Κωδικοποίηση και προγραμματισμός δεξιοτήτων στην εποχή της GenerativeAI: ένα βαθύ δίβημα
Η γενετική ΤΝ, ένας υποτομέας της τεχνητής νοημοσύνης, αφορά εφαρμογές στις οποίες ένας υπολογιστής προσομοιώνει την ανθρώπινη ικανότητα δημιουργίας και παραγωγής — είτε πρόκειται για ανθρώπινη γλώσσα είτε για ανθρώπινες δημιουργικές εκφράσεις (όπως σχέδιο, σύνθεση μουσικής κ.λπ.). Το καλύτερο παράδειγμα μιας γενικής τεχνητής νοημοσύνης που δημιούργησε πρόσφατα κύματα είναι το ChatGPT, ένα μοντέλο γλώσσας (LLanguage Model — LLM) με το οποίο οι χρήστες μπορούν να αλληλεπιδρούν στη φυσική γλώσσα. Ένας τομέας στον οποίο η γενική ΤΝ είναι ιδιαίτερα ελπιδοφόρα στον τρόπο με τον οποίο γράφουμε τον κώδικα λογισμικού μας. Το άρθρο αυτό εξετάζει τις δυνατότητες που δημιουργεί η γενετική ΤΝ για την υποστήριξη αυτής της διαδικασίας ανάπτυξης λογισμικού — και τις δυνατότητές της να ανοίξει οδούς για τη σύνταξη κώδικα λογισμικού σε περισσότερους ανθρώπους από ποτέ άλλοτε. Σε συνδυασμό με τις ευκαιρίες που ανοίγουν, το παρόν έγγραφο εξετάζει επίσης τους κινδύνους από τη χρήση εργαλείων που υποστηρίζονται από τη GenAI με τη μείωση της ανθρώπινης εποπτείας, και επισημαίνει πιθανούς ορίζοντες που πρέπει να διερευνήσουμε εάν θέλουμε να επιτύχουμε μια πιο ισορροπημένη χρήση που θα λαμβάνει υπόψη τις βασικές αξίες της ΕΕ.
Εισαγωγή
Η γενετική ΤΝ, υποτομέας της τεχνητής νοημοσύνης (ΤΝ), αφορά εφαρμογές στις οποίες ο υπολογιστής προσομοιώνει, ή προσπαθεί να μιμηθεί, την ανθρώπινη ικανότητα δημιουργίας και παραγωγής στην ανθρώπινη γλώσσα και την ανθρώπινη δημιουργική έκφραση — όπως το σχέδιο ή η σύνθεση μουσικής (Stokel-Walker & Van Noorden, 2023). Ένα παράδειγμα της γενικής τεχνητής νοημοσύνης που δημιούργησε πρόσφατα κύματα είναι το ChatGPT, ένα μοντέλο γλώσσας (Large-Language Model — LLM) με το οποίο οι χρήστες μπορούν να αλληλεπιδρούν μέσω δακτυλογράφησης. Οι επιδόσεις αυτής της ΔΒΜ έχουν εκδηλώσει έκπληξη σε πολλούς ερευνητές και το ευρύ κοινό ως προς το πόσο «πραγματικές» μπορούν να είναι οι αλληλεπιδράσεις(Maslej et al, 2023).
Το ενδιαφέρον για αυτή τη μορφή τεχνητής νοημοσύνης αυξάνεται ήδη εδώ και αρκετές δεκαετίες, με την ανάπτυξη της βασικής έρευνας (Reiter & Dale, 1997 · Kandhasamy & Xie, 2004). Ωστόσο, οι εφαρμογές παρέμειναν περιορισμένες, με μικρό αλγόριθμο απόδειξης εννοιών κυρίως στην έρευνα — κυρίως λόγω της έλλειψης υπολογιστικής ισχύος ή των ανεπαρκών ποσοτήτων δεδομένων κατάρτισης, τα οποία είναι απαραίτητα για την εισαγωγή τεχνολογίας ποιότητας ζωής (Maslej et al, 2023). Αυτό άλλαξε τα τελευταία χρόνια. Κατά την περίοδο από το 2015 έως το 2016 σημειώθηκαν κινήσεις για τη συγκέντρωση πόρων και τη δημιουργία συστηματικών μεγάλων συνόλων δεδομένων και μοντέλων, με συντονισμένες προσπάθειες στη βιομηχανία, όπως το OpenAI ( που ιδρύθηκε το 2015) και η HuggingFace (που ιδρύθηκε το 2016). Από το τέλος του 2022, η ωριμότητα των εν λόγω τεχνολογιών έχει λάβει σημαντική ώθηση λόγω της ευθυγράμμισης μεταξύ της υπολογιστικής ισχύος, των ώριμων αλγορίθμων και των επαρκών δεδομένων.
Ένας από τους τομείς στους οποίους η γενετική ΤΝ είναι πολύ ελπιδοφόρα είναι στον τομέα της σύνταξης κώδικα λογισμικού. Η GenAI απασχολείται ήδη από πολλούς μηχανικούς για να τους βοηθήσει στην κωδικοποίησή τους (Sharma, 2021). Το απλό ανθρώπινο κείμενο τους επιτρέπει να γράφουν σύνθετους κωδικούς σε δευτερόλεπτα, επιταχύνοντας ενδεχομένως την κωδικοποίηση και τον προγραμματισμό τους (Brady, 2023). Στα εργαλεία γενικής χρήσης ΤΝ, μπορούν να δοθούν οδηγίες υπό μορφή κειμένου (υποδείξεις) για να δώσει οδηγίες στην ΤΝ να συντάξει κώδικα για τη δημιουργία ορισμένων λειτουργιών. Ως εκ τούτου, ο χρήστης ενός τέτοιου εργαλείου μπορεί να επικοινωνεί σε πιο συγκεκριμένη φυσική γλώσσα, χωρίς να χρειάζεται να γνωρίζει τις λεπτομέρειες της γλώσσας κωδικοποίησης. Με περιορισμένο τρόπο και με σχετικές υποδείξεις, η γενική ΤΝ θα μπορούσε επίσης να δημιουργήσει τα βήματα στη λογική μιας εφαρμογής, καθορίζοντας τη γενική δομή ενός αλγορίθμου.
Φυσικά, αυτό εγείρει πολλές ερωτήσεις σχετικά με τον τρόπο με τον οποίο θα γράψουμε το λογισμικό μας στο μέλλον, καθώς και σχετικά με τις δεξιότητες που απαιτούνται γι’ αυτό. Αυτό το επόμενο τμήμα του παρόντος άρθρου εμβαθύνει σε αυτό το ζήτημα.
