محمدمهدی سمیعی
محمدمهدی سمیعی
خواندن ۱۹ دقیقه·۱ سال پیش

درس‌هایی که از درس‌دادن آموختم


یکی از میل‌های همیشگی من آموزش‌دادن بوده است، همیشه دوست داشتم مفهومی را که یاد می‌گیرم را با نظر خودم پخته‌تر کنم و به دیگران نیز انتقال دهم. حال در ترم بهار سال ۱۴۰۲ این فرصت برای من پیش آمد که درس هوش مصنوعی دانشکده کامپیوتر را در نقش استاد مدعو ارائه کنم و برای اولین بار چنین تجربه‌ای داشته باشم. این فرآیند که چند ماه طول کشید و اولین تجربه من بود، با داشتن فراز و نشیب‌های فراوان برای من نکات زیادی را همراه داشت. سعی کرده‌ام در این پست این نکات را در حکم تجربه‌ای که گذشت مطرح کنم. قبل از هر چیز از دکتر رهبان (مدیر وقت گروه هوش) و دکتر سلیمانی بابت این فرصتی که به من دادند، تشکر می‌کنم. راستی عکس‌هایی که در ادامه می‌بینید هم همگی توسط هوش مصنوعی bing تولید شده‌اند.


Don Quixote as a Teacher
Don Quixote as a Teacher


نکته صفر: از دانشجو تا مدرس (ولی افتاد مشکل‌ها)

نکته صفر: روزگاری بود که دانشجو بودم و دوست داشتم TA (تدریسار) شوم. روزگاری TA بودم و دوست داشتم که HeadTA (سرتدریس‌یار) شوم. روزگاری بود که HeadTA بودم و دوست داشتم مدرس باشم. اگر نیروهای انسانی حاضر در یک درس را همین چهار رکن دانشجو، تدریسیار،‌ سرتدریسیار و مدرس بدانیم، اکنون من هر چهار مرحله را در این بازه ۵ ساله تجربه کرده‌ام و همین تجربه‌کردن همگی اینها در این بازه کوتاه به نظرم فرصت بهتری به من می‌دهد تا بدون فاصله گرفتن از هر کدام از این شخصیت‌ها نظر بهتری بدهم. قاعدتا من هم در هر یک از جایگاه‌هایی که بوده‌ام از سمت جایگاه‌های بالاترم گاها اذیت شده‌ام. تدریس‌یارهایی را تجربه کردم که تمرین‌های ظالمانه طراحی می‌کردند، هد‌هایی را دیده‌ام که گویا فرشته عذاب درس بوده اند و استادهایی که فقط آرزو می‌کنی درسش پاس شود و تمام. آن چه اغلب ما در دانشگاه تجربه می‌کنیم کیفیت پایین اکثر دروس است که برای ما خاطره آن چنان مثبتی نمی‌سازند. حال از پاییز ۱۴۰۱ که پیشنهاد تدریس مطرح شد تا امروز ۱۵ تیر که نمرات نهایی شد، من تمام خواسته‌ام ساختن یک تجربه مثبت و کارآمد برای مجموعه درس بوده است. در بعضی‌ جاها به نظرم موفق بوده‌ایم و البته در شاید اغلب موارد به آن چه فکر می‌کردیم نرسیدیم و البته این نرسیدن‌ها به من فهماند که این موضوع ساخت درس با کیفیت بالا پیچیدگی‌های بسیاری دارد. من در این پست می‌خواهم همین دشواری‌ها و مسائل را در موردشان بحث کنم. جاهایی که به نظرم درست عمل کردیم و می‌توانند دوباره تکرار شوند و جاهایی که نتوانستیم مساله‌ای که باید را حل کنیم و باید راه‌حل دیگری بر آن امتحان شود و جاهایی که اصلا مساله خوش تعریف نیست و باید دوباره به آن پرداخته شود. من در ادامه می‌خواهم فرآیندی که این چند ماه طی کردیم و مشکلاتی که با آن‌ها رو به رو شدیم و راه‌حل‌هایی که امتحان کردیم را به همراه نتایج آنان با شما در میان بگذارم. با ما همراه باشید :)))


