Педагошки режими, инфраструктурни услови и институционална рамка на платформата aigender.net

Институт за родови студии, Филозофски факултет – Скопје Универзитет „Св. Кирил и Методиј“

Апстракт

Овој труд се занимава со специфичното прашање што го отвора влегувањето на вештачката интелигенција (AI) во наставата по родови студии. Аргументот се движи во две насоки. Прво, тврди дека родовите студии имаат различен однос со AI од другите дисциплини: тие се едно од малкуте полиња во кои AI истовремено е предмет на расправата, тест-материјал и методолошко прашање за самата дисциплина. Второ, тврди дека успешното подучување на родовите студии со AI бара специфична инфраструктурна рамка – не општи модели како ChatGPT или Claude во нивните стандардни верзии, туку институционално управувани системи во кои родовата перспектива е впишана во самата архитектура. Како реален случај се користи платформата aigender.net на Институтот за родови студии при Филозофскиот факултет – Скопје (УКИМ), воспоставена во септември 2023, која во периодот 2023–2026 разви архитектура на единаесет AI-агенти распределени низ институти на Факултетот, snippet-based governance модел за извршливо впишување на родовата перспектива, и педагошка инфраструктура за обука на студенти и кадар. Трудот предлага типологија на четири педагошки режими (AI како објект на критика, како дијалошки опонент, како симулатор на позиции, и како лабораторија за писмо), и ги разработува условите под кои секој режим функционира. Заклучокот е дека подучувањето на родовите студии со AI не може да се сведе на „интеграција на нова алатка во постојниот курс“, туку бара промислување на самата педагошка ситуација – нејзините афективни, епистемолошки и инфраструктурни димензии.

Клучни зборови: родови студии, педагогија, вештачка интелигенција, gender mainstreaming, snippet-based governance, феминистичка STS, ситуирано знаење, aigender.net

1. Вовед: историскиот контекст на интервенцијата

ChatGPT беше пуштен за јавна употреба на 30 ноември 2022 година. Во првите дванаесет месеци по тоа пуштање, академскиот свет реагираше превасходно дефанзивно. Универзитети ширум светот воведуваа забрани за користење на разговорни AI системи во наставата; компании за софтвер за откривање на плагијаризам брзаа да понудат „AI-детектори“ кои до средината на 2023 година веќе беа широко дискредитирани поради ниската сигурност; а академскиот дискурс беше доминиран од жанр на морална паника за „крајот на есејот“ и „смртта на критичкото мислење“. Институциите кои не реагираа со забрана најчесто реагираа со замрзнатост – испраќаа меморандуми со општи предупредувања, но не градеа инфраструктура.

Во септември 2023 година, во тој глобален контекст, Институтот за родови студии при Филозофскиот факултет – Скопје воспостави платформа со посебно име, посебен план и посебна институционална рамка: aigender.net. Платформата не беше реакција на закана; беше конструкција на инфраструктура. Не се прашуваше „како да го спречиме AI во есеите на студентите“, туку „како AI да го преведеме во носител на родовата перспектива низ наставата и истражувањето на Факултетот“. Тоа е разлика во епистемолошка ориентација, не само во операционализација.

Овој труд тргнува од тоа конкретно историско место – тригодишен инфраструктурен проект во период 2023–2026 – и го развива во теоретска рамка за подучувањето на родовите студии со AI. Аргументот не е дека сите универзитети треба да го преземат истиот модел; аргументот е дека определени теоретски и педагошки прашања можат да бидат поставени само од институционална позиција која веќе ja направила интервенцијата, а не од позиција која ja размислува хипотетички.

Структурата на трудот е следна. Секција 2 ja разработува специфичноста на родовите студии како дисциплина во однос на AI. Секција 3 ja поставува институционалната рамка на aigender.net и нејзиниот snippet-based governance модел. Секција 4 ja развива типологијата на четири педагошки режими. Секција 5 ги поставува ограничувањата на пристапот – што AI не може и не смее да прави во настава по родови студии. Секција 6 ги опишува условите за работа. Секција 7 заклучува.