Σχεδιαστές λογισμικού για την αγορά εργασίας της ΕΕ
Εδώ και πολλά χρόνια παρατηρείται έλλειψη ειδικευμένου εργατικού δυναμικού στην ψηφιακή βιομηχανία. Μια μελέτη του 2021 της Ευρωπαϊκής Συμμαχίας Δεξιοτήτων Λογισμικού προσδιορίζει τον ρόλο του «προγραμματιστή» ως τον πλέον ζητούμενο ρόλο λογισμικού και επισημαίνει τον συνεχώς μεταβαλλόμενο χαρακτήρα του ρόλου αυτού ως αιτία αυτής της έλλειψης. Οι βασικές δεξιότητες των προγραμματιστών είναι ο προγραμματισμός και ο προγραμματισμός, δύο κλάδοι στους οποίους το περιεχόμενο της εργασίας εξακολουθεί να αλλάζει, γεγονός που δημιουργεί πρόβλημα για τους οργανισμούς και δυσχεραίνει την επικαιροποίηση των δεξιοτήτων των εργαζομένων. Η αυξανόμενη ανάγκη για εμπειρογνώμονες ΤΠΕ σε όλους τους τομείς ενέχει κινδύνους για τον στόχο της ευρωπαϊκής ψηφιακής δεκαετίας για την επίτευξη 20 εκατομμυρίων ειδικών ΤΠΕ στην Ευρώπη έως το 2030.
Κωδικός, κωδικός: ΟΡΙΣΜΕΝΗ ΟΡΟΛΟΓΙΑ και βασικεσ ΕΝΝΟΙΕΣ
Στο σημείο αυτό είναι χρήσιμη κάποια επεξηγηματική ορολογία. Η ανάπτυξη λογισμικού αναφέρεται σε δραστηριότητες που βασίζονται στην επιστήμη των υπολογιστών, δηλαδή στη διαδικασία δημιουργίας, σχεδιασμού, εγκατάστασης και υποστήριξης λογισμικού (IBM, 2023). Η φάση ανάπτυξης του λογισμικού πραγματοποιείται όταν ο προγραμματιστής αρχίζει να καθορίζει και να συντάσσει τις οδηγίες που πρέπει να ακολουθήσει ο υπολογιστής, στην επιθυμητή γλώσσα υπολογιστή.
Τι είναι λοιπόν ο προγραμματισμός; Ο προγραμματισμός αναφέρεται στις επιδόσεις των προγραμματιστών δραστηριοτήτων για τον καθορισμό της λογικής του προγράμματος ηλεκτρονικού υπολογιστή, συμπεριλαμβανομένων των οντοτήτων που χρειάζεται να χειραγωγήσει το πρόγραμμα και των αλγορίθμων που χρειάζεται να εφαρμόσει. Ως εκ τούτου, οι δεξιότητες προγραμματισμού συνδέονται στενά με τη λογική και την αναλυτική, εννοιολογική και αφηρημένη, καθώς και με την υπολογιστική σκέψη. Όταν πρόκειται για κωδικό προγραμματιστή, συντάσσουν οδηγίες προς τον υπολογιστή για την υλοποίηση ορισμένων ενεργειών που χρειάζεται να εκτελέσει ο υπολογιστής. Οι προγραμματιστές γράφουν σε διάφορες γλώσσες υπολογιστών, οι οποίες τους παρέχουν διαφορετικές ικανότητες ανάλογα με τη δομή ή τον σκοπό τους. Επιπλέον, οι γλώσσες πληροφορικής εξακολουθούν να εξελίσσονται, γεγονός που καθιστά πολύπλοκο καθήκον των προγραμματιστών να ενημερώνονται σχετικά με τα πιο πρόσφατα σχήματα και τάσεις. Όταν μιλάμε για ελλείψεις δεξιοτήτων στην αγορά εργασίας, μπορούμε να αναφερθούμε τόσο στις δεξιότητες που σχετίζονται με τον προγραμματισμό όσο και στις δεξιότητες που σχετίζονται με την κωδικοποίηση.
Στήριξη της αγοράς εργασίας της ΕΕ
Δεδομένου ότι αυτές οι ελλείψεις δεξιοτήτων προκαλούν ανησυχία εδώ και αρκετά χρόνια, οι υπεύθυνοι χάραξης πολιτικής και οι ερευνητές έχουν επενδύσει μεγάλο μέρος της ενέργειας στην ανάπτυξη της στήριξης των παραγόντων της αγοράς εργασίας για τον εντοπισμό και την ανάπτυξη αυτών των δεξιοτήτων στους (δυνητικούς) υπαλλήλους τους. Ορισμένες βασικές πρωτοβουλίες περιλαμβάνουν τυποποιημένα πλαίσια ικανοτήτων ειδικά για το ψηφιακό πλαίσιο. Το πλαίσιο ψηφιακών ικανοτήτων για τους πολίτες, DigComp 2.2, (Vuorikari, Kluzer και Punie, 2022) είναι το κύριο κοινώς αποδεκτό πλαίσιο στην ΕΕ που προσδιορίζει και διαρθρώνει τις ψηφιακές δεξιότητες που χρειάζονται οι πολίτες για να συμμετάσχουν σε μια σύγχρονη ψηφιακή κοινωνία. Το ευρωπαϊκό πλαίσιο ηλεκτρονικών ικανοτήτων (e-CF) είναι ένα τυποποιημένο πλαίσιο αναφοράς με 41 ικανότητες σχετικές και απαιτούμενες σε επαγγελματικό πλαίσιο ΤΠ. Το πλαίσιο προσδιορίζει επίσης 30 προφίλ επαγγελματικών ρόλων ΤΠΕ που καλύπτουν διάφορες πτυχές του τοπίου της ψηφιακής βιομηχανίας. Στην ΕΕ, πρόκειται για ένα εμβληματικό πλαίσιο που προσφέρει μια κοινή γλώσσα μεταξύ των υπευθύνων πρόσληψης ΤΠ και των εμπειρογνωμόνων ΤΠ.
