Η τεχνητή νοημοσύνη αλλάζει με ταχύτητα την ανώτατη εκπαίδευση, δημιουργώντας νέα δεδομένα για τη διδασκαλία, τη μελέτη και, κυρίως, την αξιολόγηση των φοιτητών. Πανεπιστήμια στη Βρετανία εξετάζουν την επαναφορά ή την ενίσχυση των εξετάσεων με φυσική παρουσία και των προφορικών παρουσιάσεων, καθώς καθηγητές υποστηρίζουν ότι η χρήση εργαλείων τεχνητής νοημοσύνης έχει καταστήσει «σχεδόν αδύνατη» την αξιόπιστη αξιολόγηση γραπτών εργασιών.
Το ζήτημα αναδεικνύεται σε έρευνα της Office for Students (OfS), της ρυθμιστικής αρχής για την ανώτατη εκπαίδευση στην Αγγλία. Η αρχή προειδοποιεί ότι η εκτεταμένη χρήση τεχνητής νοημοσύνης σε δοκίμια, διπλωματικές εργασίες και εξετάσεις με ανοιχτό βιβλίο μπορεί να υπονομεύσει την αξιοπιστία των πανεπιστημιακών τίτλων σπουδών.
Η τεχνητή νοημοσύνη αλλάζει την αξιολόγηση των φοιτητών
Σύμφωνα με την OfS, τα πανεπιστήμια οφείλουν να σχεδιάσουν έγκυρες και αξιόπιστες μεθόδους αξιολόγησης, οι οποίες θα αποτυπώνουν με ακρίβεια τις πραγματικές γνώσεις και δεξιότητες των φοιτητών. Η αποτυχία τους να αντιμετωπίσουν τους κινδύνους που συνδέονται με τη χρήση της τεχνητής νοημοσύνης ενδέχεται να συνιστά παραβίαση των όρων λειτουργίας και εγγραφής τους, γεγονός που μπορεί να οδηγήσει ακόμη και στην επιβολή κυρώσεων.
Η προειδοποίηση αφορά όχι μόνο την πιθανότητα ακαδημαϊκής απάτης, αλλά και την ευρύτερη ποιότητα της εκπαίδευσης. Όταν ένας φοιτητής υποβάλλει εργασία που έχει παραχθεί σε μεγάλο βαθμό από ένα εργαλείο τεχνητής νοημοσύνης, χωρίς να έχει κατανοήσει το περιεχόμενό της, το πανεπιστήμιο δεν μπορεί να γνωρίζει με βεβαιότητα τι έχει πραγματικά μάθει. Παράλληλα, οι βαθμοί ενδέχεται να μην αντανακλούν τις προσωπικές ικανότητες, την κριτική σκέψη ή την ερευνητική προσπάθεια κάθε φοιτητή.
Ο Τζος Φλέμινγκ, διευθυντής στρατηγικής και υλοποίησης της OfS, χαρακτήρισε τη χρήση της τεχνητής νοημοσύνης στην ανώτατη εκπαίδευση «συστημικό κίνδυνο για μια ολόκληρη γενιά». Όπως δήλωσε, η τεχνολογία απειλεί να επηρεάσει τόσο τη μαθησιακή διαδικασία όσο και την ικανότητα των ιδρυμάτων να αξιολογούν με ακρίβεια τις επιδόσεις των φοιτητών.
Παράλληλα, υπογράμμισε ότι απαιτούνται πιο ουσιαστικές προσπάθειες και σημαντικά ευρύτερη χρήση διαφορετικών μεθόδων αξιολόγησης. Η ταχύτητα με την οποία εξελίσσονται τα εργαλεία τεχνητής νοημοσύνης δημιουργεί μια πρωτόγνωρη κατάσταση για τα πανεπιστήμια, αλλά και για τις αρμόδιες ρυθμιστικές αρχές.
Οι αλλαγές στις μεθόδους αξιολόγησης
Αρκετά πανεπιστήμια έχουν ήδη αρχίσει να αναθεωρούν τις πρακτικές τους, προκειμένου να περιορίσουν την πιθανότητα κατάχρησης των εργαλείων τεχνητής νοημοσύνης. Μεταξύ των αλλαγών περιλαμβάνεται η ενίσχυση των γραπτών εξετάσεων με φυσική παρουσία, όπου οι φοιτητές καλούνται να απαντήσουν χωρίς εξωτερική βοήθεια.
Παράλληλα, αυξάνεται η χρήση προφορικών εξετάσεων και παρουσιάσεων. Μέσα από μια ζωντανή συζήτηση, οι καθηγητές μπορούν να διαπιστώσουν αν ο φοιτητής έχει κατανοήσει το θέμα, αν μπορεί να τεκμηριώσει τις απόψεις του και αν είναι σε θέση να απαντήσει σε ερωτήσεις σχετικά με την εργασία του.