2. Специфичноста на родовите студии како педагошки терен за AI

2.1. Зошто родовите студии не се „уште една дисциплина“

Кога AI влегува во наставниот процес на повеќето дисциплини, дискусијата за неговата педагошка улога може да остане надворешна за самата дисциплина. Професорот по органска хемија може да расправа дали студентите смеат да го користат AI за домашни задачи без таа расправа да го допре концептуалното јадро на органската хемија. Структурата на бензенската молекула не зависи од тоа како се водат педагошките дебати за AI.

Родовите студии се едно од малкуте полиња во кои тоа не е случај. Самата дисциплина – нејзините централни концепти, нејзините методолошки заложби, нејзината епистемолошка позиција – е директно засегната од прашањата што AI ги отвора. Феминистичката епистемологија со децении тврди дека знаењето е ситуирано, дека позицијата на говорникот е суштинска (Haraway, 1988); кога во наставата се воведе AI како „соговорник“, тоа тврдење не останува теоретско, туку станува непосредно педагошко прашање. Феминистичката STS критика проблематизира како класификациите и инфраструктурите ja натурализираат моќта (Bowker & Star, 1999); кога AI станува посредник на знаењето, таа критика мора да биде применета на самиот посредник. Интерсекционалната анализа покажува дека единствените оски на анализа (само род, само класа) ги затвораат вистинските обрасци на нееднаквост (Crenshaw, 1989); кога AI системите се пристрасни на интерсекционални начини (Buolamwini & Gebru, 2018), тоа не е странична илустрација за курс, туку е директно сведоштво за тоа што самата теорија тврди.

Тоа значи дека во родовите студии, AI не може да биде третиран како „надворешна алатка за која треба да се воспостават правила за употреба“. AI е едновремено материјал на наставата, тест-партнер во неа, и проблематичен сосед на самата дисциплина. Педагошката ситуација е, во таа смисла, тројна.

2.2. Афективната димензија

Постои уште една разлика што мора да биде потенцирна експлицитно. За многу студенти, родовите студии не се само интелектуална материја. Тие се поле во кое студентот ja преиспитува сопствената позиција, сопствените односи, сопственото тело и сопствените искуства. Тоа е работа со афективна тежина што другите дисциплини најчесто немаат. Студент на статистика не доживува егзистенцијална криза кога ќе го научи централниот граничен теорем. Студент на родови студии понекогаш доживува таква криза кога ќе го прочита Батлер за првпат, или Бел Хукс, или Преcиадо.

Таа афективна димензија има директни последици за тоа како AI може и не може да биде вклучен во наставата. Постојат моменти во кои студентот треба да биде сам со текстот; моменти во кои треба да биде со колегите; моменти во кои треба да биде со наставник кој може да го прими афективниот товар; и моменти во кои AI може да помогне. Но AI не може да биде сите тие моменти, и педагошката рамка мора јасно да ги разликува.

3. Институционална рамка: aigender.net како инфраструктура за подучување

3.1. Архитектура на платформата

Платформата aigender.net, развиена во периодот 2023–2026, не е тематски сајт за „AI и родот“. Таа е оперативна инфраструктура за интегрирање на родовата перспектива во наставата и истражувањето на Филозофскиот факултет преку AI-посредници. Архитектурата е дистрибуирана: секој од единаесетте институти на Факултетот добива сопствен AI-агент, именуван по женска митолошка или историска фигура (Хипатија за Филозофија, Питија за Педагогија, Артемида за Безбедност, Македонка за Историја, и така натаму). Во system prompt-ите на тие агенти е впишана родовата перспектива како конститутивен, а не како додаден елемент.

Покрај дистрибуираната архитектура на ботови, платформата опфаќа: концептуален слој (програмски текстови за AI и родовата еднаквост); теоретско-истражувачки слој (родот и методологијата, родот и епистемологијата, родот и науката); уредена студентска едиција (блог со прилози од студенти на пресекот род и технологија – deepfakes, stalkerware, gaming култура, embedded systems, recommendation алгоритми, UX/UI пристрасности); AI Академија за обуки на студенти, академски кадар и административен персонал; ресурси и алатки; заеднички простор (форум); и институционални документи (Планот за родова еднаквост на УКИМ, Декларацијата за AI на УКИМ). Паралелно постои внатрешна работна платформа (rodovistudii.zapier.app) која функционира како оперативна средина за самиот Институт.

