مواجهه آموزش عالی با هوش مصنوعی؛ درسی از فرهنگ‌های ارزیابی کشورهای مختلف

مواجهه آموزش عالی با هوش مصنوعی؛ درسی از فرهنگ‌های ارزیابی کشورهای مختلف
در سایهٔ گسترش هوش مصنوعی مولد، نظام‌های آموزش عالی جهان با بحرانی عمیق در ارزیابی یادگیری دانشجویان روبه‌رو شده‌اند. با ناکارآمدی راهکارهای سنتی برای جلوگیری از تقلب و فزونی نگرانی‌ها دربارهٔ اصالت تفکر دانشجویان، بسیاری از دانشگاه های جهان به سوی راه‌حل‌های جایگزین به‌ویژه احیای آزمون‌های شفاهی تعاملی روی آورده‌اند.

به گزارش خبرگزاری آنا، ظهور و پیچیدگی روزافزون هوش مصنوعی مولد (GenAI)، نهاد‌های آموزش عالی در سراسر جهان را با یک چالش «بسیار پیچیده» در زمینه ارزیابی دانشجویان مواجه کرده است. با توجه به دشواری و تقریباً بیهوده بودن تلاش برای «ضد-هوش مصنوعی» کردن تکالیف نوشتاری، و شکست بحث درباره خطرات شناختی واگذاری تحلیل‌ها به نرم‌افزار به عنوان عامل بازدارنده تقلب، مربیان دچار سرخوردگی و سردرگمی شده‌اند. این بحران، پژوهشگران و دانشگاهیان را به سمت بررسی شیوه‌های ارزیابی موجود در فرهنگ‌ها و زمینه‌های آموزشی غیرانگلیسی‌زبان سوق داده تا راه‌حل‌های جایگزین و معتبری برای سنجش یادگیری واقعی دانشجویان بیابند.

رویکرد جایگزین: احیای آزمون‌های شفاهی

در پاسخ به این چالش، برخی از نظریه‌پردازان، از جمله کِلِی شیرکی از دانشگاه نیویورک، پیشنهاد بازگشت به شیوه‌های قدیمی‌تر و گفت‌وگومحور را مطرح کرده‌اند. راهکار پیشنهادی، احیای آزمون‌های شفاهی تعاملی و بدون متن از پیش تعیین‌شده (که شیرکی آن را «قرون وسطایی» می‌نامد) است. مزیت اصلی این روش آن است که امکان بررسی و کاوش عمیق‌تر در فرآیند استدلال و تفکر دانشجو را فراهم می‌کند و به او اجازه می‌دهد پاسخ‌های انعطاف‌پذیرتری ارائه دهد.

بررسی زمینه‌های غیرانگلیسی‌زبان، مانند نظام‌های آموزش عالی در ایتالیا و آلمان، نشان می‌دهد که ارزیابی شفاهی نه یک پدیده جدید و نه یک یادگار منسوخ است. در دانشگاه‌های ایتالیایی، این شیوه هرگز به طور کامل کنار گذاشته نشد. این تجربه تاریخی می‌تواند برای حوزه‌های انگلیسی‌زبان که به تازگی به این روش روی آورده‌اند، ایده‌های کاربردی برای اجرا و مدیریت مؤثر ارزیابی‌های شفاهی فراهم کند.

چالش‌ها و الزامات شفافیت در ارزیابی شفاهی

اگرچه ارزیابی شفاهی می‌تواند یادگیری عمیق را تقویت کند، اما درمان ساده‌ای برای مشکلات ارزیابی نیست و نیازمند طراحی دقیق است. ماهیت غیرمنتظره و گفت‌وگومحور آن، در کلاس‌های درس متنوع، خطر افزایش نابرابری‌های زبانی و معرفتی را در پی دارد. برای غلبه بر این چالش‌ها، باید اقداماتی صورت گیرد، شفافیت و عدالت یکی از این اقدامات است، به نظر می رسد که باید ارتباط شفاف پیرامون فرآیند ارزیابی و تضمین عدالت از طریق ارائه مثال‌ها، شبیه‌سازی‌ها و دستورالعمل‌های واضح به همه دانشجویان ایجاد شود. 

توسعه حرفه‌ای معلمان یکی دیگر از راهبردهاست. در این مسیر ارائه پشتیبانی و توسعه حرفه‌ای به معلمان برای تدوین سؤالاتی که مهارت‌های تفکر سطح بالاتر (Higher Order Thinking Skills) و فرآیند‌های شناختی را توسعه می‌دهند، در دستور کار قرار گیرد. 

نقش فناوری در حمایت از اجرای مؤثر ارزیابی

بخش‌های آموزش عالی در کشور‌هایی مانند ایتالیا، به دلیل نسبت بالای دانشجو به استاد، در اجرای شیوه‌های بازخورد مؤثر (به ویژه بازخورد پیش‌خور که قبل از ارزیابی نهایی ارائه می‌شود) با مشکل مواجه هستند.

در این زمینه، ابزار‌های دیجیتال و هوش مصنوعی می‌توانند به عنوان یک مکمل ارزشمند عمل کنند. این ابزار‌ها می‌توانند با تسهیل شخصی‌سازی تجربه یادگیری و ارائه بازخورد فردی و به موقع، از معلمان و یادگیرندگان پشتیبانی کرده و محدودیت‌های زمانی و منابع انسانی را تا حدودی جبران کنند.

در نهایت، در حالی که مشکل هوش مصنوعی و ارزیابی ممکن است فعلاً حل‌نشدنی باقی بماند، نگاهی فراتر از مرز‌های فرهنگی و رشته‌ای، و استفاده از خرد جمعی تجارب ارزیابی سایر نظام‌های آموزشی، می‌تواند مسیری مفید برای تضمین اصل اعتبار ارزیابی‌ها در آینده دانشگاهی جهان باشد.

انتهای پیام/

ارسال نظر
گوشتیران
قالیشویی ادیب
رسپینا