تحول نظام ارزشیابی تحصیلی با بهره گیری از هوش مصنوعی

پیشرفت های اخیر در حوزه ی هوش مصنوعی (AI) فرصت های نوینی برای بازطراحی نظام های ارزشیابی تحصیلی ارائه کرده اند. این مقاله به صورت یک مطالعه ی مروری تحلیلی تلاش می کند جایگاه و ظرفیت های هوش مصنوعی در تحول ارزشیابی های تکوینی و جمع بندی، مزایا و مخاطرات اصلی، و چارچوب های پیاده سازی مسئولانه را بررسی کند. بر اساس مرور منابع بین المللی و داخلی، کاربردهای کلیدی شامل نمره گذاری خودکار (AES/AEG)، آزمون های تطبیقی رایانه ای (CAT)، تحلیل یادگیری و یادگیری تطبیقی، بازخورد هوشمند و تسهیل ارزشیابی توصیفی است (Gardner et al., ۲۰۲۱; Ifenthaler, ۲۰۲۳). یافته ها نشان می دهد AI می تواند هزینه های نمره دهی را کاهش دهد، بازخوردهای شخصی و آنی فراهم کند و پتانسیل ارتقای عدالت و قابلیت استنادپذیری ارزیابی را داشته باشد، اما چالش هایی مانند سوگیری الگوریتمی، شفافیت مدل ها، حفظ حریم خصوصی و مسائل فنی/پداغوژیک نیز وجود دارد (U.S. Department of Education, ۲۰۲۳; Ramesh & Sanampudi, ۲۰۲۱). در محیط ایران نیز پژوهش های اخیر از کارایی بالقوه و موانع پیاده سازی نظیر کمبود زیرساخت، نیاز به آموزش معلمان و نبود چارچوب های حکمرانی خبر می دهند (برک et al., ۱۴۰۳; نامی & اصابت طبری, ۱۴۰۳). در نهایت پیشنهاد می شود برنامه ریزی راهبردی ملی، طراحی مدل های انسان در حلقه (human-in-the-loop)، و تحقیقات پایلوت بومی سازی شده برای آزمون اعتبار و عدالت الگوریتم ها پیگیری شود.

کلیدواژه ها:

هوش مصنوعی ، ارزشیابی تحصیلی ، نمره گذاری خودکار ، بازخورد تکوینی ، آزمون تطبیقی ، عدالت الگوریتمی