3.2. Snippet-based governance како теоретска рамка

Платформата работи на основа на пристапот развиен во рамките на Институтот, кој може да се нарече „snippet-based governance“ – управување на разговорни AI системи преку извршливи норми материјализирани како кодни снипети во middleware слојот меѓу моделот и корисникот. Концептот тргнува од критиката дека етичките принципи во AI без имплементациски механизми имаат минимално влијание врз реалното однесување на системите (Mittelstadt, 2019), и од документираниот феномен на пролиферација на AI етички рамки без соодветна операционализација (Jobin, Ienca & Vayena, 2019).

Снипетите делуваат во три временски точки во разговорниот pipeline: пред генерацијата (pre-снипети, кои ja поставуваат рамката на релевантност и ja ограничуваат веројатноста моделот да влезе во есенцијализирачки патеки); по генерацијата (post-снипети, кои селективно интервенираат кога излезот покажува индикатори за штета, со пропорционални прагови); и во слојот на траги и евалуација (audit-снипети, кои создаваат минимални сигнали за тоа кога се активирала контрола, со цел да се овозможи институционално учење). За да се квалификуваат како snippet-based governance, контролите мора да задоволат четири критериуми: локална автономија (модуларност), системска генерализабилност, нормативна функција и управуваност (можност за ревизија и оспорување).

Тоа е тангенцијално но суштински важно за подучувањето: AI-агентите со кои студентот на родови студии ќе работи на aigender.net не се општи модели. Тие се институционално управувани разговорни системи во кои родовата перспектива е впишана како извршлива норма, а не како декларација. Тоа го менува самиот педагошки терен.

4. Четири педагошки режими на употреба на AI во настава по родови студии

Различни моменти во курсот бараат различни режими на употреба. Не постои „AI во настава по родови студии“ во еднина; постојат најмалку четири дистинктни режими, кои во еден добро осмислен курс се сменуваат и комплементираат.

4.1. Прв режим: AI како објект на критика

Ова е основната употреба и првичното место од каде студентот може да тргне. Студентот ja отвора платформата, ja тестира со конкретни инструкции, и анализира што добива. Како моделот ја именува „докторката“ наспроти „медицинската сестра“? Како го опишува „инженерот“ наспроти „воспитувачката“? Како се менува тонот според родот на корисникот? Како се однесува со non-binary прашања? Што се случува кога се побара „опис на CEO“ наспроти „опис на секретарка“?

Тоа е лабораториска работа со конкретни наоди, во која AI станува материјал за демонстрација на она што феминистичката STS литература го опишува теоретски. Анализите на интерсекционалните пристрасности во комерцијалните системи за класификација (Buolamwini & Gebru, 2018) или критиките на алгоритамската репродукција на расни и родови хиерархии (Noble, 2018) добиваат непосредна емпириска основа кога студентот сам ги изведува тестовите. Без оваа емпириска компонента, теоретската литература за алгоритамската пристрасност остаnuvа апстракција.

Овој режим е значаен и затоа што го отвора прашањето на разликата меѓу општ модел и институционално управуван систем. Студентот може да направи паралелна анализа: исто прашање испратено до општ модел (ChatGPT во неговата стандардна верзија) и до агент на aigender.net (на пример, Хипатија за Филозофија). Различните одговори ja демонстрираат функцијата на snippet-based governance во пракса – тоа не е реторичка тврдина, туку проверлива разлика во излезот.

4.2. Втор режим: AI како дијалошки опонент

Кога студентот чита Батлер, Хараваеј или Преcиадо за првпат, текстот му е често недостапен. Преводот често е проблематичен, литературата зад текстот (Фуко, Лакан, Деридa, феминистичката теорија од 1970-тите и 1980-тите) е претпоставена, а самата терминологија е сложена. Класичното решение се консултации со професор, но тие се ретки и кратки.