A lot of nonsense contents and papers, painting by picaso
A lot of nonsense contents and papers, painting by picaso


نکته یک: سیلابس

سیلابس و برنامه‌درس بسیاری از دروس ما کهنه، قدیمی و به معنای واقعی کلمه بی‌فایده‌اند. این ویژگی‌ها مخصوصا در رشته کامپیوتر که سرعت تغییرات در آن بالا است برای دانشجویان واضح‌تر است. در مورد درس هوش (با شماره 40417) من کمتر با این مشکل مواجه بودم. چرا که برنامه این درس چندین بار در دانشکده مورد اصلاح‌های جزیی در سالیان قبلی قرار گرفته بود و مباحث جدیدتر مانند لرنینگ به آن اضافه شده بود. به طور کلی سیلابس درس هوش فعلی دانشگاه شریف از سه بخش الگوریتم‌های کلاسیک سرچ (و البته RL)، شبکه‌های بیزی و لرنینگ تشکیل شده است و از درس cs188 دانشگاه برکلی الهام‌گیری شده است. با توجه به سمت و سوهای حرکت هوش مصنوعی در سالهای گذشته به نظرم در این سیلابس می‌توان تغییراتی اعمال کرد. نکته اول این که می‌توان مبحث CSP را حذف کرد چرا که اصلا ربطی به هوش ندارد و بیش‌تر به نظرم مربوط به درس طراحی الگوریتم است (کما این که آن جا هم حضور دارد) و حذفش نیز آسیبی به درس نمی‌زند. دوم این که به نظرم مبحث HMM‌ها نیز با توجه به رشد شبکه‌های عصبی و ناکارآمد شدن راه‌حل‌های مبتنی بر شبکه‌های مارکوف در برابر شبکه‌های عصبی، قابل حذف هستند. نکته سوم این که با حذف‌کردن این دو مبحث چیزی حدود شاید چهار جلسه اضافه می‌شود که می‌توان آن‌ها را به یادگیری تقویتی(مخصوصا) و یادگیری عمیق اختصاص داد. سابقاها در درس هوش این گونه بود که یادگیری تقویتی بعد از یادگیری ماشین تدریس می‌شد و معمولا هم به خاطر همین در انتهای ترم بودن، قربانی می‌شد. اما در این ترم با صحبتی که با دکتر رهبان داشتیم تصمیم گرفتیم تا هر دو گروه، مبحث یادگیری تقویتی را بعد از سرچ مطرح کنیم. نتیجه به نظرم بسیار مثبت بود و بسیاری از دانشجویان به یادگیری تقویتی (یا همان Reinforcement learning) علاقه‌مند شدند. من خودم فکر می‌کردم تدریس RL قبل از ML کارنشدنی باشد ولی این ترم فهمیدم که اتفاقا شهودهای ساده و زیبایی در پشت RL قرار دارند که در صورتی که آن را بعد از ML ارائه دهیم ممکن این است شهودها پشت یادگیری ماشین گم شوند. به هر صورت، تغییر سیلابس درس در اختیارات من نیست و فکر کنم در اختیارات وزارت علوم است اما با توجه به ترند و رشد فعلی هوش مصنوعی می‌توان تغییراتی در آن به وجود آورد یا حداقل با ارائه‌ درس‌های اختیاری جدید بخشی از اهداف این نو و به روز بودن را محقق ساخت.