Υπάρχουν επίσης πιο γενικά πλαίσια με σχετικά προφίλ. Τα τομεακά πλαίσια δεξιοτήτων μέσω του Συμφώνου για τις Δεξιότητες φέρνουν σε επαφή διάφορους παράγοντες του κλάδου σε διάφορες τομεακές συμμαχίες για να προσδιορίσουν και να διαρθρώσουν τις δεξιότητες που απαιτούνται για την περαιτέρω ανάπτυξη του τομέα τους. Σε μεγάλο βαθμό, σε αυτές περιλαμβάνονται επίσης σύνθετες ψηφιακές δεξιότητες, καθώς η ψηφιακή βιομηχανία επηρεάζει όλους τους τομείς. Όσον αφορά την επιχειρηματικότητα, το πλαίσιο EntreComp (McCallum, Weicht, McMullan and Price, 2018) περιλαμβάνει ικανότητες που εξετάζουν την αποτελεσματική χρήση των πόρων, οι οποίες περιλαμβάνουν επίσης αξιολόγηση και κατανόηση των αναγκών των ψηφιακών πόρων και ανάπτυξη ψηφιακών αποτελεσμάτων. Το μεταβαλλόμενο τεχνολογικό πλαίσιο ενσωματώνεται συνεχώς σε αυτά τα πλαίσια, με τις τελευταίες εκδόσεις του, συμπεριλαμβανομένων των δεξιοτήτων εργασίας με την τεχνολογία ΤΝ. Για παράδειγμα, το DigComp στην τελευταία του έκδοση, 2.2., πλέον περιλαμβάνει επίσης γνώσεις σχετικά με τα συστήματα που σχετίζονται με την ΤΝ.
Δράσεις της ΕΕ για την προώθηση δεξιοτήτων προγραμματισμού/προγραμματισμού
Εκτός από την παροχή στήριξης για την ονοματοδοσία, τον εντοπισμό και την ανάπτυξη δεξιοτήτων που σχετίζονται με την ανάπτυξη λογισμικού, οι πρωτοβουλίες πολιτικής επικεντρώνονται επίσης στο να καταστούν οι σταδιοδρομίες στον ψηφιακό τομέα πιο δημοφιλείς και γνωστές. Για να αυξηθεί το ενδιαφέρον για τον προγραμματισμό και την κωδικοποίηση, υπάρχουν αρκετές επαναλαμβανόμενες δράσεις της ΕΕ. ΗΕυρωπαϊκή Εβδομάδα Προγραμματισμού προωθεί πρωτοβουλίες σε επίπεδο βάσης για να ενθαρρύνει περισσότερους πολίτες να χρησιμοποιούν και να αναπτύσσουν τις δεξιότητες προγραμματισμού τους. Οι δραστηριότητες συνεργασίας με εθελοντές περιλαμβάνουν εκστρατείες ευαισθητοποίησης, εργαστήρια, συνέδρια κ.λπ. που πραγματοποιούνται σε ολόκληρη την Ευρώπη, σε τοπικές γλώσσες και ανταποκρίνονται στις περιφερειακές ανάγκες και πλαίσια. Το 2021, περισσότερα από 4 εκατομμύρια άτομα σε 80 + χώρες από όλο τον κόσμο συμμετείχαν στην πρωτοβουλία, ενώ οι περισσότερες από τις δραστηριότητες πραγματοποιήθηκαν σε σχολεία (Ευρωπαϊκή Επιτροπή, 2023).
Το Ευρωπαϊκό Ινστιτούτο Τεχνολογίας και Καινοτομίας (ΕΙΤ) προσφέρει μια πλατφόρμα στην οποία οι παράγοντες της βιομηχανίας μπορούν να έρθουν σε επαφή για να καινοτομήσουν στους σχετικούς κλάδους σε ένα ασφαλές και ανοικτό περιβάλλον. Η EIT Digital επικεντρώνεται ειδικά στη στήριξη της καινοτομίας και της επιχειρηματικότητας στην ψηφιακή βιομηχανία (EIT Digital, 2020). Επιπλέον, πολλά προγράμματα που χρηματοδοτούνται από την ΕΕ επικεντρώνονται στη βελτίωση των ψηφιακών δεξιοτήτων του ευρωπαϊκού εργατικού δυναμικού για την ψηφιακή βιομηχανία: ρίξτε μια ματιά στις μαζικές επενδύσεις πίσω από το πρόγραμμα «Ψηφιακή Ευρώπη» (7.5 δισ. ευρώ προορίζονται για τον ψηφιακό μετασχηματισμό της ευρωπαϊκής οικονομίας και κοινωνίας). Ένα άλλο βοήθημα είναι το όριο του 20 % στις ψηφιακές επενδύσεις στα σχέδια ανάκαμψης και ανθεκτικότητας των κρατών μελών της ΕΕ, το οποίο έχει ξεπεραστεί.
Θα βελτιώσει η GenAI την έλλειψη δεξιοτήτων στην αγορά εργασίας;
Η άφιξη της γενικής ΤΝ ανοίγει έναν κόσμο ευκαιριών προγραμματισμού και προγραμματισμού στο πλαίσιο της αγοράς εργασίας. Αφενός, η GenAI θα μπορούσε να καταστήσει πιο προηγμένες δεξιότητες (όπως η κωδικοποίηση) πιο προσβάσιμες στους ανθρώπους: και το 2023 θα μπορούσε να αποδειχθεί καμπή — μια στιγμή που η τεχνητή νοημοσύνη ενισχύει γρήγορα τις δεξιότητες προγραμματισμού των πολιτών, επιτρέποντάς μας να δημιουργήσουμε ψηφιακά εργαλεία με πιο αποδοτικό και αποτελεσματικό τρόπο. Από την άλλη πλευρά, η GenAI θα μπορούσε επίσης να μειώσει την επάρκεια των δεξιοτήτων προγραμματισμού, καθώς μειώνει τη βαθιά ανάπτυξη γνώσεων και εμπειρογνωμοσύνης σε αυτόν τον τομέα. Στις παραγράφους που ακολουθούν διερευνάται το πλαίσιο εντός του οποίου η GenAI θα μπορούσε να έχει αντίκτυπο στην ανάπτυξη λογισμικού, καθώς και οι επιπτώσεις της στην ανάπτυξη δεξιοτήτων.
Συγκείμενο
Προτού διερευνηθεί ποιες δεξιότητες θα είναι σημαντικές σε αυτόν τον νέο χώρο, είναι καλό να εξεταστεί το πλαίσιο στο οποίο οι πτυχές της κωδικοποίησης μπορούν να επηρεαστούν από τη γενική ΤΝ.
