تشخیص دقیق استعداد دانشجویان با حضور هوش مصنوعی؛ از تقلب سنتی تا فهم درونی

صاحب‌خبر -

چند وقت پیش با تعدادی از همکاران دانشگاهی‌ام درباره‌ی تجربه‌های تدریسمان حرف می‌زدیم. این نوشته از دل همان گفت‌وگوها بیرون آمد؛ دغدغه‌ای که فکر می‌کنم این روزها بسیاری از معلمان و مدرّسان با آن درگیرند، هرچند کمتر درباره‌اش حرف زده‌ایم.

یکی دو سالی است که آموزش عالی با مسئله‌ای جدی روبه‌رو شده است، جدی‌تر از نگرانی‌های قدیمی درباره‌ی تقلب دانشجویی. با آمدن ابزارهای هوش مصنوعی برای تولید متن، دیگر نمی توان مانند قبل با اطمینان فهمید کدام دانشجو واقعاً بااستعداد، و کدام یک فقط از این ابزارها کمک گرفته است.

مثال روشن از تغییر شیوه ارزیابی

بگذارید مثالی بزنم که در بیشتر گفت‌وگوهایم با همکاران مطرح می‌شود: در امتحانات مجازی چند ترم اخیر، موضوعی که بیش از هر چیز توجه را جلب می نماید شباهت عجیب پاسخ‌هاست. دانشجویانی که در کلاسها، سطوح بسیار متفاوتی از مشارکت و دقت داشتند، در برگه‌ امتحان جواب‌هایی می‌دادند که از نظر جمله‌بندی، کلمه‌ها، و حتی منطق استدلال، عجیب شبیه هم بود: جمله‌هایی یکنواخت، فهرست‌هایی مرتب، لحنی صاف که هیچ فراز و نشیبی نداشت. انگار متن هیچ رد پای شخصی‌ای ندارد.

مسئله این است که این پدیده، «تقلب» در نوع قدیمی‌ آن نیست. امکان ردیابی تقلب، در نوع قدیمی آن وجود داشت، متن با منبعی مشخص مقایسه، و در نهایت اثبات می شد. اما آنچه اکنون اتفاق می‌افتد، شکل دیگری دارد: پاسخ‌ها آن‌قدر شبیه هم شده‌اند که مرز بین «فهمیدن» و «کپی کردن» مبهم شده است. دانشجویی که جواب روان و منسجمی تحویل می‌دهد، ممکن است واقعاً مطلب را فهمیده و فقط برای پالایش written اش از فناوری کمک گرفته باشد؛ یا ممکن است هیچ‌چیز نفهمیده باشد و همه‌چیز را مستقیم از هوش مصنوعی دریافت کرده باشد. با ابزارهایی که اکنون در دست داریم، تشخیص این دو حالت عملاً سخت و چالش برانگیز شده است.

چالش دیگر چیست؟ پیش از این یکی از راه‌های مهمی که با آن دانشجو را می‌شناختیم، خواندن نوشته‌اش بود؛ نوشته‌ای که فقط توانایی فردی را نشان نمی‌داد، بلکه شکلی از سرمایه‌ی فرهنگی و زبانی را هم نشان می‌داد که دانشجو در طول تحصیلش یاد گرفته بود. از