A renaissance painting of a A team of rescuers trying to deal with problems
A renaissance painting of a A team of rescuers trying to deal with problems


نکته دو: تیم تدریس‌یار

با توجه به این که وظیفه استاد ارائه و آموزش درس است و وقت نمی‌کند تا خود به طراحی تمرین بپردازد در نتیجه به تعداد تدریس‌یار (به اختصار TA) نیاز داریم که تمارین را طرح و آنان را تصحیح کنند. این تدریس‌یاران باید حتی المقدور از بچه‌های کارشناسی باشند که درس را به تازگی گذرانده‌اند و حال و هوای آن هنوز در سرشان است. حال از آن‌جایی که نظارت به این تدریس‌یاران خود و همچنین درخواست‌های دانشجویان (در مسائلی مانند مهلت ارسال تمارین و رسیدگی به تقلب‌ها و ...) خود امری مستلزم انرژی است، ما نیاز به سرتدریس‌یار (به اختیار HeadTA) داریم. سرتدریس‌یار معمولا از بچه‌های ارشد انتخاب می‌شود تا هم مشغله درسی کمتری داشته باشد و هم تجربه و سنش به کمک او در تصمیم‌گیری‌ها بیایند. در انتخاب سرتدریس‌یار بایستی به دو نکته توجه کرد، یکی این که او بایستی با سیاست‌های کلی موردنظر شما برای درس همسو باشد تا با یکدیگر به اختلاف نخورید و دو این که او باید ویژگی‌هایی داشته باشد تا بتواند شما را در درس پوشش دهد. مثلا من شخصیت مهربانی هستم و در برابر تقاضاهای بی‌پایان دانشجوها برای تمدید الی القیامت تمرین‌ها مقاومت نمی‌کنم برای همین باید سراغ کسی بروم که بتواند به آن‌ها نه بگوید و دقیق باشد. با توجه به این مسائل من به سراغ سروش وفایی‌تبار و محمدرضا فریدونی دو تن از دانشجوهای خوب ارشد آزمایشگاهمان رفتم. من با این دو نفر از لحاظ شخصیتی راحت و نزدیک بودم و از آنان تقاضا کردم تا در این درس به عنوان HeadTA به من کمک کنند. این دو نفر نیز در طول ترم واقعا به داد من رسیدند و اگر آنان نبودند یحتمل دچار مشکلات جدی در زمان‌بندی‌ها می‌شدیم. بسیاری از جاها من می‌خواستم تصمیماتی بگیرم و این‌ها مخالف من بودند و البته بعدا فهمیدم که نظر آنان به صلاح‌تر بوده است. در کل داشتن یک همچنین افرادی در کنار خودتان قطعا کار راه بنداز است. بعد از انتخاب این عزیزان، محمدرضا (ما بهش می‌گیم ممرض) به من پیشنهاد داد تا محمدجواد ماهرالنقش (که دانشجوی کارشناسی بود و ترم قبل هوش مصنوعی پاس کرده بود) را به عنوان تی‌ای تمرین‌ها انتخاب کنیم. من اولش نمی‌دانستم چرا و از روی اعتماد به ممرض قبول کردم ولی هر چه گذشت بیشتر از بابت این تصمیم خوشحال شدم، چرا که محمدجواد هم با بچه‌های کارشناسی نزدیک‌تر بود و فیدبک‌های آن‌ها را می‌گرفت و هم پیگیری وحشتناک و عجیبی برای سر برنامه‌بودن این درس داشت. محمدجواد به معنای واقعی کلمه مدیر و پیگیر بود و همن ازش نقش مهمی در فرآیند ارائه درس ساخت (منظورم اینه که وقتی دارید آدم انتخاب می‌کنید قبل از خفن بودن به کارا بودنش دقت کنید). کلا من این ترکیب دو تا HTA ارشد و یک Lead-TA کارشناسی رو توصیه می‌کنم، HTA‌ها به شما در فرآیند تصمیم‌گیری کمک می‌کنند و Lead-TA هم با توجه به کارشناسی‌بودنش با بچه‌ها لینک بهتری داره و ارتباط بین استاد و دانشجوها رو راحت‌تر می‌کنه. بقیه TA‌ها هم همگی گل بودند و من ازشون بابت تمامی زحماتشون در به موقع رسوندن طراحی تمرین‌ها و تصحیح‌شون ممنونم.