Θέση κωδικοποίησης στη διαδικασία μηχανικής λογισμικού
Η μηχανική λογισμικού — όπως και άλλες μορφές μηχανικής- είναι μια επιστήμη σχεδιασμού και, σε γενικές γραμμές, ακολουθεί μια διαδικασία με φάσεις έρευνας, ιδεολογίας, σχεδιασμού, ανάπτυξης και δοκιμής για τη μετάβαση από εννοιολογική ιδέα σε απτό προϊόν (Davis, Bersoff & Comer, 1988). Με την ολοκλήρωση αυτής της διαδικασίας, η γνώση και η τεχνογνωσία αποκτώνται και μέσω της επανάληψης — που διέρχεται πολλές φορές — ο ορισμός του προβλήματος και οι απαιτήσεις μπορούν να βελτιωθούν, μπορεί να πραγματοποιηθεί περαιτέρω έρευνα ιστορικού κ.λπ. Ωστόσο, όπως περιγράφει η Despa, 2014, ενδέχεται να υπάρχουν διαφορετικές προσεγγίσεις (βαθμιαία, καταρράκτης, σπειροειδής, πρωτοτυπία κ.λπ.) ως προς τον τρόπο διαμόρφωσης αυτών των φάσεων (π.χ. διαφορές στη διάρκεια των φάσεων ή αναμενόμενα ενδιάμεσα αποτελέσματα κ.λπ.). Κάθε διαδικασία σχεδιασμού έχει βασικά συστατικά στοιχεία. Βλέπε σχήμα 1 κατωτέρω για μια απεικόνιση των βασικών στοιχείων μιας διαδικασίας σχεδιασμού λογισμικού.
Στη διαδικασία αυτή, η κωδικοποίηση — η διαδικασία σύνταξης του πραγματικού κώδικα λογισμικού- πραγματοποιείται κυρίως κατά τη φάση ανάπτυξης και δοκιμής. Σε αυτό το στάδιο της διαδικασίας σχεδιασμού, το πρόβλημα και η πιθανή λύση έχουν ήδη καθοριστεί και έχουν ληφθεί υψηλού επιπέδου αποφάσεις σχεδιασμού. Στη συνέχεια, το λογισμικό παράγεται κατά τη φάση ανάπτυξης και δοκιμάζεται κατά το στάδιο της δοκιμής. Σε σύγκριση με άλλους κλάδους της μηχανικής, το κόστος παραγωγής του λογισμικού είναι σχετικά χαμηλό. Και εδώ έχουμε την «εκβιομηχάνιση» της παραγωγής λογισμικού, στο πλαίσιο της οποίας καταβάλλονται συνεχώς προσπάθειες για να είναι ακόμη πιο γρήγορες και πιο χρονοβόρες όσον αφορά την ανάπτυξη, διασφαλίζοντας παράλληλα την ποιότητα του παραγόμενου υλικού (Humphrey, 1988). Ορισμένοι τρόποι για να επιτευχθεί αυτό είναι, για παράδειγμα, η αποτελεσματική κοινοχρησία τμημάτων κωδικών (π.χ. πλατφόρμες αποθετηρίου τύπου GitHub) και, πιο πρόσφατα, οι πλατφόρμες χαμηλού κώδικα/χωρίς κωδικό, όπου χρησιμοποιούνται επαναχρησιμοποιήσιμα δομικά στοιχεία ως σημείο εκκίνησης για την προσέγγιση του σχεδιασμού με πιο αφηρημένο τρόπο, η επιτάχυνση ολόκληρης της διαδικασίας (No-Code.tech, 2023 · Adalo, 2023). Αυτό ουσιαστικά ανοίγει τον προγραμματισμό σε άτομα, τα οποία δεν είναι ειδικευμένα (ούτε έχουν ενδεχομένως συμφέρον να αποκτήσουν δεξιότητες) στους μηχανικούς σύνταξης του κώδικα.
Στην αντίθετη πλευρά της διάστασης αυτής είναι η «βιοτεχνία λογισμικού», όπου η τεχνική ικανότητα ή το σκάφος δημιουργίας κώδικα αποκτά και πάλι σημασία. Προσεγγίζοντας τη δημιουργία λογισμικού από τα μάτια ενός μαθητευόμενου, το κίνημα αυτό τονώνει την υπερηφάνεια στη δημιουργία λογισμικού, τις αξίες της παράδοσης στη δημιουργία λογισμικού και δίνει έμφαση στο ατομικό γένος (Software Craftmanship Manifesto, 2009). Θα μπορούσατε ακόμη και να το συγκρίνετε με τον τρόπο με τον οποίο προσεγγίζουμε το μαγείρεμα στο σπίτι και το μαγείρεμα σε μια επαγγελματική κουζίνα. Στα σπίτια μας, εξετάζουμε κυρίως το μαγείρεμα ως τη διαδικασία παραγωγής καλών τροφίμων. Όταν το μαγείρεμα γίνεται «σκάφος», περιλαμβάνει πειθαρχία, ποιότητα, αποδοτικότητα χρόνου και εστιασμένη προσπάθεια για την επίτευξη υψών σε ποιοτικά προϊόντα. Η «βιοτεχνία» στο μαγείρεμα περιλαμβάνει την τήρηση των ικανοτήτων παραγωγής και των διαθέσιμων πόρων για την επίτευξη αυτού του επιπέδου αριστείας (όπως θα επιθυμούμε τις μαγειρικές τους δεξιότητες — με τη χρήση ποιοτικών συστατικών, την τελειοποίηση των δεξιοτήτων μαχαιριού, τη δημιουργία νέων τεχνικών για την επίτευξη διαφορετικών γεύσεων και εμπειριών κ.λπ.)
Μπορούμε να υιοθετήσουμε αυτές τις ίδιες ιδέες και να τις επεκτείνουμε στη βιοτεχνία που εμπλέκεται στη σύνταξη και την παραγωγή κώδικα ποιότητας.
Πολλαπλασιασμός της κωδικοποίησης σε θέσεις εργασίας έντασης γνώσης
Τόσο περίπλοκη όσο ακούγεται, η κωδικοποίηση δεν περιορίζεται στους χώρους του επαγγελματικού λογισμικού ή του κλάδου των ΤΠΕ. Ένα υποτονικό γεγονός είναι ότι απαιτείται κάποια μορφή κωδικοποίησης για πολλές εξειδικευμένες επαγγελματικές τεχνολογίες στις εργασίες γνώσης. Για παράδειγμα, εάν πραγματοποιείτε κάποια στατιστική ανάλυση ή ακόμη και βασικές λειτουργίες Excel, πρέπει ήδη να κατανοήσετε τον κωδικό γραφής σε κάποια ελάχιστη μορφή. Στο πλαίσιο αυτό, η κωδικοποίηση έχει γίνει παρόμοια με άλλες ικανότητες και γραμματείες (σκεφτείτε: ανθρώπινη γλώσσα και μαθηματικά), όπου όλοι πρέπει να έχουν βασικές γνώσεις κατανόησης και παραγωγής για να συμμετάσχουν στην κοινωνία (Burke, O’Byrne και Kafai, 2016). Η διαφορά έγκειται στο γεγονός ότι ο τρόπος με τον οποίο αντιλαμβανόμαστε τον προγραμματισμό ως αλφαβητισμό δεν είναι ακόμη τόσο προχωρημένο ούτε ενσωματωμένο στο σχολικό μας σύστημα όπως αυτοί οι άλλοι αλφαβητικοί τίτλοι (Rea, 2022). Το σύστημα πρωτοβάθμιας εκπαίδευσης οικοδομείται γύρω από αυτούς τους αλφαβητικούς χαρακτήρες και είναι απαραίτητοι για την περαιτέρω ανάπτυξή τους τα επόμενα χρόνια. Ωστόσο, η ψηφιακή μετάβαση αλλάζει με ταχείς ρυθμούς, καθιστώντας την κωδικοποίηση και την υπολογιστική σκέψη ακριβώς όπως απαιτείται από νεαρή ηλικία όπως και άλλοι αλφαβητικοί χαρακτήρες.
