دهی خودکار؛ و اصول تدوین سیاست شفاف استفاده از AI در تکالیف و آزمون‌های ترجمه.
بررسی چالش فاصله میان سرفصل‌های رسمی و تحولات سریع علمی و حرفه‌ای؛ تمایز میان عنوان رسمی درس، سرفصل مصوب و محتوای آموزشی ارائه‌شده توسط مدرس؛ مفهوم «لایه محتوای روزآمد» (Contemporary Content Layer) برای افزودن مباحث جدید بدون تغییر غیرمجاز ساختار رسمی درس؛ شناسایی تحولات جدید شامل ترجمه با کمک هوش مصنوعی، LLMها، ترجمه ماشینی عصبی، ارزیابی ترجمه ماشینی، پس‌ویرایش، بومی‌سازی، ترجمه دیداری–شنیداری، ترجمه چندوجهی، فناوری‌های ترجمه و تعامل مترجم و هوش مصنوعی؛ استفاده از AI برای ممیزی محتوای درس (Course Content Audit)؛ شناسایی خلأهای محتوایی، مفاهیم جدید و موضوعات کم‌رنگ یا غایب؛ ایجاد نقشه مفهومی درس؛ پیشنهاد منابع علمی جدید؛ راستی‌آزمایی نویسنده، عنوان، مجله، سال انتشار، DOI و سایر اطلاعات کتاب‌شناختی؛ جلوگیری از استفاده از منابع ساختگی؛ تبدیل موضوعات جدید به محتوای آموزشی، مطالعه موردی، فعالیت کلاسی، مجموعه‌داده و تکلیف پژوهشی؛ به‌روزرسانی فهرست منابع؛ و هم‌راستاسازی اهداف یادگیری، محتوا، فعالیت‌های آموزشی و ارزشیابی.
تمایز اهداف آموزشی کارشناسی و کارشناسی ارشد مطالعات ترجمه؛ حرکت از «انجام ترجمه» به سوی تحلیل، نقد، تبیین و پژوهش؛ کاربرد هوش مصنوعی در تدریس نظریه‌های ترجمه و مقایسه رویکردهای نظری؛ تحلیل انتقادی ترجمه‌های انسانی، ترجمه ماشینی و ترجمه مبتنی بر LLM؛ کاربرد AI در نقد ترجمه (Translation Criticism) و تحلیل واژگانی، نحوی، معنایی، سبکی، گفتمانی و فرهنگی؛ استفاده از رویکردهای پیکره‌محور (Corpus-based Approaches) در تحلیل ترجمه؛ مفهوم سواد انتقادی هوش مصنوعی (Critical AI Literacy)؛ شناسایی توهم، استدلال ضعیف، اطلاعات نادرست و منابع ساختگی؛ تمایز میان واقعیت، تفسیر و گمانه‌زنی در خروجی AI؛ ارزیابی اعتبار استدلال‌های تولیدشده توسط هوش مصنوعی؛ طراحی فعالیت‌های پژوهش‌محور از جمله نقد ترجمه، تحلیل تطبیقی ترجمه، Translation Commentary، مقاله تحلیلی، مطالعه موردی و پروژه پژوهشی کوچک؛ و تبدیل مسائل آموزشی و حرفه‌ای مرتبط با AI به مسئله، پرسش، داده و روش پژوهش.
کاربرد هوش مصنوعی در آموزش و یادگیری زبان؛ نقش AI در ارائه ورودی زبانی، تعامل، تمرین، بازخورد و پشتیبانی از یادگیرنده؛ کاربرد هوش مصنوعی در مهارت‌های خواندن، نوشتن، شنیدن و صحبت‌کردن؛ تولید و سطح‌بندی متون خواندنی و طراحی سؤال؛ ایده‌پردازی، طرح‌ریزی، نگارش، بازنگری و بازخورد در نوشتن؛ مقایسه بازخورد AI و مدرس؛ شبیه‌سازی مکالمه، ایفای نقش و فعالیت‌های گفتاری؛ محدودیت‌های AI در ارزیابی تلفظ؛ آموزش واژگان و هم‌آیندها در بافت؛ آموزش گرامر در بافت؛ تحلیل خطا؛ یادگیری شخصی‌سازی‌شده و آموزش متناسب با تفاوت‌های یادگیرندگان؛ کاربرد AI در انگلیسی دانشگاهی و ESP؛ نیازسنجی؛ طراحی تکلیف مبتنی بر فعالیت (TBLT)؛ تولید طرح درس، کاربرگ، متن آموزشی، تمرین، آزمونک، سؤال بحث و پروژه؛ طراحی ارزشیابی تکوینی و تراکمی؛ طراحی Rubric و بازخورد خودکار؛ و بررسی روایی، پایایی، دقت زبانی، تناسب سطح، سوگیری، تناسب فرهنگی و توهم در محتوای تولیدشده توسط AI.
کاربرد هوش مصنوعی به‌عنوان دستیار پژوهش؛ جست‌وجوی اولیه و اکتشاف حوزه پژوهش؛ شناسایی موضوع، مسئله و خلأ پژوهشی؛ سازمان‌دهی و مقایسه مطالعات؛ شناسایی مضامین و روندهای پژوهشی؛ تبدیل مسائل واقعی کلاس به مسئله پژوهشی؛ طراحی پرسش‌های پژوهش توصیفی، مقایسه‌ای، رابطه‌ای و اکتشافی؛ هم‌راستایی پرسش پژوهش با روش و داده؛ روش‌های کمی، کیفی و آمیخته؛ طراحی پرسشنامه، مصاحبه، مشاهده، پژوهش کلاسی و مطالعات تجربی و شبه‌تجربی؛ طراحی ابزارهای پژوهش با کمک AI و بررسی روایی محتوایی آنها؛ کدگذاری، دسته‌بندی و تحلیل مضمونی داده‌های متنی با کمک AI؛ کاربرد محتاطانه AI در آماده‌سازی و تفسیر داده‌های کمی؛ استفاده از AI در ساختاردهی مقاله، چکیده، مقدمه، بحث و نتیجه‌گیری؛ کنترل ادعاها، آمار، استنادها و منابع؛ شناسایی منابع و DOIهای ساختگی؛ اصول استناد، نقل‌قول و انتساب؛ محرمانگی داده‌ها، حریم خصوصی و رضایت آگاهانه؛ مالکیت فکری، نویسندگی و شفافیت استفاده از AI؛ و تبدیل فعالیت آموزشی یا مسئله کلاسی به یک پروژه پژوهشی قابل اجرا.
دوره های مرتبط
آموزش تعمیرات لپ‌تاپ
هدف از برگزاری دوره: تربیت نیروی ماهر در زمینه عیب‌یابی و تعمیر لپ‌تاپ است؛ به‌گونه‌ای که فراگیران پس از پایان…
آموزش تعمیر اینسترومنت‌های دندان پزشکی
هدف از برگزاری دوره: انتقال مهارت عملی تعمیر و سرویس هندپیس‌ها و اینسترومنت‌های دندانپزشکی به فراگیران است. با توجه به…
تربیت مدرس زبان انگلیسی
Part 1: Teaching Kids (Sessions 1–10) Part 2: Teaching Teenagers and Adults (Sessions 11–20) سرفصل های آموزشی جلسه 1 Understanding…
دوره دستیار فنی دندان پزشک
در این دوره چه آموزش داده می شود؟ در دوره جامع دستیار فنی دندان‌پزشک، هنرجویان با تمامی مهارت‌ها و دانش…