نکته سوم: برنامه و سیستم ارزیابی

ما (یعنی من و سروش و ممرض) از ابتدا چندین ساعت با هم بر سر اهداف درس و نحوه ارزیابی بحث کردیم و به نتیجه زیر رسیدیم:

درس کارشناسی، محل آشنا شدن افراد با موضوعات است. انسان در دوره کارشناسی باید با موضوعات مختلف آشنا شود و آن‌ها را تجربه کند تا بتواند تصمیم بگیرد که دوست دارد بعدا روی چه چیز متمرکز شود. از این رو لود و میزان بار درس باید معقول و قابل هندل‌کردن باشد.

بر همین نتیجه سعی کردیم آیتم‌های ارزیابی خود را با این اصل به پیش ببریم. ما برای ارزیابی، چهار آیتم کوییز، تمرین‌ها، امتحان‌های میان‌ترم و پایان‌ترم را در نظر گرفتیم. کوییز بایستی در حدی ساده می‌بود که هر کسی که در کلاس حاضر بوده است و گوشش به مطالب خورده قادر به پاسخ‌دادن به آن‌ها باشد و تاریخ‌های برگزاری آن نیز از قبل در تقویم درس به دانشجویان اعلام شده بود. تمرین‌ها نیز شامل دو بخش تئوری و عملی بودند که بخش تئوری بایستی در حد انجام الگوریتم‌های ارائه شده در درس می‌بودند و در بخش عملی نیز دانشجوها باید همین الگوریتم‌ها را پیاده‌سازی می‌کردند. تلاش ما بر این بود که هر کدام از تمرین‌های تئوری یک روز و تمرین‌های عملی نیز یک آخر هفته از دانشجوها وقت ببرد. امتحانات میان‌ترم و پایان‌ترم نیز هر کدام شامل دو بخش مفهومی و محاسباتی بودند. بخش مفهومی بخش سخت‌تری بود که دانشجو بایستی به حکمت و چرایی مسائل مطرح‌شده در درس و راه‌حل‌های آن‌ها تسلط می‌داشت. یک ارائه هم در آخر درس گذاشتیم و یک سری موضوعات تعیین کردیم تا دانشجوها آن‌ها را بردارند و ارائه دهند. معمولا روال کار برای ارائه در بعضی دروس این شکلی است که دانشجوها باید یک مقاله را ارائه دهند اما بعد از مشورتی که با ممرض داشتیم به این نتیجه رسیدیم که از آن‌جایی که دانشجوی کارشناسی هنوز عمیق نشده این که یک موضوع را به صورتی کلی ارائه بسیار خواهد بود تا این که بخواهد یک مقاله را بخواند و نفهمیده ارائه دهد.

A renaissance painting of evil and deadline
A renaissance painting of evil and deadline


نکته چهار: مرگ بر عادی‌سازی تاخیر

کرونا باعث تحولات زیادی شد و دنیا رو به دو تاریخ قبل و بعد خودش تقسیم کرد. در دانشگاه شریف رسمی وجود داشت به اسم تاخیر مجاز. به این معنا که شما می‌تونستید تکالیف‌تون رو با تاخیر بفرستید و مثلا در کل ترم هشت روز تاخیر مجاز برای اون درس داشتید. گذر زمان و البته کرونا باعث شد که اولا هم مفهومی به نام تاخیر غیرمجاز اضافه بشه که شما وقتی تاخیرهای مجازتون تموم شد می‌تونین با کسر درصدی از نمره تمرینتون رو بفرستید و هم این که مقدار روز تاخیرهای مجاز به حتی ۲۰ یا ۲۵ روز هم رسید!