Η τεχνολογική υποστήριξη έναντι της γενικής αντίληψής μας
Ως εκ τούτου, αυτό δημιουργεί αναντιστοιχία: αφενός, δεν έχουμε ακόμη κατανοήσει τις εγγενείς πτυχές της αντιμετώπισης του προγραμματισμού ως αλφαβητισμού, ούτε τον ενσωματώσαμε πλήρως στα εκπαιδευτικά μας συστήματα (Vee, 2017). Από την άλλη πλευρά, έχουμε στη διάθεσή μας πολύ εξελιγμένα εργαλεία που μας επιτρέπουν να δημιουργήσουμε, να σχεδιάσουμε και να γράψουμε κώδικα. Επιπλέον, η φύση του ψηφιακού χώρου είναι τέτοια ώστε όλα αυτά τα εργαλεία είναι ως επί το πλείστον προσβάσιμα (έναντι αμοιβής) σε ευρύ κοινό.
Για να καταδείξετε αυτή την αναντιστοιχία, εξετάστε τις εφαρμογές της ChatGPT και τον τρόπο με τον οποίο γίνονται αντιληπτές από τους ανθρώπους:
Όταν ζητάτε από την ChatGPT να συντάξει ένα κείμενο, σχεδόν όλοι θα είναι σε θέση να δηλώσουν αν πρόκειται για καλά γραπτό κείμενο (δεν λαμβάνει υπόψη το περιεχόμενό του προς το παρόν, αλλά απλώς τη μορφή του κειμένου στη φυσική ανθρώπινη γλώσσα).
Όταν ζητάτε από την ChatGPT να ολοκληρώσει έναν μαθηματικό υπολογισμό, πολλοί από τους πολίτες θα είναι σε θέση να δηλώσουν αν έγινε σωστά ή τουλάχιστον εάν επιλέχθηκε η ορθή προσέγγιση για την επίλυση του ζητήματος.
Αλλά... όταν ζητάτε από την ChatGPT να συντάξει έναν κώδικα, δεν θα είναι (ακόμη) σε θέση να δηλώσουν αν αυτό είναι σωστό.
Πώς η GenAI μπορεί να αμβλύνει την έλλειψη δεξιοτήτων στην αγορά εργασίας
Η ανωτέρω παράγραφος δείχνει έναν από τους τομείς στους οποίους η γενετική ΤΝ θα μπορούσε να αποδειχθεί ότι αλλάζει τα δεδομένα. Τώρα θα εμβαθύνουμε τα τρέχοντα ζητήματα της έλλειψης δεξιοτήτων και θα εξετάσουμε τις δυνατότητες της GenAI να τις αμβλύνει.
Ένα πρώτο ζήτημα αφορά τις μεγάλες διαφορές στο επίπεδο επάρκειας των δεξιοτήτων προγραμματισμού μεταξύ των ατόμων. Διαφορετικά άτομα έχουν διαφορετικά επίπεδα επάρκειας στη σύνταξη κώδικα και δεν υπάρχει γενικά αποδεκτό βασικό επίπεδο επάρκειας προγραμματισμού. Αυτό οφείλεται σε πολλούς λόγους ταυτόχρονα:
- Δεδομένου ότι ο προγραμματισμός και ο προγραμματισμός δεν έχουν θέση γραμματισμού, δεν ενσωματώνονται στην τυπική εκπαίδευση καθ’ όλη τη διάρκεια του προγράμματος σπουδών. Αυτό σημαίνει ότι δεν υπάρχει γενική πρόσβαση σε ευκαιρίες προγραμματισμού και προγραμματισμού, ούτε γενική προσδοκία προς κάθε άτομο να αναπτύξει ένα βασικό επίπεδο επάρκειας.
- Η ανάπτυξη των δεξιοτήτων εξαρτάται σε μεγάλο βαθμό από το προσωπικό ατομικό συμφέρον και την προσωπική πειθαρχία. Εάν θέλετε να αναπτύξετε τις δεξιότητές σας σε αυτόν τον τομέα, πρέπει να αναζητήσετε επίσημες και μη τυπικές ευκαιρίες εντός και εκτός διαδικτύου μέσω εργαστηρίων, bootcamps κ.λπ. Δεδομένου ότι αυτό είναι σε μεγάλο βαθμό εκτός της επίσημης εκπαίδευσης, απαιτείται επιπλέον προσπάθεια και χρόνος για να επενδύσετε σε αυτή τη μορφή ανάπτυξης δεξιοτήτων.
- Η κάτω γραμμή έχει σημασία εδώ: η ανάπτυξη δεξιοτήτων στον τομέα του προγραμματισμού εξαρτάται από την επένδυση χρόνου και χρημάτων σε σχετικές ευκαιρίες για την ανάπτυξη δεξιοτήτων προγραμματισμού. Η επένδυση αυτή μπορεί να μην είναι δυνατή γενικά για όλους στην κοινωνία, καθώς υπάρχει ανάγκη για υποδομές (υλισμικό και διαδίκτυο), χρόνο (εκτός του χρόνου τυπικής εκπαίδευσης) και πιθανές πρόσθετες δαπάνες για σχετικό λογισμικό ή άδειες.
Όπως και σε πολλά ζητήματα σχετικά με την ψηφιακή ένταξη, υπάρχει μεγάλο χάσμα στην κοινωνία μεταξύ των λαών και των μη εχόντων στην περιοχή, με ιδιαίτερα αποτελέσματα τα ευάλωτα άτομα, τις γυναίκες, τους ηλικιωμένους και τα άτομα με χαμηλότερο κοινωνικοοικονομικό υπόβαθρο (Ηνωμένα Έθνη, 2023).
