Зашто универзитети морају радикално да преиспитају испите у доба вештачке интелигенције

Од покретања цхат бота ЦхатГПТ крајем 2022. године, едукатори су се борили с тим како да искористе вештачку интелигенцију да побољшају учење уз минимизирање ризика по образовне резултате и праведност процена.

Без предавања, испита, есеја: унутар универзитета двадесет првог века

Употреба вештачке интелигенције међу студентима је сада норма. У фебруару, анкета¹ од више од 1.000 редовних студената у Великој Британији открило је да 92% користи вештачку интелигенцију у неком облику, у односу на 66% у 2024. А 88% студената је изјавило да се ослања на генеративну вештачку интелигенцију (облик вештачке интелигенције који може да креира текст, слике и код из огромних скупова података) да подржи свој академски рад, у поређењу са 2024%.

Како АИ наставља да надмашује људе у основним задацима као што су разумевање читања и компјутерско програмирање²расте забринутост око његовог утицаја на учење и академски интегритет. На пример, вредност конвенционалних есеја и других писмених процена је све више под знаком питања, с обзиром на то да АИ сада може да произведе писање које често превазилази квалитет већине студентског рада.

Остала забринутост укључује превелико ослањање на цхат ботове што доводи до површног учења³смањене могућности за саморефлексију⁴ и губитак студентске агенције⁵при чему ученици постају пасивни корисници технологије, а не активни ученици.

Универзитети су одговорили коришћењем алата како би покушали да открију употребу генеративне вештачке интелигенције код студената. Али ови су се показали као непоуздани⁶. Ово је довело до краткорочних поправки као што су писане процене „тестирање на стрес“.¹ и замењујући их усменим испитима, руком писаним тестовима или рефлектујућим форматима (портфолији и часописи; видети го.натуре.цом/43бтцкф), као и јаснијим смерницама о томе када АИ може, а када не може да се користи. Иако ове мере помажу, њихова ефикасност је ограничена.

Уместо тога, потребно је темељно преиспитивање учења и оцењивања. Овде истичемо три обећавајућа приступа испитивању који прилагођавају постојеће методе — као што су процене засноване на разговору — ери вештачке интелигенције. Ове стратегије имају за циљ да подстакну истински интелектуални развој, истовремено обезбеђујући да евалуације тачно одражавају разумевање и вештине ученика.

Користите друге врсте процене

Један од камена темељаца модерног образовања је да је ‘писати размишљање’⁷. Писање је нелинеаран процес⁸ то захтева аутентично ангажовање, критичко размишљање и решавање проблема. Све ове активности подстичу људски интелектуални развој.

Међутим, када АИ помаже или генерише текстове ученика, постаје готово немогуће знати колико завршног рада одражава сопствено разумевање и критичко размишљање ученика (погледајте го.натуре.цом/47тјв93). Ова неизвесност подрива употребу писања као доказа учења.

Један од начина да се омогући критичко размишљање је да ученик и наставник прате структурирани разговор. На пример, Сократов метод испитивања је облик дисциплинованог испитивања који помаже ученицима да раде на сложеним идејама, преиспитују своје претпоставке и просуђују валидност информација. У старој Грчкој вредност која се придавала интелектуалном дијалогу била је толика да су неки филозофи у то време изразили забринутост да би превелико ослањање на писање могло ослабити људско памћење (види го.натуре.цом/43грксп).

Савремена верзија приступа заснованог на дискурсу коришћеног у старој Грчкој, позната као процена заснована на разговору, коришћена је неколико деценија у основном, средњем и универзитетском образовању. На пример, АутоТутор, развијен на Универзитету у Мемфису у Тенесију, коришћен је за подучавање предмета као што је Њутнова физика уз побољшање вештина компјутерске писмености и критичког мишљења⁹. Укључује ученике у разговоре на природном језику и користи рачунарске технике за мерење њиховог разумевања — анализирајући факторе као што су тачност, избор речи и време потребно за одговор. Међутим, такви системи обично имају ограничене конверзацијске могућности и и даље се углавном ослањају на једноставне анализе текста и откривање специфичних речи и израза.