Μια ακόμη πρακτική είναι η κριτική αξιολόγηση ή η επιμέλεια περιεχομένου που έχει παραχθεί από τεχνητή νοημοσύνη. Σε αυτές τις περιπτώσεις, οι φοιτητές δεν αξιολογούνται απλώς για το τελικό κείμενο, αλλά καλούνται να εντοπίσουν λάθη, ανακρίβειες, στερεότυπα ή ελλείψεις στις απαντήσεις ενός εργαλείου AI.
Ιδιαίτερη σημασία αποκτούν και οι αξιολογήσεις που βασίζονται στη διαδικασία. Οι φοιτητές μπορεί να χρειάζεται να παρουσιάσουν τα στάδια της έρευνας, τις πηγές που χρησιμοποίησαν, τις αρχικές τους σημειώσεις, τις διορθώσεις και τις επιλογές που οδήγησαν στο τελικό αποτέλεσμα. Με αυτόν τον τρόπο, η αξιολόγηση δεν επικεντρώνεται μόνο στο τελικό κείμενο, αλλά και στη διαδρομή που ακολούθησε ο φοιτητής.
Τι κατέγραψε η έρευνα
Η έκθεση εκπονήθηκε από την OfS σε συνεργασία με τον μη κερδοσκοπικό οργανισμό Advance HE, ο οποίος δραστηριοποιείται στη βελτίωση της διοίκησης και της διδασκαλίας στα πανεπιστήμια. Για τις ανάγκες της έρευνας πραγματοποιήθηκαν συνεντεύξεις με περισσότερους από 300 φοιτητές και μέλη του διδακτικού προσωπικού σε 127 πανεπιστήμια και κολέγια.
Τα ευρήματα δείχνουν ότι η χρήση της τεχνητής νοημοσύνης είναι πλέον ιδιαίτερα διαδεδομένη. Φοιτητές ανέφεραν ότι συμφοιτητές τους ολοκληρώνουν εργασίες με τη βοήθεια σχετικών εργαλείων μέσα σε λίγα μόλις λεπτά, λαμβάνοντας βαθμολογίες αντίστοιχες με εκείνες φοιτητών που εργάστηκαν χωρίς τη χρήση AI.
Σε ορισμένες περιπτώσεις, οι φοιτητές που χρησιμοποίησαν τεχνητή νοημοσύνη φέρεται να αδυνατούσαν να θυμηθούν ακόμη και βασικές λεπτομέρειες μιας εργασίας που είχαν μόλις υποβάλει. Αυτό προκαλεί ανησυχία, καθώς αποκαλύπτει την απόσταση ανάμεσα στην επιτυχή ολοκλήρωση μιας αξιολόγησης και στην πραγματική απόκτηση γνώσεων.
Οι πανεπιστημιακοί, από την πλευρά τους, δήλωσαν ότι λαμβάνουν μεγάλο αριθμό εργασιών με παρόμοια δομή, κοινές βιβλιογραφικές αναφορές και σχεδόν πανομοιότυπο ύφος γραφής. Αρκετοί εξέφρασαν την άποψη ότι οι παραδοσιακές μέθοδοι αξιολόγησης δεν είναι πλέον επαρκείς ή δεν αποτυπώνουν με ακρίβεια τις γνώσεις και τις δεξιότητες των φοιτητών.
Η τεχνητή νοημοσύνη δεν αποτελεί αποκλειστικά απειλή για την εκπαίδευση. Μπορεί να λειτουργήσει ως εργαλείο υποστήριξης της μάθησης, να βοηθήσει στην αναζήτηση πληροφοριών και να ενισχύσει την προσβασιμότητα. Ωστόσο, η αξιοποίησή της απαιτεί σαφείς κανόνες, διαφάνεια και υπευθυνότητα.
Το επόμενο διάστημα, τα πανεπιστήμια θα χρειαστεί να ισορροπήσουν ανάμεσα στην αξιοποίηση των δυνατοτήτων της τεχνολογίας και στην προστασία της ακαδημαϊκής ακεραιότητας. Η τεχνητή νοημοσύνη αναμένεται να συνεχίσει να μεταμορφώνει την αξιολόγηση των φοιτητών, όμως η αξιοπιστία των τίτλων σπουδών θα εξαρτηθεί από την ικανότητα των ιδρυμάτων να προσαρμοστούν έγκαιρα, υιοθετώντας πιο πολυδιάστατες, διαφανείς και ουσιαστικές μεθόδους αξιολόγησης.