Η γενετική ΤΝ για τον προγραμματισμό μπορεί να μειώσει σε μεγάλο βαθμό το κατώτατο όριο για την επένδυση των ατόμων στη μάθηση κώδικα. Δεδομένου ότι επιτρέπει την αλληλεπίδραση με τον υπολογιστή σε φυσική γλώσσα, όποιος μπορεί να διατυπώσει τις ιδέες του για λογισμικό σε ανθρώπινη γλώσσα, θα μπορούσε θεωρητικά να γράψει τον κώδικα για να το κάνει. Ωστόσο, τα ζητήματα της προσβασιμότητας (σε βάθος χρόνου και προσπαθειών) παραμένουν: και σε αυτή την περίπτωση, η GenAI ενδέχεται να διευρύνει το χάσμα μεταξύ εκείνων που μπορούν και εκείνων που δεν μπορούν να κωδικοποιήσουν.
Ένα δεύτερο ζήτημα αφορά την αμεσότητα των αναγκών των εργαζομένων σε δεξιότητες. Η αγορά εργασίας χρειάζεται αυτές τις ψηφιακές δεξιότητες σήμερα και στο εγγύς μέλλον. ΤοCedefop προβλέπει την ανάγκη για σχεδόν 979,600 τεχνικούς ΤΠΕ και άλλους 2,977,600 επαγγελματίες ΤΠΕ κατά την περίοδο 2022-2035 (Cedefop, 2023). Ωστόσο, η απόκτηση εμπεριστατωμένων γνώσεων και η ανάπτυξη αυτών των δεξιοτήτων σε υψηλότερα επίπεδα επάρκειας απαιτούν χρόνο, γεγονός που αποτελεί ενδεχομένως εμπόδιο για την ανάληψη προγραμματισμού. Τα bootcamps και άλλα βραχυπρόθεσμα αλλά εντατικά είδη μάθησης είναι αποτελεσματικά, αλλά απαιτούν χρόνο και πόρους που δεν διαθέτουν απαραιτήτως όλοι (Thayer & Ko, 2017). Επιπλέον, οι εργαζόμενοι δεν χρειάζεται μόνο να επιτύχουν ένα βασικό επίπεδο επάρκειας, αλλά πρέπει επίσης να εξαρτώνται από τον εαυτό τους για τη συνεχή βελτίωση της ανάπτυξης αυτών των δεξιοτήτων.
Η GenAI έχει τη δυνατότητα να αμβλύνει το ζήτημα αυτό σε κάποιο βαθμό. Η προσβασιμότητα της τεχνολογίας στη φυσική γλώσσα μπορεί να μειώσει το κατώτατο όριο για πολλούς και να παράσχει έγκαιρη υποστήριξη για την εξεύρεση όσων χρειάζονται, καθιστώντας έτσι αποδοτικότερη την κωδικοποίηση και τη δημιουργία κωδίκων και, ενδεχομένως, παρακινώντας τους ανθρώπους να την χρησιμοποιήσουν. Η τεχνολογία θα μπορούσε να στηρίξει την αυτοαποτελεσματικότητα, καθιστώντας ευκολότερη και ταχύτερη την εξεύρεση απαντήσεων όταν είναι εγκλωβισμένες και δημιουργώντας ένα περιβάλλον στο οποίο οι εκπαιδευόμενοι επιθυμούν να αναπτύσσουν συνεχώς τις δεξιότητές τους στον προγραμματισμό και τον προγραμματισμό. Ωστόσο, και εδώ υπάρχει το ενδεχόμενο οι τεχνολογίες αυτές να διευρύνουν το χάσμα μεταξύ εκείνων που ήδη μπορούν και εκείνων που δεν μπορούν. Επιπλέον, στο πλαίσιο αυτό, ένα εργαλείο υποστήριξης με βάση τη GenAI λειτουργεί αποτελεσματικά ένα εξειδικευμένο σύστημα (δηλαδή τα ανθρώπινα αιτήματα που δημιουργεί η GenAI). Είναι σημαντικό να εξεταστεί εδώ ποιο επίπεδο ανθρώπινης εποπτείας είναι απαραίτητο.
Ένα τρίτο ζήτημα αφορά τον τρόπο με τον οποίο οργανώνεται επί του παρόντος η ανάπτυξη δεξιοτήτων στον προγραμματισμό και στον προγραμματισμό. Σε επίσημα πλαίσια, οι δεξιότητες προγραμματισμού ταιριάζουν σε εργαστήρια ή bootcamps — ενδεχομένως γύρω από συγκεκριμένες γλώσσες προγραμματισμού ή γενικότερες δραστηριότητες που βασίζονται σε προβλήματα. Τα μη τυπικά πλαίσια εξαρτώνται από τη δημιουργία των δικών τους μαθησιακών διαδρομών μέσω διαφόρων διαδικτυακών πόρων, που συνδυάζονται με εναλλακτικές εμπειρίες εκτός διαδικτύου.
Τα εργαλεία GenAI μπορούν να ενισχύσουν τις δραστηριότητες αυτές με χαμηλού κατώτατου ορίου έγκαιρη στήριξη για να βρεθεί τι είναι αναγκαίο, καθιστώντας έτσι αποδοτικότερη και αποτελεσματικότερη τη δημιουργία κώδικα. Ωστόσο, η χρήση αυτών των εργαλείων εξακολουθεί να βασίζεται στην ανθρώπινη καθοριστική ορθότητα των απαντήσεων και στην αποδοχή του αποτελέσματος του λογισμικού. Ο κίνδυνος εδώ είναι ότι τα εργαλεία GenAI θα μπορούσαν να καταστούν ένα σύστημα πρώτης επιλογής, στο πλαίσιο του οποίου ο άνθρωπος εκπαιδευόμενος το χρησιμοποιεί μόνο για την επίτευξη ενός άμεσου στόχου, χωρίς να αναπτύσσει εις βάθος γνώση της κωδικοποίησης.
Επιπτώσεις στην ανάπτυξη δεξιοτήτων στον προγραμματισμό σε ηλικία GenAI
Είναι σαφές ότι η GenAI προσφέρει πολλές ευκαιρίες για τη μείωση του κατώτατου ορίου σε πολλούς στο ευρύ κοινό ώστε να ξεκινήσει όχι μόνο ο σχεδιασμός λογισμικού, αλλά και η αποτελεσματική χρήση του λογισμικού σε καθημερινά πλαίσια. Στην πραγματικότητα, για πολλούς εκπαιδευόμενους, το χαμηλό κατώτατο όριο μπορεί επίσης να αποτελέσει κίνητρο για την ενασχόληση με τον προγραμματισμό. Ωστόσο, για να διασφαλιστεί ότι οι άνθρωποι εξακολουθούν να αναπτύσσουν εις βάθος γνώσεις σχετικά με την κωδικοποίηση — και να μην βλέπουν μόνο το GenAI ως εργαλείο που μπορεί να αναλάβει το έργο του μηνύματος της κωδικοποίησης — πρέπει να ληφθούν ορισμένες προφυλάξεις.