حال چرا این مکانیزم مشروعیت دادن به تاخیر بد است؟

  • اولا شما در واقعیت تاخیر مجاز یا غیرمجاز ندارید. در صنعت شما نمی‌توانید تاخیر داشته باشید. در نتیجه آدم باید یاد بگیرد که ددلاین وجود دارد (خود من نیز هم).
  • دوما مکانیزم مشروعیت دادن به تاخیر باعث وسواس و عدم تمام‌کردن امور می‌شود. انسان همش با خودش می‌گوید بذار این قسمت را هم بزنم و بعد بفرستم فوقش از تاخیرهایم استفاده می‌کنم و همین حس عدم تمام‌کردن آدم را آزار می‌دهد.
  • وقتی سیستم تاخیر مجاز داریم ساعت به ساعت مهم می‌شود. مثلا فرض کنید ساعت ۱۲ شب شده و شما وارد باز تاخیر خود شده‌اید و نیاز به سه ساعت دیگر وقت گذاشتن دارید تا کارتان را تمام کنید. با توجه به این که سیاست تاخیر مجاز به صورت ساعتی حساب می‌شود، شما اگر بخوابید و شش صبح پاشید و سه ساعت وقت بگذارید، ۹ ساعت از میزان تاخیرهایتا را از دست داده‌اید ولی به نفعتان است که آن شب را نخوابید و تا صبح کد بزنید. بنابراین سیاست تاخیر مشروع به سلامتی شما هم گند می‌زند.

بر اساس همین دلایل، من قبل از حتی ارائه درس تصمیم گرفتم تا به هر نحوی با عادی‌سازی تاخیر مقابله کنم. حضور سروش و ممرض و موافقت آنان نیز به عنوان هدتی‌ای‌ها باعث کمک و دلگرمی من شد. ما همان ابتدای ترم به دانشجو‌ها اعلام کردیم که سیاست تاخیر نداریم و دانشجوها هم قبول کردند. ولی هر چه جلوتر می‌رفتیم طبق عادتی که دانشجوها با بقیه درس‌هایشان داشتند فشار می‌آوردند که ما هم تاخیر مجاز داشته باشیم اما با پایداری ما به هر نحوی که بود مانع از این اتفاق شدیم و در نهایت یک درس بدون عادی‌سازی تاخیر ساختیم. به این امید که ملت لذت تمام‌کردن کارها را بچشند و بدانند که زندگی تاخیربردار نیست! البته ما امکانی را قرار دادیم و به بچه‌ها گفتیم که اگر مشکلی برای‌تان پیش آمد می‌توانید به ما پیام بدهید و بعد از بررسی ما تمرین را صرفا برای شخص شما تمدید خواهیم کرد که در طول ترم هم خیلی از بچه‌ها از این امکان استفاده کردند و در این زمینه سروش واقعا عالی و با حوصله عمل کرد و تک تک مشکلات بچه‌ها را بررسی کرد.

Painting, by van gogh, a programmer works hard in night
Painting, by van gogh, a programmer works hard in night

نکته پنج:‌ تمدید تا صبح؟ هرگز!

وقتی گفتیم تاخیر مجاز برای تمرین‌ها در کار نیست حالا با سیل انبوهی از درخواست‌های تمدید مواجه شدیم. در راه کلاس، داخل کلاس،‌ بیرون کلاس، در راه سلف، داخل سلف، در اینباکس جی‌میل و ... جایی نبود که از ما درخواست تمدید نداشته باشند. وقتی پایمردی کردیم و می‌گفتیم نه تمدید نداریم (تمدید نمی‌کردیم چون اگر می‌کردیم از نظر برنامه عقب می‌افتادیم) حال با درخواست‌های بعدی مواجه می‌شدیم. لااقل تا شش صبح مهلت ارسال را تمدید کنید! من واقعا نمی‌فهمم! چرا استادان برخی درس‌ها این رسم تمدید تا شش صبح را جا انداخته‌اند؟ این کار غیراخلاقی، ضداخلاقی و شنیع است. ضد بشریت است. افتخار می‌کنم یکبار هم مهلت ارسال را تا صبح تمدید نکردیم و ملت را وادار به بیدار ماندن نکردیم.

