سنجش در عصر هوش مصنوعی: گذار از آزمون های سنتی به “ارزیابی عملکردی” (Performance Assessment) و پروژه محور

چکیدهبا ظهور مدل های زبانی بزرگ (LLMs) و هوش مصنوعی مولد نظیر ChatGPT، پارادایم های سنتی سنجش و اندازه گیری پیشرفت تحصیلی با چالشی وجودی مواجه شده اند. آزمون های استاندارد و تکالیف نوشتاری که بر پایه “بازخوانی حافظه” یا “تولید متن همگرا” استوار بودند، اکنون در برابر توانایی های الگوریتمی ماشین ها آسیب پذیر و بعضا بی معنا شده اند. مقاله حاضر با رویکردی انتقادی و تحلیلی، ضرورت گذار از “فرهنگ آزمون” به “فرهنگ سنجش عملکردی” را تبیین می کند. در این نوشتار، ضمن واکاوی نارسایی های ارزشیابی سنتی در عصر هوش مصنوعی، مبانی نظری و عملی “ارزیابی عملکردی” (Performance Assessment) و “یادگیری پروژه محور” (PBL) تشریح می گردد. تمرکز اصلی بر طراحی تکالیف اصیل (Authentic Tasks)، تدوین روبیک های ارزیابی چندبعدی، اهمیت فرآیند بر فرآورده، و نقش جدید معلم به عنوان طراح سناریوهای یادگیری است. همچنین راهکارهایی برای همزیستی مسالمت آمیز با هوش مصنوعی و استفاده از آن به عنوان ابزاری برای ارتقای فراشناخت دانش آموزان ارائه شده است. استدلال می شود که تنها راه نجات نظام آموزشی از بحران “تقلب علمی” و “سطحی نگری”، بازتعریف “سواد” و سنجش مهارت های تفکر مرتبه بالا نظیر تحلیل، ارزشیابی و نقد است.

کلیدواژه ها:

کلمات کلیدی: سنجش عملکردی ، هوش مصنوعی در آموزش ، یادگیری پروژه محور ، ارزشیابی اصیل ، تفکر انتقادی ، روبیک های ارزیابی ، اعتبار سنجش.