Πρώτον, είναι αναγκαίο να αντιμετωπίζεται ο προγραμματισμός ως γραμματισμός που μπορεί να ενσωματωθεί σε ολόκληρο το επίσημο εκπαιδευτικό σύστημα. Μολονότι έχουν ήδη καταβληθεί προσπάθειες για την ενσωμάτωση του προγραμματισμού στα σχέδια μαθημάτων και στα προγράμματα σπουδών, απαιτείται μια πιο συστημική αλλαγή (Rea, 2022· Vee, 2017). Τα βασικά πλαίσια για τις ψηφιακές δεξιότητες που παρατίθενται ανωτέρω παρέχουν περισσότερες πληροφορίες σχετικά με την πολυπλοκότητα των εν λόγω δεξιοτήτων και προσφέρουν τρόπους για μια πιο διαφοροποιημένη προσέγγιση όσον αφορά την ανάπτυξή τους.
Δεύτερον, οι πολίτες πρέπει επίσης να γνωρίζουν τα όρια της ΤΝ — τι μπορεί και τι δεν μπορεί να κάνει, και ακόμη περισσότερο, τι θα πρέπει και τι δεν θα πρέπει να κάνει. Από τη φύση της, η τεχνολογία ΤΝ αναλαμβάνει ορισμένες δραστηριότητες λήψης αποφάσεων από ανθρώπους. Αν και αυτές οι δημιουργικές πολλές θετικές ευκαιρίες (για παράδειγμα, είναι σε θέση να χειρίζονται πολύ περισσότερα δεδομένα απ’ ό, τι ένας άνθρωπος), ενέχουν επίσης σοβαρούς κινδύνους, τους οποίους οι άνθρωποι πρέπει να γνωρίζουν όταν χρησιμοποιούν αυτά τα συστήματα. Σε επίπεδο πολιτικής, αυτή είναι η διαδρομή που τονίζεται. Η τελευταία έκδοση του DigComp περιλαμβάνει γνώσεις σχετικά με τα συστήματα ΤΝ ως ικανότητα για κάθε πολίτη. Η πράξη της ΕΕ για την ΤΝ τοποθετεί τους προστατευτές σε αυτό το περιβάλλον και αποσαφηνίζει τους χαμηλούς, υψηλούς και απαράδεκτους κινδύνους κατά την εργασία με εργαλεία ΤΝ.
Τρίτον, ειδικά για την κωδικοποίηση, είναι χρήσιμο να διερευνηθούν ορισμένες βέλτιστες πρακτικές και κατευθυντήριες γραμμές. Η GenAI θα έχει αναμφίβολα τεράστιο αντίκτυπο στην πρακτική της κωδικοποίησης. Θεωρητικά, αυτό μειώνει το κατώτατο όριο και δίνει την ευκαιρία σε περισσότερους ανθρώπους να μάθουν τον προγραμματισμό — και ιδίως σε εκείνους που ενδέχεται να έχουν χάσει κίνητρα λόγω των τεχνικών λεπτομερειών και των μηχανικών σχετικά με τη σύνταξη κώδικα. Στη συνέχεια, για να χρησιμοποιήσουμε αποτελεσματικά αυτά τα εργαλεία GenAI, πρέπει πρώτα να καταρτίσουμε κατάλληλους οδηγούς και συμφωνίες σχετικά με τον τρόπο και τον χρόνο χρήσης αυτών των εργαλείων.
Σε κάθε χρήση του GenAI για την κωδικοποίηση, είναι σαφές ότι ένας υπολογιστής θα γράφει τον κωδικό που θα χρησιμοποιούν οι άνθρωποι.Αλλά πώς μπορούμε να διασφαλίσουμε ότι μπορούμε να εμπιστευτούμε αυτόν τον κώδικα; Στο σενάριο αυτό, δεν υπάρχει πλέον απόλυτη ανθρώπινη εποπτεία. Επιπλέον, ποιες είναι οι διαδικασίες ποιοτικού ελέγχου και ποιότητας που εφαρμόζονται για να διασφαλιστεί ότι ο κώδικας GenAI παραμένει αξιόπιστος; Απαιτούνται νέες διαδικασίες δοκιμών σε αυτό το νέο πλαίσιο και ποια θα ήταν η μορφή τους; Είναι εξίσου χρήσιμο να ανοίξει η συζήτηση σχετικά με το τι συνεπάγεται η εμπιστοσύνη και τι είναι οι δείκτες που υποδεικνύουν αυτή την αξιοπιστία της ΤΝ. Μια δυνατότητα είναι η χρήση νέων σημάτων ποιότητας ή ο προσδιορισμός της χρήσης της ΤΝ σε κώδικες δεοντολογίας, όπως στον τομέα της δημοσιογραφίας, όπου αυξάνεται η χρήση εργαλείων γραφής GenAI (Raad van Journalistiek, 2023).
Τέλος, είναι σημαντικό να συνεχιστεί η αναγνώριση και η αποτίμηση της βιοτεχνίας στην κωδικοποίηση και τον προγραμματισμό λογισμικού. Για πολλούς δημιουργούς, ο προγραμματισμός είναι η γλώσσα της βιοτεχνίας τους, η οποία τους δίνει διανοητικές προκλήσεις και γνωστική ικανοποίηση όταν επιτυγχάνουν τα σχέδιά τους, αλλά τα επιτεύγματά τους είναι σε μεγάλο βαθμό κρυμμένα. Πώς τα κάνετε πιο ορατά και αναγνωρίζετε τα επιτεύγματά τους; Σε αυτές τις περιπτώσεις, δεν θα πρέπει να περιορίσουμε το όραμά μας στην χρηστική αξία της κωδικοποίησης, αλλά να εκτιμήσουμε και τη δεξιότητα και τη χειροτεχνία σε αυτόν. Επιπλέον, μέσω της συνεργασίας με την πρακτική της σύνταξης κώδικα, οι πολίτες αναπτύσσουν εις βάθος γνώση της κωδικοποίησης, η οποία τους παρέχει τα θεμέλια για τη βελτίωση της γλώσσας του προγραμματισμού και τη δημιουργία νέων και βελτιωμένων γλωσσών για τον προγραμματισμό. Με άλλα λόγια, εάν θέλουμε να συνεχίσουμε να βελτιώνουμε την κωδικοποίηση λογισμικού, χρειαζόμαστε επαρκή αριθμό ατόμων που γράφουν οι ίδιοι τον κώδικα. Είναι σημαντικό να επανεκτιμηθεί η ανθρώπινη δεξιότητα.