AI овде може да биде интермедијарен партнер. Студентот формулира своја интерпретација („мислам дека перформативноста кај Батлер значи дека родот е избор“) и ja тестира кај AI што игра улога на критички соговорник. Добриот одговор не е резиме на Батлер; добриот одговор е „тоа е честа но проблематична интерпретација; во предговорот на изданието на Gender Trouble од 1999 Батлер експлицитно одбива таа интерпретација и инсистира дека перформативноста не е волентаристички акт“. Тоа е интеракција со ниска афективна цена – AI не оценува, не може да го засрами студентот, не влече кариерна последица. Тоа го прави добар простор за првите чекори на интерпретативна работа, особено за студенти со помалку самодоверба или за оние кои не сакаат да го откријат пред наставникот фактот дека не разбираат.

Овој режим работи под услов AI-агентот да е соодветно поставен. Општ модел во стандардна верзија ќе има тенденција да биде „учтив“ и „потврден“ – да го прифати студентовиот предлог, да го преформулира, да додаде нешто. Тоа е педагошки катастрофално: студентот добива потврда за погрешна интерпретација. Институционално управуван агент со впишана дисциплина за прецизност (на пример, преку pre-снипет кој експлицитно бара кога интерпретацијата на студентот е честа но погрешна, тоа да биде означено) може да биде вистинскиот дијалошки опонент. Без таа институционална рамка, режимот не функционира.

4.3. Трет режим: AI како симулатор на позиции

Феминистичката теорија и queer теоријата постојат како поле на дебати, не како единствена доктрина. Тоа е едно од прашањата кои студентот најтешко го разбира на почетокот – дека Батлер и MacKinnon, Преcиадо и Бел Хукс, Хараваеј и Марта Нусбаум, не се „различни мислители на иста тема“, туку различни аргументирани позиции во жива дискусија. Радикалниот феминизам и queer теоријата имаат концептуални тензии; материјалистичкиот и постструктуралистичкиот феминизам не зборуваат на ист јазик; интерсекционалноста и единствените анализи на класата водат различни истражувачки програми.

AI може да помогне да се почувствува таа дискусија. Студентот пишува аргумент од радикално-феминистичка перспектива и потоа го тестира од queer-теоретска перспектива (или обратно). AI не е тие автори – и тоа треба експлицитно да се каже на студентот – но може да ja репродуцира логиката на позицијата доволно за студентот да го почувствува конфликтот. Тоа е педагошки моќно затоа што го носи студентот од декларативно знаење („Батлер не се согласува со MacKinnon“) кон оперативно знаење („разбирам зошто не се согласува и каде точно се прекршуваат позициите“).

Овој режим бара експлицитна педагошка рамка околу употребата. Студентот мора да биде претходно подучен дека AI не зборува од името на авторите, туку реконструира логика на позиции. Без таа рамка, режимот може да продуцира опасна илузија – „Батлер кажа“ кога Батлер не кажа. Со рамката, режимот станува форма на философско вежбање што класичната настава тешко може да ja достапна на скала.

4.4. Четврти режим: AI како лабораторија за писмо

Самото пишување за родовите студии е дисциплина по себе. Студентот учи нов вокабулар, нова синтакса, нов начин на цитирање, нов однос со читателот. Не може да пишува „како на филозофија“; не може да пишува „како на социологија“. Постои специфичен жанр и специфична етика на писмото во родовите студии – свесност за позицијата на говорникот, внимателност спрема јазикот, експлицитност за теоретските зависности.

AI овозможува форма на работа што претходно тешко се организираше во наставата: итеративно пишување, во кое студентот циклично пишува, добива забелешки и ревидира. Студентот пишува параграф, го става на анализа, добива забелешки, ревидира, повторно тестира. Не AI пишува за студентот; AI работи како читателско огледало кое може да каже „овој параграф претпоставува дека читателот веќе го знае поимот хетеронормативност – дали тоа е намерата?“ или „во оваа реченица позицијата на говорникот не е јасна – тоа е емпириско тврдење или нормативна заложба?“. Тоа е работа што во класичен формат бара професор-читател, кој пак ретко е достапен за секој студент поединечно.