نکته ششم: دوگانه عدالت یا رفاه

تصویری که در بالا مشاهده می‌کنید یکی از اسلایدهای جلسه صفر درس است. من از اول بنا داشتم که یک تجربه خوب برای بچه‌ها بسازم و هرگز باعث استرس و اذیت آن‌ها نشوم و از طرفی دیگر هم اهداف درس را محقق سازم و مفاهیم را به دانشجویان انتقال بدهم. ولی هر چه قدر جلوتر که رفتم با این دوگانه رفاه یا عدالت مواجه شدم. انسان ذاتا تنبل است و به فکر حرکت‌افتادن نیست. از طرف دیگر هم بودند کسانی که سخت تلاش می‌کردند. اگر به من بود دوست داشتم به همه ۲۰ بدهم ولی در این درس بود که تازه اندکی این دوگانه عدالت و دوست‌داشتن ملت برایم جا افتاد. ناچارا در خیلی از موقعیت‌های درس هر چه قدر هم که بچه‌ها تقاضای ناموجه مثل تمدید تمرین را داشتند مقاومت کردیم.

a mascot of angry flower, digital art, concept art
a mascot of angry flower, digital art, concept art


نکته هفتم: دلخوری

خب هیچ گلی بی‌خار نیست! در طول ترم بارها می‌شد که دانشجوها از ما درخواست‌هایی داشتند (عمدتا تمدید) و ما خب چون مخالفت می‌کردیم دانشجوها هم ناراحت می‌شدند. اولاش من هم ناراحت می‌شدم ولی هر چه گذشت بیشتر عادت کردم که بدون این که هیچ کسی را ناراحت کنی نمی‌توانی کاری را پیش ببری :))) این فکر کنم جزو مهارت‌هایی بود که من نداشتم و بعد از این درس اندکی از آن به من اضافه شد‌ :)

An ancient tablet of A professor and an empty class in the style of Giza in Ancient Egypt
An ancient tablet of A professor and an empty class in the style of Giza in Ancient Egypt


نکته هشتم: تدریس و حضور

از همان لحظه اول بدون هیچ تردیدی من در نظر گرفتم که حضور در کلاس اجباری نیست و حضور و غیابی در کار نخواهد بود با این استدلال که اگر کلاس جذاب باشد خود دانشجو خواهد آمد و این از تصورات اشتباه من بود :) دانشجویان بعد از کرونا بسیار تنبل شده‌اند و البته با وجود منابع آنلاین واقعا دلیلی وجود ندارد که دانشجو سر کلاس حاضر شود. با این وجود من برای همان ملتی که سر کلاس می‌آمدند سعی می‌کردم مفهوم را به خوبی برسانم. من در این ترم به نحوه تدریس زخمی‌کردن بیشتر رو آوردم. به این نحو که اول سعی می‌کردم مساله‌ای را در کلاس مطرح کنم و بعد از کلاس بخواهم که با هم این مساله را زخمی کنیم و دنبال راه‌حل دامی(ساده) برای آن باشیم و بعد راه‌حل را مرحله به مرحله گسترش بدهیم.

A professor in the lust of using PowerPoint slides, cartoon style
A professor in the lust of using PowerPoint slides, cartoon style


نکته نهم: در دام اسلایدها گیر نیافتید

این نکته می‌توانست بخشی از نکته قبلی باشد ولی به نظرم این قدر مهم بود که باید جدا و برجسته می‌شد. با این که توانایی من در ارائه دادن قبلا برای خودم لااقل اثبا شده بود ولی من بعد از چند جلسه دچار مشکل شده بودم و نمی‌توانستم مطلب را خوب انتقال بدهم. یک روز با دکتر رهبان صحبت می‌کردیم که سخن جالبی گفت به این مضمون که اسلاید برای مدرس دام هست. من نیز فکر کردم و دیدم که خیلی درگیر این دام هستم و سعی می‌کنم خود را مقیود اسلاید کنم و انگار به جای درس‌دادن در حال ارائه‌کردن هستم (درس‌دادن با ارائه‌دادن خیلی فرق داره). برای همین از جایی به بعد تصمیم گرفتم که از اسلاید به عنوان بک‌آپ سر کلاس استفاده کنم و خود برنامه جلسه را بچینم و مستقل از اسلاید بتوانم ارائه دهم. این نکته مستقل‌شدن از اسلاید تاثیر زیادی روی کیفیت ارائه درس من در ادامه داشت و جزو نکات مهمی بود که یاد گرفتم.