Μελλοντικοί δρόμοι
Η γενετική ΤΝ προσφέρει πολλές ευκαιρίες στους τομείς της κωδικοποίησης και του προγραμματισμού λογισμικού, καθιστώντας δυνητικά ευκολότερη για περισσότερους ανθρώπους τη συμμετοχή τους στον προγραμματισμό και τη δημιουργία των δικών τους εφαρμογών. Πρόκειται για τεράστιο δυναμικό εκδημοκρατισμού της δημιουργίας λογισμικού, δηλαδή για να το ανοίξουν σε όσους ενδέχεται να μην έχουν κίνητρο να μάθουν ή να το θεωρήσουν ως δυνατότητα για τον εαυτό τους. Η GenAI μπορεί επίσης να καταστήσει τη διαδικασία σύνταξης κώδικα πιο αποδοτική από άποψη χρόνου και προσπάθειας. Ωστόσο, ένα αρνητικό στοιχείο είναι ότι η υπερβολική εξάρτηση από την αυτοματοποιημένη ανάπτυξη κώδικα χωρίς επαρκή ανθρώπινη εποπτεία μπορεί να οδηγήσει σε απώλεια ποιότητας και απώλεια ευκαιριών για τη βελτίωση της πρακτικής κωδικοποίησης.
Κοιτάζοντας προς το μέλλον, υπάρχουν ορισμένες γενικές δυνατότητες εξερεύνησης.
Το κατάλληλο για χρήση λογισμικό προέρχεται από την ανθρώπινη αντίληψη, το οποίο ευθυγραμμίζει τις αντιληπτές ανάγκες, τις τεχνικές απαιτήσεις, με τον τεχνολογικό σχεδιασμό, την εφαρμογή και την ενδεχόμενη χρήση. Το λογισμικό πρέπει ακόμη να λειτουργεί σε ένα σύνθετο ανθρώπινο περιβάλλον και οι άνθρωποι είναι οι πλέον ικανοί να αντιμετωπίσουν αυτή την πολυπλοκότητα. Ωστόσο, είναι σημαντικό να βρούμε μια ισορροπία μεταξύ των δυνατοτήτων αυτοματοποιημένης κωδικοποίησης με το GenAI και της ανθρώπινης σύνταξης κώδικα ή άλλων μορφών εποπτείας, η οποία θα εξασφαλίσει επαρκή ανθρώπινη εικόνα της διαδικασίας αυτής και θα επιτρέψει την αποτελεσματική βελτίωσή της στο μέλλον. Οι διαδικασίες διασφάλισης της ποιότητας στην ανάπτυξη λογισμικού γίνονται ήδη πιο εκτεταμένες, με τη μετάβαση στο «Shift Left», δηλαδή να συμμετέχουν στη διασφάλιση της ποιότητας νωρίτερα στη διαδικασία ανάπτυξης λογισμικού και να συνεχίζονται καθ’ όλη τη διάρκεια της διαδικασίας. Με άλλα λόγια, θα μπορούσαν να προβλεφθούν πολλές διαβεβαιώσεις ποιότητας πριν από το στάδιο της αποτελεσματικής γραφής κωδικών. Η υποστήριξη της GenAI για τη σύνταξη κώδικα ενσωματώνεται στη συνέχεια σε μια ευρύτερη διαδικασία ποιοτικής ανάπτυξης, όπου τα δυνατά του σημεία χρησιμοποιούνται με τον βέλτιστο τρόπο.
Λέξεις κλειδιά
Γενετική ΤΝ, ChatGPT, έλλειψη δεξιοτήτων, κωδικοποίηση, προγραμματισμός, ανάπτυξη λογισμικού
Τηλεφόρτωση
Τηλεφορτώστε το πλήρες έγγραφο «Coding and programming skills in the age of GenerativeAI» (Κωδικοποιητικές δεξιότητες και δεξιότητες προγραμματισμού στην εποχή της GenerativeAI) και μια βιβλιογραφία των παραπομπών της εδώ και παρακάτω.
Ο δημιουργός
ΟΔρ. Kamakshi Rajagopal είναι διεπιστημονικός ερευνητής και εξωτερικός σύμβουλος στον εκπαιδευτικό σχεδιασμό και την τεχνολογία, με εκτεταμένη εμπειρία σε δικτυωμένες μορφές μάθησης και κοινωνικής μάθησης, υποστηριζόμενη από καινοτόμες τεχνολογίες. Κατέχει μεταπτυχιακό δίπλωμα (Masters in Linguistics) (2003) και Τεχνητή Νοημοσύνη (2004) του KU Leuven (BE). Ολοκλήρωσε τη διδακτορική της έρευνα στο Open Universiteit (NL) το 2013, διερευνώντας προσωπικά δίκτυα μάθησης και την αξία τους για τη συνεχή επαγγελματική εξέλιξη. Η τρέχουσα έρευνά της αφορά τη μελέτη της πολυπλοκότητας των μαθησιακών περιβαλλόντων και, πιο συγκεκριμένα, του τρόπου με τον οποίο οι εκπαιδευτικοί και οι εκπαιδευόμενοι μπορούν να υποστηριχθούν για την αντιμετώπιση αυτής της πολυπλοκότητας. Ο δρ Rajagopal έχει αναπτύξει πολλαπλά (χρηματοδοτούμενα σε εθνικό και ευρωπαϊκό επίπεδο) συνεργατικά ερευνητικά έργα στην πρωτοβάθμια, δευτεροβάθμια και τριτοβάθμια εκπαίδευση με εταίρους από τον δημόσιο τομέα, τη βιομηχανία και την κοινωνία των πολιτών. Ορισμένα παραδείγματα των σχεδίων της είναι ο ρόλος των δικτύων εκπαιδευτικών στην εκπαιδευτική καινοτομία, οι κύκλοι διατριβών στην τριτοβάθμια εκπαίδευση, η πολυτροπική μέτρηση σε συνεργατικούς υβριδικούς χώρους μάθησης και η ενσωμάτωση της εικονικής κινητικότητας στα ιδρύματα τριτοβάθμιας εκπαίδευσης. Από το 2023 εργάζεται για τη μάθηση και την ανάπτυξη στον τομέα της πληροφορικής και της παροχής επιχειρηματικών συμβουλών.