Овој режим има предуслови. Прв предуслов е дека агентот мора да биде поставен на „критичко читателско огледало“, а не на „корекциски модул“. Постои огромна разлика меѓу одговор кој преформулира параграф (што е педагошки проблематично – студентот добива готов текст) и одговор кој поставува прашања на параграфот (што е педагошки продуктивно – студентот мора сам да решава). Втор предуслов е дека студентот мора да биде обучен да го чита одговорот критички. AI не е безгрешен читател; AI има свои тенденции, свои слепи точки, свои препораки кои може да бидат генерички. Без обучена критичка дистанца, итеративната работа со текст може да го прави студентот пописмен на површина, но конформистички во длабочина.

5. Што AI не може и не смее во настава по родови студии

Точно колку и да е важно да се каже што AI може, исто толку е важно да се каже што не може и што не смее. Овој дел не е резерва; тој е суштински дел од педагошката рамка.

5.1. AI не може да биде извор на авторитет за самото поле

Феминистичката епистемологија со децении тврди дека знаењето е ситуирано – кој зборува, од каде, во чија сенка (Haraway, 1988). AI нема ситуирана позиција; тој има статистички избалансиран глас кој мимикрира перспективи без да биде во ниедна. Студентот мора да го научи тоа разликување од почеток. AI може да помогне да се разбере Батлер; не може да биде Батлер. Може да помогне да се разбере Хараваеј; не може да биде Хараваеј. Тоа е разлика која во многу други дисциплини не е критична, но во родовите студии е конститутивна, затоа што самата дисциплина инсистира дека позицијата на говорникот не може да биде заменета.

5.2. AI не може да го замени афективниот аспект на учењето

Како што беше нагласено во секција 2.2, многу студенти доживуваат родовите студии како поле во кое ja препрашуваат сопствената позиција, сопствените односи, сопственото тело и сопствените искуства. Таа работа е длабока и понекогаш болна. AI не е соодветен партнер за тоа. Тоа е работа за наставникот, за заедницата на курсот, за пријатели и за сопствениот живот. Подучувањето на родовите студии со AI мора да го држи AI на дистанца од тие зони. Тоа значи дека во моменти кога студентот покажува афективен товар, AI-агентот треба експлицитно да го пренасочи кон човечки ресурси – ментор, психолошка служба, заедница. Тоа исто така може да биде впишано како pre-снипет: правило што го дефинира што AI не смее да третира.

5.3. AI не е неутрален во расправата за родот

Тоа е една од најделикатните точки. Општите модели се „балансирани“ во смисла што не земаат експлицитна позиција, но тоа балансирање само по себе е политичка операција – тоа е либералната позиција која претпоставува дека сите перспективи се компарабилни. Радикалната феминистичка традиција и определени queer традиции експлицитно ja отфрлуваат таа претпоставка. Подучувањето на родовите студии мора да го направи видливо дека „балансираниот“ AI веќе има позиција, и дека вистинската интелектуална работа понекогаш бара да се напушти таа позиција.

Тоа е една од причините зошто snippet-based governance е педагошки релевантен за родовите студии: pre-снипетот може експлицитно да го направи видливо дека агентот не зборува од „поглед од никаде“ (Haraway, 1988), туку од конкретна институционална позиција артикулирана преку конкретен нормативен корпус (Декларацијата за родова еднаквост на УКИМ, феминистичката теориска традиција, и така натаму). Тоа не е недостаток на објективност; тоа е оперативно остварување на ситуираното знаење.

6. Услови за работа: што бара педагошката интервенција

За да функционираат четирите режими, мора да бидат исполнети неколку услови.

Прв услов е дека курсот мора да биде структуриран така што AI се користи во определени фази, не низ целиот процес. Има моменти за лабораториска работа, моменти за дијалошко тестирање, моменти за писмо, и моменти кога AI се остава настрана и студентот работи сам со текстот, со колегите, со наставникот. Доколку AI е постојано присутен, тој станува посредник кој ги затвора оние специфични моменти во кои се случува суштинското учење.

Втор услов е дека студентот мора да биде експлицитно обучен за читање на AI-одговори со критичка дистанца. Тоа не е едно предавање – тоа е практика која се развива низ семестарот. Студентот треба да научи да забележи кога AI се согласува премногу лесно, кога дава „балансиран“ одговор кој всушност нормализира, кога користи генеричен речник, кога ja сокрива позицијата под учтивост. Тоа е педагошка вештина која станува животна вештина – вообичаено критичко читање на сите AI-посредници со кои студентот ќе се сретне после дипломирањето.