نکته دهم:‌ استادبودن فرصت غیبت ندارد

من تا وقتی دانشجو بودم خیال می‌کردم خوش به حال این استادها چه قدر راحتند که جای من در درس نیستند ولی وقتی در جایگاه مدرس قرار گرفتم فهمیدم این‌ور هم سختی‌هایی دارد. مثلا از بازه انتهای فروردین تا انتهای اردیبهشت من دچار بر هم‌نهی چند مشکل شدم و به معنای واقعی کلمه Collapse کردم. اگر مسئولیت این درس را نداشتم، دوست داشتم چند وقتی اصلا به گوشه‌ای بخزم و تنها باشم اما به خاطر همین درس هم که شده مجبور بودم و به دانشگاه می‌رفتم. نکته این است که دانشجو می‌تواند هر وقت که دچار مشکل شد غیبت کند و نیاید ولی استاد این قابلیت را ندارد. باری به هر جهت آن بازه زمانی اردیبهشت برای من بازه سختی بود و البته هندل‌کردن آن هم برای من تجربه مفید دیگری داشت که آدم در حال Collapse هم می‌تواند وظایفش را انجام دهد. (یک بازه دیگری هم که خیلی اذیت شدم نیمه دوم فروردین بود که با ماه رمضان مصادف بود و من با زبان روزه هر روز صبح یک ساعت و نیم حرف می‌زدم و باقی روز دیگر توان حرف‌زدن نداشتم :))

نکته یازدهم: جداکردن ددلاین تئوری و عملی

یک سیستم خوب باید بتواند تغییرات را به نحو خوبی بپذیرد و آنان را اعمال کند. بعد از چند سری تمرین، من و سروش و ممرض و محمدجواد به این نتیجه رسیدیم که شاید بهتر است که ددلاین تمرینات تئوری را از تمرینات عملی جدا کنیم و بین آن‌ها دو روزی فاصله بیاندازیم. یعنی مثلا ددلاین تمرینات تئوری تا جمعه شب بود و ددلاین عملی‌ها تا یکشنبه شب. این تغییر موثر واقع شد و بچه‌های درس هم از آن راضی بودند.

Wrong place and time, everyone is asleep, nothing is working right, fantasy, digital art
Wrong place and time, everyone is asleep, nothing is working right, fantasy, digital art


نکته دوازدهم: در مکان و زمان نامناسب!

آخ آخ آخ. این نکته مرا نقره‌داغ کرد. من هم از زمان و هم از مکان کلاس نیاوردم و ترم که تمام شد به خودم گفتم ما را به سخت جانی خود این گمان نبود. کلاس ما ساعت ۹ صبح بود و برای کامپیوتری‌ها که صبح‌‌شان از ساعت ۱۱ آغاز می‌شود این ساعت قشنگ اوت بود. ملت یا نمی‌آمدند یا اگر هم می‌آمدند در حالت نیمه‌خواب بودند. البته حسنش این بود که ساعت خواب من تا چند وقتی اصلاح شده بود و سحرخیز شده بودم (چند باری حتی ساعت ۵ صبح رفتم نان بخرم ولی نانواها هم بیدار نشده بودند). باری به شما توصیه می‌کنم اگر خواستید زمان کلاس انتخاب کنید آن را به بعد از ظهر موکول کنید.

از زمان بدتر اما مکان بود! مکان کلاس در ساختمان ابن سینا بود و پدر ما در آمد. هم کلاس گرم بود و تهویه مناسبی نداشت و هم این که پروژکتور و کابل‌ها و پین‌هایش خراب بودند و خیلی وقت‌ها کلی از دقایق ابتدایی کلاس صرف آن می‌شد. اشتباه من این بود که باید همان اول ترم مکان را عوض می‌کردم.