Овде интеграција вештачке интелигенције може да промени игру. АИ може да одржи отворени дијалог осетљив на контекст на много реалистичнији начин него што то могу тренутне методе процене засноване на разговору. АИ алати могу постављати ученицима додатна питања, давати прилагођене савете и прилагођавати се нивоу знања ученика у реалном времену, пружајући флексибилну и персонализовану подршку у учењу. И његово испитивање може бити шире него код конвенционалних система за процену разговора, који су обично специјализовани за одређени домен.

Докторској обуци је потребно поновно покретање у свету вештачке интелигенције

Кључна прилика АИ није само да аутоматизује одговарање на питања, већ да омогући ученицима да уче кроз разговор са АИ системима и да користе тај дијалог као облик процене, чинећи га динамичним и персонализованим процесом.

Изазови остају. Прво, системи вештачке интелигенције ће морати да воде разговоре на уравнотежен начин — подстичући ученике да постављају питања, истражују теме које их занимају и преузму активну улогу у њиховом учењу. Истовремено, дијалог мора бити довољно структуриран да систем вештачке интелигенције прикупи смислене доказе о разумевању ученика, као што је начин на који размишљају кроз проблем, објашњавају концепт или примењују знање у контексту. Постизање ове равнотеже између отвореног истраживања и мерљиве процене остаје велики истраживачки изазов.

Погрешна комуникација је још један проблем — системи вештачке интелигенције могу погрешно разумети намеру ученика или пружити нетачне или погрешне информације. Када се то догоди, ученици се могу борити да идентификују изворе својих грешака. Веома персонализована и отворена природа учења и оцењивања заснованог на вештачкој интелигенцији такође би отежала стандардизацију. Дакле, и даље би постојало место за конвенционалне процене, посебно у процесу уписа на универзитет, у којем су доследност и правичност међу великим бројем студената приоритет.

Процењујте континуирано

Једно кључно питање са многим предложеним одговорима на широко распрострањено усвајање АИ код студената је да, иако покушавају да заштите академски интегритет, настављају да раде у оквиру модела испита са високим улозима. Чак и ако се испит преформулише као разговор, студенти остају свесни да исход има велику тежину. Студенти сматрају да су испити са високим улозима стресни и могли би имати лошији учинак или бити у искушењу да варају. Кључни изазов је, дакле, смањити потребу за испитима са високим улозима у ери заснованој на вештачкој интелигенцији у којој би варање могло постати лакше.

Континуирана процена може бити ефикасна алтернатива¹⁰. Замена испита на крају семестра низом међусобно повезаних процена које граде свеобухватну слику учења студената хитно је потребна у многим академским областима. Континуирана процена је добро успостављена у медицинском образовању. На пример, током клиничких ротација, студенте медицине континуирано процењују супервизори који посматрају њихово клиничко резоновање, вештине тимског рада и комуникацију са пацијентима. Ова запажања, у комбинацији са писаним размишљањима и евалуацијама вршњака, стварају холистичку слику о компетенцији ученика током времена. Међутим, такви модели су и даље ретки у другим дисциплинама, углавном због повећаног оптерећења које стављају на просветне раднике.

Универзитети морају да иду у корак са временом: како се шест научника бави вештачком интелигенцијом, менталним здрављем и још много тога

Све већа доступност система заснованих на вештачкој интелигенцији чини континуирану процену изводљивим. Разговори између ученика и АИ алата се не могу посматрати као једнократне размене, већ као део текућег процеса учења у којем вишеструке интеракције са ниским улозима постепено граде богату слику напретка ученика¹⁰.

Главни изазов лежи у обезбеђивању да системи вештачке интелигенције могу ефикасно да прате и анализирају овај напредак учења. Тренутни алати опште намене као што су ЦхатГПТ, Гемини и Цопилот нису дизајнирани за ову сврху — они не анализирају одговоре ученика током времена да би идентификовали раст или упорне заблуде. Да би се истински подржало континуирано оцењивање, постоји хитна потреба за платформама вештачке интелигенције оријентисане на учење које могу да сакупе лонгитудиналне податке о учинку ученика, да пруже смислен увид у путање учења и да се неприметно интегришу у дизајн курсева и програма.