Трет услов е дека инфраструктурата мора да биде институционално управувана. Општ модел во стандардна верзија не е соодветен за систематска педагошка работа во родови студии, токму од причините изложени во секциите 4 и 5. Тоа значи дека настава по родови студии со AI бара или платформа како aigender.net, или други форми на институционално прилагодени агенти со впишана родова перспектива како извршлива норма.

Четврт услов е дека самата педагошка пракса мора да биде објект на родово критичка анализа. Самиот пристап – изборот на агенти, нивните имиња, нивните дизајн-одлуки, тоа што е впишано во нивните system prompt-и и тоа што е изоставено – мора да биде транспарентен пред студентите и подложен на нивен критички осврт. Тоа е парадоксална, но неопходна состојба: алат за подучување на родови студии мора истовремено да биде објект на родово критичка рефлексија. Aigender.net не ги затвора тие прашања; ги отвора во инфраструктурно видлива форма.

7. Заклучок

Овој труд тргна од конкретно историско место – воспоставувањето на платформата aigender.net во септември 2023, во момент кога глобалниот академски одговор на разговорните AI системи беше доминиран од забрана, детекција и морална паника. Тригодишниот развој на платформата во периодот 2023–2026 покажа дека е можна различна институционална ориентација: не реактивна, туку конструктивна; не дефанзивна, туку продуктивна; не „како да го спречиме AI“, туку „како AI да го преведеме во носител на родовата перспектива низ инфраструктурата на наставата“.

Од таа институционална позиција, можно е да се постави Z прашањето на подучувањето на родовите студии со AI на специфичен начин. Аргументот не е дека постои универзално педагошко решение; аргументот е дека родовите студии се дисциплина во која AI има тројна улога – материјал на наставата, тест-партнер во неа, и проблематичен сосед на самата дисциплина. Таа тројна улога бара диференцирана педагошка рамка со четири дистинктни режими: AI како објект на критика, како дијалошки опонент, како симулатор на позиции, и како лабораторија за писмо. Секој од нив има свои услови и свои ограничувања.

Заклучокот е дека подучувањето на родовите студии со AI не може да биде сведено на „интеграција на нова алатка во постојниот курс“. Тоа е промислување на самата педагошка ситуација – нејзините афективни, епистемолошки и инфраструктурни димензии. Институционалната рамка на aigender.net, со нејзината дистрибуирана архитектура на агенти и snippet-based governance моделот, не е препорака за други институции; таа е работен случај од кој може да се извлече методологија. Идните истражувања треба да развијат: компаративна анализа на педагошки модели во различни институционални контексти; емпириски проучувања на ефектите на четирите режими врз учењето на студентите; и теоретско продлабочување на врската меѓу феминистичката епистемологија и архитектурата на разговорните AI системи.

Платформата aigender.net започна како реакција на конкретен исторски момент и стана траен инфраструктурен проект. Тоа што таа го демонстрира е дека гениталното прашање за AI во наставата не е дали да го употребиме, туку како да го институционализираме така што неговата употреба ja носи теоретската заложба на самата дисциплина. За родовите студии, таа заложба е дека знаењето е ситуирано, дека позицијата на говорникот е суштинска, и дека неутралноста е политичка операција. Подучувањето на родовите студии со AI, кога е добро направено, не ja отстапува таа заложба – ja материјализира во инфраструктурата.

Референци

Bowker, G. C., & Star, S. L. (1999). Sorting things out: Classification and its consequences. MIT Press.

Buolamwini, J., & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research, 81, 77–91.

Crenshaw, K. (1989). Demarginalizing the intersection of race and sex: A Black feminist critique of antidiscrimination doctrine, feminist theory and antiracist politics. University of Chicago Legal Forum, 1989(1), 139–167.

Haraway, D. (1988). Situated knowledges: The science question in feminism and the privilege of partial perspective. Feminist Studies, 14(3), 575–599.

Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399.

Mittelstadt, B. (2019). Principles alone cannot guarantee ethical AI. Nature Machine Intelligence, 1(11), 501–507.

Noble, S. U. (2018). Algorithms of oppression: How search engines reinforce racism. NYU Press.