A beautiful saint is turning into a devil, her wings are turning into fire
A beautiful saint is turning into a devil, her wings are turning into fire


نکته سیزدهم: شما یا به عنوان یک استاد خوب می‌میرید یا آن قدر زنده می‌مانید که خودتان را به عنوان استاد بد می‌بینید.

یک دیالوگ معروفی هست از فیلم بتمن که:

you either die as a hero or live long enough to be the villain

من قبل با خودم فکر می‌کردم که چه می‌شود که بعضی از استادان این قدر بی‌منطق و نچسب و خشک و روی اعصاب هستند. گاها داستان‌ استادهایی را شنیده بودم که قبلا خوب بوده‌اند و اکنون بد شده اند. و این ترم تازه به این مشکلات پی بردم. مشکلات استاد بودن زیاد است. شما با یک انگیزه زیادی درس دادن را شروع می‌کنید ولی هر چه جلوتر می‌روید آتش انگیزه‌هایتان کم‌سو‌تر می‌شوند و ذغال بر دلتان باقی میماند. مثلا عدم حضور دانشجویان سر کلاس یکی از این فاکتورهای بی‌انگیزه‌کننده است. یا مثلا درخواست‌هایی بیجایی که بعضا می‌کنند و از آن جایی که فاصله سنی من تا دانشجویان کم بود و خودم هم سعی در نزدیکی با آن‌ها داشتم گاها این درخواست‌ها نامحترمانه دنبال می‌شدند. من تجربه یک ترم را داشتم و فهمیدم که چه قدر سخت است. حال اگر شما چند سال در این جایگاه باشید و فیدبک انگیزشی مناسبی از سمت دانشجویان نگیرید، کم کم احساس بی‌ارزشی می‌کنید و مصداق همان دیالوگ می‌شوید. فلذا عزیزان دانشجو اندکی با استاد مهربان‌تر باشید.

نکته چهاردهم: اگر به عقب برگردم؟

آیا اگر به عقب بازگردم باز هم این تجربه را تکرار می‌کنم؟ بله. به دو دلیل، اول این که همین تجربه باعث شد من بهتر در جریان مشکلات آموزشی قرار بگیرم و هم به مهارت‌های مدیریتی‌ام اضافه شد و دلیل دوم آن که از نظر علمی نیز به سود من تمام شد. من این ترم فهمیدم که یادگیری یک چیز کامل نمی‌شود مگر آن بتوانید آن را به فرد دیگری یاد دهید. من برای مثال با این که یادگیری تقویتی را از قبل بلد بودم ولی این ترم چون مجبور شدم آن را از چند زاویه بررسی کنم و به آن حمله کنم تا راهی برای توصیف ساده آن برای دیگران پیدا کنم، احساس می‌کنم به یک درک بسیار بهتری از آن رسیدم. آن جلساتی که RL را توضیح می‌دادم بعضا خودم در پایان جلسه از مطالب ذوق می‌کردم و از دیدن شهودی که تا آن روز نداشتم لذت می‌بردم. فلذا تدریس به لحاظ شخصی هم تجربه مفیدی است.

نکته پایانی: تشکر

در پایان می‌خواستم باز هم از همه کسانی که این تجربه و فرصت را برای من فراهم کردند تشکر کنم. از دکتر رهبان و دکتر سلیمانی بابت در اختیارقراردادن این موقعیت، از سروش و ممرض و محمدجواد بابت مدیریت عالیشان، از اعضای تیم تدریس‌یار شامل امیررضا میرزایی، بنیامین ملکی، عماد صالحی، عرفان صدرائیه، امیرحسین عابدی، پردیس زهرایی، سیاوش رحیمی، سوگند صالحی، حمیدرضا دهباشی، علی مهربانی، امیررضا سلیمان بیگی و سلاله محمدی بابت همکاری و بالاخص نظم‌شان متشکرم. انشالله که این مطلب نیز سودمند بوده باشد.

هوش مصنوعیدانشگاه شریفدانشگاه
شاید از این پست‌ها خوشتان بیاید